Análise temporal das condições meteorológicas e concentração de Material Particulado (MP10) na Região Metropolitana de São Paulo - SP (Temporal analysis of the meteorological conditions and concentration of Particulate Matter (PM10) in the Metropolitan Region of São Paulo – SP)

Madson Tavares Silva, Carlos Costa dos Santos, Marcos Renato Amorim, Bruce Nobrega Silva, Jullianna Vieira de Azevedo, Eduardo da Silva Margalho

Resumo


Neste trabalho, a qualidade do ar na região de Interlagos e Ponte dos remédios é definida em termos da concentração do material particulado com diâmetro menor que 10µm (MP10). A concentração do MP10 no ar é resultado final de processos complexos, oriundos de vários fatores, que compreendem não só a emissão pelas fontes, bem como suas interações físicas (dispersão) e químicas (reações). A variabilidade da dispersão está diretamente ligada com a topografia e as condições meteorológicas. Diante desse contexto, o objetivo deste trabalho foi analisar a relação entre variáveis meteorológicas (VV, UR, T e P) e a concentração de MP10 nos meses extremos de 2014 (maior e menor concentração) utilizando o modelo de regressão linear múltipla. Os resultados mostraram que a concentração de MP10 está correlacionada com a VV e UR nas duas localidades em análise. Ademais, a maior parte dos dias desfavoráveis à dispersão do MP10 em 2014 ocorreu nos meses de junho e agosto. Meses do qual incidiram as maiores concentrações do MP10 nas duas localidades.

 

 

A B S T R A C T

In this work, the air quality in the Interlagos and Ponte dos Remédios region is defined in terms of particulate matter concentration with a diameter smaller than 10μm (PM10). The PM10 concentration in the air is the final result of complex processes, which are due to several factors, that include not only the emission by the sources, but also their physical (dispersion) and chemical interactions (reactions). The variability of dispersion is directly connected to topography and weather conditions. In this context, the objective of this work was to analyze the relationship between meteorological variables (wind speed, relative humidity, temperature and precipitation.) and PM10 concentration in the extreme months of 2014 (highest and lowest concentrations) using the multiple linear regression model. The results showed that the MP10 concentration is correlated with the wind speed and relative humidity in the two localities under analysis. In addition, most of the unfavorable days to the PM10 dispersion in 2014 occurred in June and August. Months that focused the highest concentrations of PM10 in the two localities.

Keywords: PM10, meteorological variables, multiple linear regression.


Palavras-chave


MP10, variáveis meteorológicas, regressão linear múltipla

Texto completo:

PDF

Referências


An, X.Q., Tao, Y., Mi, S.Q., Sun, Z.B., Hou, Q., 2015. Association between PM10 and respiratory hospital admissions in different seasons in Lanzhou. J. Environ. Health 77, 64-71.

CETESB - Companhia Ambiental do Estado de São Paulo. Série relatórios, Qualidade do Ar no Estado de São Paulo. 2014.

Chai, F., Gao, J., Chen, Z.,Wang, S., Zhang, Y., Zhang, J., Zhang, F., Yun, Y., Ren, C., 2014. Spatial and temporal variation of particulate matter and gaseous pollutants in 26 cities in China. J. Environ. Sci. 26, 75-82.

Chaloulakou, A., Grivas, G., Spyrellis, N., 2003 Neural network and multiple regression models for PM10 prediction in Athens: A comparative assessment. Journal of the Air e Waste Management Association 53, 1183-1190.

Chen, X., Zhang, L.W., Huang, J.J., Song, F.J., Zhang, L.P., Qian, Z.M., Trevathan, E.,Mao, H.J., Han, B., Vaughn, M., Chen, K.X., Liu, Y.M., Chen, J., Zhao, B.X., Jiang, G.H., Gu, Q., Bai, Z.P., Dong, G.H., Tang, N.J., 2016. Long-term exposure to urban air pollution and lung cancer mortality: a 12-year cohort study in Northern China. Sci. Total Environ. 571, 855-861.

Chen, Y., Ebenstein, A., Greenstone, M., Li, H., 2013. Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy. Proc. Natl. Acad. Sci. 110, 12936-12941.

Coelho, M., 2007. Uma Análise Estatística com vistas a Previsibilidade de Internações por Doenças Respiratórias em Função das Condições Meteorológicas na Cidade de São Paulo, Ano de obtenção. Tese (Doutorado). São Paulo, Universidade de São Paulo.

Comrie, A.C., Diem, J.E., 1999. Climatology and forecast modeling of ambient carbon monoxide in Phoenix, Arizona. Atmospheric Environment 33, 5023-5036.

CONAMA - Conselho Nacional do Meio Ambiente. Resolução 03 de Junho de 1990, 4ª ed. Brasília. 1992.

Correa, C.S., 1997. Estudo Micrometeorológico da Camada Limite Planetária Estável na Região de Porto Alegre. Dissertação (Mestrado). Porto Alegre, Universidade Federal do Rio Grande do Sul.

Crippa, M., Canonaco, F., Slowik, J.G., El Hadda, I., DeCarlo, P.F., Mohr, C., Heringa, M.F., Chirico, R., Marchand, N., Temime-Roussel, B., Abidi, E., Poulain, L., Wiedensohler, A., Baltensperger, U., Prevot, A.S.H., 2013. Primary and secondary organic aerosol origin by combined gas-particle phase source apportionment. Atmos. Chem. Phys. 13, 8411-8426.

Forouzanfar, M.H., Afshin, A., Alexander, L.T., Anderson, H.R., Bhutta, Z.A., 2016. Global, regional, and national comparative risk assessment of 79 behavioural, environmental and occupational, and metabolic risks or clusters of risks, 1990 e 2015: a systematic analysis for the Global Burden of Disease Study 2015. Lancet 388, 1659-1724.

Guan, W.-J., Zheng, X.-Y., Chung, K.F., Zhong, N.-S., 2016. Impact of air pollution on the burden of chronic respiratory diseases in China: time for urgent action. Lancet 388, 1939-1951.

Guo, S., Hu, M., Zamora, M.L., Peng, J., Shang, D., Zheng, J., Du, Z., Wu, Z., Shao, M., Zeng, L., Molina, M.J., Zhang, R., 2014. Elucidating severe urban haze formation in China. Proc. Natl. Acad. Sci. 111, 17373-17378.

Hair Jr., J.F., Black, W. C., Babin, B. J., Anderson, R. E., Tatham, R. L. Análise multivariada de dados. Porto Alegre: Bookman, 2009.

He, J.J., Yu, Y., Liu, N., Zhao, S.P., 2013. Numerical model-based relationship between meteorological conditions and air quality and its implication for urban air quality management. Int. J. Environ. Pollut. 53, 265-286.

He, J.J., Yu, Y., Xie, Y.C., Mao, H.J., Wu, L., Liu, N., Zhao, S.P., 2016. Numerical model-based artificial neural network model and its application for quantifying impact factors of urban air quality. Water Air Soil Pollut. 227, 235.

Huang, R.J., Zhang, Y., Bozzetti, C., Ho, K.F., Cao, J.J., Han, Y., Daellenbach, K.R., Slowik, J.G., Platt, S.M., Canonaco, F., Zotter, P., Wolf, R., Pieber, S.M., Bruns, E.A., Crippa, M., Ciarelli, G., Piazzalunga, A., Schwikowski, M., Abbaszade, G., Schnelle-Kreis, J., Zimmermann, R., An, Z., Szidat, S., Baltensperger, U., El Haddad, I., Prevot, A.S., 2014. High secondary aerosol contribution to particulate pollution during haze events in China. Nature 514, 218-222.

Landrigan, P.J., 2016. Air Pollution and Health. The Lancet Public Health.

Li, S., Williams, G., Guo, Y., 2016. Health benefits from improved outdoor air qualityand intervention in China. Environ. Pollut. 214, 17-25.

Liu, B., Liang, D., Yang, J., Dai, Q., Bi, X., Feng, Y., Yuan, J., Xiao, Z., Zhang, Y., Xu, H., 2016. Characterization and source apportionment of volatile organic compounds based on 1-year of observational data in Tianjin, China. Environ. Pollut. 218, 757-769.

Seinfeld, J.H. Atmospheric Chemistry and Physics of Air Polution. Ed. John Wiley, New York. 1986. (Reprinted, 1998).

Song, C., He, J., Wu, L., Jin, T., Chen, X., Li, R., Ren, P., Zhang, L., Mao, H., 2017. Health burden attributable to ambient PM2.5 in China. Environ. Pollut. 223, 575-586.

Stadlober, E., Hormann, S., Pfeiler, B., 2008.Quality and performance of a PM10 daily forecasting model. Atmospheric Environment, v. 42, p. 1098–1109.

Sun, Y., Jiang, Q., Wang, Z., Fu, P., Li, J., Yang, T., Yin, Y., 2014. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013. J. Geophys. Res. Atmos. 119, 4380-4398.

Vahlsing, C., Smith. K.R., 2012. Global review of national ambient air quality standards for MP10 and SO2 (24h). Air Quality, Atmosphere e Health, v. 5, n. 4, p.393 – 399.

Vardoulakis, S., Kassomenos, P., 2008.Sources and factors affecting PM10 levels in two European cities: Implications for local air quality management. Atmospheric Environment, v. 42, p. 3949–3963.

Wang, G., Zhang, R., Gomez, M.E., Yang, L., Levy Zamora, M., Hu, M., Lin, Y., Peng, J., Guo, S., Meng, J., Li, J., Cheng, C., Hu, T., Ren, Y., Wang, Y., Gao, J., Cao, J., An, Z., Zhou, W., Li, G., Wang, J., Tian, P., Marrero-Ortiz, W., Secrest, J., Du, Z., Zheng, J., Shang, D., Zeng, L., Shao, M., Wang, W., Huang, Y., Wang, Y., Zhu, Y., Li, Y., Hu, J., Pan, B., Cai, L., Cheng, Y., Ji, Y., Zhang, F., Rosenfeld, D., Liss, P.S., Duce, R.A., Kolb, C.E., Molina, M.J., 2016. Persistent sulfate formation from London Fog to Chinese haze. Proc. Natl. Acad. Sci. U. S. A. 113, 13630-13635.

Wang, L.T., Wei, Z., Yang, J., Zhang, Y., Zhang, F.F., Su, J., Meng, C.C., Zhang, Q., 2014. The 2013 severe haze over southern Hebei, China: model evaluation, source apportionment, and policy implications. Atmos. Chem. Phys. 14, 3151-3171.

Wang, Y.Q., Zhang, X.Y., Sun, J.Y., Zhang, X.C., Che, H.Z., Li, Y., 2015. Spatial and temporal variations of the concentrations of PM10, PM2.5 and PM1 in China. Atmos. Chem. Phys. 15, 13585-13595.

West, J.J., Cohen, A., Dentener, F., Brunekreef, B., Zhu, T., Armstrong, B., Bell, M.L., Brauer, M., Carmichael, G., Costa, D.L., Dockery, D.W., Kleeman, M., Krzyzanowski, M., Kunzli, N., Liousse, C., Lung, S.C., Martin, R.V., Poschl, U., Pope 3rd, C.A., Roberts, J.M., Russell, A.G., Wiedinmyer, C., 2016. What we breathe impacts our health: improving understanding of the link between air pollution and health. Environ. Sci. Technol. 50, 4895-4904.

WHO – WORLD HEALTH ORGANIZATION. Air Quality Guidelines for Particulate Matter, Ozone, Nitrogen Dioxide and Sulphur Dioxide. Global update 2005. Summary of Risk Assessment. Geneva, 2006.

Zhang, L., Liu, L.C., Zhao, Y.H., Gong, S., Zhang, X.Y., Henze, D.K., Capps, S.L., Fu, T., Zhang, Q., Wang, Y.X., 2015. Source attribution of particulate matter pollution over North China with the adjoint method. Environ. Res. Lett. 10, 084011.

Zhang, L.W., Chen, X., Xue, X.D., Sun, M., Han, B., Li, C.P., Ma, J., Yu, H., Sun, Z.R., Zhao, L.J., Zhao, B.X., Liu, Y.M., Chen, J., Wang, P.P., Bai, Z.P., Tang, N.J., 2014. Long-term exposure to high particulate matter pollution and cardiovascular mortality: a 12-year cohort study in four cities in northern China. Environ. Int. 62, 41-47.

Zhou, M., Liu, Y., Wang, L., Kuang, X., Xu, X., Kan, H., 2014. Particulate air pollution and mortality in a cohort of Chinese men. Environ. Pollut. 186, 1-6.




DOI: https://doi.org/10.26848/rbgf.v11.4.p1226-1240

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License