QUALARIA: sistema de inteligência artificial para previsão de qualide do ar na escala sub-urbana

• Processo: 23/00755-3
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Geociências - Meteorologia
• Acordo de Cooperação: Rede EUREKA
• Pesquisador responsável: Gabriel Martins Palma Perez
• Beneficiário: Gabriel Martins Palma Perez
• Empresa: Meteoia Datascience Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Município: São Paulo
• Pesquisadores associados: Maria de Fátima Andrade ; Thiago Nogueira ; Thomas Christian Marcel Martin
• Bolsa(s) vinculada(s): 24/10214-2 - Configuração de modelos de transporte químico para suprir modelos de qualidade do ar baseado em inteligência artificial, BP.TT; 24/06438-2 - QUALARIA: sistema de inteligência artificial para previsão de qualidade do ar na escala sub-urbana, BP.PIPE
• Assunto(s): Aprendizado computacional Inteligência artificial Qualidade do ar Poluição
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Inteligência Artificial | poluição | Qualidade do ar | Sensores de Baixo Custo | Qualidade do ar

Resumo

Nós propomos o desenvolvimento de um protótipo de sistema no nível de prontidão tecnológica 7 (TRL 7) para a análise, previsão e atribuição de qualidade do ar na região metropolitana de São Paulo, Brazil, e seus arredores. Modelos de negócio apropriados serão desenvolvidos com o propósito de comercializar o sistema com uma interface de usuário amigável para tomadores de decisão e legisladores ao nível municipal. Na última década, a comunidade de modelagem de qualidade do ar colocou esforço substancial para melhorar a resolução espacial dos modelos e integrar a interação entre qualidade do ar e outros aspectos do Sistema Terrestre e da sociedade. A maior parte desses modelos são "chemical-transport models" (CTMs), que resolvem numericamente as equações físico e químicas da atmosfera que controlam a composição do ar. No entanto, esses modelos são computacionalmente caros e não podem eficientemente providenciar estimativas acuradas da qualidade do ar na escala sub-urbana. Novas abordagens de refinamento espacial e regionalização baseadas em inteligência artificial e sensoriamento remoto tem mostrado boa performance para simular processos atmosféricos de escala sub-grade (Martin et al., 2020; Martin et al., 2019; Perez and Silva Dias, 2018). Essa abordagem será adaptada para fornecer mapas de altíssima resolução de qualidade do ar em cidades. Os dados brutos de previsão então servirão para derivar indicadores relevantes para legisladores e administradores municipais e estaduais, que serão disponibilizados através de plataforma online interativa. Esse protótipo no nível TRL7 será demonstrado e testado operacionalmente na cidade de São Paulo antes de transicionar para o mercado. Os usuários relevantes serão identificados e convidados para contribuir e expressar suas necessidades específicas que serão utilizadas para aprimorar as especificações do produto. (AU)