MONITORING OZONE IN CARAPICUÍBA
ANALYSIS OF IEMA DATA FROM 2015 TO 2021
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v11n03_06Keywords:
Ozone(O3), Carapicuíba, Solar Radiation, NOx, VOCs, Covid-19, Air Quality Indices (IQAR)Abstract
The study investigated ozone (O₃) levels in Carapicuíba between 2015 and 2021, using data from the Institute of Energy and Environment (IEMA). The analysis highlighted the photochemical formation of ozone, intensified by solar radiation and the presence of precursors such as NOx and VOCs. Results showed an increase in ozone concentrations from 2015 to 2019, followed by a significant decrease during the COVID-19 pandemic due to restrictions on industrial activities and traffic. The hourly average concentration of ozone increased from 10 AM, peaking between 2 PM and 4 PM, reflecting the influence of solar radiation. The analysis of Air Quality Indices (IQAr) revealed that most of the time, air quality was satisfactory, especially during peak hours. However, on days with high emission levels, air quality could be classified as moderate or poor, especially before the pandemic interventions. The research suggests the importance of continuing to monitor and implement mitigation strategies to reduce ozone precursor emissions.
Downloads
References
AMIGO, E. J. Data Mining, Machine Learning, Deep Learning, 2021.
BREIMAN, L. Machine Learning. 2001.
BRAGA, A. et al. Poluição atmosférica e saúde humana. Revista USP, São Paulo, n.5, p.58-71, set./nov. 2001.
CETESB. Qualidade do Ar: Poluentes. 2 dez. de 2013. Disponível em: https://cetesb.sp.gov.br/ar/poluentes/. Acesso em: 18 maio 2024.
DOMÍNGUEZ-GARCÍA, R.; ARELLANO-VÁZQUEZ, M. Evaluation of Machine Learning Models for Ozone Concentration Forecasting in the Metropolitan Valley of Mexico. Disponível em: <https://www.mdpi.com/2076-3417/14/4/1408>. Acesso em: 31 maio 2024.
EUROPEAN ENVIRONMENT AGENCY. Current state of the ozone layer. Disponível em: <https://www.eea.europa.eu/en/topics/in-depth/climate-change-mitigation-reducing-emissions/current-state-of-the-ozone-layer>. Acesso em: 17 maio 2024.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From Data Mining to Knowledge Discovery in Databases. AI Magazine, v. 17, n. 3, p. 37-54, 1996.
FEPAM. IQAr - Índice de Qualidade do Ar. 1 nov. 2018. Disponível em: https://fepam.rs.gov.br/iqar-indice-de-qualidade-do-ar. Accesso em: 18 maio 2024.
FILHO, Mario. Precisão, Recall e F1 Score Em Machine Learning. Mario Filho | Machine Learning, 2023. Disponível em: https://mariofilho.com/precisao-recall-e-f1-score-em-machine-learning/. Acesso em: 31 maio 2024.
GALVÃO, N. D. et al. A violência no cotidiano dos profissionais de saúde: uma revisão integrativa. Acta Paulista de Enfermagem, São Paulo, v. 23, n. 3, p. 403-409, 2010. Disponível em: <https://www.scielo.br/j/ape/a/Lzj9vW6Fp4QVdXyNKhmtfvv/>. Acesso em: 17 maio 2024.
GILLIS, A. S.; STADMAN, C. Data mining. Disponível em: <https://www.techtarget.com/searchbusinessanalytics/definition/data-mining>. Acesso em: 17 maio 2024.
INSTITUTO DE ENERGIA E MEIO AMBIENTE (IEMA). Plataforma da Qualidade do Ar. set. 2021. Disponível em: https://energiaeambiente.org.br/produto/plataforma-da-qualidade-do-ar. Acesso em: 18 maio 2024.
LAROSE, D. T.; LAROSE, C. D. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley and Sons, Inc, 2005.
LEITE, R. C. M. et al. Utilização de regressão logística simples na verificação da qualidade do ar atmosférico de Uberlândia. Engenharia Sanitária e Ambiental, v.16, n.1, jan./mar. 2011.
LIU, Y.; ZHOU, Y.; LU, J. Exploring the relationship between air pollution and meteorological conditions in China under environmental governance. Sci Rep 10, 14518 (2020). DOI: https://doi.org/10.1038/s41598-020-71338-7.
MIKUT, R.; REISCHL, M. Data Mining Techniques and Applications. WIREs Data Mining and Knowledge Discovery, v. 4, n. 1, p. 7-13, 2014. Disponível em: <https://www.wires.onlinelibrary.wiley.com/doi/abs/10.1002/widm.24>. Acesso em: 20 maio 2024.
PADUA, Mateus. Machine Learning – Métricas de avaliação: Acurácia, Precisão e Recall, F1-score. Medium, 2020. Disponível em: https://medium.com/@mateuspdua/machine-learning-m%C3%A9tricas-de-avalia%C3%A7%C3%A3o-acur%C3%A1cia-precis%C3%A3o-e-recall-d44c72307959. Acesso em: 31 maio 2024.
PAN, Q.; HARROU, F.; SUN, YING. A comparison of machine learning methods for ozone pollution prediction. Disponível em: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-023-00748-x. Acesso em: 31 maio 2024.
RUSSO, P. R. A qualidade do ar no município do Rio de Janeiro: análise espaço-temporal de partículas em suspensão na atmosfera. Revista de Ciências Humanas, v.10, n.1, p.78-93, jan./jun. 2010.
SANKAR, K. P.; PABITRA, B. S. Data Mining and Warehouse. New Delhi: PHI Learning Pvt. Ltd, 2004.
SICARD, Pierre; DE MARCO, Alessandra; AGATHOKLEOUS, Evgenios; FENG, Zhaozhong; XU, Xiaobin; PAOLETTI, Elena; RODRIGUEZ, José; CALATAYUD, Vicent. Amplified ozone pollution in cities during the COVID-19 lockdown. 15 set. 2020. Disponível em: https://www.sciencedirect.com/science/article/pii/S004896972033059X. Acesso em: 18 maio 2024.
WANG, J.; et al. Carachterization of tropospheric ozone pollution, Random Forest and Trend Prediction. Disponível em: https://enveurope.springeropen.com/articles/ 10.1186/s12302-024-00863-3. Acesso em: 31 maio 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Refas - Revista Fatec Zona Sul
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution-NonCommercial-NoDerivatives 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.