MONITOREO DEL OZONO EN CARAPICUÍBA
ANÁLISIS DE LOS DATOS DEL IEMA ENTRE 2015 Y 2021
DOI:
https://doi.org/10.26853/Refas_ISSN-2359-182X_v11n03_06Palabras clave:
Ozono(O3), Carapicuíba, radiación solar, NOx, VOCs, Covid-19, Índices de Calidad del Aire (IQAr)Resumen
El estudio investigó los niveles de ozono (O₃) en Carapicuíba entre 2015 y 2021, utilizando datos del Instituto de Energía y Medio Ambiente (IEMA). El análisis destacó la formación fotoquímica del ozono, intensificada por la radiación solar y la presencia de precursores como NOx y VOCs. Los resultados mostraron un aumento en las concentraciones de ozono de 2015 a 2019, seguido de una disminución significativa durante la pandemia de COVID-19 debido a las restricciones en las actividades industriales y el tráfico. La concentración promedio horaria de ozono aumentaba a partir de las 10 de la mañana, alcanzando su punto máximo entre las 2 y las 4 de la tarde, reflejando la influencia de la radiación solar. El análisis de los Índices de Calidad del Aire (IQAr) reveló que, la mayoría de las veces, la calidad del aire fue satisfactoria, especialmente durante las horas pico. Sin embargo, en días con altos niveles de emisión, la calidad del aire podía clasificarse como moderada o mala, especialmente antes de las intervenciones de la pandemia. La investigación sugiere la importancia de continuar monitoreando e implementando estrategias de mitigación para reducir las emisiones de precursores del ozono.
Descargas
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Refas - Revista Fatec Zona Sul
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
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.