A RELAÇÃO ENTRE A POLUIÇÃO DO AR E AS PRINCIPAIS VARIÁVEIS CLIMATOLÓGICAS NO MUNICÍPIO DE CANOAS-RS

• Autor(a) principal: Tibulo, Cleiton
• Data de Publicação: 2020
• Outros Autores: Zanini, Roselaine Ruviaro, Ferraz, Simone Erotildes Teleginski, Boiaski, Nathalie Tissot, Tibulo, Vaneza De Carli
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista Brasileira de Climatologia (Online)
• Texto Completo: https://revistas.ufpr.br/revistaabclima/article/view/65560
• topic: Poluição do ar. Variáveis climatológicas. Modelos de séries temporais. Modelos de análise multivariada.

Nas últimas décadas, junto com o crescente aumento do número de veículos no Brasil, também tem crescido a preocupação com fatores ligados à poluição e suas consequências para a sociedade. Nesse contexto, o presente trabalho teve por objetivo aplicar técnicas estatísticas de análise multivariada aos dados de poluentes do ar e variáveis meteorológicas para investigar a relação entre estes componentes. Além disso, foram ajustados modelos de Previsão de Séries Temporais para os índices de poluição do ar, utilizando as variáveis climatológicas como exógenas aos modelos, com a finalidade de comparar o desempenho dos modelos. Os dados foram coletados junto ao Instituto Nacional de meteorologia (INMET) (variáveis climatológicas) e Fundação Estadual de Proteção Ambiental (FEPAM) (poluentes do Ar) referente ao município de Canoas-RS, durante o ano de 2014. Os resultados da análise de cluster mostram a formação de dois grupos bem definidos: O cluster 1 reúne as variáveis mais próximas (O3, Insolação, Evaporação, Temperatura Mínima e Temperatura Máxima), o cluster 2, as variáveis mais próximas (SO2, CO, PM10). Ajustaram-se modelos de previsão de Séries Temporais para a variável O3, usando as demais variáveis do grupo 1 como exógenas. O modelo de Série Temporal que permite a inclusão de variáveis exógenas (SARIMAX), obteve melhores resultados de previsão em relação aos seus concorrentes (SARIMA e da classe de Alisamento Exponencial). Conclui-se que o uso conjunto de modelos de análise multivariada e séries temporais proporciona melhores resultados de previsão. Destaca-se a ampla possibilidade de utilização das técnicas conjuntas de análise multivariada e séries temporais, podendo ser utilizadas como ferramenta de apoio nas tomadas de decisão.