Modelo espaço-temporal para a predição da concentração de material particulado fino na Região Metropolitana de São Paulo

Autor(es)

Aline Santos Damascena

• Tipo de documento: Tese de Doutorado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Faculdade de Medicina (FM/SBD)
• Data de defesa: 2020-11-26

Membros da banca

Paulo Hilario Nascimento Saldiva; Glauber Guimarães Cirino da Silva; Julio da Motta Singer

• Orientador: Paulo Hilario Nascimento Saldiva

Resumo

O padrão espaço-temporal das concentrações do material particulado no (MP2:5) é um importante fator para prever alguns desfechos de saúde dos habitantes de uma área urbana. As concentrações de MP2:5 podem ser obtidas por meio de redes de monitoramento da qualidade do ar, que no geral, possuem um número insuciente de estações para representar a exposição de toda uma população em uma determinada região. Nesse sentido, do ponto de vista epidemiológico, se faz necessário o desenvolvimento de metodologias que permitam estimar com alta resolução espacial e temporal as concentrações do MP2:5 em locais sem estações de monitoramento, de forma que seja possível estudar os desfechos de curto (dias/ semanas) e de longo prazo (anos). Nesta tese aplicamos uma metodologia proposta por pesquisadores da Faculdade de Saúde Pública de Harvard para predizer as concentrações de MP2:5 na Região Metropolitana de São Paulo (RMSP), entre janeiro de 2012 e dezembro de 2017. Além disso, propomos alterações nessa metodologia, com o intuito de considerar nos modelos de predição as duas fontes de correlação (espacial e temporal) inerente aos dados, já que a metodologia proposta por Harvard considera apenas fonte de correlação espacial. Também apresentamos os desvios-padrão dos erros de predição, uma medida da incerteza associada às estimativas obtidas nesses modelos. A metodologia de Harvard tem como base o Modelo Linear Misto (MLM) e a utilização de dados de Profundidade Óptica do Aerossol (POA) obtidos de satélites. A POA tem se mostrado como preditora das concentrações de MP2:5 e/ou MP10 medidos na superfície em diferentes regiões do mundo. Com o MLM é possível incorporar nas predições a variação diária da relação POA-MP2:5, ocasionada pelas condições meteorológicas. Pela primeira vez na RMSP, nós utilizamos os dados de POA com alta resolução espacial (1 km2) da versão 6 do algoritmo Multiangle Implementation of Atmospheric Correction (MAIAC). Os resultados mostraram que, diferente do que se observa em outras regiões onde essa metodologia já foi utilizada, os dados de POA do MAIAC não foram preditores das concentrações de MP2:5 e de MP10 na superfície da RMSP. Verificamos que o modelo de aerossol empregado pelo MAIAC na aquisição dos dados de POA não representa de forma adequada as propriedades do aerossol dessa região. Porém, os modelos de predição propostos que não consideraram esses dados foram capazes de explicar respectivamente, cerca de 60% e 70% da variabilidade das concentrações diurnas e diárias do MP2:5 na RMSP. O desempenho dos modelos de predição para as concentrações diárias de MP2:5 foi bastante satisfatório e comparável ao desempenho dos modelos de predição desenvolvidos na Suíça, Israel e Cidade do México, que utilizaram os dados de POA do MAIAC. Além disso, os modelos de predição que consideraram as duas fontes de correlação apresentaram poder de predição cerca de 5% maiores do que os modelos que consideram apenas a correlação espacial, além de gerarem estimativas mais precisas. Os mapas com a média anual das estimativas das concentrações diurnas e diárias de MP2:5 sobre a RMSP foram disponibilizados em um repositório de acesso livre. Essas estimativas podem ser utilizadas como uma aproxima ção para a exposição à poluição atmosférica dos habitantes da RMSP, contribuindo com os estudos epidemiológicos que visam entender seus impactos na saúde da população (AU)

• Processo FAPESP: 16/09411-1 - Modelo espaço-temporal para a predição da concentração de material particulado fino (MP2.5) na Região Metropolitana de São Paulo
• Beneficiário: Aline Santos Damascena
• Modalidade de apoio: Bolsas no Brasil - Doutorado