Previsão de Indicadores de Qualidade de Ar Exterior em Ambiente Urbano.

FACULDADE DE ECONOMIA DA UNIVERSIDADE DO PORTO Previsão de Indicadores de Qualidade de Ar Exterior em Ambiente Urbano por Sara Maria Maia da Rocha Dissertação para obtenção do grau de Mestre em Economia e Gestão do Ambiente pela Faculdade de Economia do Porto Orientada por: Professor Doutor Cláudio Monteiro Setembro de 2014 i Breve Nota Biográfica Sara Maria Maia da Rocha é natural de São Pedro, Torres Novas, distrito de Santarém. Nasceu a 3 de Agosto de 1990 e frequentou o ensino básico na Escola Visconde de São Gião, Torres Novas. A sua formação académica inicia-se na Faculdade de Ciências da Universidade do Porto, com a licenciatura em Ciências e Tecnologia do Ambiente entre 2008/2011. Em Março de 2011, iniciou um estágio curricular na empresa CIIMAR, dedicada à avaliação de impacte ambiental e biodiversidade. Seguiu os seus estudos, com o mestrado em Economia e Gestão do Ambiente na Faculdade de Economia da Universidade do Porto, em Setembro de 2012. Em Janeiro de 2014, realizou um estágio curricular na empresa Smartwatt, destinada à previsão de emissões. O presente trabalho de dissertação pretende concluir o nível académico anteriormente referido. ii Agradecimentos Quero deixar aqui um especial agradecimento ao meu orientador, Professor Cláudio Monteiro, por todo o apoio, orientação e dedicação que prestou ao longo destes meses que se revelaram cruciais para a conclusão desta investigação. Assim como aos colaboradores da empresa Smartwatt pela disponibilidade e colaboração no desenvolvimento desta dissertação. O meu maior agradecimento deixo-o à minha família que me proporcionou a oportunidade de ingressar no ensino superior e concluir os meus estudos, contribuindo para a minha educação, realização pessoal e profissional. À minha Avó, Tia e Irmãos o meu sincero obrigada. Agradeço também às amigas sempre presentes Catarina, Inês e Rita. Não podendo deixar de agradecer em particular ao Ivo por todo o importante apoio e paciência demonstrada. Finalmente, o meu agradecimento para todos os meus colegas de faculdade e da Cientuna, que sempre me acompanharam ao longo do meu percurso académico. iii Resumo Atualmente, a poluição atmosférica é um problema com impactes consideráveis na população das regiões urbanas, com influência na saúde humana e ambiente. Em grandes meios urbanos tornou-se uma prioridade a previsão da evolução temporal da poluição atmosférica, de modo a garantir uma boa qualidade de vida. Com a finalidade de identificar e prever períodos de baixa qualidade do ar, têm vindo a ser desenvolvidos modelos de previsão da qualidade do ar, tendo em consideração as características da poluição atmosférica e os seus impactes. A aplicação de Redes Neuronais Artificiais (RNAs) a problemas das áreas da engenharia ambiental tem vindo a aumentar, demostrando vários graus de sucesso. Nesta investigação foram aplicadas RNAs de modo a criar modelos com a capacidade de prever o comportamento de vários poluentes ambientais (CO, NO, NOx, NO2, PM10, PM2,5 e O3), na cidade do Porto. Os modelos construídos resultam do cruzamento de variáveis meteorológicas (direção e velocidade do vento, temperatura, radiação, índice de nuvens e pluviosidade) e do histórico de emissões registadas em duas estações de monitorização situadas na cidade do Porto para os poluentes já referidos. Esta investigação prova que é possível prever, a concentração de alguns poluentes utilizando previsões meteorológicas. Foram identificadas as variáveis que melhor explicam as concentrações dos poluentes. E foram também avaliados os desempenhos dos vários modelos de previsão. Perante esta investigação pode-se concluir que a qualidade do ar na cidade do Porto é bastante influenciada pelo tráfego rodoviário e que tem variações de caráter sazonal. Palavras-chave: Qualidade do ar, modelos de previsão, poluentes atmosféricos, redes neuronais artificiais. iv Abstract Currently, air pollution is a problem with considerable impact on the population in urban areas, with influence on human health and in the environment. In large urban areas, it became a priority to forecast the temporal evolution of atmospheric pollution, to ensure a good quality of life. In order to identify and predict periods of low air quality, forecast models have been developed and taking into account the characteristics of air pollution and their impacts. The application of Artificial Neural Networks (ANN) to problems in the areas of environmental engineering has increased, showing various degrees of success. AAN were applied in this research to create models with the ability to predict the behavior of various environmental pollutants (CO, NO, NOx, NO2, PM10, PM2,5 e O3) in the city of Porto. The constructed models resulted from the crossing of meteorological variables (wind speed and direction, temperature, radiation, clouds and rainfall index) and the historic emissions in two monitoring stations located in the city of Porto of the aforementioned pollutants. This research proves that it’s possible to predict the concentration of some pollutants, using weather forecasts. The variables that best explain the concentrations of the studied pollutants were identified, nd were also evaluated the performances of various forecasting models. Given this research it can be concluded that the air quality in the city of Porto is strongly influenced by road traffic and has seasonal variations. Keywords: Air quality, forecasting models, atmospheric pollutants, artificial neural networks. v "The consequences of our actions are so complicated, so diverse, that predicting the future is a very difficult business indeed." J.K.Rowling vi Índice Breve Nota Biográfica ................................................................................................ i Agradecimentos ......................................................................................................... ii Resumo ..................................................................................................................... iii Abstract .................................................................................................................... iv Índice ......................................................................................................................... v Índice de Tabelas .................................................................................................... viii Índice de Figuras ...................................................................................................... ix Abreviaturas e Símbolos ........................................................................................ xiii Capítulo 1 ........................................................................................................................ 1 Introdução ................................................................................................................... 1 1.1 Enquadramento ................................................................................................... 1 1.2 Objetivos ............................................................................................................. 3 1.3 Metodologias e Técnicas ..................................................................................... 4 1.4 Estrutura da dissertação ....................................................................................... 4 1.5 Dados utilizados na dissertação .......................................................................... 5 1.6 Smartwatt ............................................................................................................ 5 Capítulo 2 ........................................................................................................................ 6 Estado da Arte ............................................................................................................. 6 2.1 Qualidade do Ar Urbano .................................................................................. 6 2.2 Poluentes atmosféricos ..................................................................................... 8 2.3 Enquadramento Legal .................................................................................... 14 2.4 Monitorização da Qualidade do Ar em Portugal ............................................ 17 Capítulo 3 ...................................................................................................................... 26 Previsão e Modelação da Qualidade do Ar em Portugal ...................................... 26 3.1 Estado da Arte em Previsão da Qualidade do Ar .............................................. 26 3.2. Divulgação da previsão e gestão da qualidade do ar ........................................ 32 3.3 Estado da Arte em Modelação da Qualidade do Ar .......................................... 34 Capítulo 4 ...................................................................................................................... 50 Caracterização do Caso de Estudo .......................................................................... 50 4.1. Enquadramento Geográfico ............................................................................. 50 4.2. Caracterização socioeconómica ....................................................................... 51 4.3 Monitorização da Qualidade do Ar ................................................................... 53 4.4. Caso de Estudo ................................................................................................. 55 vii Capítulo 5 ...................................................................................................................... 57 Análise dos Dados ..................................................................................................... 57 5.1 Introdução ........................................................................................................ 57 5.2 Análise dos dados do CO .................................................................................. 58 5.3 Análise dos dados do NO .................................................................................. 60 5.4 Análise dos dados do NO2 ................................................................................. 62 5.5 Análise dos dados do NOx ................................................................................. 66 5.6 Análise dos dados das PM10 .............................................................................. 69 5.7 Análise dos dados das PM2,5 ............................................................................. 72 5.8 Análise dos dados do O3 ................................................................................... 74 Capítulo 6 ...................................................................................................................... 76 Modelos de Previsão ................................................................................................. 76 6.1 Introdução ......................................................................................................... 76 6.2 Processo da Metodologia .................................................................................. 76 6.3 Avaliação dos Modelos ..................................................................................... 77 6.4 Descrição do Modelo ........................................................................................ 79 6.5 Configuração da Rede Neuronal ....................................................................... 81 6.6 Resultados ......................................................................................................... 82 6.7 Comparação dos Resultados dos Modelos ........................................................ 98 Capítulo 7 .................................................................................................................... 101 Considerações Finais .............................................................................................. 101 7.1 Trabalhos Futuros ............................................................................................ 103 Capítulo 8 .................................................................................................................... 104 Bibliografia .............................................................................................................. 104 Capítulo 9 ......................................................................................................................... I Anexos ........................................................................................................................... I Anexo I - Limites legais impostos pela Diretiva 2008/50/CE .................................. II Anexo II – Resultados da Previsão do CO ................................................................ V Anexo III – Resultados da Previsão do NO ............................................................ VI Anexo IV – Resultados da Previsão do NO2 ......................................................... VIII Anexo V – Resultados da Previsão do NOx .............................................................. X Anexo VI – Resultados da Previsão das PM10 ....................................................... XII Anexo VII – Resultados da Previsão das PM2,5 ................................................... XIV Anexo VIII – Resultados da Previsão do O3 .......................................................... XV viii Índice de Tabelas Tabela 1Poluentes atmosféricos tradicionais e perigosos. ............................................. 7 Tabela 2 - Diretiva 2008/50/CE de 21 de Maio.............................................................. 15 Tabela 3Tipos de estação quanto ao ambiente e influência. ........................................ 20 Tabela 4 - Tetos máximos de emissões de 2010, para os poluentes SO2, NOx, COVNM e NH3, como estabelecido no Anexo I da NEDC. ......................................................... 23 Tabela 5Comparação de métodos de previsão (elaboração própria, adaptado de (USEPA, 1999). .............................................................................................................. 30 Tabela 6 - Classificação do Índice de Qualidade do Ar proposto para o ano de 2014 . . 33 Tabela 7Classes do índice de qualidade do ar do sistema determinístico. ................... 40 Tabela 8 - Variáveis de saída do modelo MM5 necessárias para o modelo químico CHIMERE. ..................................................................................................................... 46 Tabela 9 - Características das estações de medida de qualidade do ar da Rede de Monitorização da Qualidade do Ar da Região Norte, da aglomeração Porto Litoral. ... 54 Tabela 10 - Caracterização das estações monitorização de qualidade do ar da RMQA, do concelho do Porto. .......................................................................................................... 55 Tabela 11 - Eficiências por analisador, nas estações da RMQA-RN, em 2011. ............ 56 Tabela 12 - Passo 1 - Aquisição das 5 previsões individuais para obtenção do modelo ensemble. ........................................................................................................................ 78 Tabela 13 - Passo 2 – Cálculo do erro de cada modelo individual para obtenção do erro emsemble. ....................................................................................................................... 78 Tabela 14 - Erros MAPE para a previsão de CO. ........................................................... 83 Tabela 15 - Erros MAPE para a previsão de NO, na estação de FSC e S-LO. .............. 85 Tabela 16 - Erros MAPE para a previsão de NO2, na estação de FSC e S-LO. ............ 88 Tabela 17 - Erros MAPE para a previsão de NOx, na estação de FSC e S-LO. ............ 91 Tabela 18 - Erros MAPE para a previsão de PM10, na estação de FSC e S-LO. .......... 94 Tabela 19 - Erros MAPE para a previsão de PM2,5, na estação de S-LO. .................... 95 Tabela 20 - Erros MAPE para a previsão do O3, na estação de S-LO. ......................... 97 xv PM Particulate matter, MP Matéria particulada Símbolos: ak / bk Coeficientes híbridos ºC Graus Celsius Gg Gigagrama Km / Km2 Quilómetro / quilómetro quadrado m3 Metro cúbico m/s Metros por segundo mm/m2 Milímetro por metro quadrado pi Pressão de nível em i pt Pressão de topo ps Pressão à superfície w/m2 Watt por metro quadrado μm Micrómetro 1 Capítulo 1 Introdução A presente dissertação foi desenvolvida no âmbito do Mestrado em Economia e Gestão do Ambiente, na Faculdade de Economia da Universidade do Porto. Neste trabalho são desenvolvidos modelos de previsão horária para diversos indicadores de qualidade de ar exterior em ambiente urbano. Por indicadores de qualidade do ar, entenda-se concentrações horárias previstas de vários poluentes, por estação de monitorização, que permitem inferir sobre a qualidade do ar exterior. Visão a aplicação dos modelos à cidade do Porto. Como resultado, surge neste trabalho, uma descrição do processo de investigação inerente à criação dos modelos de previsão de qualidade do ar. Estes foram sujeitos a avaliação, de forma a demonstrar a sua robustez e eficácia. O propósito deste capítulo é expôr o contexto em que surge a importância da criação de modelos de previsão de qualidade do ar exterior, sendo que neste capítulo é apresentada de forma sucinta a descrição da organização da dissertação. 1.1 Enquadramento A temática da qualidade do ar emergiu nas últimas décadas junto da comunidade científica, com tal intensidade que é encarada tanto como desafio, como por problema a solucionar na sociedade contemporânea. Atualmente, acredita-se ser um assunto de vital importância na conjetura da qualidade de vida nos grandes centros urbanos. A crescente taxa de industrialização e urbanização tem resultado em excessivos níveis de poluição atmosférica a nível mundial. Deste modo, o contexto da qualidade do ar tornou-se uma prioridade em muitos países industrializados, devido ao aumento da perceção dos efeitos da fraca qualidade do ar na saúde e no ambiente. No relatório mais recente da Agência Europeia do Ambiente (EEA, do inglês European Environment Agency), sobre a qualidade do ar na Europa, que relata o nível de 2 exposição da população à poluição atmosférica, conclui-se que quase um terço da população europeia está exposta a níveis fracos de qualidade do ar. A figura 1 apresenta a percentagem da população urbana da União Europeia (UE) exposta a níveis de poluentes superiores ao permitido pelos níveis estabelecidos pela UE. Relatando que a exposição da população ao ozono (O3), partículas e dióxido de azoto (NO2) é considerável (EEA, 2013c). O mesmo relatório confirma que apesar do decréscimo a nível das emissões atmosféricas que se tem verificado nas últimas décadas, o problema da poluição atmosférica não está de todo perto de ser solucionado. Poluentes como as partículas inaláveis (PM2,5 e PM10), e o ozono (O3) são uma importante causa de problemas de saúde humana (EEA, 2013c), sendo que a poluição do ar exterior passou a pertencer à lista de agentes cancerígenos da Organização Mundial de Saúde (OMS) (IARC, 2013). Como resposta a estas questões de sustentabilidade ambiental, nos últimos anos a maioria dos países desenvolvidos tem vindo a estabelecer leis e a desenvolver programas de monitorização de concentrações de poluentes, de modo a combater a problemática da poluição atmosférica. A Comissão Europeia desenvolveu um plano estratégico, através do estabelecimento de objetivos de longo prazo de qualidade do ar. Sendo criado um conjunto de diretivas de modo a controlar os níveis de determinados compostos químicos na atmosfera. Em 1996, surgiu a Diretiva Quadro da Qualidade do Ar, relativa à avaliação e gestão da Figura 1Percentagem da população urbana da UE exposta a concentrações de poluentes atmosféricos acima dos níveis de referência da UE (EEA, 2013b). 3 qualidade do ar exterior. Esta diretiva revê legislação anterior e introduz novas normas de regulação de qualidade do ar, atribuindo prazos para o desenvolvimento de diretivas filhas para um determinado conjunto de poluentes. Estas diretivas filhas foram transpostas para a legislação nacional. Algumas das estratégias de gestão e controlo da qualidade do ar resultaram na criação de índices, que permitem classificar a qualidade do ar segundo as concentrações de vários poluentes e relatam a sua qualidade de acordo com expressões como “bom”, “moderado” ou “insalubre”. A previsão da qualidade do ar surge como uma ferramenta de auxílio na elaboração de planos de redução de emissões, assim como um mecanismo de informação e alerta ao público quando ocorrem situações que de alguma forma prejudiquem a saúde humana. Atualmente, já existem vários sistemas de previsão da qualidade do ar na Europa e alguns deles são focados na previsão a nível nacional. 1.2 Objetivos No âmbito geral, a presente dissertação apresenta como objetivo principal a criação de modelos de inteligência computacional para previsão horária de diversos indicadores de qualidade de ar exterior, a curto prazo com aplicação à cidade do Porto. A presente investigação pretende ser uma mais-valia na área da investigação, uma vez que até ao momento poucos autores abordaram o assunto neste contexto. A criação dos modelos de previsão partiu dos seguintes requisitos:  Estudo do estado da arte sobre indicadores de qualidade do ar exterior;  Estudo do estado da arte sobre técnicas de previsão;  Recolha e análise de dados históricos de indicadores de qualidade de ar e de variáveis meteorológicas;  Construção e treino de modelos matemáticos de previsão;  Operacionalização do sistema de previsão;  Teste de resultados. 4 1.3 Metodologias e Técnicas No desenvolvimento do presente estudo foram escolhidas ferramentas que incorporaram inteligência computacional, assim como técnicas estatísticas de previsão. Com o propósito de previsão da emissão e comportamento dos poluentes a curto prazo, foram aplicadas ferramentas de inteligência artificial, através da aplicação de Redes Neuronais Artificiais (RNAs). Através da utilização de RNAs e utilizando o software MatLab, a estratégia de previsão das concentrações dos poluentes em estudo consiste na aprendizagem dos comportamentos dos registos dos poluentes e do conjunto de variáveis identificados como tendo influência neste processo. 1.4 Estrutura da dissertação Esta dissertação é constituída por seis capítulos, sendo o presente capítulo de carácter introdutório, no qual é apresentado o enquadramento do tema, os objetivos da investigação, as metodologias e técnicas utilizadas e ainda informação sobre os dados que foram utilizados no desenvolvimento da investigação. O 2º capítulo é dedicado ao estado da arte relativo à qualidade do ar em ambiente urbano, ao enquadramento legal europeu e nacional relacionado com a temática da qualidade do ar e ainda é apresentado o estado da monitorização da qualidade do ar em Portugal. O 3º capítulo é dedicado exclusivamente à previsão e modelação da qualidade do ar em Portugal. Neste capítulo são apresentados os modelos que estão em operação atualmente. Pretende-se demonstrar o funcionamento dos vários tipos de abordagens destes modelos de previsão, assim como algumas das suas aplicações. Nesta secção são apresentadas diferentes metodologias, tendo sido dada especial importância aos modelos mais usualmente utilizados no contexto europeu, como os modelos estatísticos, visto que os modelos baseados em inteligência artificial foram aplicados nesta investigação. No 4º capítulo é realizada uma análise dos dados relacionados com os poluentes monitorizados no concelho da cidade do Porto. Este estudo foi realizado recorrendo a gráficos temporais, histogramas de densidade de frequências e gráficos de concentrações médias, para o período em estudo. A partir desta análise foi possível retirar algumas conclusões que foram confirmadas no capítulo seguinte. 5 O 5º capítulo é dedicado exclusivamente à análise dos vários modelos de previsão construídos, sendo apresentadas as diferentes metodologias utlizadas e observar os resultados obtidos pela sua aplicação. No 6º eúltimo capítulo, são apresentadas as conclusões finais de toda a investigação realizada nesta dissertação e ainda algumas sugestões de trabalhos futuros. 1.5 Dados utilizados na dissertação Para a realização desta investigação foram criados vários modelos, utilizando vários tipos de dados. Os dados meteorológicos aplicados nesta dissertação são dados horários das variáveis temperatura, velocidade e direção do vento, radiação solar, pluviosidade e índice de nuvens. Estes foram fornecidos pelos colaboradores da empresa Smartwatt. Os dados relativos às emissões dos poluentes atmosféricos são dados provenientes das estações de monitorização de qualidade do ar da cidade do Porto (Francisco Sá Carneiro e Sobreiras). Estes dados foram pedidos e gentilmente cedidos pela Comissão de Coordenação e Desenvolvimento Regional do Norte (CCDR-N). 1.6 Smartwatt A Smartwatt - Energy Services, S.A., é uma empresa prestadora “de serviços de energia que fornece soluções para sistemas de energia. A empresa atua em três vetores distintos (energias renováveis, eficiência energética e Sistemas de Inteligência), com o objetivo de otimizar o uso dos recursos energéticos existentes” (Smartwatt, 2014). Fundada em 2008, a empresa apresenta como objetivo fornecer aos seus clientes métodos para redução de custos, soluções de produção de energia limpa e soluções inteligentes de monitorização e otimização de sistemas de energia (Smartwatt, 2014). 6 Capítulo 2 Estado da Arte 2.1 Qualidade do Ar Urbano O ar como mistura predominantemente mecânica de diversos gases individuais que no seu conjunto formam a atmosfera terrestre (EEA, 2013d), é caracterizado como bem não escasso, não se encontra sujeito a gestão de quantidade, mas sim a gestão de qualidade (Rodrigues, 2013). Numa abordagem inicial, qualidade do ar diz respeito ao estado químico da atmosfera num determinado local e tempo (Zhang et al., 2012), e é possível ser avaliada de acordo com os níveis de poluição atmosférica. A poluição atmosférica pode ser definida como a presença de substâncias poluentes ou contaminantes no ar, em concentrações que interferem com a saúde e bem-estar humano, ou que produzem efeitos ambientais prejudiciais (EEA, 2013d). A atmosfera como massa gasosa que envolve a Terra, é classificada em camadas consoante as diferentes densidades dos gases que a constituem e sofre movimentos constantes (AEA, 2013). São considerados poluentes ambientais os compostos químicos presentes na atmosfera em concentrações anormalmente elevadas, e consequentemente, poderão causar danos no meio ambiente. Segundo a OCDE (Organização para a Cooperação e Desenvolvimento Económico), os contaminantes atmosféricos podem ser agrupados em dois grupos, de acordo com a sua natureza química. Os poluentes atmosféricos tradicionais e os poluentes perigosos, que são classificados em cinco categorias, como se encontram identificados na Tabela 1 (EEA, 1998). 7 Tabela 1Poluentes atmosféricos tradicionais e perigosos. Poluentes atmosféricos tradicionais Dióxido de enxofre (SO2); óxidos de azoto (NOx); monóxido de carbono (CO); chumbo (Pb); material particulado (PM); ozono (O3) e compostos orgânicos voláteis (COV’s); Poluentes perigosos 1. Metais e metalóides, cádmio (Cd), mercúrio (Hg) e arsénio (As); 2. Fibras minerais, por exemplo, microfibras respiráveis de amianto e vidro; 3. Gases inorgânicos, por exemplo, fluoretos, cloro, e cianetos; 4. Compostos não orgânicos halogenados; 5. Compostos orgânicos halogenados. Fonte: Adaptado de (EEA, 1998). Dependendo dos processos responsáveis pela emissão de substâncias poluentes no ar, a poluição atmosférica pode ser causada por fontes fixas ou móveis. As fontes fixas estão normalmente associadas a indústrias como fontes mais significativas, como por exemplo a indústria termoelétrica ou de incineração de resíduos. Com elevado potencial poluidor e inseridas nas fontes de carácter fixo, encontram-se as fontes fixas naturais resultantes de fenómenos de vulcanismo. As fontes móveis de poluição correspondem aos veículos de transporte, que pela sua elevada mobilidade têm um elevado raio de propagação. Relacionado com a sua origem, os poluentes são caracterizados como primários, se resultam da emissão direta na fonte, ou como secundários se a sua formação é causada por reações físico-químicas entre poluentes primários e constituintes da atmosfera (IAP, 2013). Como principais fontes de poluição destaca-se o setor da industria, energia e transportes, que são diretamente responsáveis pela degradação da qualidade do ar, principalmente nas zonas urbanas. A degradação da qualidade do ar nos grandes centros urbanos, é atualmente, foco de estudo e de preocupação, uma vez que nestas zonas são verificadas grandes concentrações de poluentes e é precisamente nas zonas urbanas que habita grande parte da população mundial. No noroeste da Europa, mais de 80% da população vive em cidades. Contudo, mais de 70% das maiores cidades europeias não cumprem as diretrizes de qualidade do ar, 8 recomendadas pela Organização Mundial de Saúde (OMS) (Mensink, 2008). Em muitas cidades europeias, as emissões provenientes de tráfego automóvel tornaram-se a principal fonte de poluição atmosférica local, considerada como a pressão ambiental urbana mais significativa (Vlachokostas et al., 2011). Das fontes de poluição atmosférica, o setor dos transportes destaca-se devido à relação de proximidade entre as fontes emissoras e a população, com níveis elevados de exposição aos poluentes e fracas condições de dispersão dos mesmos (Rodrigues, 2013). As cidades enquanto centros de desenvolvimento urbano integrado (social, económico e cultural), caracterizam-se por uma elevada diversidade de atividades inerentes ao seu desenvolvimento, que causam impactes significativos na qualidade do ar urbano. Os centros urbanos apresentam uma elevada densidade populacional e provocam vários problemas ambientais, relacionados com processos de poluição, consumo energético e gestão de resíduos, que se refletem na qualidade do ar urbano (Costa, 2003). 2.2 Poluentes atmosféricos Considera-se poluente qualquer substância presente na atmosfera em elevadas concentrações, que torne o ar impróprio para a saúde humana, causando a degradação do bem-estar público, da fauna e da flora. A origem de poluentes atmosféricos pode ser decorrente de atividades antropogénicas ou de fenómenos naturais (atividade vulcânica, incêndios florestais e tempestades de areia) (AEA, 2013). Na Europa a poluição atmosférica continua a afetar a qualidade de vida (Figura 2), a reduzir a esperança média de vida e a prejudicar o meio ambiente, apesar das melhorias significativas registadas nas últimas décadas. Destacando-se a poluição originada pelas partículas e ozono (EEA, 2013e). Contudo, vários poluentes têm impactes e fontes diferentes, sendo importante estudar o seu papel na deterioração da qualidade do ar (AEA, 2013). 9 a) Matéria Particulada A matéria particulada (Particulate Matter, PM) é o termo geral utilizado para uma mistura complexa de partículas sólidas e líquidas, orgânicas e inorgânicas suspensas no ar (EEA, 2013c) (WHO, 2003). As partículas são produzidas por processos antropogénicos e naturais e variam muito em tamanho, composição e origem (EEA, 2013c). As fontes naturais incluem sal marinho, poeiras, pólen e cinzas vulcânicas, enquanto as fontes antropogénicas incluem a queima de combustíveis fósseis na geração de energia térmica, incineração e aquecimento doméstico para as famílias (EEA, 2013c). No que diz respeito à massa e composição, em ambientes urbanos, as partículas podem ser divididas em dois grupos. As PM10 são partículas com diâmetro até 10μm, ou seja, são partículas grosseiras e finas. As PM2,5 estão definidas até 2,5μm e compreendem as partículas finas e ultrafinas (WHO, 2003). Ambos os tipos de partículas são prejudiciais à saúde, sendo as PM2,5 mais perigosas, uma vez que devido ao seu tamanho reduzido conseguem penetrar mais profundamente no aparelho respiratório. As partículas podem ainda ser classificadas como partículas primárias ou secundárias. Partículas primárias entram diretamente na atmosfera, pela emissão por fontes Figura 2Pirâmide dos efeitos da poluição do ar na saúde humana (Miranda, 2014). 16 melhorar a qualidade do ar. Os objetivos de qualidade do ar são estabelecidos, de acordo com parâmetros (consultar Anexo I):  Valor Limite (VL) - nível fixo com base em conhecimentos científicos, com a finalidade de evitar, prevenir ou reduzir os efeitos nocivos para a saúde humana e meio ambiente, a atingir num determinado período de tempo e que, quando atingido, não deve ser excedido;  Valor Alvo (VA) - nível fixo com o objetivo de evitar, prevenir ou reduzir os efeitos nocivos na saúde humana e no meio ambiente, a atingir, num prazo determinado;  Limiar superior de avaliação (LSA) - nível abaixo do qual a qualidade do ar pode ser avaliada utilizando uma combinação de medições fixas e de técnicas de modelação;  Limiar inferior de avaliação (LIA) - nível abaixo do qual a qualidade do ar ambiente pode ser avaliada apenas através de técnicas de modelação. Legislação Nacional Em Portugal, a Diretiva 2008/50/CE de 21 de Maio, foi transposta para a ordem jurídica nacional pelo Decreto-Lei n.º 102/2010, de 23 de setembro. Agregou também a quarta Diretiva filha (Diretiva 2004/107/CE, de 15 de Dezembro), relativa ao arsénio, cádmio, mercúrio, níquel e aos hidrocarbonetos aromáticos no ar ambiente. O DL 102/2010, de 23 de Setembro fixa os objetivos de qualidade do ar tendo em conta as normas, orientações e os programas da Organização Mundial de Saúde, destinados a evitar ou reduzir as emissões de poluentes atmosféricos (consultar Anexo I). 17 Diretiva Quadro (1996/62/CE) DF (99/30/CE) SO2, NO2,PM10, Pb DL 111/2002 de 16 de Abril DF (2000/69/CE) CO, C6H6 DL 111/2002 de 16 de Abril DF (2002/3/CE) O3 DL 320/2003 de 20 de Dezembro DF (2004/107/CE) Metais pesados DL 351/2007 de 31 de Dezembro Nova Diretiva Quadro (2008/50/CE) DL 102/2010 de 23 de Setembro 2.4 Monitorização da Qualidade do Ar em Portugal Na avaliação da qualidade do ar, a monitorização dos poluentes atmosféricos adquire um papel preponderante na resolução dos problemas de qualidade ambiental. Na qualidade do ar em Portugal grande parte dos dados registados que permitem determinar a qualidade do ar são recolhidos em estações de monitorização da qualidade do ar (EMQA) localizadas nas regiões urbanas, uma vez que correspondem às áreas de maior influência de tráfego automóvel, ou em zonas de predominância industrial (Monteiro, M., 2007). Além da monitorização dos poluentes atmosféricos, na monitorização da qualidade do ar torna-se preponderante compreender os processos meteorológicos que têm a capacidade de afetar a qualidade do ar. Na próxima secção é caracterizada a rede de estações meteorológicas nacional, seguida da rede de estações de monitorização da qualidade do ar, a sua evolução e de estação e poluentes medidos. Figura 3Transposição da Legislação Comunitária para Legislação Nacional relativa à qualidade do ar. 18 2.4.1 Monitorização Meteorológica A meteorologia representa um papel fulcral na avaliação da qualidade do ar, uma vez que são os dados meteorológicos que permitem determinar os padrões de dispersão dos poluentes. Em ambiente urbano as condições meteorológicas apresentam padrões diferentes em relação a outros ambientes, uma vez que a atmosfera urbana apresenta um perfil característico, decorrente da complexidade da sua configuração, disposição dos edifícios, ocupação do solo e topografia (Rodrigues, 2013). As observações meteorológicas são efetuadas tradicionalmente em dois tipos de estações: as estações sinópticas, cujo objetivo é a elaboração de cartas meteorológicas para a previsão do tempo, e as estações climatológicas, que permitem caracterizar o clima local (Monteiro, M., 2007). Relativamente às variáveis registadas nestas estações, estas distinguem-se em dois grupos:  Um grupo de observações diz respeito a medidas quantitativas, como é o caso da temperatura, humidade do ar, precipitação, radiação solar e pressão;  Um segundo grupo abrange observações semi quantitativas, como é o caso da nebulosidade, tipos de precipitação e nuvens, estado do solo, etc. (Monteiro, M., 2007). A rede nacional de estações meteorológicas automáticas de superfície (EMA) encontrase integrada na Rede Nacional do Instituto Português do Mar e Atmosfera (IPMA), desde 2002, com 93 EMA, das quais 78 estão localizadas no Continente, 9 no arquipélago dos Açores e 6 no arquipélago da Madeira. As EMA registam os elementos meteorológicos principais de 10 em 10 minutos e elaboram automaticamente mensagens em forma de código que são enviadas à escala horária para a sede do IM e difundidas internacionalmente. Esta rede nacional de EMA permite a obtenção de dados meteorológicos em tempo real, indispensáveis à previsão do estado do tempo (IPMA, 2013). Os parâmetros meteorológicos com influência nos processos químicos dos poluentes são vários. A radiação e a sua variabilidade devido à presença de nuvens, vapor de água, aerossóis e temperatura são fatores termodinâmicos e químicos importantes, assim como a formação de nuvens e a precipitação (Vautard et al., 2012). 19 Os principais parâmetros de caracter meteorológico que condicionam a dispersão dos poluentes e as suas concentrações em ambiente urbano, correspondem a:  Temperatura Muitas reações químicas de poluentes atmosféricos dependem da temperatura. A temperatura atmosférica reflete os efeitos da radiação solar sobre a atmosfera. Consoante a camada da atmosfera, existem variações do comportamento da temperatura em relação à altitude, ocorrendo até fenómenos de inversão térmica, em que a camada de inversão funciona como barreira para os poluentes dificultando a sua dispersão.  Precipitação A lavagem por precipitação é o processo mais eficaz de remoção de partículas e poluentes. Dependendo da intensidade e frequência da precipitação haverá uma menor ou maior remoção dos poluentes atmosféricos. Sendo que em zonas em que a dissipação dos poluentes está condicionada por grandes edifícios ou montanhas/serras, a precipitação torna-se um eficiente mecanismo de remoção dos poluentes.  Radiação solar Corresponde à energia proveniente do sol e tem um papel significativo na reatividade dos poluentes atmosféricos. A radiação solar tem a capacidade de alterar a concentração dos poluentes na atmosfera, pois os poluentes reagem fotoquimicamente entre si através da ação da radiação, formando novos poluentes (por exemplo, o NOx sob o efeito da radiação pode formar compostos como o O3).  Vento Devido à diferença de pressão atmosférica, o vento fluí das áreas de alta pressão para áreas de baixa pressão. Em áreas urbanas, o vento tende a alterar rapidamente o seu comportamento, direção e velocidade devido à topografia e altura dos edifícios. Pouca circulação de vento leva à acumulação dos poluentes em determinado local, tendo a velocidade do vento um papel importante na diluição dos poluentes.  Humidade relativa Diz respeito à relação entre a quantidade de vapor de água presente na atmosfera (%) e a sua capacidade em reter vapor de água, a determinada temperatura. Com o aumento da temperatura, a humidade relativa tem tendência a diminuir. 20 2.4.2 Monitorização da Qualidade do Ar A medição de concentrações individuais de poluentes na atmosfera durante um determinado período de tempo, e o registo desses dados, constituem as etapas fundamentais da monitorização de qualidade do ar (EEA, 1998). A monitorização da qualidade do ar pode ser avaliada por monitorização contínua, através da recolha de dados em estações fixas ou campanhas experimentais efetuadas em estações móveis de medição, ou pela aplicação de modelos ou metodologias de qualidade do ar (Rodrigues, 2013) (Monteiro, M., 2007). Em Portugal, como acima referido, a grande maioria dos dados registados que permitem avaliar a qualidade do ar são provenientes de EMQA localizadas nas regiões urbanas. As EMQA’s são classificadas em três tipos, consoante o ambiente em que se inserem e consoante a influência que sofrem (Tabela 3) (CCDRN, 2012). Tabela 3Tipos de estação quanto ao ambiente e influência. Classificação Tipo Descrição Ambiente Urbanas Zona construída contínua. Suburbanas Zona em parte construídas por implementação contínua de construções combinadas com zonas não urbanas (ver na revista) Rurais Todas zonas que não preenchem os critérios definidos para as zonas apresentadas anteriormente. Influência Tráfego Estações em que o nível de poluição é influenciado principalmente por emissões de tráfego rodoviário. Industrial Estações em que o nível de poluição é influenciado principalmente por fontes industriais isoladas ou áreas industriais próximas. Fundo Estações cujo nível de poluição não é influenciado pelo tráfego rodoviário ou pela indústria. Fonte: Adaptado de (CCDRN, 2011). Os principais poluentes monitorizados nas estações da qualidade do ar são poluentes primários como o SO2, os NOx, o CO e as partículas, sendo que no caso dos poluentes secundários, destaca-se o O3 (Rodrigues, 2013). 21 Os dados obtidos nas estações de monitorização referentes aos poluentes mencionados são periodicamente enviados para as Comissões de Coordenação e Desenvolvimento Regional (CCDR), que têm como responsabilidade a vigilância da qualidade do ar (APA, 2013). As redes regionais de monitorização em conjunto, formam o sistema nacional de informação de qualidade atmosférica, disponibilizado na Base de Dados Online sobre Qualidade do Ar (QualAr) da Agência Portuguesa do Ambiente (APA). Sendo apresentados esses dados sob forma de índice diário de qualidade do ar, definido pela APA como “o índice de qualidade do ar de determinada área resulta da média aritmética calculada para cada um dos poluentes medidos em todas as estações da rede dessa área. Os valores assim determinados são comparados com as gamas de concentrações associadas a uma escala de cores sendo os piores poluentes responsáveis pelo índice” (APA, 2013). As redes de monitorização da qualidade do ar (RMQAr) permitem a avaliação da qualidade do ar, e têm como objetivos fundamentais: medir os níveis dos poluentes no ar; divulgar informação sobre qualidade do ar sob forma de índice; assegurar e controlar o cumprimento da legislação aplicável (limites e valores legais); analisar a evolução da qualidade do ar; permitir a definição de ações de melhoria da qualidade do ar (Monteiro, M., 2007). As RMQAr são compostas por vários tipos de estações de monitorização, que permitem operar em diferentes níveis na mesma RMQAr, permitindo realizar uma análise abrangente da avaliação da qualidade do ar e a sua gestão equilibrada (Rodrigues,2013). Segundo a Diretiva Quadro foram definidas zonas e aglomerações, para efeitos de avaliação da qualidade do ar. Entende-se por zonas as áreas geográficas de características homogéneas, em termos de qualidade do ar, ocupação do solo e densidade populacional e por aglomeração zonas caracterizadas por um número de habitantes superior a 250 000 ou em que a população seja igual ou fique aquém de tal número de habitantes, sendo a densidade populacional superior a 500 hab.km2 (CCDRN, 2012). 22 2.4.3. Impacto dos Tetos de Emissões Nacionais A poluição atmosférica apresenta a particularidade de percorrer longas distâncias geográficas e transpor fronteiras geopolíticas. Com a finalidade de limitar este tipo de poluição, a Comissão Europeia implementou políticas que limitam tanto fontes individuais como níveis nacionais totais de emissão de quatro poluentes atmosféricos (CE, 2014). A Diretiva Comunitária 2001/81/EC (Nacional Emission Ceilings Directive, NECD) impõe limites máximos para cada Estado Membro para o total de emissões em 2010 dos compostos: dióxido de enxofre (SO2), óxidos de azoto (NOx), compostos orgânicos voláteis não metânicos (COVNM) e amoníaco (NH3) (CE, 2014). Segundo esta diretiva, os Estados Membros devem criar e implementar um programa nacional de redução e limitação de emissões para os quatro poluentes referidos. Os Estados Membros devem ainda reportar os seus inventários de emissões à Agência Europeia do Ambiente (AEA, EEA em inglês) e à Comissão Europeia de modo a monitorizar e verificar a conformidade dos seus compromissos (CE, 2014). Além da NECD da União Europeia, os Estados Membros juntamente com os países da Europa de Leste e Central, Estados Unidos e Canadá, têm negociado um protocolo de “vários poluentes”, sob a Convenção de Poluição Atmosférica Transfronteiriça (Gothenburg Protocol, promolgado em 1999). Os limites máximos de emissão do protocolo são iguais ou menos ambiciosos do que os da Diretiva NECD (CE, 2014). Os Artigos 2 º, 6, 7 e 8 da NECD estabelecem os requisitos para os Estados Membro da UE realizarem inventários, projeções e programas nacionais. Sendo que os Estados Membros devem atualizar anualmente as emissões totais nacionais.  Tetos de Emissões Segundo os limites máximos estabelecidos pela diretiva NECD, até 2010, os Estados Membros deveriam limitar as suas emissões anuais dos poluentes SO2, NOx, COVNM e NH3, e assegurar que esse valor não fosse atingido no futuro (EEA, 2014). Os tetos de emissões para cada Estado Membro e para a UE-27 como um todo, estabelecidos no Anexo I da NEDC, estão presentes na Tabela 4. O cumprimento destes valores visava a diminuição de áreas de ecossistemas europeus em que são excedidos 23 valores críticos de acidificação, e a redução a exposição ao ozono troposférico com impactes na saúde e vegetação (EEA, 2014). Fonte: (EEA, 2014) Relativamente ao progresso da União Europeia em cumprir os tetos de emissão estabelecidos nos Anexos I e II da diretiva NECD, a Figura 4 ilustra essa evolução. Tabela 4 - Tetos máximos de emissões de 2010, para os poluentes SO2, NOx, COVNM e NH3, como estabelecido no Anexo I da NEDC. 24 Legenda: A amarelo estão representados os tetos de emissões apresentados no Anero I, enquanto a laranja estão os tetos de emissões apresentados no Anexo II. As emissões estão expressas em gigagramas (Gg). Verifica-se pela Figura 4 que para todos os poluentes, os valores finais de 2010 e 2011, e os provisórios de 2012, são inferiores do que o respetivo teto agregado de 2010 (Anexo I do NECD) (EEA, 2014). A comparação entre dados de emissões reportados pelos Estados Membros, permitiu constatar que onze países (Áustria, Bélgica, Dinamarca, França, Alemanha, Irlanda, Luxemburgo, Malta, Holanda, Espanha e Suécia) ultrapassaram os seus tetos de emissões individuais, relativos ao NOx em 2010, oito países (Áustria, Bélgica, França, Alemanha, Irlanda, Luxemburgo, Eslovénia e Espanha) ultrapassaram esse valor em 2011, e nove países (Áustria, Bélgica, França, Alemanha, Irlanda, Luxemburgo, Eslovénia, Espanha e Malta) ultrapassaram o valor limite em 2012. Relativamente ao COVNM, apenas um país (Luxemburgo) apresenta um valor superior ao teto estabelecido, segundo os dados provisórios de 2012. Enquanto para o NH3, três países (Finlândia, Espanha e Dinamarca) superaram o limite em 2012. Quanto ao SO2, todos os países cumpriram os valores estipulados pela diretiva NECD. Figura 4 - Evolução da EU-27 de modo a cumprir os tetos máximos de emissão, estabelecidos nos Anexos I e II da diretiva NECD: dados sobre as emissões agregadas dos Estados Membros finais de 2010 e 2011, e provisórios de 2012, em comparação com os limites máximos (EEA, 2014). 25 A nível nacional, o Programa para os Tetos de Emissão Nacional (PTEN), tem a finalidade de estabelecer a estratégia nacional de cumprimento dos tetos de emissões dos poluentes atmosféricos estabelecidos para 2010 na Diretiva 2001/81/CE, transposta para o direito nacional pelo Decreto-lei nº 193/2003, de 22 de Agosto (FCT/UNL, 2007). A Digura 5 permite observar o progresso de Portugal na redução da emissão dos poluentes SO2, NOx, COVNM e NH3, e observar o cumprimento do teto de emissão de cada um desses poluentes estabelecidos pela diretiva NECD. Figura 5 – Gráfico do comportamento evolutivo das emissões em Portugal (elaboração própria). Legenda - Valores de emissões finais de 2010 e 2011, e provisórios de 2012, de Portugal, de acordo com os tetos estabelecidos na diretiva NECD. Fonte: Elaboração própria. 0 50 100 150 200 250 300 Nox NMVOC SO2 NH3 Emissões (Gg) Poluente Tecto 2010 2011 2012 32 históricos da qualidade do ar e dados meteorológicos. Desde a década de 1970, o desenvolvimento dos modelos numéricos 3-D de qualidade do ar (air quality models, AQMs) em escalas urbanas, regionais e globais, e suas aplicações para curto e longo prazo, avançaram significativamente desde meados da década de 1990 (Zhang Y. et al., 2012). Os produtos de previsão são emitidos em termos de mapas espaciais ou valores específicos locais de concentrações horárias médias, bem como em forma de IQAr (Índice de Qualidade do Ar) (Zhang Y. et al., 2012). O IQAr trata-se de um parâmetro estatístico que permite fornecer informação ao público interessado sobre o estado da qualidade do ar, e os efeitos possíveis de provocar na saúde humana, geralmente divulgado através da Internet (USEPA, 1999). Adicionalmente, foi desenvolvido o Índice de Qualidade do Ar Comum (CAQi) que permite comparar a qualidade do ar em diferentes cidades europeias (Zhang et al., 2012). 3.2. Divulgação da previsão e gestão da qualidade do ar Relativamente à qualidade do ar, a CCDR-N (Comissão de Coordenação e Desenvolvimento Regional do Norte) é responsável pela recolha, validação e divulgação da informação resultante da medição diária de poluentes atmosféricos, obtida a partir da rede de monitorização instalada da região norte. Através da recolha destes dados, a APA (Agência Portuguesa do Ambiente) disponibiliza diariamente, através do portal www.qualar.pt, o índice de qualidade do ar na região norte, assim como os históricos diários, mensais e anuais. A disponibilização de dados deste tipo via internet, permite formular alertas em tempo real, elaborar e implementar planos de ação de melhoria da qualidade do ar, e reduzir o tempo de exposição a níveis de fraca qualidade atmosférica à população. Deste modo o nível de sucesso de determinado programa de previsão de qualidade do ar, não está apenas dependente da precisão do método, mas também diretamente influenciado pela divulgação eficiente desse programa ao público-alvo e órgãos de gestão relacionados. 33 3.2.1 Índice de Qualidade do Ar O Índice de Qualidade do Ar (IQAr) de determinada área, resulta da média aritmética calculada para cada um dos poluentes medidos, em todas as estações da rede dessa área. Os valores determinados são comparados com as gamas de concentrações associadas a uma escala de cores sendo os poluentes com a concentração mais elevada os responsáveis pelo IQar. O IQar, desenvolvido pela APA, traduz-se numa ferramenta que permite: i) uma classificação clara e compreensível do estado da qualidade do ar, tendo sido desenvolvido de modo a traduzir a qualidade do ar, com especial foco nas grandes aglomerações e algumas áreas industriais; ii) um acesso direto fácil ao público ou através dos meios de comunicação social; iii) responder às obrigações previstas na lei (APA, 2013). Relativamente aos poluentes englobados no índice, o IQAr apresenta dados relativos ao dióxido de azoto (NO2), dióxido de enxofre (SO2), monóxido de carbono, medido segundo a média registada durante 8h consecutivas (CO 8h), ozono (O3), e partículas inaláveis ou finas (PM10) (APA, 2013). As concentrações dos poluentes são apresentadas sob a forma de sistema de cores, variando de “Muito bom” a “Mau” para cada poluente de acordo com a matriz de classificação apresentada (Tabela 6), de modo a facilitar a compreensão do público e permitindo identificar facilmente as regiões mais críticas em termos de qualidade do ar (Monteiro, Ana, 2009). Tabela 6 - Classificação do Índice de Qualidade do Ar proposto para o ano de 2014 . Poluente / Classificação CO NO2 O3 PM10 SO2 Mín Máx Mín Máx Mín Máx Mín Máx Mín Máx Mau 10000 ---- 400 ---- 240 ---- 120 ---- 500 ---- Fraco 8500 9999 200 399 180 239 50 119 350 499 Médio 7000 8499 140 199 120 179 35 49 210 349 Bom 5000 6999 100 139 60 119 20 34 140 209 Muito Bom 0 4999 0 99 0 59 0 19 0 139 Fonte: Adaptado de (APA, 2013). 34 No que diz respeito à gestão e atuais políticas, segundo a Legislação Nacional, sempre que se registem excedências aos valores limite de qualidade do ar estipulados, a CCDR responsável deverá elaborar Planos de Melhoria da Qualidade do Ar. Com o objetivo de implementar estas medidas, está em curso na região Norte o Programa de Execução do Plano de Melhoria da Qualidade do Ar, em conjunto com entidades públicas e privadas (CCDRN, 2013). Além do Plano Nacional para as Alterações Climáticas (PNAC), existe o Programa para os Tetos de Emissão Nacional (PTEN) e a Prevenção e Controlo Integrados de Poluição (PCIP) (Monteiro, M., 2007). 3.3 Estado da Arte em Modelação da Qualidade do Ar Ao longo do tempo a avaliação da qualidade do ar tem vindo a desenvolver-se recaindo fortemente nos dados de monitorização, acarretando alguns inconvenientes. Estes passam inicialmente pelos elevados custos de investimento, seguidos dos custos operacionais envolvidos, e apresentam limitações geográficas relativas aos dados recolhidos de monitorização (Monteiro, M., 2007). Começando na década de 1970, foram desenvolvidas várias técnicas e ferramentas de previsão de qualidade do ar, de modo a permitir prever os níveis de poluição atmosférica em áreas urbanas. Estas técnicas foram essencialmente baseadas em abordagens empíricas e modelos estatísticos criados com base em dados históricos de qualidade ao ar e dados meteorológicos (Zhang et al., 2012). Os modelos de qualidade do ar, neste período, classificavam-se segundo a sua finalidade como modelos para suporte de decisões políticas e modelos para atividade de investigação (Correia, 2012). Os modelos para suporte de decisões políticas baseavamse em descrições simplificadas dos processos físicos e químicos, e eram úteis nas simulações para longos períodos de tempo. Enquanto os modelos de cariz científico têm como base descrições com um maior grau de pormenor dos processos atmosféricos (Correia, 2012). A modelação da qualidade do ar trata-se de uma simulação matemática que consiste na resolução de equações que simulam o comportamento de dispersão dos poluentes e os processos químicos de reação na atmosfera (Sousa, P., 2008). Além de uma ferramenta de diagnóstico da qualidade do ar, a modelação permite estimar os impactos das 35 variáveis meteorológicas e dos níveis de emissões nas concentrações e dispersão dos poluentes atmosféricos, de modo a elaborar planos de controlo de poluição e, prever o comportamento de poluentes emitidos por fontes fixas ou futuras (a implantar), igualmente útil na definição de estratégias de controlo de poluição. A modelação contribui ainda para a elaboração e aplicação de legislação de qualidade do ar adequada, estabelecendo valores limites de emissões que respeitam os padrões de qualidade do ar. (Correia, 2012). Um modelo é normalmente definido como uma representação matemática da realidade, e requer dados de entrada, de entre os quais se destacam: i) as variáveis meteorológicas como velocidade e direção do vento, turbulência atmosférica, temperatura e alturas de inversão; ii) parâmetros das emissões como a localização e caracterização da fonte, velocidade de saída dos poluentes, concentração, caudal; iii) a orografia do terreno; iv) a localização e dimensões de possíveis obstruções existentes (Sousa, P., 2008) (Monteiro, M., 2007). Como instrumento de previsão, os modelos apresentam discrepâncias temporais, não tendo a capacidade de prever a ocorrência de episódios anormais de poluição, e são normalmente específicos na previsão do comportamento de determinado poluente. Consequentemente, a investigação tem vindo a procurar soluções que minimizem estes erros e a modelação da qualidade do ar tem-se tornado num instrumento cada vez mais fiável (Sousa, P., 2008). De acordo com o âmbito de aplicação, existem vários tipos de modelos de previsão. São considerados de diagnóstico quando a sua aplicação se refere a uma situação passada e de prognóstico quando é relativo a uma ocorrência futura. Relativamente aos tipos de modelos de previsão, também existem vários, sendo considerados três grandes grupos: 1) Modelos de dispersão – utilizados para estimar as concentrações de poluentes atmosféricos, em locais específicos, estimados a partir de uma ou mais fontes emissoras, sendo apenas considerada a dispersão dos poluentes; 2) Modelos químicos de transporte (CTM – chemical transport models) – são geralmente aplicados a escalas espaciais maiores e conseguem simular os efeitos de todas as fontes emissoras de determinada região, nos níveis de poluentes e na deposição dos constituintes químicos inertes ou reativos. Este tipo de modelos 36 considera além do transporte e dispersão dos poluentes, as reações químicas resultantes destes comportamentos; 3) Modelos de recetor – são baseados nos níveis medidos de poluentes e na composição das emissões das fontes mais importantes, de modo a calcular as suas contribuições relativas no local recetor (Monteiro, 2007 #27}. Relativamente às escalas de aplicação, são consideradas três escalas espaciais de modelação, a escala local, a mesoscala e a escala global (Mensink, 2008). Inicialmente, a modelação da qualidade do ar começou a uma escala local, uma vez que nesta escala que eram identificados os focos de poluição atmosférica, como forma de determinar o impacto ambiental das fontes emissoras numa determinada área geográfica. A modelação é realizada assumindo uma distribuição gaussiana das concentrações de determinado poluente atmosférico, emitido por uma fonte e a determinada velocidade inicial e a temperatura superior à temperatura atmosférica. A mesoscala engloba dois tipos de escalas espaciais, a urbana (algumas dezenas de quilómetros) e a regional (alguns milhares de quilómetros), estando normalmente associada a questões ambientais que englobam uma ou mais jurisdições. Os modelos de mesoscala podem ser classificados como lagrangianos ou eulerianos. Atualmente, os problemas ambientais de poluição atmosférica são de cariz mais global, uma vez que constituem grandes catástrofes ambientais como o aquecimento global e diminuição da camada do ozono. Deste modo, a escala global considera o comportamento, constituição química e transporte dos poluentes atmosféricos, permitindo uma modelação mais rigorosa e eficaz (Mensink, 2008) (Monteiro, M., 2007). Devido à formulação matemática que constitui os modelos de mesoscala, estes podem ser classificados como lagrangianos ou eulerianos. Os modelos lagrangianos são uma importante ferramenta para descrever o comportamento de dispersão dos contaminantes na atmosfera, tendo como principais dados de entrada a variância da velocidade, a escala de tempo lagrangiana, e a taxa de dissipação da energia cinética turbulenta (Maldaner eGonçalves, 2012). Na revisão de literatura, este tipo de modelos são também chamados modelos de trajetória, uma vez que as camadas de ar na atmosfera seguem a trajetória indicada pela circulação atmosférica (Monteiro, M., 2007). Os modelos eulerianos, também conhecidos como modelos de grelha, apresentam uma estrutura matemática fixa à superfície terrestre. A sua estrutura é de grelha 37 tridimensional, considera a emissão de contaminantes atmosféricos em cada célula da grelha, sendo que os contaminantes percorrem a grelha segundo o escoamento atmosférico (Monteiro, M., 2007). Por outro lado, os modelos eulerianos descrevem a variação local da concentração medida num sistema de coordenadas fixo à superfície da Terra, incluindo fenómenos não lineares que ocorrem na atmosfera, como os comportamentos de transporte e dispersão, deposição e composição química dos poluentes. Como consequência, estes modelos são mais exigentes, requerendo muitos dados de entrada, que resultam frequentemente de outro tipo de modelos (dados meteorológicos e de emissões). Neste tipo de modelos é possível conjugar um módulo de carácter meteorológico com um outro de carácter químico, a três dimensões, realizando uma análise conjunta das variáveis meteorológicas e das variáveis de qualidade do ar (Arbage et al., 2006) (Monteiro, M., 2007). 3.3.1 Modelação da Qualidade do Ar em Portugal A pesquisa bibliográfica revelou que existem vários sistemas de previsão da qualidade do ar operacionais na Europa, sendo que alguns deles foram aplicados a nível nacional, como é o caso de Portugal. A simulação à escala regional da qualidade do ar para Portugal Continental, requer um sistema de modelos que normalmente aplica uma malha grosseira à escala global, e refina a resolução para os focos de maior importância (Monteiro, Ana, 2009). Atualmente existem três sistemas de previsão de qualidade do ar a operar em Portugal, com alta resolução: MM5-CHIMERE, MM5-EURAD-IM e CALIOPE, que apresentam diferentes graus de complexidade e representatividade espacial. São sistemas de escala regional, com diferentes graus de complexidade, que permitem melhorar o conhecimento das dinâmicas atmosféricas em Portugal (Borrego et al., 2011) (Monteiro, Ana, 2009). Ambos MM5-CHIMERE e MM5-EURAD-IM são sistemas de modelação aplicados por um grupo de investigação da Universidade de Aveiro (UA), no domínio da Península Ibérica (Borrego et al., 2011). O sistema de modelação MM5-CHIMERE está operacional desde 2007, com previsões diárias disponíveis online (http://adamastor.dao.ua.pt/previsao_qar/). Utiliza condições 38 iniciais para o domínio sob Portugal com resoluções horizontais de 10 x 10 km2 (Borrego et al., 2011). O sistema de modelação MM5-EURAD-IM está operacional desde 2010 e possibilita a obtenção de previsões diárias de hora em hora. Apresenta resoluções horizontais de 5 x 5 km2. Este sistema resulta de um trabalho de colaboração entre a UA e o Rhenish Institute for Environmental Research at the University of Cologne (http://db.eurad.unikoeln.de/index_e.html?/prognose/ceur_e.html) (Borrego et al., 2011). O sistema CALIOPE permite previsões de qualidade do ar de alta resolução sobre Espanha, e é aplicado sobre a Península Ibérica com uma resolução horizontal de 4 x 4 km2. Engloba um conjunto de modelos: o modelo meteorológico WRF-ARW; o modelo HERMES (High-Elective Resolution Modelling Emission System) e o modelo de transporte químico CMAQ. Estão disponíveis avaliações quase em tempo real, através deste sistema, online (http://www.bsc.es/caliope) (Borrego et al., 2011). Em Portugal foram desenvolvidos dois sistemas de previsão quantitativos, disponíveis online (APA), expressos em forma de índice diário de qualidade do ar (IQA). A previsão conjunta é desenvolvida pelo Departamento de Ambiente e Ordenamento da Universidade de Aveiro (GEMAC-DAO/UA) e pelo Departamento de Ciências e Engenharia do Ambiente da Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa (DCEA-FCT/UNL) (APA, 2013). A Universidade de Aveiro desenvolveu um sistema determinístico, resultado da conjugação do modelo meteorológico MM5 e do modelo químico CHIMERE. Este sistema engloba previsões de variáveis de carácter meteorológico, histórico de emissões e características físico-químicas de dispersão de poluentes (Monteiro, Ana, 2009). A Universidade Nova de Lisboa desenvolveu um sistema estatístico, que conjuga análises da regressão linear múltipla (RM) e regressões em árvore (CART). Segundo um conjunto de variáveis meteorológicas e de qualidade do ar, permite estimar concentrações máximas diárias de O3 e concentrações médias diárias de PM10 . Este sistema tem uma limitação geográfica à área Metropolitana de Lisboa e Porto Litoral (Monteiro, Ana, 2009). 39 Campos 3D Concentrações dos poluentes Campos 2D Deposição dos poluentes Modelo Meteorológico MM5 Modelos climatológicos MOZART/GOCART Emissões •Antropogénicas e biogénicas CHIMERE Química Gasosa •44 espécies, 116 reações Transporte •Horizontal e difusão vertical Módulo aerossóis Deposição gases/aerossóis •Seca e húmida Sistema Determinístico MM5-CHIMERE O sistema de modelos determinístico usado atualmente para a previsão da qualidade do ar é composto por dois modelos, o modelo meteorológico de mesoscala MM5 e o modelo químico de transporte multiescala CHIMERE (Monteiro, Ana, 2009). Para a aplicação e integração dos dois modelos, são necessários vários dados de entrada. O modelo meteorológico MM5 requer parâmetros de topografia, uso do solo, e dados de variáveis meteorológicas (temperatura, humidade relativa, vento, entre outros). Os dados resultantes do modelo MM5 entram no modelo CHIMERE, que é formado por quatro módulos, química gasosa, módulo “aerossóis”, transporte e deposição de gases e aerossóis (Monteiro, Ana, 2009). A Figura 6 representa um esquema simplificado do sistema determinístico MM5-CHIMERE (adaptado de (Monteiro, A.; et al., 2007) (Monteiro, M., 2007)). E os aspetos principais que formam este sistema serão descritos na próxima secção. O sistema MM5-CHIMERE estima de hora a hora, o nível de concentração de cada poluente no território nacional. Recorre-se ao valor máximo horário de O3 e ao valor Figura 6 - Esquema do sistema de modelos MM5-CHIMERE (adaptado de (A.; Monteiro et al., 2007) (M. Monteiro, 2007)). 40 médio diário de concentração de PM10, para a representação do índice, tendo como base os resultados do sistema numérico para as 24h do dia da previsão. O índice de qualidade do ar é determinado, para cada poluente, segundo as classes de classificação definidas (Tabela 7). O IQA em forma de mapa de previsão, é disponibilizado online no site da previsão da qualidade do ar, pelo Grupo de Emissões, Modelação e Alterações Climáticas da Universidade de Aveiro (Figura 7) (GEMAC, 2014). Fonte: (GEMAC, 2014). Tabela 7Classes do índice de qualidade do ar do sistema determinístico. Figura 7 - Índices de qualidade do ar previstos a 31 de Março, para os dias 1 e 2 de Abril (GEMAC, 2014). 41 3.3.1.1 Modelo Meteorológico MM5 O modelo MM5 (Fifth Generation NCAR/Penn State Mesocale Model), foi desenvolvido no início dos anos 70 do século passado, pelo NCAR (National Center for Atmospheric Research, EUA), tratando-se de um modelo meteorológico à escala regional (Monteiro, Ana, 2009) (Monteiro, M., 2007). O MM5 é um modelo não hidrostático, que tem como finalidade prever ou simular as circulações atmosféricas, em quatro dimensões (x, y, z, t),e foi desenvolvido como um modelo disponível à investigação científica (Ribeiro, I. L., 2008). Geometria do Modelo Tratando-se de um modelo tridimensional em termos espaciais, apresenta condições horizontais e verticais específicas (Figura 8)(Monteiro, Ana, 2009). De modo a que os parâmetros de níveis mais baixos não intercetem a topografia do terreno, a configuração da grelha vertical é definida por coordenadas sigma (Ribeiro, I. L., 2008): Em que pi corresponde à pressão de nível i, pt à pressão de topo e ps à pressão à superfície. Além da pressão e velocidade vertical, definida no limite de cada nível vertical, as outras variáveis são definidas ao nível half-sigma (a tracejado na Figura 8 (a)) (Monteiro, Ana, 2009). Figura 8 - Configuração vertical (a) e horizontal (b) do modelo meteorológico MM5 (Ana Monteiro, 2009). (3.1) 48 A arquitetura e topologia da rede neuronal são definidas pela organização das unidades que compõe a rede. Nas redes de alimentação direta (unidirecionais) as unidades são distribuídas por camadas (redes multicamada), com uma camada de entrada, uma ou mais camadas intermédias, usualmente denominadas camadas ocultas, e uma camada de saída (Figura 13). As unidades podem partilhar as mesmas entradas, mas não são conectadas entre si. A camada de entrada tem como finalidade receber os dados, sendo de seguida propagados à seguinte camada sem processamento. O processamento dos dados é realizado nas camadas escondidas e na camada de saída (Ribeiro, J., 2014). Figura 13 - Exemplo de rede neuronal (elaboração própria). Ao criar uma rede RNA, é importante ter em consideração o grau de complexidade da mesma, é necessário existir um equilíbrio entre a complexidade e a simplicidade, de Entrada Saída Camada oculta Figura 12 - Estrutura de uma unidade de uma rede neuronal (Lopes, 2010). 49 modo a que a rede tenha um poder de processamento credível. Uma rede que englobe demasiadas variáveis, pode induzir num aumento do ruído impossibilitando a obtenção de resultados válidos. Contudo uma rede demasiado simples pode não produzir resultados corretos (sub ajustamento dos dados). As RNAs são classificadas como unidirecionais (feedforward) ou recorrentes (feedback). As mais utilizadas são do tipo feedforward, que opera de forma progressiva sem entrada de informação adicional acerca dos processos a jusante (sem realimentação). Enquanto as redes de feedback têm as conexões entre neurónios em sentido contrário, com realimentação (Ribeiro, J., 2014). 50 Capítulo 4 Caracterização do Caso de Estudo 4.1. Enquadramento Geográfico O Porto é uma cidade situada no noroeste de Portugal e pertencente à região Norte (Figura 14) e sub-região do Grande Porto. A cidade do Porto tem uma área de 41,42 km² do território nacional, incluindo 3 Uniões de freguesias e 4 Freguesias: União das freguesias de Aldoar, Foz do Douro e Nevogilde; União de Cedofeita, Santo Ildefonso, Sé, Miragaia, São Nicolau e Miragaia, União de Lordelo do Ouro e Massarelos; Bonfim; Campanhã; Paranhos, Ramalde e Vitória. As sub-regiões da região Norte apresentam características morfoclimáticas, socioeconómicas, demográficas e de povoamento, muito distintas entre si. Figura 14 - Mapa da região Norte (CCDRN, 2014). 51 Apresentando deste modo uma grande heterogeneidade a nível de ordenamento do território, e consequentemente, do ambiente. Na Figura 15 constata-se que a região Norte está dividida em duas zonas de classificação climática. A zona litoral é classificada como “Cfa”, clima temperado sem estação seca e com Verão quente, e a zona mais para o interior está classificada como “Csa”, clima temperado com Verão seco e quente (IM eAEmet, 2011). 4.2. Caracterização socioeconómica Nas últimas décadas, o nosso país tem verificado um grande crescimento das cidades a litoral e uma desertificação nas áreas mais no interior do país. As zonas do litoral foram vistas como áreas de oportunidades profissionais, devido à localização das grandes indústrias nacionais, e que deste modo permitiam maior poder económico para as famílias. Esta alteração provocou um forte aumento a nível de infraestruturas nas cidades, de modo a garantir o bem-estar da população, e este boom de construção veio pôr em causa o conceito de cidades sustentáveis. A exploração dos recursos que ocorreu no Figura 15 - Classificação climática de Köppen-Geiger na Península Ibérica e Ilhas Baleares (IM & AEmet, 2011). 52 litoral para acompanhar este crescimento, resultou num aumento da produção de resíduos, poluição de água e solos, assim como no aumento do consumo de água e energia. Segundo os dados do Censos 2011 elaborados pelo Instituto Nacional de Estatística (INE), em 2001 o distrito do Porto possuía uma população residente de 1.781.836 habitantes (Figura 16), e em 2011 já possuía 1.817.172 habitantes (Figura 17) (INE, 2014). Figura 16 - Distribuição da população residente no distrito do Porto, em 2001 (INE, 2014). Figura 17 - Distribuição da população residente no distrito do Porto, em 2011 (INE, 2014). 53 Sendo importante salientar o crescimento da população residente no distrito do Porto entre 2001 e 2011 (Figura 16 e 17), assim como o número de famílias, alojamentos e edifícios. 4.3 Monitorização da Qualidade do Ar Relativamente às definições de a RMQA, tal como definido no subcapítulo 2.2.2, a Região Norte é formada por quatro aglomerações (Porto Litoral, Vale do Ave, Vale do Sousa e Braga), e por duas zonas (Norte Litoral e Norte Interior). Sendo a rede de medida composta por vinte e quatro estações de monitorização de qualidade do ar (Figura 18), geograficamente distribuídas por dezasseis Concelhos: Porto, Maia, Matosinhos, Valongo, Gondomar, Vila do Conde, Vila Nova de Gaia, Espinho, Paredes, Paços de Ferreira, Braga, Vila Nova de Famalicão, Guimarães, Santo Tirso, Vila Real e Viana do Castelo (CCDRN, 2012). As estações de monitorização da RMQA da Região Norte estão equipadas com analisadores automáticos que medem, de forma contínua e registam as concentrações médias dos poluentes: CO, NOx (NO, NO2 e NOx), SO2, O3, PM10, PM2,5 e BTX 7 . 7 BTX é a sigla atribuída para uma mistura formada pelos hidrocarbonetos benzénicos, substâncias químicas que apresentam índices de otanagem elevados. Figura 18 - Rede de medida da qualidade do ar da Região Norte (CCDRN, 2012). 54 A cada poluente atmosférico está associado um método de medição, utilizados na monitorização em contínuo, e a recolha diária dos dados e o seu armazenamento é efetuado de forma automática, numa base de dados. Após a validação diária, esses dados são enviados para Base de Dados Online sobre Qualidade do Ar (QualAr) da APA (Agência Portuguesa de Ambiente) (CCDRN, 2012). Esta investigação apresenta como caso de estudo a região do Porto Litoral, e na Tabela 10 apresentam-se as estações que compõem a Rede de Medida da Qualidade do Ar da Região Norte, em particular a aglomeração/zona Porto Litoral, em 2011 e os poluentes nelas monitorizados. Tabela 9 - Características das estações de medida de qualidade do ar da Rede de Monitorização da Qualidade do Ar da Região Norte, da aglomeração Porto Litoral. Estação Tipo de Ambiente Tipo de Influência Data de Inicio Poluentes Mindelo – Vila do Conde Urbana Fundo Dez. 2009 NO, NO2, NOx, PM10 e O3 Meco - Perafita Urbana Industrial Ago. 2002 SO2, BTX, PM10, O3 Francisco Sá Carneiro (Campanhã - Antas) Urbana Tráfego Out. 2000 CO, NO, NO2, NOx, O3 e PM10 Anta - Espinho Suburbana Fundo Fev. 2011 NO, NO2, NOx, PM10 e O3 Ermesinde – Valongo Urbana Fundo Out. 1998 NO, NO2, NOx, PM10, e O3 Vila Nova da Telha - Maia Suburbana Fundo Out. 1998 NO, NO2, NOx, PM10 e O3 D. Manuel II Urbana Tráfego Nov. 1999 NO, NO2, NOx, PM10 e PM2,5 Leça do Balio - Matosinhos Suburbana Fundo Out. 1999 NO, NO2, NOx, PM10 e O3 Custóias - Matosinhos Urbana Fundo Set. 1998 NO, NO2, NOx, PM10 e O3 João Gomes Laranjo – Senhora da Hora Urbana Tráfego Set. 2001 CO, NO, NO2, NOx e PM10 Sobreiras – Lordelo do Ouro Urbana Fundo Dez. 2007 NO, NO2, NOx, PM10, PM2,5 e O3 Avintes (Parque Biológico de Gaia – Avintes) Urbana Fundo Jul. 2010 NO, NO2, NOx, PM10 e O3 Fonte: Adaptado de (CCDRN, 2013). 55 4.4. Caso de Estudo O Concelho do Porto está inserido na Aglomeração Porto Litoral e tem implementadas duas estações de monitorização da Rede de Monitorização da Qualidade do Ar (RMQA): Francisco Sá Carneiro-Campanhã (Antas) e Sobreiras-Lordelo do Ouro. As estações referidas estão caracterizadas na Tabela 10, em que está referida a sua designação, localização, tipo de ambiente e influência, o início de funcionamento e os poluentes que cada estação monitoriza. Tabela 10 - Caracterização das estações monitorização de qualidade do ar da RMQA, do concelho do Porto. Estação Localização Tipo de Ambiente Tipo de Influência Data de início de funcionamento Poluentes Francisco Sá Carneiro (Campanhã -Antas) Praça Francisco Sá Carneiro, Campanhã Urbano Tráfego Outubro 2000 CO, NO, NO2, NOx e PM10 Sobreiras – Lordelo do Ouro Rua Paulo da Gama, Foz do Douro Urbano Fundo Dezembro 2007 NO, NO2, NOx, PM10, PM2,5 e O3 Francisco Sá Carneiro - Campanhã Sobreiras – Lordelo do Ouro Figura 19 - Localização das estações de monitorização consideradas neste estudo, Francisco Sá Carneiro – Campanhã (41°09'52'' -8°35'22'') e Sobreiras - Lordelo do Ouro (41°08'51'' -8°39'32''). 56 Relativamente às eficiências das estações de monitorização, a CCDR-N disponibiliza as eficiências de funcionamento obtidas em 2011, por analisador (Tabela 11). As eficiências inferiores a 85% encontram-se assinaladas a vermelho. Tabela 11 - Eficiências por analisador, nas estações da RMQA-RN, em 2011. Estação Concelho Analisadores CO NO2 O3 PM10 PM2,5 (%8h) (%8h) Verão (%8h) Inverno (%8h) (% dia) (% dia) Francisco Sá Carneiro Porto 95 98 100 96 76 -- Sobreiras – Lordelo do Ouro 100 100 100 100 97 97 Fonte: (CCDRN, 2012). 57 Capítulo 5 Análise dos Dados 5.1 Introdução Neste capítulo será focada a análise da informação necessária para a construção do modelo de previsão, sendo fulcral o conhecimento dos fatores e variáveis que influenciam a qualidade do ar. No desenvolvimento de um modelo de previsão é preciso ter em conta a informação disponível e o processamento dessa informação, de modo a que o resultado final seja um modelo de previsão robusto composto por variáveis independentes e relevantes que não apresentem co-linearidade entre si. Relativamente ao processo de escolha de variáveis que possam ter um papel importante na previsão da qualidade do ar, existe a preocupação em verificar esse mesmo papel de influência. 5.1.1 Metodologia  Estações fixas de monitorização de qualidade do ar A metodologia seguida para análise dos dados provenientes das estações fixas de monitorização de qualidade do ar, consistiu em recolher e tratar os dados de concentrações dos poluentes atmosféricos PM10, PM2,5, NO, NO2, NOx, O3 e CO. Estes dados foram registados nas estações Francisco Sá Carneiro e Sobreiras-Lordelo do Ouro, no período de tempo de Abril de 2012 a Abril de 2014. Relativamente ao tratamento de dados, todos os gráficos apresentados neste capítulo foram realizados recorrendo ao Microsoft Office Excel. Foi possível conhecer o comportamento evolutivo das concentrações dos poluentes ao longo do período em estudo, calcular as médias das concentrações diárias e criar histogramas de distribuição de frequências. 64 0 50 100 150 200 250 0 5 10 15 20 Concentração NO2 (µg/m3) Hora do dia No que diz respeito aos perfis diários do NO2 apresentados nas Figuras 31 e 32, podemos observar que ambos os gráficos têm alterações de evolução de concentrações semelhantes ao longo do dia. Nos dois gráficos é possível observar oscilações das concentrações entre as 6h e as 10h e entre as 16h e as 21h, horários característicos dos períodos de maior afluência rodoviária na cidade. Contudo, embora os gráficos das duas estações tenham oscilações nos mesmos períodos, o gráfico da estação de Sobreiras-Lordelo do Ouro apresenta um perfil mais suave, em comparação com o perfil horário mais acentuado da estação de Francisco Sá Carneiro. Esta conclusão vai de encontro a tipo de influência de ambas as estações. 1 575 2110 2437 1817 1303 927 633 394 297 191 120 85 49 27 19 14 9 7 4 1 0 500 1000 1500 2000 2500 3000 Frequência Classes das concentrações a) 1 1299 3148 1927 1431 945 696 519 337 212 149 109 78 52 53 29 14 12 3 4 2 0 500 1000 1500 2000 2500 3000 3500 Frequência Classes das concentrações b) Figura 30 - Histograma da distribuição de frequências dos dados amostrais das concentrações de NO2, registados na estação de Francisco Sá Carneiro (a) e Sobreiras Lordelo do Ouro (b), entre Abril de 2012 e Abril de 2014. Figura 31 - Representação das concentrações horárias do NO2 (µg/m3), e médias das concentrações de NO2 por hora do dia, na estação de monitorização de Francisco Sá Carneiro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). 65 0 20 40 60 80 100 120 140 160 180 200 0 5 10 15 20 Concentração NO2 (µg/m3) Hora do dia 0 50 100 150 200 250 01/04/2012 22/04/2012 09/05/2012 27/05/2012 14/06/2012 30/06/2012 16/07/2012 01/08/2012 18/08/2012 03/09/2012 20/09/2012 06/10/2012 22/10/2012 09/11/2012 25/11/2012 11/12/2012 01/01/2013 17/01/2013 03/02/2013 19/02/2013 07/03/2013 26/03/2013 10/05/2013 26/05/2013 11/06/2013 29/06/2013 18/07/2013 03/08/2013 19/08/2013 05/09/2013 21/09/2013 27/03/2014 13/04/2014 30/04/2014 Média dos máximos diários NO2 (μg/m3) Dia FSC S-LO VL NO2 LSA LIA Em relação ao NO2, a legislação nacional define um valor limite horário de 200 μg/m3, cujo número de excedências não deve ser ultrapassado 18 vezes por ano. Na Figura 33 estão representados os valores máximos horários, durante o período em estudo, com o valor do limite diário (VL NO2), o limiar superior de avaliação (LSA) e o limiar inferior de avaliação (LIA). Figura 33 - Evolução das concentrações médias dos máximos horários estabelecidos para o NO2, registados entre 1 de Abril de 2012 e 31 de Abril de 2014, em relação ao limiar legal superior (LSA) e inferior (LIA) de avaliação, nas estações de monitorização FSC e S-LO. Figura 32 - Representação das concentrações horárias do NO2 (µg/m3), e médias das concentrações de NO2 por hora do dia, na estação de monitorização de Sobreiras – Lordelo do Ouro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). 66 0 100 200 300 400 500 600 700 1/4/2012 21/4/2012 10/5/2012 3/6/2012 17/6/2012 2/7/2012 18/7/2012 2/8/2012 19/8/2012 4/9/2012 19/9/2012 4/10/2012 20/10/2012 7/11/2012 23/11/2012 11/12/2012 30/12/2012 13/1/2013 26/1/2013 8/2/2013 21/2/2013 6/3/2013 23/3/2013 6/4/2013 18/5/2013 31/5/2013 13/6/2013 28/6/2013 15/7/2013 28/7/2013 9/8/2013 23/8/2013 5/9/2013 17/9/2013 20/3/2014 4/4/2014 16/4/2014 Concentração de NOx (µg/m3) Tempo Como se pode verificar pela Figura 33 não foram registados valores em que foi ultrapassado o valor limite legal do NO2 nas duas estações de monitorização, contudo foram registadas ocorrências de ultrapassagens do LSA e LIA. Em relação ao LSA, na estação de FSC foi atingido 9 vezes em 2012, 12 em 2013 e 2 em 2014, sendo que em S-LO foi atingido 10 vezes em 2012, 9 em 2013 e 2 em 2014. Quanto ao LIA, na estação de S-LO foram registadas 59 casos em que o limiar foi atingido em 2012, 32 casos em 2013 e 20 em 2014. Sendo importante referir novamente que o intervalo de tempo em estudo é de Abril de 2012 a Abril de 2014. 5.5 Análise dos dados do NOx Relativamente aos óxidos de nitrogénio, os dados apresentados nesta investigação provém das duas estações de monitorização de qualidade do ar no Concelho do Porto, Francisco Sá Carneiro e Sobreiras-Lordelo do Ouro. Nas Figuras 34 e 35 podem ser observados os comportamentos das concentrações dos NOx, entre Abril de 2012 e Abril de 2014, nas duas estações de monitorização. Figura 34 - Evolução da concentração de NOx (µg/m3), desde Abril de 2012 a Abril de 2014, na estação de monitorização Francisco Sá Carneiro. 67 0 100 200 300 400 500 600 1/4/2012 21/4/2012 10/5/2012 1/6/2012 16/6/2012 1/7/2012 15/7/2012 30/7/2012 15/8/2012 31/8/2012 15/9/2012 29/9/2012 15/10/2012 2/11/2012 18/11/2012 4/12/2012 24/12/2012 7/1/2013 20/1/2013 2/2/2013 14/2/2013 26/2/2013 11/3/2013 28/3/2013 10/5/2013 22/5/2013 4/6/2013 19/6/2013 1/7/2013 18/7/2013 30/7/2013 11/8/2013 25/8/2013 6/9/2013 18/9/2013 21/3/2014 4/4/2014 16/4/2014 Concentração de NOx (µg/m3) Tempo 1 3291 3382 1537 940 625 390 279 175 157 97 66 39 21 12 3 2 1 0 1 1 0 500 1000 1500 2000 2500 3000 3500 4000 Frequências Classes de concentrações a) 1 6729 2624 928 374 168 92 41 20 12 12 6 6 1 3 2 0 0 0 0 1 0 1000 2000 3000 4000 5000 6000 7000 8000 Frequência Classes de concentrações b) Através da observação das Figuras 34 e 35 é possível verificar que existem algumas diferenças ao nível das emissões do poluente nas duas estações, isto é, na estação de Sobreiras–Lordelo do Ouro verificamos concentrações menores de NOx em comparação com as concentrações em Francisco Sá Carneiro. Como verificado na análise dos outros poluentes, continuam a verificar-se alguns picos inexplicáveis de concentrações, que analisando as classes de concentrações das Figuras 36a) e 36b) observamos que se tratam de casos isolados. Figura 35 - Evolução da concentração de NOx (µg/m3), desde Abril de 2012 a Abril de 2014, na estação de monitorização Sobreiras – Lordelo do Ouro. Figura 36 - Histograma da distribuição de frequências dos dados amostrais das concentrações de NOx, registados na estação de Francisco Sá Carneiro (a) e Sobreiras Lordelo do Ouro (b), entre Abril de 2012 e Abril de 2014. 68 0 100 200 300 400 500 600 700 0 5 10 15 20 Concentração NOx(µg/m3) Hora do dia 0 100 200 300 400 500 600 700 0 5 10 15 20 Concentração NOx (µg/m3) Hora do dia Relativamente ao perfil de variações diárias, o NOx na estação de Francisco Sá Carneiro, apresenta um perfil marcado por um pico de concentrações no início do dia, associado provavelmente às deslocações rodoviárias e início de atividade urbana (Figura 37). Na estação de Sobreiras-Lordelo do Ouro, o perfil diário do NOx é relativamente constante, apresentando poucas oscilações (Figura 38). Como seria de esperar, verifica- -se um facto interessante, que os perfis diários de concentrações do NOx são muito semelhantes com os perfis registados do NO e do NO2. Figura 37 - Representação das concentrações horárias do NOx (µg/m3), e médias das concentrações de NOx por hora do dia, na estação de monitorização de Francisco Sá Carneiro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). Figura 38 - Representação das concentrações horárias do NOx (µg/m3), e médias das concentrações de NOx por hora do dia, na estação de monitorização de Sobreiras – Lordelo do Ouro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). 69 0 20 40 60 80 100 120 140 160 180 1/4/2012 21/4/2012 10/5/2012 1/6/2012 16/6/2012 1/7/2012 15/7/2012 30/7/2012 15/8/2012 31/8/2012 15/9/2012 29/9/2012 15/10/2012 2/11/2012 18/11/2012 4/12/2012 24/12/2012 7/1/2013 20/1/2013 2/2/2013 14/2/2013 26/2/2013 11/3/2013 28/3/2013 10/5/2013 22/5/2013 4/6/2013 19/6/2013 1/7/2013 18/7/2013 30/7/2013 11/8/2013 25/8/2013 6/9/2013 18/9/2013 21/3/2014 4/4/2014 16/4/2014 Concentração de PM10 (µg/m3) Tempo 0 50 100 150 200 250 1/4/2012 21/4/2012 10/5/2012 3/6/2012 17/6/2012 2/7/2012 18/7/2012 2/8/2012 19/8/2012 4/9/2012 19/9/2012 4/10/2012 20/10/2012 7/11/2012 23/11/2012 11/12/2012 30/12/2012 13/1/2013 26/1/2013 8/2/2013 21/2/2013 6/3/2013 23/3/2013 6/4/2013 18/5/2013 31/5/2013 13/6/2013 28/6/2013 15/7/2013 28/7/2013 9/8/2013 23/8/2013 5/9/2013 17/9/2013 20/3/2014 4/4/2014 16/4/2014 Concentração de PM10 (µg/m3) Tempo 5.6 Análise dos dados das PM10 Em relação às partículas de diâmetro até 10μm, os dados apresentados nesta investigação provém das duas estações de monitorização de qualidade do ar na cidade do Porto. Nas Figuras 39 e 40 estão constatados os comportamentos das concentrações das PM10, entre Abril de 2012 e Abril de 2014, nas duas estações de monitorização. Figura 39 - Evolução da concentração de PM10 (µg/m3), desde Abril de 2012 a Abril de 2014, na estação de monitorização Francisco Sá Carneiro. Figura 40 - Evolução da concentração de PM10 (µg/m3), desde Abril de 2012 a Abril de 2014, na estação de monitorização Sobreiras – Lordelo do Ouro. 70 1079 1383 1857 2093 1862 1137 669 390 251 119 59 42 28 12 9 9 8 5 4 2 2 0 500 1000 1500 2000 2500 Frequência Classes das concentrações a) 1425 2535 3401 1941 942 404 196 90 49 11 9 3 1 2 3 0 0 3 2 0 3 0 500 1000 1500 2000 2500 3000 3500 4000 Frequência Classes das concentrações b) Ao observar as Figuras 39 e 40 relativas às concentrações de PM10 pode ser observado que existe uma diferença em termos de emissões, em que na estação de Sobreiras – Lordelo do Ouro são verificados níveis superiores de concentrações. Em ambos os gráficos estão presentes alguns picos de concentrações, em que as anomalias identificadas foram extraídas para o tratamento de dados necessário à elaboração dos modelos de previsão, uma vez que como se pode verificar na Figura 41 os casos registados de concentrações excessivamente altas e isoladas, são casos raros comparativamente com classes de valores mais frequentemente registados. A estação de Francisco Sá Carneiro apresenta um perfil diário de tráfego, de acordo com a sua classificação. Verifica-se uma variação diária acentuada dos valores das concentrações de PM10, em se destacam alguns picos de atividade: 7h-10h, 15h-16h e 19h-21h. Esta atividade está provavelmente relacionada com uso de transportes (Figura 42). Relativamente à estação de Sobreiras-Lordelo do Ouro, a variação diária dos valores de PM10 apresenta um perfil diário de fundo urbano, tal como a sua classificação, com uma variação diária suave. Contudo, o perfil diário de PM10 revela a presença de outras possíveis fontes emissoras de partículas, que não as de tráfego, responsáveis pelos valores elevados verificados durante o período noturno. E os valores mais baixos de PM10 observados durante o dia podem ser justificados pela maior dispersão de poluentes que ocorre durante o período diurno (Figura 43). Figura 41 - Histograma da distribuição de frequências dos dados amostrais das concentrações de PM10, registados na estação de Francisco Sá Carneiro (a) e Sobreiras Lordelo do Ouro (b), entre Abril de 2012 e Abril de 2014. 71 0 20 40 60 80 100 120 140 160 180 0 5 10 15 20 Concentração PM10 (µg/m3) Hora do dia 0 50 100 150 200 250 300 350 0 5 10 15 20 Concentração PM10 (µg/m3) Hora do dia Relativamente às PM10 foi estabelecido pela legislação nacional um valor limite diário (50 μg/m3), que não deve exceder mais de 35 casos por ano. Na Figura 44 estão representados os valores máximos diários, durante o período em estudo, com o valor do limite diário apresentado (VL PM10). Figura 42 - Representação das concentrações horárias do PM10 (µg/m3), e médias das concentrações de PM10 por hora do dia, na estação de monitorização de Francisco Sá Carneiro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). Figura 43 - Representação das concentrações horárias do PM10 (µg/m3), e médias das concentrações de PM10 por hora do dia, na estação de monitorização de Sobreiras – Lordelo do Ouro (dados de 1 de Abril de 2012 a 31 de Abril de 2014). 72 0 50 100 150 200 250 01/04/2012 20/04/2012 05/05/2012 19/05/2012 06/06/2012 20/06/2012 04/07/2012 18/07/2012 01/08/2012 16/08/2012 30/08/2012 14/09/2012 28/09/2012 12/10/2012 26/10/2012 11/11/2012 25/11/2012 09/12/2012 28/12/2012 11/01/2013 25/01/2013 09/02/2013 23/02/2013 09/03/2013 26/03/2013 07/05/2013 22/05/2013 05/06/2013 21/06/2013 08/07/2013 22/07/2013 05/08/2013 19/08/2013 03/09/2013 17/09/2013 20/03/2014 05/04/2014 19/04/2014 Média dos máximos diários PM10 (μg/m3) Dia FSC S-LO VL PM10 Ao analisar a Figura 44 verificamos que foi ultrapassado o valor limite legal em todo o período temporal analisado e em ambas as estações de monitorização. Relativamente ao número de excedências por dia, em 2012 foram registadas 99 excedências em FSC e 55 excedências em S-LO, enquanto que em 2013 foram registadas 96 excedências em FSC e 68 em S-LO. Uma vez que o número de excedências deverá ser menor ou igual a 35 dias por ano. 5.7 Análise dos dados das PM2,5 Relativamente às partículas de diâmetro até 2,5μm, os dados apresentados nesta investigação provém da estação de monitorização de qualidade do ar de Sobreiras– Lordelo do Ouro. Na Figura 47 está retratado o comportamento da concentração das PM2,5, entre Abril de 2012 e Abril de 2014. Figura 44 - Evolução das concentrações médias dos máximos diários estabelecidos para as PM10, registados entre 1 de Abril de 2012 e 31 de Abril de 2014, em relação ao valor limite legal, nas estações de monitorização FSC e S-LO. 73 2403 3831 2349 987 594 459 167 73 51 23 24 17 12 8 0 8 4 2 4 2 2 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 3,2 6,4 9,6 12,8 16 19,2 22,4 25,6 28,8 32 35,2 38,4 41,6 44,8 48 51,2 54,4 57,6 60,8 64 Frequência Classes das concentrações Na Figura 45 relativa às emissões de PM2,5 é observado um padrão de comportamento das concentrações desde Abril de 2012 a Abril de 2014, sensivelmente, e de seguida é verificado um nível de emissões um pouco superior. Analisando as classes de concentrações do histograma apresentado na Figura 46, é possível observar exatamente a frequência das concentrações registadas, sendo fácil a identificação dos casos em que se registaram concentrações superiores de PM2,5. Relativamente às PM2,5, o seu perfil diário está de acordo com a classificação da estação de Sobreiras-Lordelo do Ouro, como estação de fundo. A variação diária de PM2,5 é extremamente subtil, com muito poucas oscilações (Figura 47). 0 10 20 30 40 50 60 70 1/4/2012 21/4/2012 10/5/2012 1/6/2012 16/6/2012 1/7/2012 15/7/2012 30/7/2012 15/8/2012 31/8/2012 15/9/2012 29/9/2012 15/10/2012 2/11/2012 18/11/2012 4/12/2012 24/12/2012 7/1/2013 20/1/2013 2/2/2013 14/2/2013 26/2/2013 11/3/2013 28/3/2013 10/5/2013 22/5/2013 4/6/2013 19/6/2013 1/7/2013 18/7/2013 30/7/2013 11/8/2013 25/8/2013 6/9/2013 18/9/2013 21/3/2014 4/4/2014 16/4/2014 Concentração de PM2,5 (µg/m3) Tempo Figura 45 - Evolução da concentração de PM2,5 (µg/m3), desde Abril de 2012 a Abril de 2014, na estação de monitorização Sobreiras – Lordelo do Ouro. Figura 46 - Histograma da distribuição de frequências dos dados amostrais das concentrações de PM2,5, registados na estação Sobreiras Lordelo do Ouro, entre Abril de 2012 e Abril de 2014. 80 ( ) e a hora h, para o target de previsão imediata, são inputs para a construção do modelo. (D-1) 24h (D) 24h )h|(D)t CO (D-1) 24h e(D)h NO (D-1) 24h CO (D) 24h NO2 (D-1) 24h NO (D) 24h NOx (D-1) 24h NO2 (D) 24h PM10 (D-1) 24h NOx (D) 24h PM2,5 (D-1) 24h PM10 (D) 24h O3 (D-1) 24h PM2,5 (D) 24h V (D) 24h O3 (D) 24h DV (D) 24h R (D) 24h T (D) 24h N (D) 24h P (D) 24h Figura 51 - Quadro temporal do modelo previsão. Nomenclatura utilizada: D – Dia da execução da previsão no âmbito do horizonte de previsão. t – Hora da execução da previsão em UTC, pode ser as 0h, 6h, 12h ou 18h. ( ) ( ) – Previsão das emissões e no momento t0 previsto para o dia D. ( ) - Emissões reais e na hora t do dia (D). h – Hora do dia, entre 0 e 23. ( ) - Número do dia da semana, entre 1 (domingo) e 7 (sábado), para o dia (D). CO(D-1)h – Agregado das concentrações horárias de CO, na hora h, medidos no dia (D-1), em (µg/m3). NO(D-1)h – Agregado das concentrações horárias de NO, na hora h, medidos no dia (D-1), em (µg/m3). NOx(D-1)h – Agregado das concentrações horárias de NOx, na hora h, medidos no dia (D-1), em (µg/m3). NO2 (D-1)h – Agregado das concentrações horárias de NO2, na hora h, medidos no dia (D-1), em (µg/m3). PM10 (D-1)h – Agregado das concentrações horárias de PM10, na hora h, medidos no dia (D-1), em (µg/m3). PM2,5 (D-1)h – Agregado das concentrações horárias de PM2,5, na hora h, medidos no dia (D-1), em (µg/m3). O3 (D-1)h – Agregado das concentrações horárias de O3, na hora h, medidos no dia (D-1), em (µg/m3). CO(D)h – Agregado das concentrações horárias de CO, na hora h, previstas para o dia (D), em (µg/m3). NO(D)h – Agregado das concentrações horárias de NO, na hora h, previstas para o dia (D), em (µg/m3). NOx(D)h – Agregado das concentrações horárias de NOx, na hora h, previstas para o dia (D), em (µg/m3). NO2 (D)h – Agregado das concentrações horárias de NO2, na hora h, previstas para o dia (D), em (µg/m3). PM10 (D)h – Agregado das concentrações horárias de PM10, na hora h, previstas para o dia (D), em (µg/m3). PM2,5 (D)h – Agregado das concentrações horárias de PM2,5, na hora h, previstas para o dia (D), em (µg/m3). O3 (D)h – Agregado das concentrações horárias de O3, na hora h, previstas para o dia (D), em (µg/m3). V (D)h – Agregado das previsões meteorológicas horárias da velocidade do vento, na hora h, para o dia (D), em m/s. DV (D)h – Agregado das previsões meteorológicas horárias da direção do vento, na hora h, para o dia (D), em m/s. R (D)h – Agregado das previsões meteorológicas horárias da radiação solar, na hora h, para o dia (D), em w/m2. t0 Inputs da previsão Outputs da previsão Inputs da previsão 81 T (D)h – Agregado das previsões meteorológicas horárias da temperatura, na hora h, para o dia (D), em oC. N (D)h – Agregado das previsões meteorológicas horárias do índice de nuvens, na hora h, para o dia (D), adimensional (0 e 1). P(D)h – Agregado das previsões meteorológicas horárias da pluviosidade, na hora h, para o dia (D), em mm/m2. Relativamente aos dados utilizados nesta investigação (inputs), a previsão da qualidade do ar é influenciada por diferentes tipos de variáveis explicativas: a) Registos históricos das emissões horárias dos poluentes em estudo (CO, NO, NO2, NOx, PM10, PM2,5 e O3), informações conhecidas até ao instante t0. b) Variáveis cronológicas: hora, dia semana, número de semanas, meses. Este é um tipo de informação conhecida por dados históricos e futuros. Consistindo em conjuntos de dados fáceis de serem obtidos a partir de funções de calendário. Nesta investigação foram utilizadas as variáveis "hora" e "dia da semana". c) Previsões meteorológicas, incluindo velocidade e direção do vento, radiação solar, temperatura, índice de nuvens e pluviosidade, que podem ser previstos para o dia D. Foi utilizado um histórico de previsão do tempo, utilizando o modelo WRF de mesoescala, e este modelo foi criado pela empresa Smartwatt para pontos de previsão em Portugal. Como referido anteriormente, a metodologia envolve a utilização de dois conjuntos de dados, um de treino da rede neuronal e outro de teste. Os dados de treino compreendem a totalidade do período de estudo, 1 de Abril de 2012 a 31 de Abril de 2014. Enquanto os dados de teste correspondem às semanas 23, 33, 43 e 53 em 2012, semanas 5, 15, 25 e 35 em 2013 e semanas 8 e 18 em 2014. 6.5 Configuração da Rede Neuronal Como referido no subcapítulo 3.3.3, a estrutura de uma rede neuronal envolve a receção dos dados em entradas, que de seguida são propagados às camadas intermédias (ou ocultas) em que são processados os dados, assim como na camada de saída. O tipo de rede utilizado foi o feedforward, que apresenta um funcionamento de uma forma progressiva, sem realimentação. Este tipo de redes por camadas já tem uma vasta utilização em aplicações de previsão comprovadas (Russo et al., 2013) (Ghazali, 2012). 82 Relativamente ao número de neurónios da camada intermédia, foram definidos segundo a expressão 2n+1, em que n corresponde ao número de variáveis de entradas na rede neuronal. 6.6 Resultados Nesta secção são apresentados os resultados das diversas previsões realizadas, sendo que o desempenho destes resultados tem como base a análise do erro MAPE e auxílio de gráficos ilustrativos da evolução das previsões. A análise presente nesta secção tem a finalidade de avaliar os modelos de previsão construídos. É importante realçar o facto de que a melhor forma de avaliar um modelo de previsão é via observação gráfica, simultaneamente, das séries “Concentrações Reais” e “ Concentrações Previstas”, de forma a que melhor se determine se a série “Concentrações Previstas” acompanha bem as tendências da série “Concentrações Reais”. 6.6.1 Previsão do CO O objetivo da construção destes modelos é a previsão das concentrações do monóxido de carbono para o dia D, e o estudo da influência das várias variáveis nos modelos de previsão. De modo a ser percetível a influência das várias variáveis foi adotada uma metodologia que consiste em testar inicialmente o modelo com todas as variáveis disponíveis e posteriormente, ir retirando uma variável de cada vez e analisar os resultados dos erros MAPE obtidos. Na Figura 52 apresentam-se os resultados da previsão do CO para a semana 23 do ano de 2012, relativos à estação de Francisco Sá Carneiro (consultar Anexo II). 83 Figura 52 - Gráfico da previsão das concentrações do CO na semana 23 de 2012. Ao analisar a Figura 52, é possível verificar que a série de concentrações previstas do CO apresenta algumas limitações, na sua capacidade de prever variações bruscas da concentração do poluente num curto intervalo de tempo. Na Tabela 14, encontram-se todos os erros MAPES obtidos durante a fase de testes para o poluente CO. Sendo possível observar os MAPES das previsões individuais e o melhor resultado MAPE individual obtido de entre todos os modelos. Tabela 14 - Erros MAPE para a previsão de CO. Poluente T1 Modelo Variáveis MAPE % CO (FSC) M 1 Todas as variáveis 35,76% M2 Todas exceto V1 41,38% M3 Todas exceto V2 33,38% M 4 Todas exceto V3 37,16% M 5 Todas exceto V4 38,61% M 6 Todas exceto V5 35,47% M 7 Todas exceto V6 35,83% M 8 Todas exceto V7 35,04% M 9 Todas exceto V8 34,33% M 10 V1, V3,V4 35,85% M11 Todas exceto V2 e V8 34,29% M12 Todas exceto V2, V7,V8 34,34% M13 Todas exceto V2, V5, V7,V8 33,95% M 14 Todas exceto V2, D-1 46,39% Legenda: O poluente em estudo é o CO (T1), na estação de Francisco Sá Carneiro (FSC). As variáveis foram classificadas como V1-hora, V2dia da semana, V3-Velocidade do vento, V4direção do vento, V5-radiação, V6-temperatura, V7-nuvens e V8-pluviosidade. 0 100 200 300 400 500 600 700 800 3/6/12 4:00 3/6/12 8:00 3/6/12 20:00 4/6/12 2:00 4/6/12 6:00 4/6/12 16:00 5/6/12 8:00 5/6/12 12:00 5/6/12 16:00 5/6/12 20:00 6/6/12 2:00 6/6/12 8:00 6/6/12 15:00 6/6/12 19:00 6/6/12 23:00 7/6/12 3:00 7/6/12 7:00 7/6/12 11:00 7/6/12 15:00 7/6/12 19:00 7/6/12 23:00 8/6/12 3:00 8/6/12 7:00 8/6/12 11:00 8/6/12 15:00 8/6/12 19:00 8/6/12 23:00 9/6/12 5:00 9/6/12 9:00 9/6/12 13:00 9/6/12 19:00 9/6/12 23:00 Concentração (µg/m3) Dia CO Real CO Previsão 84 No que diz respeito aos resultados obtidos para a previsão do CO é de realçar que estes encontram-se com valores relativamente altos, pode ser devido à qualidade dos dados ou à pouca causalidade entre variáveis. Em relação à previsão do CO, observou-se que a estratégia na organização metodológica apresentou bons resultados. O modelo com menor erro MAPE é o Modelo 3 (33,38%), em que entraram todas as variáveis na rede neuronal, exceto a variável dia da semana, que pelos resultados obtidos não tem grande influência sobre a previsão do CO. 6.6.2 Previsão do NO O objetivo dos modelos apresentados nesta secção são a previsão das concentrações do NO para o dia D, e o estudo da influência das diferentes variáveis na construção dos modelos. Tal como no poluente anterior, foi adotada a mesma metodologia de testar inicialmente o modelo com todas as variáveis disponíveis e de seguida, ir retirando gradualmente uma variável de cada vez e analisar os resultados dos erros MAPE obtidos. Na Figura 53 apresentam-se os resultados da previsão do NO na estação de Francisco Sá Carneiro (FSC), para a semana 33 do ano de 2012. Enquanto que a na Figura 54 são apresentados os resultados da previsão do NO na estação de Sobreiras–Lordelo do Ouro (S-LO), para a mesma semana (consultar Anexo III). Figura 53 - Gráfico da previsão das concentrações do NO, para a estação de FSC na semana 33 de 2012. 0 20 40 60 80 100 120 140 12/8/12 2:00 12/8/12 7:00 12/8/12 12:00 12/8/12 17:00 12/8/12 22:00 13/8/12 3:00 13/8/12 8:00 13/8/12 19:00 14/8/12 1:00 14/8/12 6:00 14/8/12 11:00 14/8/12 16:00 14/8/12 21:00 15/8/12 2:00 15/8/12 7:00 15/8/12 12:00 15/8/12 17:00 15/8/12 22:00 16/8/12 5:00 16/8/12 12:00 16/8/12 17:00 16/8/12 22:00 17/8/12 3:00 17/8/12 8:00 17/8/12 13:00 17/8/12 18:00 17/8/12 23:00 18/8/12 8:00 18/8/12 15:00 18/8/12 20:00 Concentração (µg/m3) Dia NO (µg/m3) FSC Previsão NO 85 Figura 54 - Gráfico da previsão das concentrações do NO, para a estação de S-LO na semana 33 de 2012. Em termos de previsões as Figuras 53 e 54 não diferem muito, contudo é possível observar que a previsão do NO em FSC é mais próxima da realidade, do que em S-LO. A diferença entre os níveis de concentrações entre os dois gráficos, deve-se ao tipo de influência a que as estações de monitorização estão sujeitas. Sendo que as concentrações registadas e previstas em FSC são muito superiores às de S-LO, uma vez que a primeira estação é de influência tráfego enquanto a segunda é de influência de fundo. Na Tabela 15, encontram-se todos os erros MAPES obtidos durante a fase de testes para o poluente NO, para duas estações de monitorização em estudo. Sendo possível observar os MAPES das previsões individuais e o melhor resultado MAPE individual obtido de entre todos os modelos. Tabela 15 - Erros MAPE para a previsão de NO, na estação de FSC e S-LO. NO - T2 (FSC) NO - T7 (S-LO) Modelo Variáveis MAPE % Modelo Variáveis MAPE % M 1 Todas 54,67% M 1 Todas 83,03% M2 Todas exceto V1 67,75% M2 Todas exceto V1 84,81% M3 Todas exceto V2 53,87% M3 Todas exceto V2 79,49% M 4 Todas exceto V3 58,18% M 4 Todas exceto V3 84,69% M 5 Todas exceto V4 60,28% M 5 Todas exceto V4 78,29% M 6 Todas exceto V5 53,66% M 6 Todas exceto V5 83,65% M 7 Todas exceto V6 54,99% M 7 Todas exceto V6 91,71% M 8 Todas exceto V7 56,17% M 8 Todas exceto V7 83,83% M 9 Todas exceto V8 53,85% M 9 Todas exceto V8 83,35% M 10 V1, V3, V4 57,13% M 10 V1, V3, V7 77,50% M11 V1, V3, V4, V7 54,76% M11 V1, V3, V5, V7 82,63% 0 5 10 15 20 25 30 35 40 12/8/12 2:00 12/8/12 7:00 12/8/12 12:00 12/8/12 17:00 12/8/12 22:00 13/8/12 3:00 13/8/12 8:00 13/8/12 19:00 14/8/12 1:00 14/8/12 6:00 14/8/12 11:00 14/8/12 16:00 14/8/12 21:00 15/8/12 2:00 15/8/12 7:00 15/8/12 12:00 15/8/12 17:00 15/8/12 22:00 16/8/12 5:00 16/8/12 12:00 16/8/12 17:00 16/8/12 22:00 17/8/12 3:00 17/8/12 8:00 17/8/12 13:00 17/8/12 18:00 17/8/12 23:00 18/8/12 8:00 18/8/12 15:00 18/8/12 20:00 Concentração (µg/m3) Dia NO (µg/m3) S-LO Previsão NO 86 M12 Todas exceto V2 e V8 53,31% M 12 Todas exceto V2 e V4 77,15% M13 Todas exceto V2, V5, V8 53,33% M 13 Todas exceto V2, V4, V8 76,41% M14 Todas exceto V2, V5, V6,V8 55,59% M 14 Todas exceto V2, V4, V5, V8 75,76% M 15 Todas exceto V2 e V8, D-1 84,54% M 15 Todas exceto V2, V4, V5, V8 + D1 73,58% Legenda: O poluente em estudo é o NO (T2), na estação de Francisco Sá Carneiro (FSC). E NO (T7), na estação de Sobreiras-Lordelo do Ouro (S-LO). As variáveis foram classificadas como V1-hora, V2dia da semana, V3-Velocidade do vento, V4direção do vento, V5-radiação, V6-temperatura, V7-nuvens e V8-pluviosidade. No que diz respeito aos resultados obtidos para a previsão do NO é de realçar que estes encontram-se com valores muito altos, em ambas as estações de monitorização, não sendo possível prever com confiança o comportamento do poluente. Em relação à previsão do NO observou-se que tal como no poluente anterior, a técnica e estratégia na organização metodológica apresentou bons resultados. No caso da estação de FSC os modelos com menor erro MAPE foram o Modelo 12 (53,31%) e Modelo 13 (53,33%), sendo que a diferença entre os dois não é significativa (em relação à incerteza dos modelos, 3%). Nos dois modelos entraram todas as variáveis na rede neuronal, exceto a variável dia da semana e pluviosidade no Modelo 12, e as variáveis dia da semana, radiação e pluviosidade no Modelo 13, que aparentemente não têm influência sobre a previsão do NO. Em relação à estação de S-LO os melhores modelos são o Modelo 15 (73,58%) e o Modelo 14 (75,76%). Nos dois modelos entraram todas as variáveis exceto o dia da semana, a direção do vento, a radiação e a pluviosidade, sendo que no Modelo 15 foi adicionada a variável D-1. É importante analisar o resultado do Modelo 7, cujo erro MAPE aumentou bastante em comparação com os restantes modelos (91,71%), quando foi retirada a variável temperatura. Apesar de se tratar de uma variável baseada em previsões meteorológicas (que podem acrescentar alguma imprevisibilidade ao modelo), este comportamento dá uma indicação da importância desta variável na previsão do NO. Através destes resultados é possível afirmar que as variáveis que melhor explicam o comportamento do NO em S-LO são a hora, a velocidade do vento e a temperatura. 87 6.6.3 Previsão do NO2 Os modelos apresentados nesta secção têm como objetivo a previsão das concentrações do NO2 para o dia D, assim como o estudo da influência das várias variáveis na construção dos modelos. Com a finalidade de estudar as influência das variáveis no comportamento do NO2, foi adotada uma metodologia de iniciar a testar os modelos com o conjunto de todas as variáveis disponíveis e de progressivamente, retirar uma variável de cada vez. Através da análise dos resultados dos erros MAPE obtidos, combinaram-se as variáveis que apresentavam melhores resultados nos últimos modelos construídos. Na Figura 55 apresentam-se os resultados das previsões do NO2 na estação de Francisco Sá Carneiro (FSC), para a semana 43 do ano de 2012. Enquanto na Figura 56 são apresentados os resultados da previsão do NO2 na estação de Sobreiras – Lordelo do Ouro (S-LO), para a mesma semana (consultar Anexo IV). Figura 55 - Gráfico da previsão das concentrações do NO2, para a estação de FSC na semana 43 de 2012. 0 20 40 60 80 100 120 140 160 21/10/12 0:00 21/10/12 4:00 21/10/12 8:00 21/10/12 18:00 21/10/12 22:00 22/10/12 7:00 22/10/12 11:00 22/10/12 15:00 22/10/12 19:00 22/10/12 23:00 23/10/12 3:00 23/10/12 7:00 23/10/12 11:00 23/10/12 15:00 23/10/12 19:00 23/10/12 23:00 24/10/12 5:00 24/10/12 9:00 24/10/12 13:00 24/10/12 17:00 24/10/12 21:00 25/10/12 3:00 25/10/12 7:00 25/10/12 11:00 25/10/12 15:00 25/10/12 19:00 25/10/12 23:00 26/10/12 3:00 26/10/12 7:00 26/10/12 11:00 26/10/12 15:00 Concentração (µg/m3) Dia NO2 (µg/m3) FSC Previsão NO2 88 Figura 56 - Gráfico da previsão das concentrações do NO2, para a estação de S-LO na semana 43 de 2012. Relativamente às previsões apresentadas nas Figuras 55 e 56, verifica-se que a utilização dos modelos de previsão presentes em ambos os gráficos efetuam uma previsão que acompanha aproximadamente os valores das concentrações reais do NO2. Sendo possível observar que a previsão do NO2 em FSC é mais precisa, do que em SLO. Na Tabela 16, são apresentados todos os erros MAPES obtidos durante a fase de testes para o poluente NO2, para duas estações de monitorização em estudo. Sendo possível observar os MAPES das previsões individuais e o melhor resultado MAPE individual obtido de entre todos os modelos. Tabela 16 - Erros MAPE para a previsão de NO2, na estação de FSC e S-LO. 0 10 20 30 40 50 60 70 80 90 100 21/10/12 0:00 21/10/12 4:00 21/10/12 8:00 21/10/12 18:00 21/10/12 22:00 22/10/12 7:00 22/10/12 11:00 22/10/12 15:00 22/10/12 19:00 22/10/12 23:00 23/10/12 3:00 23/10/12 7:00 23/10/12 11:00 23/10/12 15:00 23/10/12 19:00 23/10/12 23:00 24/10/12 5:00 24/10/12 9:00 24/10/12 13:00 24/10/12 17:00 24/10/12 21:00 25/10/12 3:00 25/10/12 7:00 25/10/12 11:00 25/10/12 15:00 25/10/12 19:00 25/10/12 23:00 26/10/12 3:00 26/10/12 7:00 26/10/12 11:00 26/10/12 15:00 Concentração (µg/m3) Dia NO2 (µg/m3) S-LO Previsão NO2 NO2 - T3 (FSC) NO2 - T8 (S-LO) Modelo Variáveis MAPE % Modelo Variáveis MAPE % M 1 Todas 34,06% M 1 Todas 40,04% M2 Todas exceto V1 43,06% M2 Todas exceto V1 42,40% M3 Todas exceto V2 34,10% M3 Todas exceto V2 38,53% M 4 Todas exceto V3 37,31% M 4 Todas exceto V3 42,86% M 5 Todas exceto V4 37,75% M 5 Todas exceto V4 45,79% M 6 Todas exceto V5 34,30% M 6 Todas exceto V5 40,00% M 7 Todas exceto V6 35,66% M 7 Todas exceto V6 42,43% M 8 Todas exceto V7 33,97% M 8 Todas exceto V7 39,92% M 9 Todas exceto V8 33,43% M 9 Todas exceto V8 39,94% 89 Legenda: O poluente em estudo é o NO2 (T3), na estação de Francisco Sá Carneiro (FSC). E NO3 (T8), na estação de Sobreiras-Lordelo do Ouro (S-LO). As variáveis foram classificadas como V1-hora, V2dia da semana, V3-Velocidade do vento, V4direção do vento, V5-radiação, V6-temperatura, V7-nuvens e V8-pluviosidade. Em relação aos resultados MAPE obtidos para a previsão do NO2 estes encontram-se ligeiramente altos, em ambas as estações de monitorização, sendo um pouco mais altos na estação S-LO. Na construção dos modelos de previsão do NO2 foi aplicada a mesma técnica de metodologia. No caso da estação de FSC os modelos com menor erro MAPE foram o Modelo 8 (33,97%) e Modelo 9 (33,43%), sendo que a diferença entre os dois não é significativa. Em ambos os modelos entraram todas as variáveis na rede neuronal, exceto a variável nuvens no Modelo 8 e pluviosidade no Modelo 9, que pelos resultados obtidos não têm influência sobre a previsão do NO. Em relação à estação de S-LO os melhores modelos são o Modelo 3 (38,53%) e o Modelo 11 (38,77%). Em ambos os modelos entraram todas as variáveis exceto o dia da semana no Modelo 3, e as variáveis dia da semana e nuvens no Modelo 11. Através destes resultados é possível afirmar que na estação de FSC as variáveis nuvens e pluviosidade não têm influência na previsão do NO, enquanto que na estação de S-LO o dia da semana e as nuvens são as variáveis com menor influência para a previsão. 6.6.4 Previsão do NOx Esta secção tem como finalidade apresentar os resultados da previsão das concentrações do NOx para o dia D, bem como o estudo da influência das diferentes variáveis na construção dos modelos de previsão. M 10 V1, V3, V4, V6 36,06% M 10 V1, V3,V4,V6 39,90% M 11 V1, V3, V4 37,04% M 11 Todas exceto V2 e V7 38,77% M 12 V2,V5,V7,V8 47,82% M 12 Todas exceto V2, V7, V8 39,94% M 13 V1, V4 39,70% M 13 Todas exceto V2, V5, V7, V8 39,49% M 14 Todas exceto V7 e V8 34,10% M 14 Todas exceto V2 + D-1 59,52% M 15 Todas exceto V2, V7, V8 34,62% M 16 Todas exceto V2, V5, V7, V8 35,56% M 17 Todas exceto V8, D-1 53,50% 96 Legenda: O poluente em estudo é o PM2,5 (T6), na estação de Sobreiras-Lordelo do Ouro (S-LO). As variáveis foram classificadas como V1-hora, V2dia da semana, V3-Velocidade do vento, V4direção do vento, V5-radiação, V6-temperatura, V7-nuvens e V8-pluviosidade. Em relação aos resultados MAPE obtidos para a previsão das PM2,5 estes são extremamente altos, não sendo possível encontrar um modelo que consiga prever as concentrações das PM2,5 com um mínimo de segurança. O modelo que apresentou um menor erro MAPE foi o Modelo 14 (102,30%), em que ao conjunto de todas as variáveis foram retiradas as variáveis dia da semana e direção do vento. A razão destes resultados pode estar diretamente relacionada com a natureza instável das partículas e qualidade dos dados de entrada na rede neuronal. Pode ainda estar relacionado com a seleção das variáveis em estudo ou mesmo com o método de previsão aplicado. 6.6.7 Previsão do O3 O objetivo dos modelos apresentados nesta secção são a previsão das concentrações do O3 para o dia D, assim como o estudo da influência das várias variáveis para a construção deste modelo de previsão. A metodologia utilizada na construção dos modelos de previsão do ozono foi a mesma aplicada nos outros poluentes. Os modelos foram testados inicialmente com a totalidade das variáveis disponíveis e posteriormente, foram retiradas uma variável de cada vez e analisar os resultados do MAPE obtido. Na Figura 62 apresentam-se os resultados da previsão do O3 para a semana 33 do ano de 2012, na estação de Sobreiras–Lordelo do Ouro (consultar Anexo VIII). M 6 Todas exceto V5 107,86% M 7 Todas exceto V6 107,54% M 8 Todas exceto V7 107,24% M 9 Todas exceto V8 107,17% M 10 V1,V3, V5 103,72% M11 V1,V3, V5, V6 103,09% M12 V1, V3 105,80% M 14 Todas exceto V2 e V4 102,30% M 15 Todas exceto V2, V4, V8 102,34% M 16 Todas exceto V2, V4,V7, V8 102,71% M 17 Todas exceto V2 e V4 + D-1 118,64% 97 Figura 62 - Gráfico da previsão das concentrações do O3, para a estação de S-LO na semana 33 de 2012. Relativamente à previsão apresentada na Figura 62, esta consegue acompanhar minimamente as oscilações reais registadas do ozono, não sendo muito precisa. Na Tabela 20, encontram-se os erros MAPES obtidos na construção dos modelos de previsão para o O3, para a estação de Sobreiras-Lordelo do Ouro. Sendo possível observar os MAPES das previsões individuais e o melhor resultado MAPE individual obtido de entre todos os modelos. Tabela 20 - Erros MAPE para a previsão do O3, na estação de S-LO. Poluente T11 Modelo Variáveis MAPE % O3 (S LO) M 1 Todas 37,50% M2 Todas exceto V1 36,90% M3 Todas exceto V2 35,48% M 4 Todas exceto V3 37,11% M 5 Todas exceto V4 37,16% M 6 Todas exceto V5 38,53% M 7 Todas exceto V6 40,21% M 8 Todas exceto V7 37,74% M 9 Todas exceto V8 36,67% M 10 V5, V6,V7 37,41% M 11 Todas exceto V2, V8 36,61% M 12 Todas exceto V2, V7, V8 36,46% M 13 Todas exceto V1, V2, V7, V8 35,78% M 14 Todas exceto V2 + D-1 41,63% Legenda: O poluente em estudo é o O3 (T11), na estação de Sobreiras-Lordelo do Ouro (S-LO). As variáveis foram classificadas como V1-hora, V2dia da semana, V3-Velocidade do vento, V4direção do vento, V5-radiação, V6-temperatura, V7-nuvens e V8-pluviosidade. 0 20 40 60 80 100 120 12/8/12 2:00 12/8/12 7:00 12/8/12 12:00 12/8/12 17:00 12/8/12 22:00 13/8/12 3:00 13/8/12 8:00 13/8/12 19:00 14/8/12 1:00 14/8/12 6:00 14/8/12 11:00 14/8/12 16:00 14/8/12 21:00 15/8/12 2:00 15/8/12 7:00 15/8/12 12:00 15/8/12 17:00 15/8/12 22:00 16/8/12 5:00 16/8/12 12:00 16/8/12 17:00 16/8/12 22:00 17/8/12 3:00 17/8/12 8:00 17/8/12 13:00 17/8/12 18:00 17/8/12 23:00 18/8/12 8:00 18/8/12 15:00 18/8/12 20:00 Concentração (µg/m3) Dia O3(µg/m3) S-LO Previsão o3 98 Em relação aos resultados MAPE obtidos para a previsão do O3 estes encontram-se ligeiramente altos, na estação S-LO. Na construção dos modelos de previsão do O3 foi aplicada a mesma técnica de metodologia adotada nos outros poluentes. Relativamente ao O3 os modelos com menor erro MAPE foram o Modelo 3 (35,48%) e Modelo 13 (35,78%), sendo que a diferença entre os dois não é significativa. Em ambos os modelos entraram todas as variáveis na rede neuronal, exceto a variável dia da semana no Modelo 3 e as variáveis hora, dia da semana, nuvens e pluviosidade no Modelo 13. 6.7 Comparação dos Resultados dos Modelos Neste subcapítulo pretende-se comparar as diferentes desempenhos dos modelos construídos, através da análise da evolução dos erros MAPE obtidos, para o período em estudo. O objetivo principal deste capítulo consistia na criação de modelos de previsão para os sete poluentes em estudo (CO, NO, NO2, NOx, PM10, PM2,5 e O3), e estudar a influência das várias variáveis no comportamento destes mesmos poluentes. Partindo da premissa que a própria natureza química dos sete poluentes difere entre si, e de que consequentemente, reagem de forma diferente à influência das variáveis de carácter meteorológico, é lógico concluir que teremos resultados diferentes no estudo de cada um dos poluentes químicos. Os resultados obtidos em relação ao monóxido de carbono (CO), apresentam erros MAPE ligeiramente altos, e os resultados sugerem que a variável menos influente no comportamento do CO é o dia da semana (Modelo 3, do poluente T1). Relativamente aos poluentes NO, NO2, NOx , faz sentido analisar os resultados destes três poluentes, devido à sua natureza química. Em relação ao NO as variáveis como menor influência são dia da semana, pluviosidade e radiação nas duas estações de monitorização, sendo que na estação de S-LO a variável direção do vento também foi identificada. No caso do NO2 as variáveis com menor influência são dia da semana, nuvens e pluviosidade. E para o NOx as variáveis dia da semana, radiação, temperatura 99 e nuvens, foram as que não conseguem prever o comportamento do poluente com tanta eficácia como as restantes variáveis. Em forma de conclusão, é unânime que a variável dia da semana não consegue prever o comportamento dos três poluentes, a variável pluviosidade não explica o comportamento do NO e NO2, assim como a variável nuvens para o NO2, NOx. Em relação às partículas, tanto as PM10 como as PM2,5, apresentam resultados de erros MAPE muito elevados, sendo que no caso das PM2,5 não é possível prever o comportamento deste poluente. Para as PM10 as variáveis que apresentam uma menor influência sobre a previsão do seu comportamento são o dia da semana, a direção do vento e a pluviosidade, nas duas estações de monitorização. Os resultados das PM2,5 indicam que as variáveis com menor influência são dia da semana e direção do vento, contudo os valores elevados dos erros não permitem atribuir confiança a estes resultados. A razão pela qual os resultados dos erros verificados para as PM2,5 serem tão altos, pode ser atribuída à escolha das variáveis de input ou ao próprio método de previsão escolhido. Existe um estudo cujo objetivo é melhorar a previsão da qualidade do ar, relativa às PM2,5, realizado em Kentucky (EUA), um modelo de previsão das PM2,5 projetado para uso apenas nas estações quentes, de Maio a Setembro, quando os valores de PM2,5 são mais críticos. Este modelo das PM2,5 consiste num modelo de regressão não linear, desenvolvido para utilização com um sistema automatizado de previsão da qualidade do ar, com um parâmetro adicional com base na concentração PM2,5, chamado PM24. O parâmetro PM24 é projetado para ser determinado manualmente, podendo ser utilizado por especialistas de qualidade do ar para ajustar a previsão fornecida pelo sistema de previsão automatizado. Os modelos que incorporam as concentrações do parâmetro PM24 apresentaram uma menor média de erros absolutos e maiores taxas de deteção de concentrações de PM2,5 em relação aos outros modelos (Cobourn, 2010). Outros estudos afirmam ainda que ao aplicar o Kalman Filter Predictor 8 , esta técnica melhora a previsão das PM2,5, reduzindo erros e aumentando o coeficiente de correlação (Kang et al., 2010). 8 Esta técnica consiste na aplicação de um algoritmo projetado para estimar termos ajustados, utilizando informação disponível de registos e previsões anteriores. 100 Relativamente ao O3, os resultados indicam que as variáveis com menor influência sobre o poluente são a hora, dia da semana, nuvens e pluviosidade. 101 Capítulo 7 Considerações Finais Segundo a afirmação do diretor executivo da EEA, Hans Bruynincks (2013), “a poluição atmosférica está a causar danos na saúde humana e nos ecossistemas. De acordo com a legislação em vigor, grandes grupos populacionais não vivem em ambientes saudáveis. De forma a atingir um percurso sustentável, a Europa terá que ser ambiciosa e agir além da legislação atual” (EEA, 2013b). O comissário do ambiente, Janez Potočnik, acrescentou ainda: "A qualidade do ar é uma preocupação fulcral para muitas pessoas. Pesquisas mostram que a uma grande parte dos cidadãos entendem bem o impacto da qualidade do ar na saúde e estão a pedir às autoridades públicas que tomem medidas a nível comunitário, nacional e local, mesmo em tempos de austeridade e dificuldades" (EEA, 2013b). O principal objetivo desta investigação passava pela criação de modelos de previsão de indicadores de qualidade do ar, para a cidade do Porto. Esta previsão tem como finalidade identificar períodos de fraca qualidade do ar, de modo a possibilitar o auxílio das entidades responsáveis a tomar as necessárias medidas de prevenção. Outro dos objetivos desta dissertação correspondia ao estudo das variáveis que melhor explicam o comportamento de cada um dos poluentes atmosféricos. Sendo possível a previsão dos indicadores de qualidade do ar, isto é, das concentrações de determinado poluente, no meio em que este é verificado. Os modelos propostos resultam do cruzamento das variáveis meteorológicas (direção e velocidade do vento, temperatura, radiação, índice de nuvens e pluviosidade), e do histórico de emissões registadas em duas estações de monitorização situadas na cidade do Porto para os poluentes CO, NO, NO2, NOx, PM10, PM2,5, e O3. Inerente ao processo de construção dos modelos, existe sempre um erro de previsão associado a causas e 102 fatores independentes dos inputs dos modelos, e que podem ocorrer com mais ou menos frequência em diferentes horas do dia, da semana e mesmo do mês. Uma vez que esta investigação estuda o comportamento de poluentes com naturezas químicas diferentes, consequentemente, obteve resultados diferentes no que diz respeito às variáveis com mais influência sobre o comportamento dos poluentes. Relativamente aos poluentes em estudo, concluiu-se que:  CO: Os resultados sugerem que a variável com menos influência no comportamento do CO é a variável dia da semana (Modelo 3, do poluente T1). Sendo que os erros MAPE resultantes são ligeiramente altos.  NO: Os resultados indicam que as variáveis como menor influência são o dia da semana, a pluviosidade e a radiação nas duas estações de monitorização, sendo que na estação de Sobreiras-Lordelo do Ouro a variável direção do vento também foi identificada.  NO2: Os resultados constatam que as variáveis como menor influência são o dia da semana, o índice de nuvens e a pluviosidade.  NOx: Os resultados sugerem que as variáveis dia da semana, radiação, temperatura e índice de nuvens, não conseguem prever o comportamento do poluente com tanta eficácia como as restantes variáveis.  PM10: Os resultados indicam que as variáveis com menor influência no comportamento correspondem ao dia da semana, à direção do vento e à pluviosidade. Tendo sido verificados erros MAPE elevados.  PM2,5: Os resultados sugerem que as variáveis como menor influência são o dia da semana e a direção do vento, contudo foram verificados valores muito elevados dos erros MAPE, que não permitem atribuir confiança a estes resultados.  O3: Os resultados indicam que as variáveis como menor influência sobre o poluente são a variável hora, dia da semana, índice de nuvens e pluviosidade. Sendo que as variáveis direção e velocidade do vento, radiação e temperatura preveem melhor o comportamento do ozono. 103 7.1 Trabalhos Futuros Esta investigação apresenta um estudo inovador de desenvolvimento de modelos de previsão de qualidade do ar, em que nesta fase, surge um conjunto de ideias que merecem alguma ponderação. Os desenvolvimentos futuros sugeridos pela autora, para continuação deste estudo são:  Integração de outro tipo de variáveis, que não estavam disponíveis durante a realização desta investigação, tais como variáveis de topografia e ordenamento do território.  Aumentar o conjunto de dados históricos de emissões, alargando o intervalo de tempo em estudo.  Inclusão de mais estações de Rede de Monitorização de Qualidade do Ar. 104 Capítulo 8 Bibliografia AEA. (2013). O ar que respiramos, Melhorar a qualidade do ar na Europa. (pp. 39): Agência Europeia do Ambiente. APA. (2008). Evolução da qualidade do ar em Portugal entre 2001 e 2005. (pp. 100). Amadora: Agência Portuguesa do Ambiente APA. (2013). Base de Dados Online sobre Qualidade do Ar (QualAr) Obtido em 25-11-2013,de Agência Portuguesa do Ambiente http://www.qualar.org/ Arbage, M., Degrazia, G., e Moraes, O. (2006). Simulação euleriana da dispersão local da pluma de poluente atmosférico de candiota. Revista Brasileira de Meteorologia, 21(2), 153-160. Borrego, C., Monteiro, A., Pay, M. T., Ribeiro, I., Miranda, A. I., Basart, S., e Baldasano, J. M. (2011). How bias-correction can improve air quality forecasts over Portugal. Atmospheric Environment, 45, 6629-6641. CCDRN. (2012). Relatório de Análise Estatística dos Dados de Qualidade do Ar, da Região Norte, em 2011 (pp. 105): Comissão de Coordenação e Desenvolvimento Regional do Norte. CCDRN. (2013). Planos de Qualidade do Ar. Obtido em 25-11-2013,de Comissão de Coordenação e Desenvolvimento Regional do Norte http://www.ccdrn.pt/pt/ambiente/qual-ar-emissoes-atmosfericas/ CE. (2014, 03/06/2014). National Emission Ceilings. Obtido em 30/06/2014,de Comissão Europeia http://ec.europa.eu/environment/air/pollutants/ceilings.htm Cobourn, W. G. (2010). An enhanced PM2.5 air quality forecast model based on nonlinear regression and back-trajectory concentrations. Atmospheric Environment, 44(25), 3015– 3023. doi: 10.1016/j.atmosenv.2010.05.009 Correia, A. (2012). Avaliação de desempenho de modelos de qualidade do ar. (Mestre em Engenharia do Ambiente), Universidade de Aveiro Costa, A. (2003). Avaliação da Qualidade do Ar ao Nível Local: Contributo para o desenvolvimento urbano sustentável. (Mestre em Poluição Atmosférica), Universidade de Aveiro. EEA. (1998). Assessment and Management of Urban Air Quality in Europe EEA Monograph (Vol. 5): European Environment Agency. 105 EEA. (2013a). Air Polluction Fact Sheet 2013: Portugal. In E. E. A. EEA (Ed.), (pp. 22). Copenhagen : Publications Office of the European Union: European Environment Agency. EEA. (2013b). Air pollution still harming health across Europe. Obtido em 18-10-2014,de European Environment Agency http://www.eea.europa.eu/media/newsreleases/airpollution-still-causing-harm EEA. (2013c). Air Quality in Europe - 2013 report (Vol. 9, pp. 112). Copenhagen : Publications Office of the European Union: European Environment Agency. EEA. (2013d). Environmental Terminology and Discovery Service (ETDS). Obtido em 04-112013, 2013,de European Environment Agency EEA. (2013e). Poluição atmosférica. Obtido em 25-10-2013,de European Environment Agency http://www.eea.europa.eu/pt/themes/air/intro EEA. (2014). NEC Directive status report 2013 (pp. 50). Luxembourg: Publications Office of the European Union: European Environment Agency. Europeia, U. (2014). Gestão e qualidade do ar ambiente. Sínteses da legislação da UE. Obtido em 04/02/2014http://europa.eu/legislation_summaries/other/l28031a_pt.htm FCT/UNL, I. (2007). PTEN 2006: Programa para os Tectos de Emissão Nacionais (pp. 202). Amadora: Instituto do Ambiente & Departamento de Ciências e Engenharia do Ambiente FCT/UNL. GEMAC. (2014). Índice de Qualidade do Ar. Obtido em 01-04-2014,de Universidade de Aveiro http://adamastor.dao.ua.pt/nova_previsao/iqa_info.html Ghazali, S. I., L. H. (2012). Air quality prediction using artificial neural network. Paper presented at the The International Conference on Civil and Environmental Engineering Sustainability, Malaysia. IAP. (2013). Fontes de poluição atmosférica. Obtido em 04-11-2013,de Instituto Ambiental do Paraná http://www.iap.pr.gov.br/modules/conteudo/conteudo.php?conteudo=130 IARC. (2013). IARC: Outdoor air pollution a leading environmental cause of cancer deaths [Press release]. Retrieved from http://www.iarc.fr/en/mediacentre/iarcnews/pdf/pr221_E.pdf IM, e AEmet. (2011). Atlas Climatérico Ibérico: Instituto de Meteorologia; Agência Estatal de Meteorologia de Espanha INE. (2014). Censos 2011, Resultados Definitivos. Obtido em 15-09-2014,de Instituto Nacional de Estatística http://www.ine.pt/scripts/flex_definitivos/Main.html INERIS, Laplace, I. P.-S., e LISA. (2013). Documentation of the chemistry-transport model CHIMERE: INERIS, Institut Pierre-Simon Laplace, LISA. IPMA. (2013). Enciclopedia ipma.pt. Obtido em 25-11-2013,de Instituto Português do Mar e da Atmosfera http://www.ipma.pt/pt/enciclopedia/ Kang, D., Mathur, R., e Rao, T. (2010). Assessment of bias-adjusted PM2.5 air quality forecasts over the continental United States during 2007. Geoscientific Model Development, 3, 309–320. V 0 200 400 600 800 1000 1200 1400 1600 28-1-13 0:00 28-1-13 2:00 28-1-13 4:00 28-1-13 6:00 28-1-13 8:00 28-1-13 10:00 28-1-13 12:00 28-1-13 14:00 28-1-13 16:00 28-1-13 18:00 28-1-13 20:00 28-1-13 22:00 29-1-13 0:00 29-1-13 2:00 29-1-13 4:00 29-1-13 6:00 29-1-13 8:00 29-1-13 10:00 29-1-13 12:00 29-1-13 14:00 29-1-13 16:00 29-1-13 18:00 29-1-13 20:00 29-1-13 22:00 30-1-13 0:00 30-1-13 2:00 30-1-13 4:00 30-1-13 6:00 30-1-13 8:00 30-1-13 10:00 30-1-13 12:00 30-1-13 14:00 30-1-13 16:00 30-1-13 18:00 30-1-13 20:00 30-1-13 22:00 31-1-13 0:00 31-1-13 2:00 31-1-13 4:00 31-1-13 6:00 31-1-13 8:00 31-1-13 10:00 31-1-13 12:00 31-1-13 14:00 31-1-13 16:00 31-1-13 18:00 31-1-13 20:00 31-1-13 22:00 Concentração CO (µg/m3) Dia CO Real CO Previsão 0 100 200 300 400 500 600 700 800 900 1000 Concentração CO (µg/m3) Dia CO Real CO Previsão 0 100 200 300 400 500 600 700 800 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração CO (µg/m3) Dia CO Real CO Previsão 0 200 400 600 800 1000 1200 1400 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração CO (µg/m3) Dia CO Real CO Previsão Anexo II – Resultados da Previsão do CO As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 3 (do poluente CO) e as concentrações reis para várias semanas do ano. Figura 1 – Semana 5, de Janeiro de 2013. Figura 2 – Semana 18, de Abril de 2014. Figura 3 – Semana 23, de Junho de 2012 Figura 4 – Semana 43, de Outubro de 2012 VI 0 20 40 60 80 100 120 140 160 180 200 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia NO (µg/m3) FSC Previsão NO 0 20 40 60 80 100 120 140 160 180 200 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia NO (µg/m3) FSC Previsão NO 0 20 40 60 80 100 120 140 160 180 200 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia NO (µg/m3) FSC Previsão NO 0 20 40 60 80 100 120 140 160 180 200 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia NO (µg/m3) FSC Previsão NO Anexo III – Resultados da Previsão do NO As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 12 em FSC e modelo15 para S-LO, e as concentrações reis para várias semanas do ano. Figura 5 – Semana 5, de Janeiro de 2013 (em FSC). Figura 6 – Semana 23, de Junho de 2012 (em FSC). Figura 7 – Semana 33, de Agosto de 2012 (em FSC). VII 0 5 10 15 20 25 30 35 40 45 50 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia NO (µg/m3) S-LO Previsão NO 0 5 10 15 20 25 30 35 40 45 50 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia NO (µg/m3) S-LO Previsão NO 0 5 10 15 20 25 30 35 40 45 50 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia NO (µg/m3) S-LO Previsão NO 0 5 10 15 20 25 30 35 40 45 50 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia NO (µg/m3) S-LO Previsão NO Figura 8 – Semana43, de Outubro de 2012 (em FSC). Figura 9 – Semana 5, de Janeiro de 2013 (em S-LO). Figura 10 – Semana 23, de Junho de 2012 (em S-LO). Figura 11 – Semana 33, de Agosto de 2012 (em S-LO). Figura 12 – Semana 43, de Outubro de 2012 (em S-LO). VIII 0 20 40 60 80 100 120 140 160 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia NO2 (µg/m3) FSC Previsão NO2 0 20 40 60 80 100 120 140 160 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia NO2 (µg/m3) FSC Previsão NO2 0 20 40 60 80 100 120 140 160 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia NO2 (µg/m3) FSC Previsão NO2 0 20 40 60 80 100 120 140 160 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia NO2 (µg/m3) FSC Previsão NO2 Anexo IV – Resultados da Previsão do NO2 As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 8 em FSC e modelo 3 para S-LO, e as concentrações reis para várias semanas do ano. Figura 13 – Semana 5, de Janeiro de 2013 (em FSC). Figura 14 – Semana 23, de Junho de 2012 (em FSC). Figura 15 – Semana 33, de Agosto de 2012 (em FSC). Figura 16 – Semana 43, de Outubro de 2012 (em FSC). IX 0 10 20 30 40 50 60 70 80 90 100 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia NO2 (µg/m3) S-LO Previsão NO2 0 10 20 30 40 50 60 70 80 90 100 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia NO2 (µg/m3) S-LO Previsão NO2 0 10 20 30 40 50 60 70 80 90 100 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia NO2 (µg/m3) S-LO Previsão NO2 Figura 17 - Semana 5, de Janeiro de 2013 (em S-LO). Figura 18 – Semana 23, de Junho de 2012 (em S-LO). Figura 19 – Semana 33, de Agosto de 2012 (em S-LO). Figura 20 – Semana 43, de Outubro de 2012 (em S-LO). 0 10 20 30 40 50 60 70 80 90 100 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia NO2 (µg/m3) S-LO Previsão NO2 X 0 50 100 150 200 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia Nox (µg/m3) FSC Previsão NOx 0 50 100 150 200 250 300 350 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia Nox (µg/m3) FSC Previsão NOx 0 50 100 150 200 250 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia Nox (µg/m3) FSC Previsão NOx 0 50 100 150 200 250 300 350 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia Nox (µg/m3) FSC Previsão NOx Anexo V – Resultados da Previsão do NOx As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 6 em FSC e modelo 12 para S-LO, e as concentrações reis para várias semanas do ano. Figura 21 – Semana 5, de Janeiro de 2013 (em FSC). Figura 22 – Semana 23, de Junho de 2012 (em FSC). Figura 23 – Semana 33, de Agosto de 2012 (em FSC). Figura 24 – Semana 43, de Outubro de 2012 (em FSC). XI 0 20 40 60 80 100 120 140 160 180 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia Nox (µg/m3) S-LO Previsão NOx 0 20 40 60 80 100 120 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia Nox (µg/m3) S-LO Previsão NOx 0 20 40 60 80 100 120 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia Nox (µg/m3) S-LO Previsão NOx 0 20 40 60 80 100 120 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia Nox (µg/m3) S-LO Previsão NOx Figura 25 – Semana 5, de Janeiro de 2013 (em S-LO). Figura 26 – Semana 23, de Junho de 2012 (em S-LO). Figura 27 – Semana 33, de Agosto de 2012 (em S-LO). Figura 28 – Semana 43, de Outrubro de 2012 (em S-LO). XII 0 10 20 30 40 50 60 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia PM10 (µg/m3) FSC Previsão PM10 0 10 20 30 40 50 60 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia PM10 (µg/m3) FSC Previsão PM10 0 10 20 30 40 50 60 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia PM10 (µg/m3) FSC Previsão PM10 Anexo VI – Resultados da Previsão das PM10 As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 14 em FSC e modelo 11 para S-LO, e as concentrações reis para várias semanas do ano. Figura 29 – Semana 5, de Janeiro de 2013 (em FSC). Figura 30 – Semana 23, de Junho de 2012 (em FSC). Figura 31 – Semana 33, de Agosto de 2012 (em FSC). Figura 32 – Semana 43, de Outubro de 2012 (em FSC). 0 10 20 30 40 50 60 70 80 90 100 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia PM10 (µg/m3) FSC Previsão PM10 XIII 0 10 20 30 40 50 60 70 80 90 100 31-12-12 23:00 28-1-13 2:00 28-1-13 5:00 28-1-13 8:00 28-1-13 11:00 28-1-13 14:00 28-1-13 17:00 28-1-13 20:00 28-1-13 23:00 29-1-13 2:00 29-1-13 5:00 29-1-13 8:00 29-1-13 11:00 29-1-13 14:00 29-1-13 17:00 29-1-13 20:00 29-1-13 23:00 30-1-13 2:00 30-1-13 5:00 30-1-13 8:00 30-1-13 11:00 30-1-13 14:00 30-1-13 17:00 30-1-13 20:00 30-1-13 23:00 31-1-13 2:00 31-1-13 5:00 31-1-13 8:00 31-1-13 11:00 31-1-13 14:00 31-1-13 17:00 31-1-13 20:00 31-1-13 23:00 1-2-13 2:00 1-2-13 5:00 1-2-13 8:00 1-2-13 11:00 1-2-13 14:00 1-2-13 17:00 1-2-13 20:00 1-2-13 23:00 2-2-13 2:00 2-2-13 5:00 2-2-13 8:00 2-2-13 11:00 2-2-13 14:00 2-2-13 17:00 2-2-13 20:00 Concentração (µg/m3) Dia PM10 (µg/m3) S-LO Previsão PM10 0 10 20 30 40 50 60 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia PM10 (µg/m3) S-LO Previsão PM10 0 10 20 30 40 50 60 9-6-12 23:00 12-8-12 4:00 12-8-12 7:00 12-8-12 10:00 12-8-12 13:00 12-8-12 16:00 12-8-12 19:00 12-8-12 22:00 13-8-12 1:00 13-8-12 4:00 13-8-12 7:00 13-8-12 10:00 13-8-12 19:00 13-8-12 22:00 14-8-12 2:00 14-8-12 5:00 14-8-12 8:00 14-8-12 11:00 14-8-12 14:00 14-8-12 17:00 14-8-12 20:00 14-8-12 23:00 15-8-12 2:00 15-8-12 5:00 15-8-12 8:00 15-8-12 11:00 15-8-12 14:00 15-8-12 17:00 15-8-12 20:00 15-8-12 23:00 16-8-12 4:00 16-8-12 7:00 16-8-12 12:00 16-8-12 15:00 16-8-12 18:00 16-8-12 21:00 17-8-12 0:00 17-8-12 3:00 17-8-12 6:00 17-8-12 9:00 17-8-12 12:00 17-8-12 15:00 17-8-12 18:00 17-8-12 21:00 18-8-12 4:00 18-8-12 7:00 18-8-12 10:00 18-8-12 15:00 18-8-12 18:00 18-8-12 21:00 Concentração (µg/m3) Dia PM10 (µg/m3) S-LO Previsão PM10 0 10 20 30 40 50 60 18-8-12 23:00 21-10-12 2:00 21-10-12 5:00 21-10-12 8:00 21-10-12 17:00 21-10-12 20:00 21-10-12 23:00 22-10-12 7:00 22-10-12 10:00 22-10-12 13:00 22-10-12 16:00 22-10-12 19:00 22-10-12 22:00 23-10-12 1:00 23-10-12 4:00 23-10-12 7:00 23-10-12 10:00 23-10-12 13:00 23-10-12 16:00 23-10-12 19:00 23-10-12 22:00 24-10-12 3:00 24-10-12 6:00 24-10-12 9:00 24-10-12 12:00 24-10-12 15:00 24-10-12 18:00 24-10-12 21:00 25-10-12 2:00 25-10-12 5:00 25-10-12 8:00 25-10-12 11:00 25-10-12 14:00 25-10-12 17:00 25-10-12 20:00 25-10-12 23:00 26-10-12 2:00 26-10-12 5:00 26-10-12 8:00 26-10-12 11:00 26-10-12 14:00 Concentração (µg/m3) Dia PM10 (µg/m3) S-LO Previsão PM10 Figura 33 – Semana 5, de Janeiro de 2013 (em S-LO). Figura 34 – Semana 23, de Junho de 2012 (em S-LO). Figura 35 – Semana 33, de Agosto de 2012 (em S-LO). Figura 36 – Semana 43, de Outubro de 2012 (em S-LO). XIV 0 1 2 3 4 5 6 7 8 9 10 28-1-13 0:00 28-1-13 3:00 28-1-13 6:00 28-1-13 9:00 28-1-13 12:00 28-1-13 15:00 28-1-13 18:00 28-1-13 21:00 29-1-13 0:00 29-1-13 3:00 29-1-13 6:00 29-1-13 9:00 29-1-13 12:00 29-1-13 15:00 29-1-13 18:00 29-1-13 21:00 30-1-13 0:00 30-1-13 3:00 30-1-13 6:00 30-1-13 9:00 30-1-13 12:00 30-1-13 15:00 30-1-13 18:00 30-1-13 21:00 31-1-13 0:00 31-1-13 3:00 31-1-13 6:00 31-1-13 9:00 31-1-13 12:00 31-1-13 15:00 31-1-13 18:00 31-1-13 21:00 1-2-13 0:00 1-2-13 3:00 1-2-13 6:00 1-2-13 9:00 1-2-13 12:00 1-2-13 15:00 1-2-13 18:00 1-2-13 21:00 2-2-13 0:00 2-2-13 3:00 2-2-13 6:00 2-2-13 9:00 2-2-13 12:00 2-2-13 15:00 2-2-13 18:00 2-2-13 21:00 Concentração (µg/m3) Dia PM25 (µg/m3) S-LO Previsão PM2,5 0 2 4 6 8 10 12 3-6-12 4:00 3-6-12 7:00 3-6-12 10:00 3-6-12 21:00 4-6-12 2:00 4-6-12 5:00 4-6-12 8:00 4-6-12 17:00 5-6-12 8:00 5-6-12 11:00 5-6-12 14:00 5-6-12 17:00 5-6-12 20:00 5-6-12 23:00 6-6-12 6:00 6-6-12 12:00 6-6-12 15:00 6-6-12 18:00 6-6-12 21:00 7-6-12 0:00 7-6-12 3:00 7-6-12 6:00 7-6-12 9:00 7-6-12 12:00 7-6-12 15:00 7-6-12 18:00 7-6-12 21:00 8-6-12 0:00 8-6-12 3:00 8-6-12 6:00 8-6-12 9:00 8-6-12 12:00 8-6-12 15:00 8-6-12 18:00 8-6-12 21:00 9-6-12 2:00 9-6-12 5:00 9-6-12 8:00 9-6-12 11:00 9-6-12 16:00 9-6-12 19:00 9-6-12 22:00 Concentração (µg/m3) Dia PM25 (µg/m3) S-LO Previsão PM2,5 0 1 2 3 4 5 6 7 8 12-8-12 2:00 12-8-12 5:00 12-8-12 8:00 12-8-12 11:00 12-8-12 14:00 12-8-12 17:00 12-8-12 20:00 12-8-12 23:00 13-8-12 2:00 13-8-12 5:00 13-8-12 8:00 13-8-12 11:00 13-8-12 20:00 13-8-12 23:00 14-8-12 3:00 14-8-12 6:00 14-8-12 9:00 14-8-12 12:00 14-8-12 15:00 14-8-12 18:00 14-8-12 21:00 15-8-12 0:00 15-8-12 3:00 15-8-12 6:00 15-8-12 9:00 15-8-12 12:00 15-8-12 15:00 15-8-12 18:00 15-8-12 21:00 16-8-12 2:00 16-8-12 5:00 16-8-12 10:00 16-8-12 13:00 16-8-12 16:00 16-8-12 19:00 16-8-12 22:00 17-8-12 1:00 17-8-12 4:00 17-8-12 7:00 17-8-12 10:00 17-8-12 13:00 17-8-12 16:00 17-8-12 19:00 17-8-12 22:00 18-8-12 5:00 18-8-12 8:00 18-8-12 11:00 18-8-12 16:00 18-8-12 19:00 18-8-12 22:00 Concentração (µg/m3) Dia PM25 (µg/m3) S-LO Previsão PM2,5 0 2 4 6 8 10 12 21-10-12 0:00 21-10-12 3:00 21-10-12 6:00 21-10-12 9:00 21-10-12 18:00 21-10-12 21:00 22-10-12 4:00 22-10-12 8:00 22-10-12 11:00 22-10-12 14:00 22-10-12 17:00 22-10-12 20:00 22-10-12 23:00 23-10-12 2:00 23-10-12 5:00 23-10-12 8:00 23-10-12 11:00 23-10-12 14:00 23-10-12 17:00 23-10-12 20:00 23-10-12 23:00 24-10-12 4:00 24-10-12 7:00 24-10-12 10:00 24-10-12 13:00 24-10-12 16:00 24-10-12 19:00 24-10-12 22:00 25-10-12 3:00 25-10-12 6:00 25-10-12 9:00 25-10-12 12:00 25-10-12 15:00 25-10-12 18:00 25-10-12 21:00 26-10-12 0:00 26-10-12 3:00 26-10-12 6:00 26-10-12 9:00 26-10-12 12:00 26-10-12 15:00 Concentração (µg/m3) Dia PM25 (µg/m3) S-LO Previsão PM2,5 Anexo VII – Resultados da Previsão das PM2,5 As figuras que se seguem mostram a comparação entre as previsões obtidas com o modelo 14 em S-LO e as concentrações reis para várias semanas do ano. Figura 37 – Semana 5, de Janeiro de 2013 (em S-LO). Figura 38 – Semana 23, de Junho de 2012 (em S-LO). Figura 39 – Semana 33, de Agosto de 2012 (em S-LO). Figura 40 – Semana 43, de Outubro de 2012 (em S-LO).