Marcones de Oliveira (2018).pdf
Marcones de Oliveira (2018).pdf
Documento PDF (5.1MB)
Documento PDF (5.1MB)
Universidade Federal de Alagoas
Instituto de Ciências Atmosféricas
Programa de Pós-graduação em Meteorologia
Marcones de Oliveira Silva
AVALIAÇÃO DA QUALIDADE DO AR (NO2, CO, O3) NA CIDADE DE MACEIÓ/AL
UTILIZANDO O MODELO ATMOSFÉRICO WRF/CHEM
Maceió-AL
2018
Marcones de Oliveira Silva
AVALIAÇÃO DA QUALIDADE DO AR (NO2, CO, O3) NA CIDADE DE MACEIÓ/AL
UTILIZANDO O MODELO ATMOSFÉRICO WRF/CHEM
Dissertação apresentada ao Instituto de
Ciências Atmosféricas – ICAT da
Universidade Federal de Alagoas
como requisito parcial para a obtenção
do Título de Mestre em Meteorologia.
Área de Concentração: Geociências
Orientador: Dr. Rosiberto Salustiano
da Silva Júnior
Maceió-AL
2018
AGRADECIMENTOS
À minha família e em especial a minha mãe Maria Cícera de Oliveira Silva e ao meu
pai Diomar Basílio da Silva. Ao professor Rosiberto Salustiano da Silva Júnior pelas valiosas
orientações no decorrer do curso de mestrado e a todos os membros do
Laboratório de Modelagem atmosférica e Instrumentação Meteorológica do Instituto de
Ciências Atmosféricas da Universidade Federal de Alagoas.
A Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
pelo apoio financeiro.
V
RESUMO
Silva, M. O. Avaliação da qualidade do ar (NO2, CO, O3) na cidade de Maceió/AL
utilizando o modelo atmosférico WRF/CHEM. 2018. 121 f. Dissertação (Mestrado em
Meteorologia) – Universidade Federal de Alagoas, Maceió, 2018.
Este trabalho tem como objetivo avaliar a qualidade do ar na cidade de Maceió-AL
utilizando o modelo numérico de mesoescala WRF/CHEM (Weather Research and
forecasting/Chemistry) durante o período de 23 a 25 de abril de 2011. O WRF/CHEM foi
configurado para realizar quatro tipos de simulações: Default - simulação com a topografia e
uso do solo padrões do modelo; Topo - simulação com a topografia atualizada e uso do solo
padrão; IGBP - simulação com a topografia padrão e uso do solo atualizado e Topo_IGBP simulação com a atualização da topografia e uso do solo. O inventário de emissões veiculares
necessário para servir como dado de entrada no modelo foi construído de acordo com a
metodologia proposta pela Companhia Ambiental do Estado de São Paulo (CETESB) onde se
calculou as emissões totais em toneladas anuais de monóxido de carbono (CO), óxidos de
nitrogênio (NOx), hidrocarbonetos não metano (NMHC) e material particulado (MP). O
modelo WRF/CHEM foi executado com duas grades aninhadas com espaçamento de grade de
5 e 1 km. Os resultados obtidos mostraram que a resolução de 1 km obteve resultados
melhores, em relação às observações, para as simulações de temperatura, umidade relativa e
concentrações de dióxido de nitrogênio (NO2) do que os resultados obtidos pelas simulações
utilizando a grade de 5 km, porém a variabilidade horária foi melhor representada pela
resolução de 5 km. A simulação Topo foi a que apresentou melhor acurácia das simulações
nas duas resoluções adotadas mostrando que a atualização da topografia é mais eficiente do
que a atualização do uso do solo.
Palavras-Chave: WRF/CHEM; inventário; topografia; uso do solo; resolução.
VI
ABSTRACT
Silva, M. O. Evaluation of the air quality (NO2, CO, O3) of Maceió/AL using the
atmospheric model WRF/CHEM. 2018. 121 l. Dissertation (Master in Meteorology) –
Federal University of Alagoas, Maceió, 2018.
This work aims to evaluate the air quality in the city of Maceió-AL using the
numerical model of the WRF/CHEM (Weather Research and forecasting / Chemistry) during
the period from April 23 to 25, 2011. The WRF/CHEM was configured to perform four types
of simulations: Default - simulation with topography and land use patterns of the model; Topo
- simulation with updated topography and standard soil use; IGBP - simulation with the
standard topography and updated soil use and Topo_IGBP - simulation with updating
topography and land use. The vehicle emissions inventory required to serve as input data in
the model was constructed according to the methodology proposed by the Environmental
Company of the State of São Paulo (CETESB) where the total emissions in annual tons of
carbon monoxide (CO), nitrogen oxides (NOx), non-methane hydrocarbons (NMHC) and
particulate matter (MP). The WR /CHEM model was run with two nested grids with grid
spacing of 5 and 1 km. The results obtained showed that the resolution of 1 km obtained
better results, relative to the observations, for the simulations of temperature, relative
humidity and nitrogen dioxide (NO2) concentrations than the results obtained by the
simulations using the 5 km grid, the hourly variability was best represented by the resolution
of 5 km. The Topo simulation was the one that presented better accuracy of the simulations in
the two adopted resolutions showing that the updating of the topography is more efficient than
the update of the land use.
Keywords: WRF/CHEM; inventory; topography; land use; resolution.
VII
SUMÁRIO
RESUMO
V
ABSTRACT
VI
LISTA DE FIGURAS
X
LISTA DE TABELAS
XIII
LISTA DE ABREVIATURAS E SIGLAS
XVI
1. INTRODUÇÃO
19
1.1 Poluição atmosférica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2 Camada limite planetária (CLP). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Brisa terrestre e marítima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Formação do ozônio troposférico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.1 Formação do radical hidroxila (OH). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.2 Ciclo básico do ozônio (O3), monóxido de nitrogênio (NO) e dióxido de
nitrogênio (NO2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.3 Oxidação do monóxido de carbono (CO). . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5 Estudos sobre modelagem atmosférica utilizando o WRF/CHEM. . . . . . . . . . . . . . . . 27
1.6 Objetivos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.6.1 Objetivo Geral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.6.2 Objetivos específicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32
2. METODOLOGIA
33
2.1 Área de estudo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Modelo Atmosférico WRF/CHEM (Weather Research and forecasting/Chemistry). . . . 34
2.2.1 Configurações do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.1.1 Domínios de simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36
2.2.1.2 Configuração física e química. . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.1.3 Inventário de emissão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.1.3.1 Emissões de Escapamento . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.1.3.2 – Emissões de poluentes pelos veículos automotores. . . . . .45
VIII
2.2.2 Local de medição de dióxido de nitrogênio (NO2). . . . . . . . . . . . . . . . . . . . 47
2.2.3 Validação das simulações. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2.3.1 Concentrações de dióxido de nitrogênio (NO2). . . . . . . . . . . . . . . . 47
2.2.3.1.1 Princípio de funcionamento do Analisador NITROGEN
OXIDE ANALISER - Modelo 200A. . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.3.2 Temperatura do ar, umidade relativa do ar e velocidade do vento . . . 49
2.2.4 Distribuição espacial e temporal das emissões no WRF/CHEM. . . . . . . . . . . 49
2.2.5 Fator de correção de emissão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2.6 Atualização da topografia e uso do solo . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.2.7 Descrição das simulações e período de estudo . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.8 Condição inicial para a química do modelo . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.9 Análise estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
̅ ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.9.1 Média (M
2.2.9.2 Desvio Padrão (σ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.9.3 Erro Médio (EM) ou Viés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.9.4 Coeficiente de Correlação (r) . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.9.5 Raiz do Erro Médio Quadrático (REMQ). . . . . . . . . . . . . . . . . . . .56
3. RESULTADOS E DISCUSSÕES
58
3.1 Descrição das condições meteorológicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2 Resolução de 5 km . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.1 Variáveis meteorológicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61
3.2.1.1 Temperatura do ar, umidade relativa do ar e velocidade e direção do
vento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.1.2 Altura da camada limite planetária (CLP) e radiação solar global. . . .66
3.2.1.3 Análise estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2.2 Variáveis químicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .72
3.2.2.1 Dióxido de nitrogênio (NO2) . . . . . . . . . . . . . . . . . . . . . . . . . . . .72
3.2.2.1.1 Análise estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
IX
3.2.2.2 Ozônio (O3). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.2.2.3 Monóxido de carbono (CO) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.3 Resolução de 1 km . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.3.1 Variáveis meteorológicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.3.1.1 Temperatura do ar, umidade relativa do ar e velocidade e direção do
vento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.3.1.2 Altura da camada limite planetária (CLP) e radiação solar global. . . 83
3.3.1.3 Análise estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.3.2 Variáveis químicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.2.1 Dióxido de nitrogênio (NO2). . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.2.1.1 Análise estatística. . . . . . . . . . . . . . . . . . . . . . . . . . . . .90
3.3.2.2 Ozônio (O3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3.2.3 Monóxido de Carbono (CO). . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4 Análise estatística geral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.5 Distribuição espacial de dióxido de nitrogênio (NO2). . . . . . . . . . . . . . . . . . . . . . . . 96
3.6 Avaliação da qualidade do ar na cidade de Maceió-AL. . . . . . . . . . . . . . . . . . . . . . . 99
4. CONCLUSÕES
101
5 . TRABALHOS FUTUROS
102
REFERÊNCIAS BIBLIOGRÁFICAS
103
APÊNDICE A
108
APÊNDICE B
109
APÊNDICE C
116
APÊNDICE D
118
X
LISTA DE FIGURAS
Figura 1.1 – Número de veículos emplacados no Brasil, por ano de fabricação, durante o
período de 2002 a 2016. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Figura 1.2 – Número de veículos emplacados em Alagoas, por ano de fabricação, durante o
período de 2002 a 2016. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Figura 1.3 – Camada Limite Planetária (CLP) e suas diversas partes de acordo com a hora do
dia - A é a camada estável, B é a camada de ar residual, C é a camada instável e D é camada
de ar da atmosfera livre que pertence a CLP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Figura 1.4 – Brisa marítima e terrestre - (a) brisa marítima (vento em direção ao continente) e
(b) brisa terrestre (vento em direção ao oceano). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24
Figura 2.1 - Localização da área de estudo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figura 2.2 – Variação anual da população de Maceió-AL durante os anos de 2011 a 2017. . 34
Figura 2.3 - Aninhamento de grades no WRF/CHEM. . . . . . . . . . . . . . . . . . . . . . . . . . .36
Figura 2.4 - Diagrama esquemático com as etapas da metodologia proposta. . . . . . . . . . . .40
Figura 2.5 - Percentual da distribuição de veículos por idade no período de -2002 até 2016
para Maceió (azul) e Alagoas (vermelho). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Figura 2.6 – Percentual de emissão de poluentes por categoria de veículos. . . . . . . . . . . . 46
Figura 2.7 – Cidade de Maceió-AL com suas principais vias de tráfego e local de
medição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Figura 2.8 - Analisador NITROGEN OXIDE ANALISER – Modelo 200A - Utilizado para
medir concentrações de NO e NOx. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Figura 2.9 - Distribuição espacial dos pontos de emissão . . . . . . . . . . . . . . . . . . . . . . . . 50
Figura 2.10 - Perfil temporal das emissões. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Figura 2.11 – Atualizações da topografia e uso do solo - (a) configuração padrão da topografia
do WRF/CHEM, (b) topografia atualizada, (c) configuração padrão do uso do solo do
WRF/CHEM e (d) uso do solo atualizado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53
Figura 3.1 - Cartas sinóticas de superfície e imagens de satélite para o dia 23/04/2011 as 12 e
00 UTC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .58
Figura 3.2 - Cartas sinóticas de superfície e imagens de satélite para o dia 24/04/2011 as 12 e
00 UTC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
XI
Figura 3.3 - Cartas sinóticas de superfície e imagens de satélite para o dia 25/04/2011 as 12 e
00 UTC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Figura 3.4 – Temperatura do ar simulada com a resolução de 5 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Figura 3.5 – Umidade relativa do ar simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Figura 3.6 – Velocidade do vento simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Figura 3.7 – Variação percentual trimestral da direção do vento no Aeroporto Internacional
Zumbi dos Palmares gerada pelo programa WASP para o ano de 1999 - A rosa dos ventos
está dividida em oito setores de 45°. O intervalo da escala das circunferências é de
5%. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Figura 3.8 – Variação percentual da direção do vento simulada com a resolução de 5 km para
as quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL - Rosas dos ventos dividida em quatro setores de 45º. . . . . . . . . . . . . . . . . . .65
Figura 3.9 – Incidência de radiação solar global simulada com a resolução de 5 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Figura 3.10 – Altura da camada limite planetária simulada com a resolução de 5 km para as
quatro simulações realizadas do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Figura 3.11 – Concentração de NO2 simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Figura 3.12 – Concentração de O3 simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
XII
Figura 3.13 – Concentração de monóxido de carbono simulada com a resolução de 5 km para
as quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Figura 3.14 – Temperatura do ar simulada com a resolução de 1 km para as quatro simulaçõ
es do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Figura 3.15 – Umidade relativa do ar simulada com a resolução de 1 km para as quatro do
WRF/CHEM
para
o
período
de
23
a
25/04/2011
na
cidade
de
Maceió-
AL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Figura 3.16 – Velocidade do vento simulada com a resolução de 1 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Figura 3.17 – Variação percentual da direção do vento simulada com a resolução de 1 km para
as quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL - Rosas dos ventos dividida em quatro setores de 45º. . . . . . . . . . . . . . . . . . .82
Figura 3.18 – Incidência de radiação solar global simulada com a resolução de 1 km para
as quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Figura 3.19 – Altura da camada limite planetária simulada com a resolução de 1 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Figura 3.20 – Concentração de NO2 simulada com a resolução de 1 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Figura 3.21 – Concentração de O3 simulada com a resolução de 1 km para as quatro
simulações realizadas do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Figura 3.22 – Concentração de CO simulada com a resolução de 1 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Figura 3.23 – Dispersão espacial de dióxido de nitrogênio (NO2) simulada para as quatro
simulações executadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
XIII
LISTA DE TABELAS
Tabela 1.1 – Padrões de qualidade do ar - MGA - média geométrica anual, MAA - média
aritmética anual, ppm - partes por milhão e 1 – não deve ser excedido mais de uma vez
durante o ano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Tabela 2.1 - Propriedades dos domínios considerados. . . . . . . . . . . . . . . . . . . . . . . . . . 37
Tabela 2.2 - Parametrizações físicas e químicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38
Tabela 2.3 - Definição das categorias de veículos em Maceió – AL. . . . . . . . . . . . . . . . . 42
Tabela 2.4 - Distribuição da frota por categoria em 2016 para Maceió – AL. . . . . . . . . . . 43
Tabela 2.5 - Distribuição da frota por categoria e combustível em 2016 para Maceió – AL (*) Gasolina comercial vendida nos postos de combustíveis. Possui em sua composição etanol
anidro (obtido da cana de açúcar e com teor de água próximo de zero), em percentual que
varia de 18% a 27% do volume total (CETESB, 2016). . . . . . . . . . . . . . . . . . . . . . . . . . 44
Tabela 2.6 - Total de Emissões em 2016 de CO, NOx, MP e NMHC para a cidade de Maceió
– AL em toneladas por ano (t/ano) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46
Tabela 2.7 - Identificação das vias de Maceió-AL com base no tráfego de
veículos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Tabela 2.8 – Categorias de uso do solo do WRF/CHEM. . . . . . . . . . . . . . . . . . . . . . . . . 52
Tabela 2.9 - Equações e indicadores para a análise estatística - “N” representa o número total
de dados, Si os dados simulados e Oi os dados observados. . . . . . . . . . . . . . . . . . . . . . . 57
Tabela 3.1 - Índices estatísticos dos dados simulados e observados de temperatura do ar,
umidade relativa do ar e velocidade do vento para a resolução de 5 km para o período de 23 a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e
25/04/2011 na cidade de Maceió-AL - os 𝑀
simulados, respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e
simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro médio e REMQ é a
raiz do erro médio quadrático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Tabela 3.2 – Classificação das simulações (resolução de 5 km) Default, Topo, IGBP e Topo _
IGBP de acordo com a acurácia dos resultados simulados em relação aos dados observados de
temperatura do ar, umidade relativa do ar e velocidade do vento . . . . . . . . . . . . . . . . . . . 71
Tabela 3.3 - Índices estatísticos dos dados simulados e observados de dióxido de nitrogênio
(NO2), Ozônio (O3) e Monóxido de carbono (CO) para a resolução de 5 km para o período de
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores
23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
XIV
observados e simulados, respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores
observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio, REMQ é a raiz do erro médio quadrático, ppb (partes por bilhão) e ppm (partes por
milhão) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Tabela 3.4 - Índices estatísticos dos dados simulados e observados de temperatura do ar,
umidade relativa do ar e velocidade do vento para a resolução de 1 km para o período de 23 a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e
25/04/2011 na cidade de Maceió-AL - 𝑀
simulados, respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e
simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro médio e REMQ é a
raiz do erro médio quadrático. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Tabela 3.5 – Classificação das simulações (resolução de 1 km) Default, Topo, IGBP e Topo _
IGBP de acordo com a acurácia dos resultados simulados em relação aos dados observados de
temperatura do ar, umidade relativa do ar e velocidade do vento . . . . . . . . . . . . . . . . . . . 87
Tabela 3.6 - Índices estatísticos dos dados simulados e observados de dióxido de nitrogênio
(NO2), Ozônio (O3) e Monóxido de carbono (CO) para a resolução de 1 km para o período de
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores
23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
observados e simulados, respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores
observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio, REMQ é a raiz do erro médio quadrático, ppb (partes por bilhão) e ppm (partes por
milhão). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Tabela 3.7 - Índices estatísticos médios dos dados simulados de temperatura do ar e umidade
̅𝑜𝑏𝑠 e 𝜎𝑜𝑏𝑠 são a média e desvio-padrão dos
relativa do ar nas resoluções de 5 e 1 km - 𝑀
̅𝑠 , 𝜎𝑚𝑠 , 𝑟𝑚 , MEM e MREMQ são as médias aritméticas
dados observados, respectivamente. 𝑀
das médias, desvios-padrões, coeficientes de correlação, erros médios e raízes dos erros
médios quadráticos, respectivamente, dos dados simulados em Default, Topo, IGBP e Topo
_IGBP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Tabela 3.8 - Índices estatísticos médios dos dados simulados das concentrações de NO 2 nas
̅𝑜𝑏𝑠 e 𝜎𝑜𝑏𝑠 são a média e desvio-padrão dos dados observados,
resoluções de 5 e 1 km - 𝑀
̅𝑠 , 𝜎𝑚𝑠 ·, 𝑟𝑚 ·, MEM e MREMQ são as médias aritméticas das médias,
respectivamente. 𝑀
desvios-padrões, coeficientes de correlação, erros médios e raízes dos erros médios
quadráticos, respectivamente, dos dados simulados em Default, Topo, IGBP e Topo_IGBP. . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
XV
Tabela 3.9 – Comparação das concentrações simuladas de NO2, CO e O3 em relação aos
padrões primários estabelecidos pela resolução CONAMA (1990) - ppb ( partes por bilhão) e
ppm (partes por milhão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
XVI
LISTA DE ABREVIATURAS E SIGLAS
AFWA - Air Force Weather Agency
ARW - Advanced Research WRF
CETESB - Companhia ambiental do estado de São Paulo
CLC - Camada Limite Convectiva
CLN - Camada Limite Neutra
CLE - Camada Limite Estável
CLP - Camada Limite Planetária
CONAMA - Conselho Nacional de Meio Ambiente
CO - Monóxido de carbono
DMSP - Defense Meteorological Satellite Program
EM – Erro médio
FSL - Forecast System Laboratory
FAA - Federal Aviation Administration
IBGE – Instituto Brasileiro de Geografia e Estatística
IED - International Environmental Database (IED)
INMET - Instituto Nacional de Meteorologia
HO2 - Radical hidroperóxido
H2O2 -Peróxido de hidrogênio
HNO3 - Ácido nítrico
H2O – Molécula de água
hv – Luz infravermelha
ILN - Intensidade de Luzes Noturnas
MP - Material particulado
MGA - Média geométrica anual
MAA - Média aritmética anual
MM5 - Penn State Mesoscale Model
Mo - molibdênio
XVII
MEM – Média aritmética dos erros médios
MREMQ – Média aritmética das raízes dos erros médios quadráticos
NOx - Óxidos de nitrogênio
N2 – Nitrogênio
NO – Monóxido de nitrogênio
NO2 – Dióxido de nitrogênio
NASA – National Aeronautics and Space Administration
NCAR - National Center for Atmospheric Research
NCEP - National Center for Environmental Prediction
NMHC - Hidrocarbonetos não metano
OMS - Organização Mundial da Saúde
O – Oxigênio no estado fundamental
OH - Radical hidroxila
O3 – Ozônio
O2 - Oxigênio
O(1D) – Oxigênio em estágio excitado
OLS - Operational Linescan System (OLS)
ppb - Partes por bilhão
ppm - Partes por milhão
PRONAR - Programa Nacional de Qualidade do Ar
R – Radical Alquila
RO2 – Radical peróxido de alquila
RO – Radical alcóxi
RMSP - Região Metropolitana de São Paulo
RML - Região Metropolitana de Lima
RADM2 - The second generation Regional Acid Deposition Model
REMQ – Raiz do erro médio quadrático
RENAVAM - Registro Nacional de Veículos Automotores
SO2 – Dióxido de enxofre
XVIII
SRTM - Shuttle Radar Topography Mission
USGS – United Stades Geological Survey
WRF/CHEM - Weather Research and forecasting/Chemistry
VOCs – Compostos orgânicos voláteis
ZCIT – Zona de Convergência Intertropical
19
1. INTRODUÇÃO
1.1 Poluição atmosférica
A poluição do ar é um problema recorrente nas cidades que apresentam grande
crescimento populacional e industrial. Na Europa é responsável por até 400 mil mortes
prematuras, onde cerca de 97% de sua população urbana está exposta a níveis de ozônio (O3)
maiores do que a concentração média de 8 horas (100 µg/m3 ) recomendada pela Organização
Mundial da Saúde (OMS) e cerca de 90% está exposta a níveis de material particulado fino
(PM2,5) maiores do que a média anual de 10 µg/m3 recomendada pela OMS (Kuik et al.,2016).
Na região Metropolitana da Cidade do México as médias horárias das concentrações de
ozônio (O3) excedem diariamente o padrão mexicano de qualidade do ar de 210 𝜇g/m3 (Tie et
al.,2006).
No Brasil, a cidade do Rio de Janeiro, que tem a segunda maior frota veicular do país
e uma topografia bastante característica influenciada pela brisa do mar e por montanhas que
dificultam a dispersão de poluentes, registrou durante os anos de 2012 e 2013 ultrapassagens
do padrão máximo de ozônio (O3) estabelecido pela legislação brasileira vigente de 160
µg/m3 por hora (Martins et al., 2017). Na Região Metropolitana de São Paulo (RMSP), que
possui a maior frota veicular, 32 dias do ano de 2016 ultrapassaram o padrão estadual de
concentração de ozônio estabelecido (média máxima de 140 µg/m3 a cada 8 horas) (CETESB,
2017).
As principais fontes antropogênicas de poluição atmosférica são a combustão,
processos industriais, queima de resíduos sólidos e a frota veicular que contribuem com
aproximadamente 80% dos poluentes gasosos presentes na atmosfera (Lisboa, 2014).
Atualmente, a maior fonte poluidora nas grandes cidades brasileiras é a frota de veículos
automotores que cresce anualmente (Figura 1.1). O estado de Alagoas também segue a
tendência brasileira de crescimento da frota veicular (Figura 1.2).
20
Figura 1.1 – Número de veículos emplacados no Brasil, por ano de fabricação, durante o período
de 2002 a 2016.
Quantidade (x 1000000)
7
6
5
4
3
2
1
0
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Ano
Fonte: Autor (2018).
Figura 1.2 – Número de veículos emplacados em Alagoas, por ano de fabricação, durante o
período de 2002 a 2016.
7
Quantidade (x 10000)
6
5
4
3
2
1
0
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Ano
Fonte: Autor (2018).
Alguns poluentes atmosféricos emitidos diretamente pelos veículos são o dióxido de
enxofre (SO2), monóxido de carbono (CO), óxidos de nitrogênio (NOx) e material particulado
(MP). Outro poluente que não é emitido diretamente, mas formado através de reações
químicas na presença de radiação solar é o ozônio troposférico. É relevante estudar as
concentrações desses e outros poluentes e sua distribuição espacial nas cidades porque altas
concentrações podem causar danos à saúde das pessoas, em especial, a saúde de idosos e
crianças.
O Conselho Nacional de Meio Ambiente (CONAMA) através da resolução nº 5 de 15
de junho de 1989 estabeleceu o Programa Nacional de Qualidade do Ar (PRONAR) como um
21
dos instrumentos básicos de proteção da saúde e bem-estar das populações tendo em vista um
desenvolvimento econômico e social em concordância com a preservação ambiental e aos
limites estabelecidos de emissão de poluentes. Esta resolução estabelece os padrões primários
e secundários de qualidade do ar. Os padrões primários são limites máximos toleráveis de
concentração que se ultrapassados podem causar danos à saúde da população, constituindo-se
em metas de curto e médio prazo. Os padrões secundários são limites de concentrações abaixo
dos quais se prever o mínimo dano a saúde das pessoas e ao meio ambiente, sendo entendidos
como níveis desejáveis de concentração de poluentes e constituindo-se metas de longo prazo.
A resolução CONAMA nº 3 de 28 de junho de 1990 complementa a resolução nº 5 de
15 de junho de 1989 e estabelece os valores dos padrões primários e secundários (Tabela 1.1)
para os poluentes atmosféricos.
Tabela 1.1 – Padrões de qualidade do ar - MGA - média geométrica anual, MAA - média aritmética
anual, ppm - partes por milhão e 1 – não deve ser excedido mais de uma vez durante o ano.
Poluente
Tempo de
Padrão Primário
Padrão Secundário
Amostragem
(µg/m3)
(µg/m3)
Partículas totais em
24 horas1
240
150
suspensão
MGA
80
60
Partículas inaláveis
24 horas1
150
150
MAA
50
50
24 horas1
150
100
MAA
60
40
24 horas1
365
100
MAA
80
40
Dióxido de
1 hora1
320
190
nitrogênio
MAA
100
100
Monóxido de
1 hora1
40.000
40.000
35 ppm
35 ppm
10.000
10.000
9 ppm
9 ppm
160
160
Fumaça
Dióxido de enxofre
carbono
8 horas1
Ozônio
Fonte: CONAMA (1990).
1 hora1
22
1.2 Camada limite planetária (CLP)
A Camada Limite Planetária (CLP) é a região da atmosfera mais próxima da
superfície da Terra, onde as partículas suspensas e os gases são dispersos pelo vento e pela
turbulência (difusão) podendo atingir centenas de metros a poucos quilômetros dependendo
da quantidade de radiação incidente e hora do dia. A CLP é classificada em três tipos
dependendo da variação da temperatura potencial ao longo da sua altura:
Camada Limite Estável (CLE): é gerada pelo resfriamento noturno da superfície
terrestre, atingindo uma altura de 100 a 300 metros e onde a temperatura potencial
aumenta com a altura;
Camada Limite Neutra (CLN): ocorre durante o período de transição do dia para a
noite, mas a taxa de variação da temperatura potencial é nula. Nesse caso a atmosfera
nem inibe nem intensifica a turbulência;
Camada Limite Convectiva (CLC) ou Instável: é gerada pelo aquecimento diurno da
superfície terrestre variando sua altura de 100 a 3000 m. Nesse caso, a temperatura
potencial diminui com altura e a turbulência é intensificada.
A estrutura da CLP, apresentada na figura 1.3, mostra que em D as massas de ar da
atmosfera livre pertencem a CLP ocorrendo algumas alterações durante o dia (da esquerda
para a direita). Entre 12 e 18 horas o ar é misturado (azul claro) em seguida, depois do pôr do
sol, forma-se uma camada noturna estável (A), onde o ar residual permanece acima (B). A
linha pontilhada mostra que o ar da superfície não pode ir com facilidade para altitudes mais
elevadas durante a noite porque não tem energia para efetuar esse movimento. Essa energia
volta com a incidência da radiação solar fazendo com que o solo aqueça e o ar começa sua
ascensão (seta vermelha). A camada proveniente da noite é quebrada e uma zona de mistura
cresce do solo até o topo da camada limite (azul escuro) e deixa o ar bem misturado durante o
dia (C).
23
Figura 1.3 – Camada Limite Planetária (CLP) e suas diversas partes de acordo com a hora do
dia - A é a camada estável, B é a camada de ar residual, C é a camada instável e D é camada de ar da
atmosfera livre que pertence a CLP.
‘
Fonte: Google Imagens1.
1.3 Brisa terrestre e marítima
Em regiões costeiras, a brisa é um fenômeno importante e amplamente estudado. A
brisa, durante o período diurno, pode amenizar as altas temperaturas nas áreas próximas ao
litoral bem como transportar umidade para o interior do continente. Também tem papel
importante na dispersão de poluentes nas grandes cidades podendo até influenciar no regime
de precipitação (Souza, 2016).
Durante o dia, o maior aquecimento do continente em relação ao oceano gera uma
gradiente de pressão que acelera o vento do oceano para o continente dando origem a brisa
marítima. Durante a noite ocorre o contrário, ou seja, o maior resfriamento do continente em
relação ao oceano acelera o vento em direção ao oceano dando origem à brisa terrestre. A
figura 1.4 exemplifica os dois tipos de brisa.
1 – Disponível em:
<https://www.google.com.br/search?hl=ptBR&tbm=isch&source=hp&biw=1366&bih=651&ei=OLav
WqHBsKYwgSSv5TIBQ&q=camada+limite+planetaria&oq=camada+limite+planetaria&gs_l=img.3.
..1159.7058.0.7420.26.13.1.12.12.0.166.1559.0j11.11.0....0...1ac.1.64.img..2.19.1589...0j0i30k1j0i24k
1.0.p02jHZ6izsY#imgrc=dBV3hEBlWGAalM:> Acesso em março de 2018.
24
Figura 1.4 – Brisa marítima e terrestre - (a) brisa marítima (vento em direção ao continente) e (b)
brisa terrestre (vento em direção ao oceano).
Fonte: Google Imagens2.
1.4 Formação do ozônio troposférico
1.4.1 Formação do radical hidroxila (OH)
A compreensão da química troposférica começa pelo radical hidroxila (OH). É um
radical pouco reativo em relação ao oxigênio (O2) e uma vez produzido sobrevive para reagir
com todas as espécies traço da atmosfera. Os oxidantes mais abundantes na atmosfera são o
oxigênio (O2) e ozônio (O3), mas essas moléculas têm fortes energias de ligação e geralmente
são poucas reativas, exceto com certos radicais livres, o que deixa o radical hidroxila (OH)
como a principal espécie oxidante da troposfera.
De acordo com Seinfeld e Pandis (2006), a fotólise de O3 em comprimentos de onda
menores que 319 nm produz átomos de oxigênio nos estados fundamental (O) e excitado
(O(1D)) sendo esse processo muito importante tanto na estratosfera como troposfera.
O3 + hv → O2 + O
(reação 1.1a)
O3 + hv → O2 + O (1D)
(reação 1.1b)
O oxigênio (O) no estado fundamental combina-se rapidamente com o O2 para formar
novamente O3:
2 – Disponível em:
<https://www.google.com.br/search?hl=ptBR&tbm=isch&source=hp&biw=1366&bih=651&ei=OLav
WqHBsKYwgSSv5TIBQ&q=brisa+maritima+e+terrestre&oq=brisa+maritima+e+terrestre&gs_l=img
.3..0j0i5i30k1j0i24k1l2.1086.9081.0.9329.36.30.4.2.2.0.313.4137.0j18j5j1.24.0....0...1ac.1.64.img..6.2
9.4163...0i19k1j0i30i19k1j0i10k1j0i30k1j0i10i24k1.0.RFYSxhAIklI#imgrc=kN8y1_HH09aBGM: >
Acesso em março de 2018.
25
O + O2 + M → O3 + M
(reação 1.2)
A reação 1.1a seguida da reação 1.2 não tem efeito químico líquido, ou seja, é um
ciclo nulo. Contudo, quando o O(1D) é produzido ele pode reagir com outras espécies
químicas. Frequentemente, o O(1D) colide com nitrogênio (N2) ou O2 removendo o excesso
de energia e voltando para o estado fundamental.
O (1D)+ M → O + M
(reação 1.3)
Uma vez que o átomo de oxigênio (O) no estado fundamental reage apenas com o O2
pela reação 1.2 para formar O3, então, o caminho consistindo pelas reações 1.1b, 1.3 e 1.2 é
apenas outro ciclo nulo, porém, ocasionalmente, o O(1D) colide com uma molécula de água e
produz dois radicais hidroxila (OH):
O(1D) + H2O → 2 OH
(reação 1.4)
A reação 1.4 é, de fato, a única reação de fase gasosa na troposfera capaz de quebrar a
ligação H – O em H2O.
1.4.2 Ciclo básico do ozônio (O3), monóxido de nitrogênio (NO) e dióxido de nitrogênio
(NO2)
Na presença de luz solar, NO e NO2, a formação do ozônio ocorre pela fotólise do
NO2 para comprimentos de onda menores que 424 nm:
NO2 + hv → NO + O
(reação 1.5)
O + O2 + M → O3 + M
(reação 1.6)
Não existem outras fontes significativas de ozônio na atmosfera além da reação 1.6.
Uma vez formado, o O3 reage com o NO para regenerar o NO2:
O3 + NO → NO2 + O2
(reação 1.7)
26
As três reações citadas acima chegarão a um ponto em que o NO2 é destruído e
regenerado tão rápido que um ciclo estável é mantido. Esse ciclo estável pode ser alterado
quando se tem a presença de CO e compostos orgânicos voláteis (VOCs) que sofrem oxidação
através do radical hidroxila (OH).
Os compostos orgânicos voláteis (VOCs) são oxidados pelo radical hidroxila (OH)
formando o radical alquila (R) e água:
VOC + OH → R + H2O
(reação 1.8)
O radical Alquila reage com o oxigênio (O2) e com uma segunda molécula (M)
produzindo o radical peróxido de alquila (RO2):
R + O2 + M → RO2 + M
(reação 1.9)
O radical RO2 reage com o NO formando o radical alcoxi (RO) e NO2:
RO2 + NO → RO + NO2
(reação 1.10)
Há ainda a produção do radical hidroperóxido (HO2) e de mais NO2 pelas duas reações
abaixo descritas:
RO + O2 → R’CHO + HO2
(reação 1.11)
HO2 + NO → OH + NO2
(reação 1.12)
Portanto, a produção de NO2 nas reações 1.10 e 1.12 resultam em uma alta produção
de ozônio pelas reações 1.5 e 1.6. O ozônio formado também é consumido pela reação 1.7,
mas em razão da alta produção de NO2 há alta formação de ozônio quando a taxa de fotólise é
máxima (Rojas, 2013).
1.4.3 Oxidação do monóxido de carbono (CO)
O monóxido de carbono reage com o radical hidroxila:
CO + OH → CO2 + H
(reação 1.13)
27
O átomo de hidrogênio (H) formado na reação 1.13 reage rapidamente com o O 2 para
formar o radical hidroperóxido (HO2):
H + O2 + M → HO2 + M
(reação 1.14)
O radical HO2 reage com o NO:
HO2 + NO → NO2 + OH
(reação 1.15)
O radical HO2 também reage com ele mesmo para formar o peróxido de hidrogênio
(H2O2):
HO2 + HO2 → H2O2 + O2
(reação 1.16)
O peróxido de hidrogênio é temporariamente um reservatório de HOx ( OH + HO2):
H2O2 + hv → OH + OH
(reação 1.17)
H2O2 + OH → HO2 + H2O
(reação 1.18)
O NO2 formado na reação 1.15 participa do ciclo fotoquímico do NOx (NO + NO2):
NO2 + hv → NO + O
(reação 1.19)
O + O2 + M → O3 + M
(reação 1.20)
O3 + NO → NO2 + O2
(reação 1.21)
Finalmente, o ciclo termina quando OH e NO2 reagem para formar o ácido nítrico
(HNO3) removendo HOx e NOx do sistema:
OH + NO2 → HNO3 + M
(reação 1.22)
1.5 Estudos sobre modelagem atmosférica utilizando o WRF/CHEM
A modelagem atmosférica através do desenvolvimento de modelos de qualidade do ar
pode ser uma ferramenta extremamente útil para a previsão de concentrações de poluentes
aliada a um baixo custo, uma vez que a aquisição de instrumentos de monitoramento de
qualidade do ar demanda um grande investimento e contínua manutenção. Atualmente, o
modelo numérico de mesoescala WRF/CHEM (Weather Research and forecasting/Chemistry)
é o estado da arte para modelos de mesoescala para a previsão do tempo e de concentrações
de poluentes atmosféricos se distinguindo de seus pares por acoplar meteorologia e química
28
sendo por isso chamado de modelo “online”. Modelos como o MM5 (Penn State Mesoscale
Model) que tratam a parte química em separado da meteorologia são chamados de modelos
“offline”.
Vela (2013) estudou o impacto da mudança dos fatores de emissão na formação do
ozônio troposférico na Região Metropolitana de São Paulo (RMSP). O período de estudo
correspondeu a 06-12 de setembro de 2004 e 12-15 de novembro de 2011. O WRF/CHEM foi
configurado para realizar simulações com quatro grades aninhadas com espaçamento de grade
de 27, 9, 3 e 1 km, onde nas duas primeiras grades foi acionado o modo two way e nas duas
últimas foi o acionado o modo one way de interação entre as grades. A topografia considerada
para a grade com resolução de 1 km foi construída com base em dados topográficos
fornecidos pelo sensor Shuttle Radar Topography Mission (SRTM) da NASA (National
Aeronautics and Space Administration), enquanto a topografia da grade com resolução de 3
km foi construída a partir de dados topográficos fornecidos pelo modelo de elevação digital
desenvolvido pela USGS (United States Geological Survey). As emissões totais de poluentes
que serviram como dados de entrada no modelo WRF/CHEM foram calculadas pela seguinte
equação:
𝐸𝑝 = ∑5𝑣𝑒𝑖𝑐=1 𝑁𝑣𝑒𝑖𝑐 ∙ 𝐹𝐸𝑝,𝑣𝑒𝑖𝑐 ∙ 𝐼𝑣𝑒𝑖𝑐
Eq. 01
Onde:
𝐸𝑝 = Emissão total do poluente 𝑃, em gramas por dia;
𝑁𝑣𝑒𝑖𝑐 = Número de veículos por tipo;
𝐹𝐸𝑝,𝑣𝑒𝑖𝑐 = Fator de emissão do poluente 𝑃 por tipo de veículo, em gramas por quilômetro;
𝐼𝑣𝑒𝑖𝑐 = Intensidade de uso por tipo de veículo, em quilômetros por dia;
𝑣𝑒𝑖𝑐 = Índice que indica o tipo de veículo considerado.
Vela (2013) considerou a distribuição espacial das emissões para a grade com
resolução de 3 km baseada na correlação entre ocupação urbana e dados de satélite de
Intensidade de Luzes Noturnas (ILN), os quais foram fornecidos pelo sensor Operational
Linescan System (OLS) do Defense Meteorological Satellite Program (DMSP), enquanto a
distribuição espacial das emissões para a grade com resolução de 1 km foi calculada de
acordo com um mapa de emissão diária de CO na RMSP construído pelo International
Environmental Database (IED) para o ano de 2009.
Os resultados de Vela (2013) para o período de 12 -15 de novembro de 2011
mostraram que, em geral, o modelo conseguiu representar coerentemente a variabilidade,
29
amplitude e queda de temperatura, produzidas pelos sistemas atmosféricos que atuaram na
RMSP no período estudado. Os testes estatísticos (desvio-padrão (𝜎), raiz do erro médio
quadrático (𝑅𝑀𝑆𝐸) e coeficiente de correlação (𝑟)), disponíveis no apêndice C, mostraram
que a simulação com a grade com resolução de 3 km foi a que apresentou melhores resultados
em comparação com a grade com resolução de 1 km. Os coeficientes de correlação foram, no
geral, superiores a 0,7 e os 𝑅𝑀𝑆𝐸 (raiz do erro médio quadrático) médios foram de 1,25 e
1,51ºC para as grades de 3 e 1 km, respetivamente. Com relação à umidade relativa, os testes
estatísticos mostraram que a grade de 3 km foi a que melhor representou a variação temporal
dos dados observados. No entanto, com coeficientes de correlação baixos em relação a duas
estações de observação. Os 𝑅𝑀𝑆𝐸 médios foram de 7,54 e 8,4 % para as grades de 3 e 1 km,
respectivamente. No caso do NOx, novamente a grade de 3 km representou de forma mais
satisfatória a variação temporal desse poluente. Os coeficientes de correlação foram menores
que 0,6 e os 𝑅𝑀𝑆𝐸 médios foram de 23,96 e 18,43 ppbv para as grades de 3 e 1 km,
respectivamente.
Rojas (2013) realizou um estudo com o WRF/CHEM para a Região Metropolitana de
Lima (RML), no Peru, para simular o transporte de ozônio (O3) associado aos padrões de
circulação atmosférica. Foram escolhidos dois períodos de estudo: 22 a 28 de janeiro de 2012
e 05 a 11 de julho de 2012. O modelo WRF/CHEM foi configurado para ser executado com
três grades aninhadas com espaçamento de grade de 27, 9 e 3 km com o mecanismo ativado
one way de interação entre as grades. Utilizou-se 51 níveis verticais onde o nível mais baixo
era de aproximadamente 10 metros. A topografia da grade com resolução de 3 km foi alterada
para uma resolução de 90 m a fim de melhorar a representação das elevações do terreno.
Para a inclusão no modelo WRF/CHEM da distribuição espacial das emissões de
poluentes causadas pela frota veicular, Rojas (2013) utilizou a seguinte equação matemática
para o fluxo de emissão 𝐸(𝑖,𝑗,𝑘):
𝐸(𝑖,𝑗,𝑘) = 𝜎𝑛 ∙ 𝐸𝐹𝑘,𝑛 ∙ 𝐴𝑛 ∙ 𝐶1 ∙ 10𝐶1 ∙𝑁𝑛 (𝑖,𝑗) + 𝑓𝑛 (𝑖, 𝑗)
Eq. 02
onde 𝐸𝐹𝑘,𝑛 representa o fator de emissão associado ao poluente 𝑘 para o veículo do tipo 𝑛, 𝐴𝑛
é a atividade veicular, 𝑁𝑛 (𝑖, 𝑗) é a intensidade de luzes noturnas dos pontos de coordenadas
(𝑖, 𝑗), 𝑓𝑛 (𝑖, 𝑗) é uma função de correção de fundo (por exemplo, para áreas não urbanas) e 𝐶1 e
𝐶2 são constantes ajustáveis em função de aspectos regionais.
Em relação aos resultados obtidos por Rojas (2013) para janeiro de 2012 e para a
grade com resolução de 3 km, os perfis de temperatura simulada estão, em geral, em boa
30
concordância com os valores observados em quase todas as estações. Para a temperatura
simulada, as correlações obtidas na maioria das estações foram em geral maiores que 0,7,
enquanto os desvios-padrões dos dados simulados foram menores que os desvios-padrões dos
dados observados. No caso da umidade relativa, o modelo representou satisfatoriamente a
variabilidade diurna em quase todas as estações, apesar das fases mínimas e máximas não
serem bem representadas. As correlações obtidas são em geral menores do que as correlações
obtidas para a temperatura simulada e os desvios-padrões são menores do que os desvios
padrão dos dados observados.
Em relação aos resultados obtidos por Rojas (2013) para julho de 2012 e para a grade
com resolução de 3 km, os perfis de temperatura simulada estavam em boa concordância em
relação aos valores observados na maioria das estações, porém o modelo subestimou os
valores mínimos. As correlações obtidas são, em geral, maiores que 0,7. No caso da umidade
relativa, a variação diurna foi bem representada, no entanto, o modelo teve dificuldades em
representar os valores máximos. As correlações obtidas foram menores do que as obtidas para
a temperatura mostrando que em termos de fase, os resultados para temperatura foram
melhores. As tabelas com as testes estatísticos (desvio-padrão (𝜎), erro médio (𝐸𝑀), raiz do
erro médio quadrático (𝑅𝑀𝑆𝐸) e coeficiente de correlação (𝑟)) para as simulações de
temperatura e umidade relativa durante os períodos de 22 – 28 de janeiro de 2012 e 05 – 11 de
julho de 2012 estão mostradas no apêndice D.
Tie et al. (2010) avaliou o impacto da resolução horizontal adotada no modelo
WRF/CHEM no cálculo das concentrações de ozônio e seus precursores na Cidade do
México. As resoluções avaliadas foram 3, 6, 12 e 24 km, sendo que o WRF/CHEM não foi
executado com aninhamento de grades, ou seja, as simulações com as diferentes resoluções
adotadas foram realizadas separadamente. O período de estudo escolhido foi de 26 a 29 de
março de 2006, porém apenas o dia 28 foi escolhido para a validação das simulações. Os
autores queriam entender a influência de três fatores no cálculo das concentrações de ozônio e
seus precursores, são eles: (a) a resolução dos campos meteorológicos; (b) a resolução do
inventário de emissão e (c) a resolução em que as reações químicas não lineares ocorrem.
Os resultados obtidos mostraram que a resolução adotada no modelo tem efeitos
importantes no cálculo das concentrações de ozônio e seus precursores em uma área urbana
altamente povoada como a Cidade do México. As concentrações simuladas de ozônio,
monóxido de carbono e óxidos de nitrogênio foram simuladas razoavelmente nas resoluções
de 3 e 6 km e leves subestimações ocorreram na grade de 12 km. Entretanto, a grade de 24 km
apresentou uma performance muito fraca em comparação ao dados observados de poluentes
31
do ar. Os autores, então, sugeriram que a resolução de 12 km adotada no WRF/CHEM é a
resolução limite que se pode adotar ao simular as concentrações de poluentes na Cidade do
México.
Kuik et al. (2016), utilizaram o WRF/Chem para a avaliar a acurácia do modelo em
simular a temperatura, velocidade e direção do vento e as concentrações de NOx em Berlim –
Brandenburg, onde os dados de uso do solo USGS do WRF foi substituído por 50 categorias
de uso do solo para uma melhor representação da região de Berlim. O modelo foi configurado
com três grades aninhadas na direção one way com espaçamento de grade de 15, 3 e 1 km
para realizar simulações durante o período de 31 de maio a 28 de agosto de 2014. Os autores
realizaram quatro tipos de simulações:
Base: Utilização das configurações padrões do WRF/CHEM;
S1_urb: Representação atualizada dos dados de cobertura de solo e de outros
parâmetros urbanos para a região de Berlim onde se atribuiu a categoria de uso
de solo mais abundante dentro de uma célula de grade a toda célula respectiva;
S2_mos: Consideração da heterogeneidade das categorias de uso do solo
dentro de uma célula de grade do modelo (abordagem mosaica);
S3_emi: Fazendo um aumento da resolução horizontal de 7 km do inventário
de emissão para uma resolução mais fina de 1 km.
Os resultados mostraram que o viés máximo das quatro simulações é melhorado com o
aumento da resolução de 15 km para 3 km para simular as concentrações de NOx em uma
cidade do tamanho de Berlim, mesmo com dados de emissão em uma resolução mais grossa
(7 km x 7 km). A comparação entre o viés médio mostrou ainda que a utilização do inventário
de emissões com resolução horizontal de 7 km não melhorou os resultados para a resolução de
1 km em relação à resolução de 3 km. Avaliando os resultados do modelo com os dados
observados em estações localizadas apenas em áreas urbanas, o modelo WRF/CHEM
subestimou as concentrações de NOx durante o dia e superestimou a noite para as quatro
simulações realizadas. Com relação à temperatura simulada a 2 metros, a correlação com as
observações ficaram entre 0,88 e 0,91 para todos os domínios do modelo, o que mostra que o
modelo representou bem a variabilidade da temperatura observada. A velocidade horária do
vento simulada correlacionou-se com as observações com coeficientes de correlação entre 0,5
e 0,6 e a direção do vento mais frequentemente observada para quatro estações foi de oeste
32
sendo tal fato reproduzido pelo modelo e com melhor acurácia com o aumento da resolução,
porém sem uma diferença significativa entre as três resoluções adotadas. As análises
estatísticas para as simulações de temperatura e NOx estão descritas no apêndice E onde se
considerou a média, o erro médio e o coeficiente de correlação.
1.6 Objetivos
1.6.1 Objetivo Geral
Avaliar a qualidade do ar (NO2, CO, O3) na cidade de Maceió-AL utilizando o modelo
atmosférico WRF/CHEM.
1.6.2 Objetivos específicos
Determinar qual resolução horizontal adotada no modelo (5 ou 1 km) WRF/CHEM
oferece melhores resultados para as simulações dos valores observados de variáveis
meteorológicas (temperatura, umidade relativa e velocidade e direção do vento) e de
concentrações de dióxido de nitrogênio (NO2).
Determinar qual das quatro simulações executadas no modelo WRF/CHEM oferece
melhores resultados para as simulações dos valores observados de variáveis
meteorológicas (temperatura, umidade relativa e velocidade e direção do vento) e de
concentrações de dióxido de nitrogênio (NO2). As simulações executadas são: Default
- simulação com a topografia e uso do solo padrões do modelo; Topo - simulação com
a topografia atualizada e uso do solo padrão; IGBP - simulação com a topografia
padrão e uso do solo atualizado; Topo_IGBP - simulação com a atualização da
topografia e uso do solo.
Avaliar a precisão do modelo WRF/CHEM, através de análise estatística, em simular
os valores observados de variáveis meteorológicas (temperatura, umidade relativa e
velocidade e direção do vento) e de concentrações de dióxido de nitrogênio (NO2) na
cidade de Maceio-AL.
33
2. METODOLOGIA
2.1 Área de estudo
O município de Maceió-AL encontra-se na região Nordeste do Brasil, na latitude 9º
39’ 75” sul e longitude 35º 44’ 07” oeste, às margens do Oceano Atlântico, ver figura 2.1.
Tem uma área aproximada de 510 km2 dos quais 212 km2 de área urbana onde se localiza a
cidade de Maceió que possui uma população de um pouco mais de 1 milhão de habitantes
(IBGE, 2017).
Figura 2.1 - Localização da área de estudo.
Fonte: Autor (2018).
A Figura 2.2 mostra a variação da população de Maceió durante os anos de 2011 a
2017. A cada ano tem se verificado um crescimento da população e, consequentemente, mais
pessoas estão expostas aos problemas decorrentes da poluição urbana.
34
Figura 2.2 – Variação anual da população de Maceió-AL durante os anos de 2011 a 2017.
Fonte: Autor (2018).
2.2 Modelo Atmosférico WRF/CHEM (Weather Research and forecasting/Chemistry)
O modelo atmosférico WRF/CHEM (Weather Research and forecasting/Chemistry) é
um modelo de previsão do tempo, clima e qualidade do ar desenvolvido através da parceria
entre várias instituições de pesquisa: National Center for Atmospheric Research (NCAR),
National Center for Environmental Prediction (NCEP), Forecast System Laboratory (FSL),
Air Force Weather Agency (AFWA), Naval Research Laboratory, University of Oklahoma e
Federal Aviation Administration (FAA).
O WRF/CHEM é um modelo não hidrostático com vários núcleos dinâmicos bem
como diferentes escolhas de parametrizações físicas para processos que não podem ser
resolvidos pelo modelo permitindo que seja aplicado em diferentes escalas (Grell et al.,2005).
Possuem vários módulos químicos dentro de sua estrutura que são tratados simultaneamente
com a parte meteorológica, ou seja, a componente química usa os mesmos esquemas de
transporte, esquemas físicos e a mesma grade do módulo meteorológico (Calderon, 2015).
Todos os processos físico-químicos da atmosfera são simulados e previstos de forma
simultânea (“online”). Embora o WRF/CHEM tenha várias possibilidades de escolhas de
núcleos dinâmicos, ele trabalha com o núcleo dinâmico ARW (Advanced Research WRF)
onde as equações de prognóstico integradas são colocadas na forma conservativa (fluxo) para
as variáveis conservadas. Variáveis não conservadas como pressão e temperatura são
diagnosticadas a partir do prognóstico das variáveis conservadas (Grell et al., 2005).
35
O mecanismo químico fase gás RADM2 (The second generation Regional Acid
Deposition Model) foi o escolhido para o presente trabalho. O RADM2 é um compromisso
entre o detalhe químico, precisão das previsões e avaliação de recursos computacionais sendo
amplamente usado em modelos atmosféricos para prever concentrações de oxidantes e outros
poluentes do ar (Grell et al.,2005). O mecanismo químico RADM2 é altamente não linear,
considerando ozônio, sulfato, acido nítrico e as concentrações de peróxido de hidrogênio
como funções complicadas de NOx e de concentrações de hidrocarbonetos não metano (Rojas,
2013).
As espécies inorgânicas incluídas no mecanismo RADM2 são 14 espécies estáveis, 4
de reatividade intermediária e 3 espécies estáveis abundantes (oxigênio, nitrogênio e água). A
química orgânica da atmosfera é representada por 26 espécies estáveis e 16 radicais
peróxidos.
As frequências de fotólises para 21 reações fotoquímicas da fase gás do modelo são
calculadas para cada ponto de grade (Grell et al.,2005). A ativação ou dissociação de espécies
químicas através da conversão de radiação solar em energia química chama-se
fotodissociação (Silva Júnior et at.,2012). Portanto, de acordo com Grell et al.(2005), a
frequência de fotólise de um gás i, Ji , realizada pela sua fotodissociação é dada por:
λ
Ji = ∫λ 2 IA (τ, λ)σi (λ)ϕi (λ)dλ
1
onde
Eq. 03
IA (λ) é o fluxo actínico (fótons.cm-2.min-1.nm-1), σi (λ) é a seção de absorção
transversal de cada molécula (cm2.molécula-1), ϕi (λ) são os rendimentos quânticos das
reações de fotólise (molécula.fóton-1) e λ (nm) é o comprimento de onda da radiação
incidente.
O WRF/CHEM possui diferentes esquemas de parametrizações físicas para os
diversos processos de escala sub-grade: radiação de onda curta e longa, microfísica, cúmulos,
camada superficial, superfície terrestre e camada limite planetária (Calderon, 2015). Em
Skamarock et al. (2008) há uma descrição completa de todas as parametrizações citadas.
36
A versão 3.9 do WRF/CHEM de abril de 2017 suporta o aninhamento horizontal de
grades onde as grades aninhadas devem ser retangulares e alinhadas com a grade maior
(Rojas, 2013). O aninhamento pode ser configurado para realizar a interação entre as grades
de duas formas. No modo one way os resultados das simulações na grade maior são utilizados
como condição de contorno para a grade menor. O modo two way é similar ao one way,
porém os valores das simulações nos pontos da grade maior que estão dentro da grade menor
são alterados para os valores obtidos na grade aninhada (figura 2.3).
Figura 2.3 - Aninhamento de grades no WRF/CHEM.
Fonte: Skamarock et al. (2008).
2.2.1 Configurações do Modelo
2.2.1.1 Domínios de simulação
O modelo foi configurado para realizar simulações com duas grades aninhadas. A
grade maior foi configurada com 81x 81 pontos nas direções xy e espaçamento de grade de 5
km, enquanto a grade menor foi configurada com 81 x 81 pontos nas direções xy e
espaçamento de grade de 1 km. A tabela 2.1 mostra as propriedades dos domínios
considerados.
37
Tabela 2.1 - Propriedades dos domínios considerados.
Domínios e suas propriedades
Valor
Número de pontos leste/oeste
81
Número de pontos norte/sul
81
Níveis Verticais
31
Espaçamento de grade
5 km /1 km
Projeção cartográfica
Mercator
Latitude do centro
-9.6372
Longitude do Centro
-35.7361
Fonte: Autor (2018).
Optou-se por realizar as simulações com as grades aninhadas e acionando o modo one
way de interação entre elas, ou seja, não há um feedback entre as grades. Tal mecanismo foi
usado para eliminar erros de conservação de massa, ou seja, pelo fato da escala de tempo do
erro de conservação de massa ser maior do que a escala de tempo do transporte,
transformação e processos de remoção que determinam a distribuição das espécies químicas
de interesse (Rojas, 2013), o que gera inconsistência entre as grades aninhadas, caso se utilize
o modo two-way. Outro fator importante para a escolha da direção one way se deve ao fato de
se poder fazer uma comparação sobre a acurácia das simulações com as resoluções de 5 e 1
km sem levar em consideração a interferência que uma grade causaria na outra caso se
utilizasse a direção two way.
2.2.1.2 Configuração física e química
Utilizou-se o mecanismo químico RADM2 sem considerar a formação de aerossóis
(chem_opt = 1) para gerar os resultados. O resumo das configurações físicas e químicas,
utilizadas neste trabalho, está mostrado na tabela 2.2.
38
Tabela 2.2 - Parametrizações físicas e químicas.
Opção física
Parametrização utilizada
Radiação de onda longa
RRTMG (Iacono et al.,2008)
Radiação de onda curta
Goddard (Chou et al.,1998)
Camada superficial
Monin-Obukhov (Monin e
Obukhov, 1954)
Superfície terrestre
NOAH Land Surface Model (Ek et
al.,2003)
Camada limite planetária
Asymmetrical Convective Model
(Pleim, 2007)
Microfísica
Purdue Lin et al. Scheme (Lin et
al.,1983)
Cúmulos
Grell-3d (2008)
Opção química
Mecanismo químico
RADM2 (Stockwell et al.,1990)
Fotólise
Madronich (Madronich,1987)
Fonte: Autor (2018).
2.2.1.3 Inventário de emissão
Esta subseção descreve toda a metodologia necessária para a construção de um
inventário de emissões veiculares para uma metrópole de porte médio como Maceió-AL. Tal
metodologia pode ser usada com as devidas adequações para a construção de inventários para
outras cidades brasileiras.
Um inventário de emissões é um conjunto de dados que estima a quantidade de
emissão de determinados poluentes atmosféricos a partir de fontes especificadas levando em
consideração certa área geográfica e um dado período de tempo. A construção de um
inventário bem detalhado ajuda a compreender e estreita a relação entre emissão e
concentração de poluentes na atmosfera e, portanto, é bastante útil na elaboração de políticas
39
públicas que ajudem a reduzir as concentrações de poluentes danosos à saúde humana
(CETESB, 2016).
Para a elaboração do Inventário de Emissões Veiculares para a Cidade de Maceió – AL
utilizou-se a metodologia bottom-up3 que considera separadamente a contribuição de cada
fonte na emissão de determinado poluente atmosférico. Os gases de exaustão são lançados na
atmosfera através da queima do combustível no motor do veículo. Há ainda o lançamento de
gases pelo processo de evaporação do combustível armazenado no tanque do veículo e
também pelo processo de abastecimento nos postos de gasolina. Os gases de exaustão
inventariados neste trabalho foram o monóxido de carbono (CO), os óxidos de nitrogênio
(NOx) e material particulado (MP). Também se inventariou as emissões evaporativas e de
abastecimento constituídas por vapores de gasolina e etanol e definidas como hidrocarbonetos
não metano (NMHC).
Foram consideradas apenas as emissões de poluentes por veículos automotores, uma
vez que elas representam a maior parte do total emitido nas grandes cidades. Foram
calculadas as emissões totais em toneladas por ano para os poluentes monóxido de carbono
(CO), óxidos de nitrogênio (NOx), hidrocarbonetos não metano (NMHC) e material
particulado (MP). Optou-se por seguir a metodologia proposta no Relatório de Emissões
Veiculares publicado pela Companhia Ambiental do Estado de São Paulo (CETESB)
publicado no ano de 2016.
2.2.1.3.1 Emissões de Escapamento
Para calcular as emissões de escapamento são necessários os dados de fator de
emissão por tipo de veículo, poluente e combustível, a quilometragem média ou intensidade
de uso e o número de veículos por categoria, combustível e ano de fabricação.
De acordo com CETESB (2016) a equação geral utilizada para o cálculo das emissões
de escapamento é dada por:
E = Fr x Fe x Iu
Eq. 04
onde:
E = Massa do poluente emitida durante o ano que se quer inventariar (g/ano);
Fr = Frota circulante, ou seja, número de veículos por categoria, combustível e ano de
fabricação;
Fe = Fator de emissão, depende do tipo de veículo, poluente e combustível utilizado (g/km);
3 – Metodologia utilizada quando se dispõe de dados detalhados para estimar as emissões de poluentes
de uma área geográfica bem caracterizada. É bastante precisa, porém nem sempre é possível obter toda
a informação necessária para a realização dos cálculos.
40
Iu = Intensidade de uso ou quilometragem média anual percorrida pelo veículo.
O modelo geral utilizado para inventariar as emissões de poluentes está descrito
abaixo onde se utiliza as informações relativas ao número de veículos de determinada
categoria, fatores de emissão (por tipo de veículo, combustível e poluente) e distância média
percorrida anualmente em função da idade do veículo.
Figura 2.4 - Diagrama esquemático com as etapas da metodologia proposta.
Início
Aplicar Dados do Registro Nacional de
Veículos Automotores - RENAVAM
Obter Frota Circulante:
Veículo K, Combustível Y, Ano W
Aplicar Frota Circulante:
Veículo K, Combustível Y, Ano W.
Aplicar Distância
Média Anual
Percorrida:
Veículo K, Ano
W.
Calcular Taxa Anual de
Emissão do Poluente X:
EX = Frk,w x Dmk,w x Fex
Exibir taxas anuais de emissão de cada um
dos poluentes X por tipo de veículo K
Aplicar Fator de Emissão
do poluente X com o uso
do combustível Y, pelo
tipo de veículo K –
CETESB (2016).
Final
Fonte: Autor (2018).
Intensidade de uso é a distância percorrida pelo veículo ao longo de um ano. Tal
distância depende do tipo e idade do veículo. Expressa em quilômetro por ano (km/ano).
Fator de emissão é a massa de poluente emitida pelos veículos ao percorrer
determinada distância. Expresso em gramas por quilômetro (g/km). Todos os fatores de
41
emissão e valores de intensidade de uso utilizados neste trabalho foram retirados do Relatório
de Emissões Veiculares publicado pela Companhia Ambiental do Estado de São Paulo
(CETESB) no ano de 2016.
Frota Circulante é a quantidade de veículos que estão em circulação nas cidades
independentemente de estarem licenciados ou registrados no órgão de trânsito. No presente
trabalho a frota circulante em Maceió-AL foi tomada como sendo igual ao número de
veículos que consta no Registro Nacional de Veículos Automotores (RENAVAM). As
categorias de veículos utilizadas para os cálculos das emissões de poluentes estão descritas na
tabela 2.3.
42
Tabela 2.3 - Definição das Categorias de Veículos em Maceió - AL.
Categorias
Combustível
Definição
Veículo automotor destinado ao transporte
Automóveis
Gasolina
de passageiros, com capacidade para até
Etanol
oito pessoas, inclusive o condutor.
Flex
Gasolina
Veículo automotor destinado ao transporte
Veículos Comerciais
Etanol
de pessoas ou carga, com peso bruto total
Leves
Flex
de até 3.500 kg.
Diesel
Veículo automotor de duas rodas, com ou
Motocicletas
Gasolina
Flex
sem
side-car,
dirigido
em
posição
montada.
Veículo automotor destinado ao transporte
Caminhões
Diesel
de carga, com carroçaria, e peso bruto total
superior a 3.500 kg.
Veículo automotor de transporte coletivo
dentro do município, de uso intermunicipal
Ônibus Urbanos
Diesel
nas regiões metropolitanas e os midiônibus.
Veículo automotor para transporte coletivo
Micro-Ônibus
Diesel
com capacidade para até vinte passageiros,
para
uso
urbano,
intermunicipal
ou
rodoviário, incluindo os mini-ônibus.
Fonte: Autor (2018).
O levantamento da quantidade de veículos em circulação levou em consideração os
dados presentes no Registro Nacional de Veículos Automotores (RENAVAM) tendo como
base o ano de 2016 (tabela 2.4).
43
Tabela 2.4 - Distribuição da frota por categoria em 2016 para Maceió - AL.
Categoria
Distribuição da
Porcentagem (%)
frota
Automóveis
177.548
61,2
Comerciais Leves
32.486
11,2
Motocicletas
68.370
23,6
Caminhões
8.388
2,9
Ônibus Urbanos
2.120
0,7
Micro – Ônibus
1.159
0,4
Total
290.071
100
Fonte: Autor (2018).
A distribuição dos veículos por categoria e combustível é mostrada na tabela 2.5.
44
Tabela 2.5 - Distribuição da frota por categoria e combustível em 2016 para Maceió – AL - (*)
Gasolina comercial vendida nos postos de combustíveis. Possui em sua composição etanol anidro
(obtido da cana de açúcar e com teor de água próximo de zero), em percentual que varia de 18% a
27% do volume total (CETESB, 2016).
Categoria
Automóveis
Gasolina C*
Etanol
Diesel
Flex
67.890
8.979 (5,1%)
-
100.679 (56,7%)
1.643 (5,1%)
11.184
7.237 (22,3%)
(38,2%)
12.422
Comerciais Leves
(38,2%)
26.144
Motocicletas
(34,4%)
-
-
42.226 (61,8%)
-
8.388
-
(38,2%)
-
(100%)
Caminhões
-
-
-
(100%)
Ônibus Urbanos
Micro – Ônibus
2.120
-
1.159
-
(100%)
Fonte: Autor (2018).
Em relação à categorização dos veículos por idade, nota-se que mais de um quarto das
frotas de Alagoas e Maceió são formadas por veículos com mais de 15 anos de uso (figura
2.5).
45
Figura 2.5 - Percentual da distribuição de veículos por idade no período de -2002 até 2016 para
Maceió (azul) e Alagoas (vermelho).
25
Maceió
Alagoas
Percentual
20
15
10
5
0
-2002 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Ano de Fabricação
Fonte: Autor (2018).
2.2.1.3.2 – Emissões de poluentes pelos veículos automotores
As emissões de CO, NOx, MP e NMHC dos veículos em circulação na cidade de
Maceió – AL foram calculadas de acordo com a metodologia proposta pela Companhia
Ambiental do Estado de São Paulo (CETESB). O ano de 2016 foi tomado com referência
onde se estimou uma frota de aproximadamente 290 mil veículos dentre as categorias
Automóveis, Comerciais Leves, Motocicletas, Caminhões, Ônibus Urbanos e Micro-Ônibus
(RENAVAM, 2016).
A frota veicular de Maceió-AL emitiu 10.445 toneladas de CO, 2595 toneladas de
NOx, 57 toneladas de MP e 786 toneladas de NMHC (tabela 2.6).
Os automóveis que compõem aproximadamente 62% da frota de veículos são
responsáveis por 72% do total de emissão de CO e 58% do total de emissão de NMHC. A
categoria caminhões que representa apenas 3% dos veículos em circulação emite 36% do total
de emissão de NOx e 47% do total de emissão de MP (figura 2.7).
46
Tabela 2.6 - Total de Emissões em 2016 de CO, NOx, MP e NMHC para a cidade de Maceió –
AL em toneladas por ano (t/ano).
Emissões (t)
CO
NOx
MP
NMHC
Automóveis
7518
508
3
452
Comerciais Leves
1114
372
10
67
Motocicletas
1502
75
Caminhões
167
937
26
35
Ônibus Urbanos
117
567
13
20
Micro-Ônibus
27
135
4
6
Total
10.445
2595
57
786
207
Fonte: Autor (2018).
Figura 2.6 – Percentual de emissão de poluentes por categoria de veículos.
Percentual de Emissão (%)
80
CO
70
MP
60
NOx
NMHC
50
40
30
20
10
0
Automóveis
Comerciais
Leves
Motocicletas
Caminhões
Ônibus
Urbanos
Categorias de Veículos
Fonte: Autor (2018).
Micro-Ônibus
47
2.2.2 Local de medição de dióxido de nitrogênio (NO2)
Na figura abaixo é possível perceber que ao lado do local de medição se encontra a
Avenida Fernandes Lima, sendo esta a mais movimentada em termos de tráfego de veículos
em Maceió – AL. Nota-se também que a direção predominante do vento é de sudeste e que o
local de medição encontra-se cercado por uma área remanescente de vegetação.
Figura 2.7 – Cidade de Maceió-AL com suas principais vias de tráfego e local de medição.
Fonte: Autor (2018).
2.2.3 Validação das simulações
2.2.3.1 Concentrações de dióxido de nitrogênio (NO2)
A medição das concentrações de dióxido de nitrogênio (NO2) ocorreu de forma
contínua e com frequência de 10 minutos, por um analisador NITROGEN OXIDE
ANALISER – Modelo 200A (figura 2.8). Tais medições foram utilizadas para avaliar a
precisão do modelo em simular as concentrações de NO2.
48
Figura 2.8 - Analisador NITROGEN OXIDE ANALISER – Modelo 200A - Utilizado para medir
concentrações de NO e NOx.
Fonte: Fernandes (2011).
2.2.3.1.1 Princípio de funcionamento do Analisador NITROGEN OXIDE ANALISER Modelo 200A
O instrumento mede a intensidade da luz da reação de quimiluminescência, reação
química onde a mistura de reagentes produz a emissão de luz, entre os gases óxido de
nitrogênio (NO) e ozônio (O3). A reação é dada da seguinte forma:
NO + O3 → NO∗2 + O2
(reação 2.1)
NO∗2 → NO2 + hv
(reação 2.2)
A reação entre o ozônio e NO resulta em moléculas de NO2 excitadas eletronicamente
(NO∗2 ) que liberam o excesso de energia através da emissão de fótons (luz infravermelha (hv))
e decaem para um nível de energia mais baixo. A intensidade da luz produzida é diretamente
proporcional à concentração de NO presente.
Interligado a uma bomba de sucção a vácuo, todo o ar do ambiente era conduzido para
o ambiente interno do analisador por uma mangueira de teflon azul de
1
4
de polegadas com comprimento de 10 metros e espessura de 6,32 mm, passando por um
filtro, a fim de eliminar o material particulado (Fernandes, 2011). Um conversor contendo
molibdênio (Mo) aquecido a 315ºC converte todo o NO2 em NO através da reação:
3NO2 + Mo → 3NO + MoO3
(reação 2.3)
49
O analisador mede agora a concentração total de NOx. A concentração de NO2 é dada
pela diferença entre as concentrações de NOx e NO.
2.2.3.2 Temperatura do ar, umidade relativa do ar e velocidade e direção do vento
Não estão disponíveis dados horários de temperatura e umidade relativa para o local de
medição de NO2 deste trabalho, então se optou por utilizar os dados registrados no Banco de
Dados Meteorológicos (BDMET) da estação convencional localizada em 9° 39’ 36’’ de
latitude sul e 35° 42’ de longitude oeste e a uma altitude de 64,5 metros. Os dados estão
registrados apenas para as horas 00, 12 e 18 UTC. Os dados horários de velocidade e direção
do vento foram extraídos da estação automática do Instituto Nacional de Meteorologia
(INMET) localizada na latitude 9° 33 ’04’’ sul e longitude 35° 46’ 13’’ oeste, a uma altitude
de 80 metros. Portanto, como o local de observação é diferente do local de estudo obviamente
serão encontradas diferenças entre o simulado e o observado. Também se deve levar em
consideração que os resultados simulados se referem ao primeiro nível do modelo (1000mb).
2.2.4 Distribuição espacial e temporal das emissões no WRF/CHEM
As emissões anuais totais (em toneladas) de cada poluente inventariado foram
convertidas para as unidades de entrada específicas do WRF/CHEM, ou seja, para mol.km2
.dia-1 no caso dos poluentes CO, NOx e NMHC. Os NMHC fazem parte de uma categoria de
poluentes chamada de Compostos Orgânicos Voláteis que engloba várias espécies químicas
além do Metano (CH4), a saber: Etanos, Alcanos, Etilenos, Alcenos, Aromáticos,
Formaldeídos e Acetaldeídos.
Depois da conversão das unidades se faz necessário distribuir espacialmente e
temporalmente as emissões nos arquivos de emissões referentes aos domínios a serem
utilizados: wrfchemi_d01 (para o domínio 1) e wrfchemi_d02 (para o domínio 2). Os arquivos
de emissões foram gerados por um programa escrito na linguagem de programação Fortran
que foi desenvolvido no Laboratório de Modelagem Atmosférica e Instrumentação
Meteorológica do Instituto de Ciências Atmosféricas (ICAT) da Universidade Federal de
Alagoas (UFAL).
Germano (2014) mapeou os pontos de emissão relacionados às fontes móveis das
principais vias de tráfego de Maceió-AL, totalizando 250 pontos de emissão com
espaçamento de aproximadamente 1 km com o auxílio do Google Earth, inclusive atribuindo
50
pesos aos pontos de congestionamento. A figura 2.9 mostra à distribuição espacial dos pontos
de emissão e a tabela 2.7 as distribuições dos pesos.
Tabela 2.7 - Identificação das vias de Maceió-AL com base no tráfego de veículos.
Identificação de vias
Peso
Classificação
A
5
Vias de tráfego muito pesado
B
4
Vias de tráfego pesado
C
3
Vias de tráfego meio pesado
D
2
Vias de tráfego médio
E
1
Vias de tráfego leve
Fonte: Germano (2014).
A distribuição espacial dos pontos de emissão é dada pela figura 2.9.
Figura 2.9 - Distribuição espacial dos pontos de emissão.
Fonte: Germano (2014).
Tendo em vista que os dados obtidos no inventário de emissões expressa a quantidade
anual e para toda área urbana de Maceió, foi feita também uma variação temporal horária das
emissões de tal forma a representar a variação do tráfego nas vias maceioenses, ou seja,
51
distribuir as emissões ao longo do dia para que o modelo WRF/CHEM assimile a variação do
tráfego de veículos de acordo com a hora do dia. Tal perfil temporal foi construído com base
na emissão horária de NOx utilizada no trabalho de Vela (2013), porém fazendo ajustes de
emissão mais acentuados nas 16 e 17 horas locais. Foi utilizada a mesma distribuição horária
de emissão para o monóxido de carbono, óxidos de nitrogênio e hidrocarbonetos não metano
(figura 2.10).
Figura 2.10 - Perfil temporal das emissões.
Fonte: Autor (2018).
2.2.5 Fator de correção de emissão
As emissões em cada ponto de grade que o WRF/CHEM considerou foram colocadas
da seguinte forma:
E=
625∗ Ep
dx
dy
∗
)
1000 1000
(
Eq. 05
onde E é a emissão em cada ponto de grade, Ep é a emissão de entrada no modelo para
determinado poluente (mol.km-2.dia-1), e dx, dy são os espaçamentos de grade horizontal e
vertical, respectivamente, ambos dados em metros. O fator de correção tem a função de
aumentar as emissões em cada ponto de grade do modelo uma vez que a assimilação pelo
WRF/CHEM das emissões totais dos poluentes inventariados sem tal fator gerou
concentrações de NO2 muito subestimadas em relação aos dados observados, o que
impossibilitou qualquer tipo de comparação.
52
2.2.6 Atualização da topografia e uso do solo
Para melhorar a representação de superfície no WRF/CHEM foi realizada uma
atualização da topografia utilizando dados do projeto Brasil em relevo que inclui como fontes
primárias modelos de elevação digital, com aproximadamente 90 metros de resolução
espacial.
O uso do solo também foi atualizado utilizando dados do ano de 2001 com
resolução horizontal de 250 metros e obtidos com base no Programa Internacional Biosfera
Geosfera (http://webmap.ornl.gov/wcsdown/wcsdown.jsp?dg_i d=10004_1 – “IGBP global
vegetation classification scheme”) ( Silva Júnior et al., 2016).
As categorias de uso do solo utilizadas no WRF/CHEM estão descritas na tabela 2.8.
Tabela 2.8 – Categorias de uso do solo do WRF/CHEM.
Categoria de uso
Descrição
do solo
1
Floresta alta
2
Floresta alta
3
Floresta alta
4
Floresta alta
5
Floresta mista
6
Floresta rasteira
7
Floresta rasteira
8
Árvores e savanas
9
Savanas
10
Pastos selvagens
11
Vegetação alagada
12
Área cultivada
13
Urbano
14
Área cultivada
15
Neve e gelo
16
Solo exposto (arenoso)
17
Água
Fonte: Autor (2018).
O modelo WRF/CHEM foi configurado para realizar quatro simulações:
53
Default - Simulação com a topografia e uso do solo padrões do modelo;
Topo - Simulação com a topografia atualizada e uso do solo padrão do modelo;
IGBP - Simulação com a topografia padrão do modelo e uso do solo atualizado;
Topo_IGBP - Simulação com a atualização da topografia e uso do solo.
A figura 2.11 mostra a topografia e uso do solo para a cidade de Maceió-AL antes e
depois das atualizações.
Figura 2.11 – Atualizações da topografia e uso do solo - (a) configuração padrão da topografia do
WRF/CHEM, (b) topografia atualizada, (c) configuração padrão do uso do solo do WRF/CHEM e (d)
uso do solo atualizado.
Fonte: Autor (2018).
(a)
(b)
(c)
(d)
54
2.2.7 Descrição das simulações e período de estudo
As simulações foram realizadas utilizando a versão 3.9 do modelo WRF/CHEM que
foi configurado para simular um período de 96 horas, ou seja, do dia 22/04/2011 00UTC até
26/04/2011 00UTC. Os dias foram escolhidos de acordo com a disponibilidade de dados
coletados no respectivo período.
As emissões totais em toneladas dos poluentes CO, NOx e NMHC para o ano de 2011
foram obtidas através do inventário de emissão construído para o ano de 2016, uma vez que
tal inventário explicita, em separado, as emissões totais dos anos anteriores a 2002 e de 2002
até 2016. Esse nível de detalhe permite estimar as emissões de qualquer ano anterior a 2016
e, dessa forma, não é preciso construir um novo inventário de emissão para o ano em que se
quer estimar as emissões totais de CO, NOx, NMHC e MP.
2.2.8 Condição inicial para a química do modelo
Como condição inicial ou concentração de fundo utilizou-se a simulação do dia
21/04/2011 que serviu para incorporar os dados da atmosfera e química antes do início da
simulação do período de estudo. A concentração de fundo foi assimilada pelo modelo através
de um programa escrito na linguagem de programação Fortran que foi desenvolvido no
Laboratório de Modelagem Atmosférica e Instrumentação Meteorológica do Instituto de
Ciências Atmosféricas (ICAT) da Universidade Federal de Alagoas (UFAL). Para efeito de
validação das concentrações simuladas, optou-se por validar apenas as concentrações dos dias
23 a 25 de abril de 2011 de modo que o dia 22/04/2011 passou a ser utilizado também como
concentração de fundo.
2.2.9 Análise estatística
Os dados observados e simulados foram analisados estatisticamente através do
conceito de média, desvio-padrão, erro médio, raiz do erro médio quadrático e coeficiente de
correlação (tabela 2.9). A seguir estão descritos todos os parâmetros estatísticos utilizados
neste trabalho.
55
̅)
2.2.9.1 Média (𝐌
Seja N o número total de valores de uma amostra e X i cada valor onde i = 1,..., N. A
̅ ) é a soma dos valores Xi dividida pelo total de valores N.
Média (M
1
̅̅̅
M = N ∑N
i=1 X i
Eq. 06
2.2.9.2 Desvio Padrão (σ)
É uma medida de dispersão dos dados em torno da média. Um desvio padrão baixo
indica que os dados estão próximos da média, enquanto um desvio padrão alto indica que os
dados estão distribuídos por uma ampla gama de valores.
̅ )2
∑N (X −M
i
Σ = √ i=1N−1
Eq. 07
̅ são os valores, quantidade e média dos dados da amostra, respetivamente.
Onde Xi, N e M
2.2.9.3 Erro Médio (EM) ou Viés
É a média das diferenças entre os valores simulados e observados. Um valor positivo
indica que as simulações superestimam as observações, enquanto um valor negativo mostra
que as simulações estão subestimadas em relação às observações. Um viés igual à zero indica
uma simulação perfeita.
1
EM = N ∑N
i=1(Si − Oi )
Eq. 08
Onde Si e Oi são dados simulados e observados, respectivamente e N é a quantidade total de
dados.
2.2.9.4 Coeficiente de Correlação (r)
56
Mede a relação linear entre os valores simulados e observados. Pode variar de -1 a 1,
onde r =1 indica uma correlação perfeita.
r=
̅
̅
∑N
i=1(Si − S)(Oi− O)
N
̅ 2
̅ 2
√∑N
i=1(Si− S) .√∑i=1(Oi − O)
Eq. 09
Onde: Si e Oi são os dados simulados e observados, respectivamente e N é a quantidade total
̅ são as médias dos valores simulados e observados, respectivamente.
de dados. S̅ e O
2.2.9.5 Raiz do Erro Médio Quadrático (REMQ)
É a raiz quadrada da média dos quadrados das diferenças entre os valores simulados e
observados. Quanto maior a REMQ mais alta será a discrepância entre os dados simulados e
observados.
1
2
REMQ = √N ∑N
i=1(Si − Oi )
Eq. 10
Onde: Si e Oi são dados simulados e observados, respectivamente e N é a quantidade total de
dados.
57
Tabela 2.9 - Equações e indicadores para a análise estatística - “N” representa o número total de
dados, Si os dados simulados e Oi os dados observados.
𝐍
𝟏
∑ 𝐒𝐢
𝐍
𝐢=𝟏
Média (𝐒̅)
𝐒̅ =
Desvio Padrão (𝛔)
̅ 2
∑N
i=1(Si − S)
√
σ=
N−1
Erro Médio ou
Viés (EM)
N
1
EM =
∑ (Si − O i )
N
i=1
Coeficiente de
Correlação (r)
Raiz do Erro Médio
Quadrático (REMQ)
Fonte: Autor (2018).
r=
̅
̅
∑N
i=1(Si − S)(Oi − O)
N
̅ 2
̅ 2
√∑N
i=1(Si − S) . √∑i=1(Oi − O)
REMQ = √
N
1
∑ (Si − Oi )2
N
i=1
Média dos valores
simulados
ou
observados.
Variação dos dados
com base na média.
Média
das
diferenças, melhor
próximo de zero.
𝑟 ≥ 0,70
Correlação forte;
0,30 ≤ 𝑟 < 0,70
Correlação
moderada;
𝑟 < 0,30
Correlação fraca.
Média
das
diferenças
quadráticas, melhor
próximo de zero.
58
3. RESULTADOS E DISCUSSÕES
3.1 Descrição das condições meteorológicas
Será dada uma descrição das condições meteorológicas dos dias 23 a 25/04/2011 que
foram os dias escolhidos para a realização das simulações e validações neste presente
trabalho.
No dia 23/04/2011 observa-se que a Zona de Convergência Intertropical (ZCIT) está
deslocada para uma posição mais ao sul da sua posição climatológica causando nebulosidade
sobre o norte do Nordeste (figura 3.1). Nota-se que os ventos alísios de nordeste causam o
deslocamento da nebulosidade associada à ZCIT em direção à região Norte do Brasil. No dia
24/04/2011 a ZCIT atua em conjunto com um centro de baixa pressão com núcleo de 1006
hpa em torno de 5ºS/30ºO (figura 3.2). No dia 25/05/2011 a ZCIT atua agora em conjunto
com um centro de baixa pressão com núcleo de 1010 hpa em torno de 15ºS/50ºO causando
nebulosidade na região central do Nordeste (figura 3.3).
Figura 3.1 - Cartas sinóticas de superfície e imagens de satélite para o dia 23/04/2011 as 12 e 00
UTC.
(a) 00 UTC
(b) 00 UTC
59
(c) 12 UTC
(d) 12 UTC
Fonte: Diretoria de Hidrologia e Navegação (DHN), (2011) e copyright 2010-2012 EUMETSAT.
Figura 3.2 - Cartas sinóticas de superfície e imagens de satélite para o dia 24/04/2011 as
12 e 00 UTC.
(a) 00 UTC
(b) 00 UTC
60
(c) 12 UTC
(d) 12 UTC
Fonte: Diretoria de Hidrologia e Navegação (DHN), (2011) e copyright 2010-2012 EUMETSAT.
Figura 3.3 - Cartas sinóticas de superfície e imagens de satélite para o dia 25/04/2011 as 12 e 00
UTC.
(a) 00 UTC
(b) 00 UTC
61
(c) 12 UTC
(d) 12 UTC
Fonte: Dretoria de Hidrologia e Navegação (DHN), (2011) e copyright 2010-2012 EUMETSAT.
3.2 Resolução de 5 km
Esta seção mostra os resultados das simulações das variáveis meteorológicas e
químicas utilizando a resolução de 5 km no modelo atmosférico WRF/CHEM.
3.2.1 Variáveis meteorológicas
3.2.1.1 Temperatura do ar, umidade relativa do ar e velocidade e direção do vento
As figuras seguintes mostram a variação temporal da temperatura do ar, umidade
relativa do ar e velocidade do vento para o período de 23 a 25/04/2011 na cidade de Maceió.
62
Figura 3.4 – Temperatura do ar simulada com a resolução de 5 km para as quatro simulações do
WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
A variabilidade horária da temperatura do ar simulada (figura 3.4) pelas quatro
simulações está bastante parecida, porém Default apresenta dois valores de mínimos bem
acentuados. Nota-se que todas as simulações geralmente superestimam os valores da
temperatura observada nas horas 00, 12 e 18 UTC dos dias analisados.
Figura 3.5 – Umidade relativa do ar simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
63
A variabilidade horária da umidade relativa simulada (figura 3.5) pelas quatro
simulações segue a mesma tendência, porém apresenta dois valores de máximos bem
acentuados em Default e IGBP. As quatro simulações geralmente subestimam a temperatura
observada nas horas 00, 12 e 18 UTC dos dias analisados.
Figura 3.6 – Velocidade do vento simulada com a resolução de 5 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
A variabilidade horária da velocidade do vento simulada (figura 3.6) pelas quatro
simulações, em geral, segue a mesma tendência da velocidade do vento observada, porém
apresentando em algumas horas uma variabilidade bem discrepante em relação às
observações.
Correia Filho e Aragão (2010) realizaram um estudo para o ano de 1999 sobre a
direção do vento predominante na cidade de Maceió-AL. Este estudo analisou a direção do
vento em quatro trimestres do ano: Janeiro-Fevereiro-Março (JFM), Abril-Maio-Junho
(AMJ), Julho-Agosto-Setembro (JAS) e Outubro-Novembro-Dezembro (OND). Os resultados
obtidos indicaram que a direção predominante foi de sudeste (135°) correspondendo a 30% da
frequência anual com exceção do trimestre JAS em que a direção sul (180º) predominou em
relação às outras. Veja a figura 3.7 abaixo.
64
Figura 3.7 – Variação percentual trimestral da direção do vento no Aeroporto Internacional
Zumbi dos Palmares gerada pelo programa WASP para o ano de 1999 - A rosa dos ventos está
dividida em oito setores de 45°. O intervalo da escala das circunferências é de 5%.
Fonte: Correia Filho e Aragão, (2010).
Bernardo e Molion (2000) estudaram a variabilidade da direção e velocidade do
vento na cidade de Maceió-AL durante os anos de 1991-1996. Os resultados mostraram que
durante o período chuvoso (Abril-Julho) a direção preferencial do vento durante o período
diurno foi de sul-sudeste (SSE), apresentando também as direções sul (S) e sul-sudoeste
(SSW) e as velocidades horárias médias em torno de 4-4,5 m/s. Durante a noite a direção
predominante foi de norte (N) e velocidades médias aproximadas de 0-1 m/s. Os autores
também analisaram a intensidade e direção do vento para três diferentes períodos do ciclo
anual, designados da seguinte forma: dezembro-março, abril-julho e agosto-novembro. Eles
concluíram que durante o período abril-julho as velocidades máximas do vento encontradas
foram inferiores a 4 m/s entre 13 e 15 horas enquanto que durante a noite os mínimos não
excederam os 0,5 m/s.
A figura 3.8 mostra as rosas dos ventos construídas para as simulações da
velocidade e direção do vento para as quatro simulações executadas no modelo WRF/CHEM.
A direção predominante do vento foi de sudeste com velocidades máximas diurnas entre 13 e
17 horas inferiores a 4,6 m/s e velocidades mínimas noturnas superiores a 0,4 m/s. Tais
resultados encontrados estão de acordo com Correia Filho e Aragão (2010) (ver figura 3.7 e
65
nomenclatura AMJ) e Bernardo e Molion (2000). A velocidade média diurna foi de 2,7 m/s,
enquanto a noturna ficou em torno de 1,8 m/s que também não estão muito discrepantes ao
observado em Bernardo e Molion (2000).
Figura 3.8 – Variação percentual da direção do vento simulada com a resolução de 5 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL Rosas dos ventos dividida em quatro setores de 45º.
(a)
Default
(b)
Topo
(c)
IGBP
(d)
Topo_IGBP
66
(e)
Estação INMET
Fonte: Autor (2018).
As circulações de brisa da Costa Leste do Nordeste estão imersas no campo dos ventos
alísios de sudeste, que é resultante da circulação geral da atmosfera. A brisa marítima (dia)
torna-se mais intensa quando sua intensidade é somada a dos ventos alísios. A intensidade da
brisa terrestre (noite) é menos intensa porque se opõe a direção dos ventos alísios, porém por
volta de 5 a 7 horas da manhã atinge sua intensidade máxima (Bernardo e Molion, 2000).
Nota-se, na figura 3.8, que o modelo WRF/CHEM conseguiu representar a formação de brisas
nas quatro simulações realizadas, o que está de acordo com as medições realizadas pela
estação automática do INMET que também detectou a formação de brisas durante o período
estudado.
3.2.1.2 Altura da camada limite planetária (CLP) e radiação solar global
Conforme pode ser visto na figura 3.9 as séries temporais de radiação solar global
seguem um padrão normal com máximos de aproximadamente 950 W/m2, mas com
discrepâncias entre as curvas por conta de formação de nuvens. As simulações Default e
Topo_IGBP apresentaram grandes discrepâncias no dia 24/04 e a simulação IGBP no dia
25/04. Pode-se observar ainda que a simulação Topo não simulou a influência de
nebulosidade para o período considerado.
67
Figura 3.9 – Incidência de radiação solar global simulada com a resolução de 5 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
Nota-se que as séries temporais da altura da CLP (figura 3.10) têm uma variabilidade
similar, com exceção de dois valores diurnos bem acentuados verificados nas simulações
Default e IGBP do modelo WRF/CHEM. Em relação à simulação Default ocorreu um valor
de aproximadamente 507 m da altura da CLP às 14 UTC do dia 24/04/2011 associada à
quantidade de radiação recebida de 33 W/m2 no horário analisado. Na simulação IGBP
percebe-se uma altura da CLP aproximada de 377 m às 16 UTC do dia 25/04/2011 associada
também à quantidade radiação solar incidente de 33 W/m2 no respectivo horário.
68
Figura 3.10 – Altura da camada limite planetária simulada com a resolução de 5 km para as
quatro simulações realizadas do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de
Maceió-AL.
Fonte: Autor (2018).
3.2.1.3 Análise estatística
Os índices estatísticos para a temperatura simulada diferem entre si no máximo em
0,42 ºC para as médias, 0,14 ºC para os desvios-padrões, 0,42 ºC para os erros médios, 0,4 ºC
para os REMQ e 0,1 para os coeficientes de correlação, conforme apresentado na tabela 3.1.
Em relação à média e o desvio-padrão da temperatura observada, as temperaturas simuladas
diferiram no máximo em 1,58 ºC e 0,11 ºC, respectivamente. Os erros médios positivos
indicam que os dados simulados geralmente superestimam as observações, porém um REMQ
máximo de 1,97 ºC mostra que o simulado está próximo do observado. Os coeficientes de
correlação ficaram entre 0,5 e 0,7 indicando em que em termos de fase o modelo representou
razoavelmente às observações.
Vela (2013) e Rojas (2013) encontraram coeficientes de
correlação, em geral, maiores que 0,7 nas várias estações de medição quando o modelo
WRF/CHEM foi executado com a atualização da topografia. Na simulação Topo, o presente
trabalho encontrou um coeficiente de correlação de 0,67 indicando que tal resultado está em
concordância com os dois autores citados.
Os índices estatísticos para a umidade relativa simulada diferem entre si no máximo
em 1,35% para as médias, 1,04% para os desvios-padrões, 1,35% para os erros médios, 1,87%
69
para os REMQ e 0,26 para os coeficientes de correlação, de acordo com a tabela 3.1. Em
relação à média e o desvio-padrão da umidade relativa observada, as umidades relativas
simuladas diferiram no máximo em 8,17% e 0,86%, respectivamente. Os erros médios
negativos indicam que os dados simulados geralmente subestimam as observações, porém um
REMQ máximo de 9,77 mostra que o simulado não está muito discrepante do observado. A
simulação Topo_IGBP apresentou o menor coeficiente de correlação, em torno de 0,6,
mostrando que a variabilidade horária da umidade relativa foi razoavelmente simulada,
enquanto as outras simulações (default, Topo e IGBP) apresentaram coeficientes de
correlação entre 0,7 e 0,9. Os coeficientes de correlação obtidos por Rojas (2013) para a
umidade relativa foram, em geral, menores do que os da temperatura, porém o presente
trabalho obteve, em geral, coeficientes de correlação maiores do que os da temperatura
simulada.
A simulação IGBP obteve a melhor acurácia para a velocidade do vento simulada,
apresentando média dos dados simulados bem próxima da média observada e menor erro
médio, enquanto a simulação Topo apresentou a menor acurácia uma vez que a média dos
dados simulados ficou mais distante da média das observações e maior erro médio.
70
Tabela 3.1 - Índices estatísticos dos dados simulados e observados de temperatura do ar, umidade relativa do ar e velocidade do vento para a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e simulados,
resolução de 5 km para o período de 23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio e REMQ é a raiz do erro médio quadrático.
Variáveis Meteorológicas
Temperatura do ar (°C)
Índice
Umidade relativa do ar (%)
Velocidade do vento (m/s)
Default Topo IGBP Topo_IGBP
Default Topo IGBP Topo_IGBP
Default Topo
IGBP
Topo_IGBP
̅ 𝒔𝒊𝒎
𝑴
27,34
26,93
27,19
26,92
79,39
80,28
80,5
80,74
2,22
2,42
2,1
2,33
̅ 𝒐𝒃𝒔
𝑴
25,76
25,76
25,76
25,76
87,56
87,56 87,56
87,56
2,12
2,12
2,12
2,12
𝝈𝒔𝒊𝒎
1,29
1,31
1,34
1,43
7,26
7,46
6,94
7,98
0,96
0,92
0,82
0,92
𝝈𝒐𝒃𝒔
1,4
1,4
1,4
1,4
7,8
7,8
7,8
7,8
1,26
1,26
1,26
1,26
r
0,57
0,67
0,64
0,6
0,72
0,74
0,87
0,61
0,64
0,67
0,62
0,67
EM
1,59
1,17
1,43
1,17
-8,17
-7,27
-7,05
-6,82
0,1
0,3
-0,01
0,21
REMQ
1,97
1,57
1,8
1,67
9,77
8,92
7,9
9,46
0,97
0,98
0,99
0,96
estatístico
Fonte: Autor (2018).
71
As simulações para a temperatura do ar, umidade relativa do ar e velocidade do vento foram classificada da seguinte forma, de acordo
com a acurácia dos resultados:
Tabela 3.2 – Classificação das simulações (resolução de 5 km) Default, Topo, IGBP e Topo_IGBP de acordo com a acurácia dos resultados simulados
em relação aos dados observados de temperatura do ar, umidade relativa do ar e velocidade do vento.
Temperatura do ar (°C)
Umidade relativa do ar (%)
Velocidade do vento (m/s)
Classificação
Simulação
Simulação
Simulação
1.
Topo (REMQ = 1,57)
IGBP (REMQ = 7,9)
IGBP
2.
Topo_GBP (REMQ = 1,67)
Topo (REMQ = 8,92)
Topo_GBP
3.
IGBP (REMQ = 1,8)
Topo _IGBP (REMQ = 9,46)
Default
4.
Default (REMQ = 1,97)
Default (REMQ = 9,77)
Topo
Fonte: Autor (2018).
72
3.2.2 Variáveis químicas
3.2.2.1 Dióxido de nitrogênio (NO2)
A análise visual da figura 3.11 mostra que os resultados da simulação Default para as
concentrações de NO2 (linha azul) estão mais discrepantes em relação aos dados observados
(linha preta) do que os dados simulados pelas outras três simulações restantes (Topo, IGBP e
Topo_IGBP). Será feita uma análise detalhada dos erros e acertos dos resultados do
WRF/CHEM para as simulações Default e Topo. As análises das simulações IGBP e
Topo_IGBP restantes são similares.
Figura 3.11 – Concentração de NO2 simulada com a resolução de 5 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
Primeiramente, começaremos pela análise da simulação Default (linha azul). Neste
caso, o WRF/CHEM simulou uma altitude de 3,4 m do local de medição. A categoria de uso
do solo igual a 13 foi à obtida para as quatro simulações, ou seja, área urbana.
O mínimo noturno simulado (1 ppb à 01 UTC) do dia 23/04/2011 está subestimado em
relação ao observado (2 ppb às 06 UTC). O máximo noturno simulado (11,5 ppb às 22 UTC)
está próximo do observado (12 ppb às 23 UTC), porém foi adiantado em uma hora. O mínimo
diurno simulado (2 ppb às 12 UTC) está superestimado em relação ao observado (1,5 ppb às
73
14 UTC) . O máximo diurno simulado (12,5 ppb às 11 UTC) foi atrasado em uma hora em
relação ao observado (5 ppb às 10 UTC) e está superestimado.
O mínimo noturno simulado (2 ppb à 01 UTC) do dia 24/04/2011 está superestimado
em relação ao observado (0,5 ppb às 08 UTC). O máximo noturno simulado (13 ppb às 22
UTC) foi adiantado uma hora em relação ao observado (8,5 ppb às 23 UTC). O mínimo
diurno simulado (3 ppb às 11 UTC) foi bem representado, porém está superestimado em
relação as observações (1 ppb às 11 UTC). O máximo diurno simulado (7,5 ppb às 10 UTC)
ocorreu em uma hora diferente da observada (4,5 ppb às 19 UTC).
O mínimo noturno simulado (2,5 ppb à 01 UTC) do dia 25/04/2011 ocorreu em uma
hora diferente da observada ( 1 ppb às 04 UTC). O máximo noturno simulado (8 ppb) ocorreu
às 00 UTC enquanto nas observações (14 ppb ) ocorreu às 21 UTC. O mínimo diurno
simulado (3,5 ppb às 16 UTC) está superestimado em relação ao observado (0,5 ppb às 20
UTC ). O máximo diurno simulado (7,5 ppb às 9 UTC) está próximo do observado ( 7 ppb às
16 UTC), porém ocorreu em um horário diferente.
Percebe-se que todos os mínimos noturnos ocorreram a 01 UTC porque nesse horário
a altura média da CLP para os três dias simulados foi de aproximadamente 576 m e
velocidade média do vento de 2,2 m/s, o que favoreceu o processo de dispersão. Os máximos
noturnos para os dias 23 e 24/2011 ocorreram às 22 UTC, uma vez que nessa hora a altura
média da CLP para os dois dias foi de aproximadamente 76 m e velocidade do vento média
aproximada de 2 m/s, ou seja, a baixa altura da CLP não permitiu a dispersão de NO 2. O
máximo noturno verificado a 00 UTC do dia 25/04/2011 ocorreu porque nesse horário a altura
da CLP estava em 40 m e a velocidade do vento em 1,6 m/s. O mínimo diurno verificado no
dia 23/04 às 12 UTC, possivelmente, ocorreu pela grande altura da CLP que atingiu mais de 1
km em virtude da grande incidência de radiação solar e também por ventos com velocidades
aproximadas de 3 m/s, o que favoreceu a dispersão e difusão de NO 2. O mínimo diurno do dia
24/04/2011 ocorreu às 11 UTC por maior influência, possivelmente, das reações fotoquímicas
de produção e perda de NO2 que causaram sua difusão uma vez que altura da CLP atingiu
quase 800 m, porém a velocidade do vento nesse horário não ultrapassou 1 m/s. O mínimo
diurno do dia 25/04/2011 ocorreu às 16 UTC porque a altura da CLP atingiu mais de 1,5 km e
velocidade do vento em torno de 4 m/s favorecendo tanto a difusão como a dispersão de
NO2 . Os máximos diurnos ocorreram entre 9 e 11 UTC, horários em que a altura média da
CLP foi pequena, em torno de 175 m, e velocidade média do vento de 1 m/s, ou seja,
condições que não favorecem a dispersão e também a difusão de NO2.
74
Para a simulação Topo a uma altitude simulada de 54 m, o mínimo noturno simulado
(1,5 ppb à 01 UTC) do dia 23/04/201 está subestimado em relação ao observado (2 ppb às 06
UTC). O máximo noturno simulado (10 ppb às 22 UTC) ocorreu uma hora antes do
observado (12 ppb às 23 UTC). O mínimo diurno simulado (2 ppb às 12 UTC) está
superestimado em relação ao observado (1,5 ppb às 14 UTC). O máximo diurno simulado (6
ppb às 9 UTC) foi adiantado em uma hora em relação ao observado (5 ppb às 10 UTC) e está
superestimado.
O mínimo noturno simulado (2,5 ppb à 01 UTC) do dia 24/04/2011 está superestimado
em relação ao observado (0,5 ppb às 08 UTC). O máximo noturno simulado (12,5 ppb às 22
UTC) foi adiantado em hora em relação ao observado (8,5 ppb às 23 UTC). O mínimo diurno
simulado (2 ppb 09 UTC) ocorreu em horário diferente do observado (1 ppb às 11 UTC) e
está superestimado. O máximo diurno simulado (5 ppb às 19 UTC) foi bem representado e
está próximo do observado (4,5 ppb às 19 UTC).
O mínimo noturno simulado (2 ppb às 01 UTC) do dia 25/04/2011 está superestimado
em relação ao observado ( 1 ppb às 04 UTC). O máximo noturno simulado (11 ppb às 22
UTC) foi atrasado em uma hora (14 ppb às 21 UTC). O mínimo diurno simulado (2 ppb às 9
UTC) ocorreu em um horário diferente do observado (0,5 ppb às 20 UTC). O máximo diurno
simulado (6 ppb às 13 UTC) está subestimado em relação as observações (7 ppb às 16 UTC).
Assim, como na simulação Default, todos os mínimos noturnos obtidos pela simulação
Topo ocorreram à 01 UTC porque nesse horário a altura média da CLP atingiu 485 m e a
velocidade média do vento atingiu o valor de 2,5 m/s, o que favoreceu a dispersão. Todos os
máximos noturnos também foram verificados às 22 UTC, possivelmente pela baixa altura
média da CLP de aproximadamente 130 m aliada com uma velocidade média do vento de um
pouco mais de 2 m/s. O mínimo diurno do dia 23/04/2011 ocorreu às 12 UTC associado a
uma altura da CLP de mais de 1 km e ventos mais fortes de mais de 3 m/s, enquanto o
mínimos dos dias 24 e 25/04/201 ocorreram às 09 UTC apesar da altura média da CLP de
um pouco mais de 118 m e ventos com velocidade média aproximada de 2 m/s levando a crer
que a maior do parte do NO2 noturno foi consumido por reações químicas que causam sua
diluição. O máximo diurno às 09 UTC do dia 23/04/2011 associa-se a uma altura da CLP de
aproximadamente 130 m e ventos fracos que não ultrapassaram 1 m/s. Os máximos diurnos
às 19 UTC do dia 24/04/2011 e às 13 UTC do dia 25/04/2011 estão associados a uma intensa
atividade fotoquímica de produção e perda de NO2 uma vez a altura média da CLP chegou a
mais de um 1 km. A velocidade média do vento ultrapassou 3 m/s, porém mesmo assim as
concentrações chegaram no nível máximo.
75
3.2.2.1.1 Análise estatística
Os índices estatísticos para a concentração de NO2 simulada diferem entre si no máximo
em 0,91 ppb para as médias, 1,3 ppb para os desvios-padrões, 0,91 ppb para os erros médios,
0,93 ppb para o REMQ e 0,4 para os coeficientes de correlação (tabela 3.3). Em relação à
média e o desvio-padrão da concentração de NO2 observada, as concentrações de NO2
simuladas diferiram no máximo em 1,52 ppb e 0,74 ppb, respectivamente. Os erros médios
positivos indicam que os dados simulados geralmente superestimam as observações, porém
um REMQ máximo de 3,54 ppb mostra que o simulado não está muito discrepante do
observado. O coeficiente de correlação de 0,45 obtido pela simulação Topo está de acordo
com Vela (2013) que encontrou coeficientes de correlação menores que 0,6 nas várias
estações de medição de NOx enquanto o coeficiente de correlação de 0,59 obtido pela
simulação IGBP está de acordo com Kuit et al. (2016) que encontraram um coeficiente de
correlação máximo de 0,68 entre as várias estações de medida de NO x na região de Berlin.
Portanto, as simulações foram classificadas seguinte forma, de acordo com o REMQ:
1. Topo (REMQ = 2,61);
2. Topo _IGBP (REMQ = 3,12);
3. IGBP (REMQ = 3,22);
4. Default (REMQ = 3,54).
76
Tabela 3.3 - Índices estatísticos dos dados simulados e observados de dióxido de nitrogênio (NO 2), Ozônio (O3) e Monóxido de carbono (CO) para a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e simulados,
resolução de 5 km para o período de 23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio, REMQ é a raiz do erro médio quadrático, ppb (partes por bilhão) e ppm (partes por milhão).
Variáveis químicas
Dióxido de nitrogênio (ppb)
Índice
Default Topo
IGBP
Topo _IGBP
Ozônio (ppb)
Monóxido de carbono (ppm)
Default Topo IGBP Topo_IGBP
Default Topo IGBP Topo_IGBP
estatístico
̅ 𝒔𝒊𝒎
𝑴
5,26
4,35
5,2
5,01
35,69
̅ 𝒐𝒃𝒔
𝑴
3,74
3,74
3,74
3,74
-
-
𝝈𝒔𝒊𝒎
2,31
2,0
3,3
2,91
6,31
𝝈𝒐𝒃𝒔
2,74
2,74
2,74
2,74
r
0,19
0,45
0,59
EM
1,52
0,61
REMQ
3,54
2,61
Fonte: Autor (2018).
30,05 31,33
29,83
0,11
0,11
0,12
0,12
-
-
-
-
-
-
2,38
5,87
2,49
0,02
0,02
0,02
0,02
-
-
-
-
-
-
-
-
0,44
-
-
-
-
-
-
-
-
1,45
1,27
-
-
-
-
-
-
-
-
3,12
3,22
-
-
-
-
-
-
-
-
77
3.2.2.2 Ozônio (O3)
A análise da figura 3.12 mostra que as concentrações de ozônio simuladas para as
simulações Topo, IGBP e Topo_IGBP do modelo estão próximas, exceto em algumas horas
do dia 25/04 onde a simulação IGBP (linha verde) apresentou valores muito discrepantes a
partir das 15 UTC. Das 15 às 20 UTC a altura média da CLP para as simulações Topo, IGBP
e Topo_IGBP atingiram valores aproximados de 938 m, 861 m e 1140 m, respectivamente.
Ressaltando que a altura média para a CLP da simulação IGBP não foi maior porque a altura
da CLP às 16 UTC atingiu 377 m, o que claramente influenciou na alta concentração de NO2
verificada nesse horário. Portanto, a influência maior que fez com que as concentrações
obtidas pela simulação IGBP ficarem superestimadas em relação às simulações Topo e
Topo_IGBP se deu pela menor velocidade do vento que atingiu uma velocidade média de 2,5
m/s, enquanto que em Topo e Topo_IGBP a velocidade média do vento atingiu em torno de
3,5 m/s. Das 21 às 23 UTC a altura média da CLP para as simulações Topo, IGBP e Topo_
IGBP atingiram valores aproximados de 175 m, 103 m e 144 m, respectivamente, enquanto
que a velocidade média do vento foi de 2,5 m/s para IGBP e de 2 m/s para Topo e
Topo_IGBP. Portanto, a altura menor da CLP e uma baixa velocidade média do vento obtidas
em IGBP dificultaram a dispersão de ozônio.
Em relação às concentrações de ozônio obtidas na simulação Default, nota-se que elas
estão muito discrepantes (figura 3.12) em relação às outras três simulações (Default, IGBP e
Topo_IGBP), pois apresenta a maior média e o maior desvio-padrão (tabela 3.3).
78
Figura 3.12 – Concentração de O3 simulada com a resolução de 5 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
3.2.2.3 Monóxido de carbono (CO)
As concentrações de monóxido de carbono não apresentaram variações significativas de
concentrações nas quatro simulações realizadas (figura 3.13), o que já era esperado uma vez
que o monóxido de carbono é um poluente pouco reativo na atmosfera. Pode-se ver na tabela
3.3 que as médias estão praticamente iguais enquanto os desvios padrões estão todos iguais.
79
Figura 3.13 – Concentração de monóxido de carbono simulada com a resolução de 5 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
3.3 Resolução de 1 km
Esta seção mostra os resultados das simulações das variáveis meteorológicas e
químicas utilizando a resolução de 1 km no modelo atmosférico WRF/CHEM.
3.3.1 Variáveis meteorológicas
3.3.1.1 Temperatura do ar, umidade relativa do ar e velocidade e direção do vento
As figuras seguintes mostram a variação temporal da temperatura do ar, umidade
relativa do ar e velocidade do vento para o período de 23 a 25/04/2011 na cidade de Maceió.
80
Figura 3.14 – Temperatura do ar simulada com a resolução de 1 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
A variabilidade horária da temperatura do ar simulada (figura 3.14) pelas quatro
simulações está bastante parecida, porém IGBP apresenta um máximo bem acentuado. Notase que todas as simulações geralmente superestimam os valores da temperatura observada nas
horas 00, 12 e 18 UTC dos dias analisados.
Figura 3.15 – Umidade relativa do ar simulada com a resolução de 1 km para as quatro do
WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
81
A variabilidade horária da umidade relativa simulada (figura 3.15) pelas quatro
simulações segue a mesma tendência, porém apresenta mínimos bem acentuados em Topo e
IGBP. As quatro simulações geralmente subestimam a temperatura observada nas horas 00,
12 e 18 UTC dos dias analisados.
Figura 3.16 – Velocidade do vento simulada com a resolução de 1 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
A variabilidade horária da velocidade do vento simulada (figura 3.16) pelas quatro
simulações, em geral, segue a mesma tendência da velocidade do vento observada, porém
apresentando em algumas horas uma variabilidade bem discrepante em relação às
observações.
A direção predominante do vento foi de sudeste (figura 3.17) com velocidades
máximas diurnas entre 13 e 17 horas inferiores a 4,9 m/s e velocidades mínimas noturnas
superiores a 0,1 m/s. Tais resultados encontrados estão de acordo com Filho e Aragão (2010)
(ver figura 3.7 e nomenclatura AMJ) e Bernardo e Molion (2000). A velocidade média diurna
foi de 2,6 m/s enquanto a noturna ficou em torno de 2 m/s que também não estão muito
discrepantes ao observado em Bernardo e Molion (2000). Nota-se na figura 3.17 que o
modelo WRF/CHEM conseguiu representar a formação de brisa nas quatro simulações
realizadas, o que está de acordo com as medições realizadas pela estação automática do
INMET que também detectou a formação de brisas durante o período estudado.
82
Figura 3.17 – Variação percentual da direção do vento simulada com a resolução de 1 km para
as quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de MaceióAL - Rosas dos ventos dividida em quatro setores de 45º.
(a)
(b)
Default
Topo
(c)
(d)
IGBP
Topo_IGBP
83
(e)
Estação INMET
Fonte: Autor (2018).
3.3.1.2 Altura da camada limite planetária (CLP) e radiação solar global
Em relação à incidência de radiação solar, nota-se pela figura 3.18 que as quatro
simulações Default, Topo, IGBP e Topo_IGBP obtiveram uma variabilidade horária muito
similar sem nenhuma diferença significativa.
Com relação à altura da camada limite
planetária (CLP) simulada por Default, Topo, IGBP e Topo_IGBP percebe-se pela figura 3.19
que a variabilidade horária está similar para as quatro simulações, porém com diferenças mais
acentuadas do que as verificadas na simulação da radiação solar.
84
Figura 3.18 – Incidência de radiação solar global simulada com a resolução de 1 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
Figura 3.19 – Altura da camada limite planetária simulada com a resolução de 1 km para as
quatro simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
3.3.1.3 Análise estatística
85
Os índices estatísticos para a temperatura simulada diferem entre si no máximo em 0,5
ºC para as médias, 0,08 ºC para os desvios-padrões, 0,49 ºC para os erros médios, 0,28 ºC
para os REMQ e 0,09 para os coeficientes de correlação (tabela 3.4). Em relação à média e o
desvio-padrão da temperatura observada, as temperaturas simuladas diferiram no máximo em
1,37 ºC e 0,1ºC, respectivamente. Os erros médios positivos indicam que os dados simulados
geralmente superestimam as observações, porém um REMQ máximo de 1,79 º C mostra que o
simulado está próximo do observado. Os coeficientes de correlação ficaram entre 0,5 e 0,6
indicando que em termos de fase o modelo representou razoavelmente às observações. O
coeficiente de correlação de 0,56 para a simulação Topo foi, em geral, menor do que os
coeficientes encontrados por Vela (2013) e Rojas (2013) considerando todas as estações de
medições.
Os índices estatísticos para a umidade relativa simulada diferem entre si no máximo
em 2,45% para as médias, 0,87% para os desvios-padrões, 2,45% para os erros médios, 1,1%
para os REMQ e 0,14 para os coeficientes de correlação (tabela 3.4). Em relação à média e o
desvio-padrão da umidade relativa observada, as umidades relativas simuladas diferiram no
máximo em 7,47% e 2,08%, respectivamente. Os erros médios negativos indicam que os
dados simulados geralmente subestimam as observações, porém um REMQ máximo de 9,13
mostra que o simulado não está muito discrepante do observado. A simulação Topo
apresentou coeficiente de correlação de 0,58, o que está de acordo com Vela (2013) e Rojas
(2013) e mostrando que a variabilidade horária da umidade relativa foi razoavelmente
simulada, enquanto que as outras simulações (Default, IGBP e Topo_ IGBP) apresentaram
coeficientes de correlação entre 0,5 e 0,7.
A simulação IGBP apresentou a melhor acurácia para a velocidade do vento simulada,
pois a média dos dados simulados ficou mais próxima da média das observações e o REMQ
foi o menor em relação às outras três simulações, enquanto a simulação Topo_IGP obteve a
menor acurácia uma vez que a média dos dados simulados ficou mais distante da média
observada e apresentou erro médio (EM) e REMQ maiores.
86
Tabela 3.4 - Índices estatísticos dos dados simulados e observados de temperatura do ar, umidade relativa do ar e velocidade do vento para a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e simulados,
resolução de 1 km para o período de 23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio e REMQ é a raiz do erro médio quadrático.
Variáveis Meteorológicas
Temperatura do ar (°C)
Índice
Umidade relativa do ar (%)
Velocidade do vento (m/s)
Default Topo IGBP Topo_ IGBP
Default Topo IGBP Topo_IGBP
Default Topo
IGBP
Topo_ IGBP
̅ 𝒔𝒊𝒎
𝑴
26,98
26,63
27,13
26,75
81,4
82,54
80,09
81,62
2,33
2,29
2,28
2,41
̅ 𝒐𝒃𝒔
𝑴
25,76
25,76
25,76
25,76
87,56
87,56
87,56
87,56
2,12
2,12
2,12
2,12
𝝈𝒔𝒊𝒎
1,34
1,38
1,3
1,38
5,72
6,41
6,59
6,48
0,8
0,8
0,76
0,77
𝝈𝒐𝒃𝒔
1,4
1,4
1,4
1,4
7,8
7,8
7,8
7,8
1,26
1,26
1,26
1,26
r
0,5
0,56
0,59
0,54
0,64
0,58
0,71
0,57
0,57
0,53
0,62
0,54
EM
1,23
0,88
1,37
1,0
-6,16
-5,02
-7,47
-5,93
0,12
0,17
0,17
0,29
REMQ
1,78
1,51
1,79
1,6
8,36
8,03
9,13
8,69
1,04
1,09
1,0
1,09
estatístico
Fonte: Autor (2018).
87
As simulações para a temperatura do ar, umidade relativa do ar e velocidade do vento foram classificadas da seguinte forma:
Tabela 3.5 – Classificação das simulações (resolução de 1 km) Default, Topo, IGBP e Topo_IGBP de acordo com a acurácia dos resultados simulados
em relação aos dados observados de temperatura do ar, umidade relativa do ar e velocidade do vento.
Temperatura do ar (ºC)
Umidade relativa do ar (%)
Velocidade do vento (m/s)
Classificação
Simulação
Simulação
Simulação
1.
Topo (REMQ = 1,51)
Topo (REMQ = 8,03)
IGBP
2.
Topo_IGBP (REMQ = 1,6)
Default (REMQ = 8,36)
Default
3.
Default (REMQ = 1,78)
Topo_IGBP (REMQ = 8,69)
Topo
4.
IGBP (REMQ = 1,79)
IGBP (REMQ = 9,13)
Topo_IGBP
Fonte: Autor (2018).
88
3.3.2 Variáveis químicas
3.3.2.1 Dióxido de nitrogênio (NO2)
A análise visual da figura 3.20 mostra que os valores obtidos de NO 2 pela simulação
Default adotando a resolução de 1 km estão, em geral, mais próximos das observações em
relação aos obtidos pela mesma simulação utilizando a resolução de resolução de 5 km,
indicando que o modelo apresentou sensibilidade ao aumento de resolução. A análise das
discrepâncias das quatro simulações em relação às observações é similar e, como na seção
seguinte, será realizada uma comparação estatística da acurácia das simulações realizadas,
optou-se por fazer uma análise detalhada apenas dos dados simulados pela simulação
Topo_IGBP (linha laranja) que apresentou dois picos de concentração bem acentuados, um no
dia 23/04/2011 e outro no dia 24/04/2011. A categoria de uso do solo obtida foi igual a 13
(área urbana) para as quatro simulações, valor igual ao obtido pelas mesmas simulações
quando se utilizou a resolução de 5 km. Com relação à simulação Default, o modelo simulou
uma altitude do local de medição de um pouco mais de 4 metros (3,4 metros na resolução de 5
km), enquanto a simulação Topo_IGBP obteve uma altitude de 44 metros (54 metros na
resolução de 5 km).
Figura 3.20 – Concentração de NO2 simulada com a resolução de 1 km para as quatro
simulações do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
89
O mínimo noturno simulado (1 ppb às 04 UTC) do dia 23/04/2011 está subestimado
em relação ao observado (2 ppb às 06 UTC). O máximo noturno simulado (9,5 ppb às 22
UTC) ocorreu uma hora antes do observado (12 ppb às 23 UTC) e está subestimado. O
mínimo diurno simulado (1 ppb às 11 UTC) está superestimado em relação ao observado (1,5
ppb às 14 UTC). O máximo diurno simulado (8 ppb às 9 UTC) foi adiantado em uma hora
em relação ao observado (5 ppb às 10 UTC) e está superestimado.
O mínimo noturno simulado (2 ppb às 02 UTC) do dia 24/04/2011 está superestimado
em relação ao observado (0,5 ppb às 08 UTC). O máximo noturno simulado (15,5 ppb às 22
UTC) foi adiantado em hora em relação ao observado (8,5 ppb às 23 UTC). O mínimo diurno
simulado (1 ppb às 12 UTC) foi atrasado em uma hora em relação ao observado (1 ppb às 11
UTC) e está superestimado. O máximo diurno simulado (5 ppb às 10 UTC) ocorreu em um
horário diferente do observado (4,5 ppb às 19 UTC).
O mínimo noturno simulado (2 ppb às 08 UTC) do dia 25/04/2011 está superestimado
em relação ao observado ( 1 ppb às 04 UTC). O máximo noturno simulado (9,5 ppb às 04
UTC) ocorreu na madrugada enquanto que nas observações no início da noite (14 ppb às 21
UTC). O mínimo diurno simulado (1 ppb às 13 UTC) ocorreu pela manhã enquanto que nas
observações no final da tarde (0,5 ppb às 20 UTC). O máximo diurno simulado (10 ppb às 18
UTC) está superestimado em relação as observações (7 ppb às 16 UTC).
Os mínimos noturnos verificados nos três dias analisados possivelmente ocorreram
pelas reações noturnas de consumo de NO2 e pela velocidade média do vento de 2, 4 m/s em
uma altura média da CLP de 140 m. Os máximos noturnos dos dias 23 e 24/04/2011
ocorreram às 22 UTC uma vez que a altura média da CLP não ultrapassou 130 m e a
velocidade média do vento foi de 2,3 m/s, o que não favoreceu a dispersão de NO2. O
máximo noturno simulado do dia 25/04/2011 ocorreu às 04 UTC, horário em que a altura da
CLP não ultrapassou 140 m e a velocidade do vento foi em torno de 1, 4 m/s. Os mínimos
diurnos ocorreram porque a altura média da CLP foi de quase 1 km favorecendo a atividade
fotoquímica de produção e perda de NO2 aliada a uma velocidade média do vento de quase 3
m/s. Os máximos diurnos verificados dos dias 23 e 24/04/2011 se deram em condições de
altura média da CLP de uma pouco mais de 200 m e velocidade média do vento de 1 m/s, o
que não favoreceu a dispersão e difusão do NO2. O máximo do dia 25/04/2011 ocorreu em
condições atmosféricas favoráveis a dispersão e difusão de NO 2 já que altura da CLP atingiu
quase 1 km e a velocidade do vento mais de 3 m/s levando a crer que nesse horário as reações
fotoquímicas produziram muito NO2.
90
3.3.2.1.1 Análise estatística
Os índices estatísticos para a concentração de NO2 simulada diferem entre si no máximo
em 0,81 ppb para as médias, 0,46 ppb para os desvios-padrões, 0,8 ppb para os erros médios,
0,44 ppb para o REMQ e 0,21 para os coeficientes de correlação (tabela 3.6). Em relação à
média e o desvio-padrão da concentração de NO2 observada, as concentrações de NO2
simuladas diferiram no máximo em 0,66 ppb e 0,32 ppb, respectivamente. Os erros médios
positivos para Default, IGBP e Topo_ IGBP indicam que os dados simulados geralmente
superestimam as observações, porém um REMQ máximo de 3,22 ppb mostra que o simulado
não está muito discrepante do observado. O erro médio de Topo é negativo, o que indica que
geralmente os dados simulados estão subestimados em relação às observações. O coeficiente
de correlação de 0,41 obtido pela simulação Topo está de acordo com Vela (2013) que
encontrou coeficientes de correlação menores que 0,6 nas várias estações de medida de NO x,
enquanto o coeficiente de correlação de 0,47 obtido pela simulação IGBP está de acordo com
Kuit et al. (2016) que encontraram um coeficiente máximo de correlação de 0,68 entre as
várias estações de medida de NOx na região de Berlin.
Portanto, as simulações foram classificadas da seguinte forma, de acordo com o REMQ:
1. IGBP (REMQ = 2,78);
2. Topo (REMQ = 2,91);
3. Default (REMQ = 3,19);
4. Topo _GBP (REMQ = 3,22).
91
Tabela 3.6 - Índices estatísticos dos dados simulados e observados de dióxido de nitrogênio (NO2), Ozônio (O3) e Monóxido de carbono (CO) para a
̅𝑜𝑏𝑠 e 𝑀
̅𝑠𝑖𝑚 são as médias dos valores observados e simulados,
resolução de 1 km para o período de 23 a 25/04/2011 na cidade de Maceió-AL - 𝑀
respectivamente. Os 𝜎𝑜𝑏𝑠 e 𝜎𝑠𝑖𝑚 são os desvios-padrões dos valores observados e simulados, respectivamente. O r é o coeficiente de correlação, EM é o erro
médio, REMQ é a raiz do erro médio quadrático, ppb (partes por bilhão) e ppm (partes por milhão).
Variáveis químicas
Dióxido de nitrogênio (ppb)
Índice
Default Topo
IGBP
Topo _IGBP
Ozônio (ppb)
Monóxido de carbono (ppm)
Default Topo IGBP Topo_IGBP
Default Topo IGBP Topo_IGBP
estatístico
̅ 𝒔𝒊𝒎
𝑴
4,4
3,59
4,16
4,07
45,06
36,66
40,35
35,89
0,1
0,1
0,11
0,11
̅ 𝒐𝒃𝒔
𝑴
3,74
3,74
3,74
3,74
-
-
-
-
-
-
-
-
𝝈𝒔𝒊𝒎
2,42
2,67
2,6
2,88
9,24
4,56
8,95
4,38
0,02
0,02
0,02
0,02
𝝈𝒐𝒃𝒔
2,74
2,74
2,74
2,74
-
-
-
-
-
-
-
-
r
0,26
0,41
0,47
0,34
-
-
-
-
-
-
-
-
EM
0,65
-0,15
0,42
0,32
-
-
-
-
-
-
-
-
REMQ
3,19
2,91
2,78
3,22
-
-
-
-
-
-
-
-
Fonte: Autor (2018).
92
3.3.2.2 Ozônio (O3)
Note pela figura 3.21 que as concentrações simuladas de O3 para Default, Topo e IGBP
estão, em geral, próximas a não ser de 06 as 11 UTC do dia 23/04/2011 e de 16 as 23 UTC do
dia 25/04/2011 na simulação IGBP (linha verde). Vamos analisar as possíveis causas das
discrepâncias observadas. Em relação ao dia 24/04/2011 a altura média da CLP de 06 as 08
UTC foi de um pouco mais de 50 m e a velocidade média do vento de 1,5 m/s, o que
dificultou a dispersão de O3. Às 09 UTC a altura da CLP ficou em torno de 130 m e a
velocidade do vento em 1,7 m/s, condição um pouco mais favorável à dispersão do que a
noite e onde as reações fotoquímicas já começam a interferir nos níveis de concentração de
O3. Finalmente, de 10 as 11 UTC a altura média da CLP foi um pouco maior que 600 m, não
permitindo uma grande difusão de O3, e a velocidade média do vento menor que 1 m/s, ou
seja, nesse caso a baixa velocidade do vento não favoreceu a dispersão do O 3 formado pelas
reações fotoquímicas. Com relação ao dia 25/04/2011, de 16 as 18 UTC, a altura média da
CLP maior do que 1 km e a velocidade média do vento de 3,6 m/s favoreceram a dispersão e
difusão, porém possivelmente ocorreu a formação de muito O 3 através das reações
fotoquímicas, o que gerou concentrações mais altas. De 19 as 20 UTC a altura média da CLP
diminui bastante ficando em torno de 360 m e a velocidade média do vento fixou em 3 m/s,
ou seja, a baixa altura da CLP dificultou a dispersão e difusão de O 3. À noite, de 21 as 23
UTC, a baixa altura média da CLP de aproximadamente 140 m e uma velocidade média do
vento de um pouco mais de 2 m/s não favoreceram a dispersão de O3. As concentrações
obtidas pela simulação Default estão mais discrepantes em relação às outras três simulações
Topo, IGBP e Topo_IGBP, pois apresentou média e desvio-padrão maiores (veja tabela 3.6).
93
Figura 3.21 – Concentração de O3 simulada com a resolução de 1 km para as quatro simulações
realizadas do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
3.3.2.3 Monóxido de Carbono (CO)
A análise da figura 3.22 mostra que as concentrações simuladas em Default, Topo, IGBP e
Topo_IGBP são similares. As médias são praticamente iguais e os desvios-padrões são iguais
(tabela 3.6). Tal fato reforça que o CO é um gás pouco reativo na atmosfera.
Figura 3.22 – Concentração de CO simulada com a resolução de 1 km para as quatro simulações
do WRF/CHEM para o período de 23 a 25/04/2011 na cidade de Maceió-AL.
Fonte: Autor (2018).
94
3.4 Análise estatística geral
A resolução de 1 km apresentou resultados médios melhores do que a resolução de 5
km em relação às simulações de temperatura do ar, umidade relativa do ar simulada e
concentrações de NO2, pois apresentou erro médio e REMQ menores e também média mais
próxima das observações (tabelas 3.7 e 3.8), porém a representação da variabilidade horária
foi melhor simulada com a resolução de 5 km, o que está de acordo com Vela (2013) onde a
resolução de 3 km representou melhor a variabilidade horária de temperatura do ar, umidade
relativa do ar e concentrações de NO2 em relação a resolução de 1 km.
A resolução de 5 km apresentou resultados médios melhores do que a resolução de 1
km em relação à velocidade do vento simulada, pois apresentou erro médio e REMQ
menores, média mais próxima das observações e também representou de forma mais acurada
a variabilidade horária das medições realizadas (tabela 3.7).
95
̅𝑜𝑏𝑠 e 𝜎𝑜𝑏𝑠
Tabela 3.7 - Índices estatísticos médios dos dados simulados de temperatura do ar e umidade relativa do ar nas resoluções de 5 e 1 km - 𝑀
̅𝑠 , 𝜎𝑚𝑠 , 𝑟𝑚 , MEM e MREMQ são as médias aritméticas das médias, desvios-padrões,
são a média e desvio-padrão dos dados observados, respectivamente. 𝑀
coeficientes de correlação, erros médios e raízes dos erros médios quadráticos, respectivamente, dos dados simulados em Default, Topo, IGBP e Topo_ IGBP.
Variáveis Meteorológicas
Temperatura do ar (°C)
Umidade relativa do ar
Velocidade do Vento (m/s)
(%)
Índices estatísticos
5 km
1 km
5 km
1 km
5 km
1 km
̅𝒔
𝑴
27,1
26,87
80,2
81,4
2,27
2,33
̅ 𝒐𝒃𝒔
𝑴
25,76
25,76
87,56
87,56
2,12
2,12
𝝈𝒎𝒔
1,34
1,35
7,41
6,3
0,91
0,78
𝝈𝒐𝒃𝒔
1,4
1,4
7,8
7,8
1,26
1,26
𝒓𝒎
0,62
0,55
0,74
0,63
0,65
0,57
MEM
1,34
1,12
-7,33
-6,15
0,15
0,19
MREMQ
1,75
1,67
9,0
8,55
0,98
1,06
Fonte: Autor (2018).
96
Tabela 3.8 - Índices estatísticos médios dos dados simulados das concentrações de NO 2 nas
̅𝑜𝑏𝑠 e 𝜎𝑜𝑏𝑠 são a média e desvio-padrão dos dados observados,
resoluções de 5 e 1 km - 𝑀
̅
respectivamente. 𝑀𝑠 , 𝜎𝑚𝑠 ·, 𝑟𝑚 ·, MEM e MREMQ são as médias aritméticas das médias, desviospadrões, coeficientes de correlação, erros médios e raízes dos erros médios quadráticos,
respectivamente, dos dados simulados em Default, Topo, IGBP e Topo_IGBP.
NO2
5 km
1 km
̅𝒔
𝑴
4,96
4,1
̅ 𝒐𝒃𝒔
𝑴
3,74
3,74
𝝈𝒎𝒔
2,63
2,64
𝝈𝒐𝒃𝒔
2,74
2,74
𝒓𝒎
0,42
0,37
MEM
1,2
0,31
MREMQ
3,1
3,0
Fonte: Autor (2018).
3.5 Distribuição espacial de dióxido de nitrogênio (NO2)
A seguir será feita uma discussão sobre a dispersão das concentrações de NO2 para
outras localidades da cidade de Maceió-AL e também para munícipios circunvizinhos. O dia
25/04/2011 foi o escolhido para a análise espacial das dispersões.
A altura média da CLP e a velocidade média do vento às 09 UTC para as quatro
simulações foram de 116 m e próxima de 2 m/s, respectivamente. Analisando as imagens das
09 UTC para as simulações Default, Topo, IGBP e Topo_IGP nota-se que há formação de
brisa terrestre que dispersa as concentrações de NO2 em direção ao mar, ou seja, a brisa
terrestre se sobrepõem em relação aos ventos alísios indicando que nesse horário a intensidade
da brisa é máxima. Veja a figura 3.23 (a, b, c, d).
As imagens das 15 UTC para as simulações Default, Topo, IGBP e Topo_ IGBP
mostram que a brisa marítima está dispersando as concentrações de NO2 para dentro da
cidade de Maceió-AL e para os limites do munícipio vizinho de Rio Largo. A altura média da
CLP para as quatro simulações ultrapassou 1 km e a velocidade média do vento ficou em
torno de 3 m/s, condições que favoreceram a dispersão das concentrações de NO 2. Às 21
UTC as concentrações de NO2 já estão bem espalhadas sobre Maceió – AL chegando a atingir
o munícipio vizinho de Rio Largo indicando que de 15 as 20 UTC as condições foram
favoráveis à dispersão das concentrações de NO2. Às 21 UTC a altura média da CLP e a
97
velocidade média do vento para as quatro simulações foram em torno de 97 m e 2 m/s,
respectivamente o que já não é muito favorável a dispersão.
Figura 3.23 – Dispersão espacial de dióxido de nitrogênio (NO2) simulada para as quatro
simulações executadas.
Default
Topo
(a)
(b)
IGBP
Topo_IGBP
(c)
(d)
98
Default
Topo
(e)
(f)
IGBP
Topo _IGBP
(g)
(h)
Default
Topo
(i)
(j)
99
IGBP
Topo_IGBP
(l)
(m)
Fonte: Autor (2018).
3.6 Avaliação da qualidade do ar na cidade de Maceió-AL
As concentrações simuladas de NO2, CO e O3, para o local de medição de NO2
escolhido, não ultrapassaram os padrões primários estabelecidos pela resolução CONAMA
(1990), conforme visto na tabela 3.9, porém deve-se ressaltar que o local de medição
encontra-se em uma região coberta por muitas árvores e um pouco distante da principal via de
veículos da cidade de Maceió, contribuindo para os baixos valores de NO2 medidos. Portanto,
resolveu-se simular as concentrações de poluentes em uma localidade no centro de Maceió,
região que se caracteriza por ter um tráfego intenso de veículos durante a semana, para
mostrar que pode haver lugares onde à qualidade do ar em Maceió está mais deteriorada em
relação ao local de medição escolhido no presente trabalho.
A tabela 3.9 mostra que as concentrações simuladas dos poluentes NO2, CO e O3 no
centro de Maceió também não ultrapassaram os padrões estabelecidos pela legislação
brasileira vigente, porém o valor de 40 e 55 ppb para as concentrações de NO2 e O3,
respectivamente, estão maiores em relação as concentrações desses mesmos poluentes no
local de medição de NO2 utilizado no presente trabalho.
100
Tabela 3.9 – Comparação das concentrações simuladas de NO2, CO e O3 em relação aos padrões primários estabelecidos pela resolução CONAMA
(1990) - ppb ( partes por bilhão) e ppm (partes por milhão).
Poluente
Padrão primário –
Simulação no local de medição de NO2
Simulação no centro de Maceió
Latitude: 9º 36’ 52,72’’ sul
Latitude: 9º 40’ 0,01’’ sul
Longitude: 35º 44’ 25,35’’ oeste
Longitude: 35º 44’ 5,33’’ oeste
Medições
5 km
1 km
5 km
1 km
CONAMA (1990)
NO2 (ppb)
170
14
18
17
18
40
CO (ppm)
35
-
0,2
0,18
0,22
0,35
O3 (ppb)
80
-
35
50
48
55
Fonte: Autor (2018).
101
4. CONCLUSÕES
Não existe uma diferença muito significativa entre as resoluções de 1 e 5 km da
acurácia das simulações de temperatura do ar, umidade relativa do ar e velocidade e direção
do vento. Kuit et al. (2016) também obteve resultados semelhantes para a temperatura e
velocidade e direção do vento simuladas para três resoluções diferentes, 15, 3 e 1 km, onde os
coeficientes de correlação para a temperatura simulada foram muito próximos e a velocidade
e direção do vento não diferiram muito para as três resoluções.
A simulação Default não é adequada para simular as concentrações de ozônio (O 3) na
cidade de Maceió, pois Default apresentou baixa acurácia na simulação de NO2 utilizando as
resoluções de 5 e 1 km.
O uso do WRF/CHEM com a resolução de 1 km obteve resultados melhores para as
simulações da temperatura do ar, umidade relativa do ar e concentrações de dióxido de
nitrogênio (NO2) do que os resultados obtidos com a resolução de 5 km, porém a
variabilidade horária é mais bem representada pela resolução de 5 km. A velocidade do vento
foi mais bem representada na resolução de 5 km.
A simulação Topo utilizando a resolução de 1 km foi a que apresentou melhor
acurácia em simular as observações, seguida pelas simulações Default, IGBP e Topo _IGBP,
nessa ordem. A simulação Topo utilizando a resolução de 5 km foi a que apresentou melhor
acurácia em simular as observações, seguida pelas simulações Topo_IGBP, IGBP e Default,
nessa ordem.
A atualização da topografia se mostrou mais eficiente do que a atualização do uso do
solo para a obtenção de dados simulados mais próximos das observações. Era de se esperar
que a simulação Topo_IGBP apresentasse os melhores resultados para as simulações das
variáveis meteorológicas e concentrações de poluentes, o que de fato não ocorreu, porém
deve-se ressaltar que a atualização da topografia e uso do solo utilizou dados do ano de 2001,
enquanto a simulação do presente trabalho foi feita para o ano de 2011, ou seja, há uma
defasagem de 10 anos dos dados de atualização.
A localidade do centro de Maceió escolhida apresentou maiores concentrações de NO 2
e O3 em relação ao local de medição de NO2 utilizado no presente trabalho, mostrando que a
qualidade do ar em lugares próximos do trânsito de veículos pode apresentar concentrações de
poluentes que podem ultrapassar o padrão permitido pela legislação vigente.
102
5 . TRABALHOS FUTUROS
O presente trabalho ainda tem muitas questões para serem respondidas e que podem
servir de base para estudos futuros mais aprofundados. A seguir estão enumeradas as
principais perguntas.
No trabalho exposto foi utilizado um único perfil temporal de emissão para o
monóxido de carbono, óxidos de nitrogênio e compostos orgânicos voláteis.
Tal perfil foi constante para todos os dias na semana, exceto nos finais de
semana onde há uma redução de 20% nas emissões. Será que a utilização de
perfis temporais específicos para cada poluente influencia na obtenção de
resultados melhores ou piores em relação aos resultados obtidos com um único
perfil temporal?
A variação da emissão horária de acordo com o dia da semana fornecerá
resultados melhores ou piores do que os resultados obtidos com a utilização de
perfis temporais com emissões horárias constantes ao longo da semana?
103
REFERÊNCIAS BIBLIOGRÁFICAS
Alvim, D. S. Estudo dos principais precursores de ozônio na região metropolitana de São
Paulo. 2013. 161 f. Tese (Doutorado em Meteorologia), Universidade de São Paulo, 2013.
Bernardo, S. O.; Molion, L. C. B. Variabilidade do vento para a cidade de Maceió-AL. In: XI
Congresso brasileiro de Meteorologia, 2000, Rio de Janeiro. Anais eletrônicos. Rio de
Janeiro:
Sociedade
Brasileira
de
Meteorologia,
2000.
Disponível
em:
<
http://www.sbmet.org.br/portal/sbmet/detalhe.php?id=44>. Acesso em: 18 set. 2017.
Broxton, P. D.; Zeng, X.; Sulla-Menashe, D.; Troch, P. A. A global land cover climatology
using Modis data. Journay of Applied Meteorology and Climatology. v. 53, 2014.
Conin, A. N.; Souza, R. B.; Acevedo.; O. C.; Anabor, V. Análise do desempenho do modelo
Weathet Research and forescating (WRF) com diferentes esquemas de microfísica e camada
limite planetária na ilha Deception, Antártica. Revista Brasileira de Meteorologia, 2016.
Calderón, M. E. G.; Impacto das condições de contorno químicas na representação ozônio
troposférico na Região Metropolitana de São Paulo com o modelo WRF-Chem. 2015.
113 f. dissertação (Mestrado em Meteorologia) – Universidade de São Paulo, São Paulo,
2015.
CONAMA, 1989. Conselho Nacional do Meio Ambiente. Resolução Nº 5 de 15 de junho de
1989. Brasília, 1989.
CONAMA, 1990. Conselho Nacional do Meio Ambiente. Resolução Nº 3 de 28 de junho de
1990. Brasília, 1990.
CETESB, 2016. Emissões veiculares no estado de São Paulo 2015. Série relatórios/
CETESB, São Paulo, 213 p. (ISSN 0103-4103).
CETESB, 2011. Emissões veiculares no estado de São Paulo 2011. Série relatórios/
CETESB, São Paulo, 70 p. (ISSN 0103-4103).
104
CETESB, 2017. Qualidade do ar no estado de São Paulo 2016. Série relatórios/ CETESB,
São Paulo, 200 p. (ISSN 0103-4103).
Chou, M. D.; Suarez, M. J.; Ho, C. H.; Yan, M. M. H., Lee, K. T. Parametrizations for
cloud overlapping and shortwave single-scattering properties for use in general circulation
and cloud ensemble models. Journal of Climate, v. 11, 202–214, 1998.
Departamento Nacional de Trânsito. Frota de veículos 2016. 2016. Disponível em: <
http://www.denatran.gov.br/estatistica/261-frota-2016>. Acesso em: 05 jan. 2017.
Ek, M. B.; Mitchell, K. E.; Lin, Y.; Rogers, E.; Grunmann, P.; Koren, V.; Gayno, G.;Tarpley,
J. D. Implementation of Noah land surface model advances in the National Centers for
Environmental Prediction operational mesoscale Eta model. Journay of Geophysical
Research, v. 108, 2003.
Filho, W. L. F. C.; Aragão, M. R. S. Análise da variabilidade sazonal do vento no aeroporto
de Maceió-AL – Parte I: Direção do vento. Revista Ciência e Natura, p. 189-192.
Fernandes, R. C. 2011. 83 f. Dissertação (Mestrado em Meteorologia) – Universidade Federal
de Alagoas, Maceió, 2011.
Ferreira, A. G.; Silva Mello, N. G. Principais sistemas atmosféricos atuantes sobre a região
nordeste do Brasil e a influência dos oceanos pacífico e atlântico no clima da região. Revista
brasileira de Climatologia, v. 1, n. 1, p. 15-18, 2005.
Grell, G. A.; Peckham, S. E.; Schmitz, R.; McKeen, S. A.; Frost, G.; Skamarock, W. C.; Eder,
B. Fully coupled “online” chemistry within the WRF model. Atmospheric Environment, v.
39, p. 6957-6975, 2005.
Germano, A. S. Estimativa da concentração de poluentes (CO, NO e NO2) de origem
veicular na cidade de Maceió, utilizando o modelo WRF/CHEM. 2014. 57 f. Monografia
(Trabalho de Conclusão de Curso) – Curso de Graduação em Meteorologia, Universidade
Federal de Alagoas, Maceió, 2014.
105
Iacono, J. M.; Delamere, J. S.; Mlawer, E. J.; Shephard, M. W.; Clough, S. A.; Collins, W. D.
Radiative forcing by long‐lived greenhouse gases: Calculations with the AER radiative
transfer models. Journay of Geophysical Research, v. 113, 2008.
Instituto Brasileiro de Geografia e Estatística. Estimativas de população. 2017. Disponível
em:
<
https://www.ibge.gov.br/estatisticas-novoportal/sociais/populacao/9103-estimativas-de-
populacao.html?edicao=9112&t=downloads >. Acesso em: 20 dez. 2017.
Kuik, F.; Lauer, A.; Churkina, G.; van de Gon, H. A. C. D.; Fenner, D.; Mar, K. A.; Butler, T.
M. Air quality modelling in the Berlin-Brandenburg region using WRF-Chem v3.7.1:
sensitivity to resolution of model grid and input data. Geoscientific Model Development, v.
9, p. 4339-4363, 2016.
Lin, Y. -L.; Farley, R. D.; Orville, H. D. Bulk parameterization of the snow field in a cloud
model. Journay of Applied Meteorology ,v. 22, p. 1065–1092, 1983.
Lisboa, H. M. Controle da poluição atmosférica. In: __. Fontes de poluição atmosférica.
2014. Cap. 2, 24 p.
Martins, E. M.; Meireles, A. R.; Magalhaes, F. R.; Carvalho, J. B. B.; Ribeiro, M. M.
Concentrações de poluentes atmosféricos no Rio de Janeiro em relação a normas nacionais e
internacionais. Revista Internacional de Ciências, v. 07, n. 01, p. 32-48, 2017.
Mariano, G. L. Meteorologia em tópicos: Poluição atmosférica. In: Alonso, M. F.; Da Silva,
K. L. A. (1. Ed. ). Inventários de fontes de emissão. Pelotas: DR Ltda, 2014. cap. 1, p. 9-43.
Madronich, S. Photodissociation in the atmosphere, 1, actinic flux and the effects of ground
reflection and clouds. Journay of Geophysical Research, v. 92, p. 9740-97, 1990.
Monin, A. S.; Obukhov, A. M. Basic laws of turbulent mixing in the Surface Layer of the
atmosphere. Geophysical Institute Academy of Sciences, v. 24, p. 163-187, 1954.
106
Pleim, J. E. A combined local and nonlocal clouse model for the atmospheric boundary layer.
Parte I: Model description and testing. Journay of Applied Meteorology and Climatology,
v. 46, p. 1383-1395, 2007.
Rojas, C. S. A. Condições meteorológicas e níveis de poluição na Região Metropolitana
de Lima – Perú. 2013. 148 f. Dissertação (Mestrado em Meteorologia) – Universidade de
São Paulo, São Paulo, 2013.
Silva Júnior, R. S.; Lyra, R. F. F.; Silva Ramos, D. N.; Moura, M. A. L.; Gomes, H. B.;
Holanda, S.C. Prognóstico do vento para o estado de alagoas utilizando o modelo wrf em alta
resolução: avaliação da melhoria da topografia, uso do solo e velocidade de fricção. Revista
Ciência e Natura, v. 38, p. 137-144, 2016.
Silva Júnior, R. S. Sensibilidade na estimativa da concentração de poluentes
fotoquímicos com a aplicação de diferentes parametrizações da Camada Limite
Planetária utilizando o modelo de qualidade do ar WRF/Chem. 2009. 171 f. Tese
(Doutorado em Meteorologia), Universidade de São Paulo, 2009.
Silva Júnior, R. S.; Andrade, M. F.; Validação de poluentes fotoquímicos e inclusão do
inventário de emissões no modelo de qualidade do ar WRF/CHEM, para a Região
Metropolitana de São Paulo. Revista Brasileira de Meteorologia, v. 28, n. 1, p. 105-121,
2013.
Souza, D. C. Brisa na costa do norte e nordeste brasileiro. 2016. 150 f. Tese (Doutorado
em Meteorologia) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2016.
Seinfeld, J. H.; Pandis, S. N. Atmospheric chemistry and physics: From air pollution to
climate change. 2 ed. New Jersey: John Wiley & Sons, Inc. 2006. 1225 p.
Stockwell, W. R., Middleton, P.; Chang, J. S.; Tang, X. The second-generation regional acid
deposition model chemical mechanism for regional air quality modeling. Journay of
Geophysical Research, v. 95, p. 16343-16367, 1990.
107
Skamarock, W. C., Klemp, J. B.; Dudhia, J.; Gill, D. O.; Barker, D. M.; Duda, M. G.; Huang,
X.; Wang, W.; Powers, J. G. A description of the advanced research WRF version 3. NCAR
Techical Note TN-475_STR, 113 pp.
Teledyne Advanced Pollution Instrumentation (Teledyne API). Model 200A NOX Analyzer
Instruction Manual. San Diego, 2005.
Tie, X.; Brasseur, G.; Ying, Z. Impact of model resolution on chemical ozone formation in
Mexico City: aplication of the WRF-Chem model. Atmospheric Chemistry and Physics, v.
10, p. 8983-8995, 2010.
Tie, X.; Madronich, S.; Li, G.; Ying, Z.; Zhang, R.; Garcia, A. R.; Lee-Taylor, J.; Liu, Y.
Characterizations of chemical oxidants in Mexico City: A regional chemical dynamical model
(WRF-Chem) study. Atmospheric Environment, v. 41, p. 1989-2008, 2007.
Vela, Á. L. V. Avaliação do impacto da mudança dos fatores de emissão veicular na
formação de ozônio troposférico na Região Metropolitana de São Paulo (RMSP). 2013.
145 f. Dissertação - (Mestrado em Meteorogia) – Universidade de São Paulo, São Paulo,
2013.
108
APÊNDICE A – Coordenadas dos pontos de emissão e seus respectivos pesos na cidade
de Maceió-AL.
Tabela 01: Pontos de emissão e seus respectivos pesos na cidade de Maceió-AL.
Tabela 02: Pontos de emissão e seus respectivos pesos na cidade de Maceió-AL.
109
APÊNDICE B - Relatório de Emissões Veiculares (CETESB, 2016).
Tabela 01: Fator de emissão para automóveis
Tabela 03: Fator de emissão para automóveis
movidos à gasolina (CETESB, 2015).
flex (CETESB, 2015).
Ano
CO
(g/km)
NOx
(g/km)
MP
(g/km)
NMHC
(g/km)
Ano
CO
NOx
MP
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
<2002
19,35
1,14
0,002
1,022
2003
1,08
0,15
0,001
0,074
2002
1,03
0,19
0,001
0,083
2004
0,96
0,15
0,001
0,082
2003
0,96
0,18
0,001
0,083
2005
0,91
0,13
0,001
0,093
2004
0,86
0,15
0,001
0,083
2006
0,94
0,1
0,001
0,08
2005
2007
0,9
0,09
0,001
0,08
0,8
0,14
0,001
0,075
2008
0,89
0,08
0,001
0,08
2006
0,72
0,11
0,001
0,063
2009
0,74
0,06
0,001
0,036
2007
0,67
0,11
0,001
0,063
2010
0,66
0,06
0,001
0,036
2008
0,69
0,08
0,001
0,053
2011
0,6
0,06
0,001
0,038
2009
0,47
0,05
0,001
0,02
2012
0,54
0,05
0,001
0,04
2013
0,45
0,04
0,001
0,038
2010
0,43
0,05
0,001
0,023
2014
0,38
0,03
0,001
0,037
2011
0,46
0,05
0,001
0,028
2015
0,32
0,02
0,001
0,036
2012
0,41
0,04
0,001
0,023
2016
0,32
0,02
0,001
0,036
2013
0,33
0,03
0,001
0,019
Nota: Os fatores de emissão são a média dos
2014
0,27
0,02
0,001
0,016
fatores de emissão para os combustíveis etanol
2015
0,19
0,02
0,001
0,012
2016
0,19
0,02
0,001
0,012
e gasolina
Tabela 04: Fator de emissão para comerciais
leves movidos a etanol (CETESB, 2015).
Tabela 02: Fator de emissão para automóveis
Ano
CO
(g/km)
NOx
(g/km)
MP
(g/km)
NMHC
(g/km)
movidos a etanol (CETESB, 2015).
Ano
CO
(g/km)
NOx
(g/km)
MP
(g/km)
NMHC
(g/km)
<2002
11,82
1,27
0,0021
0,832
<2002
11,46
0,72
0,002
0,815
2002
1,36
0,88
0,0011
0,161
2002
1,38
0,14
0,001
0,117
2003
1,32
0,87
0,0011
0,12
2003
1,37
0,14
0,001
0,117
2004
1,28
0,87
0,0011
0,12
2004
1,38
0,13
0,001
0,125
2005
1,1
0,73
0,0011
0,167
2005
1,33
0,13
0,001
0,125
2006
1,06
0,33
0,0011
0,09
2006
1,13
0,09
0,001
0,088
Tabela 05: Fator de emissão para comerciais
leves movidos à gasolina (CETESB, 2015).
110
Ano
CO
(g/km)
NOx
(g/km)
MP
(g/km)
NMHC
(g/km)
Tabela 06: Fator de emissão para comerciais
leves flex (CETESB, 2015).
<2002
23,82
1,2
0,0021
1,094
2002
1,5
0,23
0,0011
0,086
2003
1,56
0,22
0,0011
0,083
2004
1,52
0,2
0,0011
0,092
2005
1,33
0,28
0,0011
0,109
2006
1,21
0,3
0,0011
0,073
2007
1,11
0,12
0,0011
0,097
2008
0,9
0,09
0,0011
0,062
2009
0,64
0,06
0,0011
2010
0,6
0,05
2011
0,55
2012
Ano
CO
NOx
MP
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
2003
1,14
0,16
0,0011
0,075
2004
1,01
0,15
0,0011
0,08
2005
0,96
0,13
0,0011
0,09
2006
0,91
0,15
0,0011
0,099
2007
0,91
0,12
0,0011
0,076
2008
0,85
0,11
0,0011
0,076
2009
0,68
0,07
0,0011
0,024
2010
0,66
0,07
0,0011
0,022
0,025
2011
0,7
0,05
0,0011
0,033
0,0011
0,02
2012
0,68
0,06
0,0011
0,041
0,05
0,0011
0,024
2013
0,57
0,06
0,0011
0,04
0,48
0,03
0,0011
0,019
2014
0,49
0,05
0,0011
0,047
2015
0,39
0,03
0,0011
0,03
2013
0,31
0,03
0,0011
0,017
2016
0,39
0,03
0,0011
0,03
2014
0,3
0,02
0,0011
0,017
2015
0,22
0,01
0,0011
0,015
fatores de emissão para os combustíveis etanol
2016
0,22
0,01
0,0011
0,015
e gasolina.
Nota: Os fatores de emissão são a média dos
111
Tabela 07: Fator de emissão para comerciais
Tabela 08: Fator de emissão para motocicletas
leves movidos a diesel (CETESB, 2015).
flex (CETESB, 2015).
Ano
Ano
CO
NOx
MP
NMHC
CO
NOx
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
(g/km)
(g/km)
(g/km)
<2002
0,302
2,48
0,08
nd
2010
0,667
0,059
0,114
2002
0,277
2,516
0,071
nd
2011
0,72
0,06
0,113
2003
0,245
2,429
0,073
nd
2012
0,82
0,04
0,113
2004
0,516
2,026
0,054
nd
2013
0,74
0,043
0,109
2005
0,499
2,018
0,054
nd
2014
0,74
0,043
0,109
2006
0,468
2,254
0,074
0,093
2015
0,749
0,033
0,095
2007
0,468
2,254
0,074
0,093
2016
0,749
0,033
0,095
2008
0,571
1,716
0,043
0,083
Nota: Os fatores de emissão são a média dos
2009
0,509
1,65
0,036
0,025
2010
0,745
1,952
0,044
0,057
2011
0,477
1,468
0,032
0,043
2012
0,05
0,311
0,018
0,017
2013
0,075
0,277
0,015
0,014
2014
0,08
0,285
0,0145
0,01
2015
0,051
0,28
0,018
0,008
2016
0,051
0,28
0,018
0,008
Nota: nd – não disponível.
fatores de emissão para o combustível etanol.
Tabela 09: Fator de emissão para motocicletas
movidas à gasolina (CETESB, 2015).
Ano
CO
NOx
NMHC
(g/km)
(g/km)
(g/km)
<2002
4,785
0,145
0,616
2002
4,785
0,145
0,616
2003
4,785
0,145
0,616
2004
6,065
0,175
0,693
2005
2,61
0,16
0,391
2006
2,235
0,175
0,285
2007
1,795
0,17
0,272
2008
1,355
0,115
0,196
2009
1,09
0,1
0,124
2010
0,684
0,065
0,131
2011
0,61
0,08
0,15
2012
0,5
0,07
0,128
2013
0,49
0,06
0,12
2014
0,49
0,06
0,12
2015
0,57
0,043
0,097
2016
0,57
0,043
0,097
112
Tabela
10:
Fator
de
emissão
para
caminhões (CETESB, 2015).
Ano
Tabela 11: Fator de emissão para ônibus
urbanos (CETESB, 2015).
CO
NOx
MP
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
<2002
1,36
6,329
0,344
0,409
2002
0,714
5,174
0,101
2003
0,714
5,174
2004
0,68
2005
CO
NOx
MP
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
<2002
2,816
13,105
0,712
0,911
0,184
2002
1,478
10,713
0,209
0,444
0,101
0,184
2003
1,478
10,713
0,209
0,444
4,344
0,08
0,124
2004
1,41
9
0,166
0,32
0,68
4,344
0,08
0,124
2005
1,41
9
0,166
0,32
2006
1,811
8,213
0,163
0,291
2006
0,801
3,812
0,087
0,131
2007
1,811
8,213
0,163
0,291
2007
0,801
3,812
0,087
0,131
2008
2,289
8,623
0,16
0,292
2008
0,675
3,602
0,066
0,042
2009
1,895
8,262
0,147
0,234
2009
0,673
3,632
0,062
0,03
2010
1,839
8,385
0,152
0,245
2010
0,586
3,609
0,059
0,051
2011
1,677
8,464
0,152
0,148
2011
0,638
3,539
0,06
0,039
2012
0,537
2,623
0,021
0,045
2013
0,539
2,686
0,021
0,045
2012
0,131
1,179
0,009
0,046
2014
0,539
2,686
0,021
0,045
2013
0,12
1,13
0,011
0,046
2015
0,479
2,623
0,023
0,042
2014
0,12
1,13
0,011
0,046
2016
0,479
2,623
0,023
0,042
2015
0,137
1,165
0,011
0,045
2016
0,137
1,165
0,011
0,045
Nota: Os fatores de emissão são a
média
dos
caminhões
fatores
semileves,
semipesados e pesados.
de
emissão
leves,
dos
médios,
Ano
113
Tabela 12: Fator de emissão para microônibus (CETESB, 2015).
CO
NOx
MP
NMHC
(g/km)
(g/km)
(g/km)
(g/km)
<2002
2,477
11,526
0,626
0,814
2002
1,3
9,422
0,184
0384
2003
1,3
9,422
0,184
0,384
2004
1,24
7,915
0,146
0,275
2005
1,24
7,915
0,146
0,275
2006
1,561
4,769
0,11
0,153
2007
1,561
4,769
0,11
0,153
2008
0,836
4,508
0,085
0,017
2009
0,761
4,742
0,081
0,01
2010
1,208
4,725
0,082
0,083
2011
1,177
4,871
0,094
0,075
2012
0,213
1,411
0,016
0,009
2013
0,132
1,221
0,011
0,029
2014
0,132
1,221
0,011
0,029
2015
0,106
1,478
0,01
0,034
2016
0,106
1,478
0,01
0,034
Ano
114
Tabela 13: Intensidade de uso (km/ano)
Anos
Automóveis
Automóveis
Automóveis
Comerciais Leves
Comerciais Leves
de uso
Gasolina
Etanol
Flex
Gasolina
Etanol
1
11997
11997
17220
17933
17933
2
12632
12632
15968
17638
17638
3
13177
13177
15277
17320
17320
4
13635
13635
15001
16981
16981
5
14009
14009
14995
16623
16623
6
13305
14305
15112
16248
16248
7
14525
18691
15208
15858
15848
8
14675
17456
15136
15456
15456
9
14758
16431
15000
15044
15044
10
14778
15596
15000
14624
14624
11
14739
14933
14836
14198
14198
12
14645
14421
14533
13768
13768
13
14500
14040
14270
13336
13336
14
14309
13771
14040
12905
12905
15
14075
13595
13835
12477
12477
> 16
9340
10693
10017
8917
8917
Anos
Comerciais Leves
Comerciais Leves
Motocicletas
Motocicletas
Caminhões
de uso
Flex
Diesel
Gasolina
Flex
Diesel
1
18220
28443
12807
12807
47139
2
21110
27358
13078
13078
44950
3
21914
26321
13243
13243
43009
4
21277
25270
13313
13313
41292
5
19843
24142
13293
13293
39777
6
18255
22874
13192
13192
38443
7
17160
21406
13019
13019
37268
8
17199
19673
12781
12781
36233
9
17500
17614
12486
12486
35321
10
17500
15950
12142
12142
34513
11
14198
15950
11758
11758
33794
12
13768
15950
11341
11341
33150
13
13336
15950
10900
10900
32565
14
12905
15950
10442
10442
32027
15
12477
15950
9976
9976
31526
> 16
8917
15950
9050
9050
25027
Continuação da tabela 13.
115
Anos
Ônibus urbanos
Micro-ônibus
de uso
Diesel
Diesel
1
62470
35578
2
58979
31654
3
55908
29359
4
53205
27730
5
50816
26467
6
48689
25435
7
46769
24562
8
45004
23806
9
43341
23140
10
41727
22543
11
40108
22004
12
38432
21511
13
36644
21058
14
34693
20638
15
32525
18680
> 16
18671
18680
Continuação da tabela 13.
116
APÊNDICE C - Avaliação do impacto da mudança dos fatores de emissão veicular na
formação de ozônio troposférico na Região Metropolitana de São Paulo (RMSP) (Vela,
2013).
Tabela 01 - Testes estatísticos para temperatura durante o período de 12-15 de novembro de 2011.
Tabela 02 - Testes estatísticos para umidade relativa durante o período de 12-15 de novembro de
2011.
117
Tabela 03 - Testes estatísticos para óxidos de nitrogênio (NOx) durante o período de 12-15 de
novembro de 2011.
Continuação da tabela 03.
118
APÊNDICE D - Condições meteorológicas e níveis de poluição na Região Metropolitana
de Lima – Perú (Rojas, 2013).
Nome das estações de medições: CM – Campo de Marte, SA – Santa Anita, PL – Ponta
Lobos, AN – Ancon, VH – Von Humbolt, SB – San Borja, VM – Villa Maria del Triunfo, AA
– Agua Azul, AE – Aeropuerto, HC – Hospital Central FAP, AT – Ate.
Tabela 01 - Testes estatísticos para a temperatura durante o período de 22-28 de janeiro de 2012.
Tabela 02 - Testes estatísticos para a umidade relativa durante o período de 22-28 de janeiro de 2012.
119
Tabela 03 - Testes estatísticos para a temperatura durante o período de 05-11 de julho de 2012.
Tabela 04 - Testes estatísticos para a umidade relativa durante o período de 05-11 de julho de 2012.
120
APÊNDICE E - Air quality modelling in the Berlin-Brandenburg region using WRFChem v3.7.1: sensitivity to resolution of model grid and input data (Kuik et al., 2016).
Significado das abreviaturas: LU – classe de uso do solo; Obs – média do observado; Mod –
média das simulações; MB – erro médio; r – coeficiente de correlação;
Simulações com o WRF/CHEM: Base - utilização das configurações padrões do
WRF/CHEM; S1_urb - representação atualizada dos dados de cobertura de solo e de outros
parâmetros urbanos para a região de Berlim onde se atribuiu a categoria de uso de solo mais
abundante dentro de uma célula de grade a toda célula respectiva; S2_mos - consideração da
heterogeneidade das categorias de uso do solo dentro de uma célula de grade do modelo
(abordagem mosaica); S3_emi - fazendo um aumento da resolução horizontal de 7 km do
inventário de emissão para uma resolução mais fina de 1 km; d01 – 15 km x 15 km; d02 – 3
km x 3 km; d03 – 1 km x 1 km.
Tabela 01 - Análise estatística das concentrações de NOx simuladas.
121
Tabela 02 - Análise estatística para a temperatura simulada a 2 m.
Figura 01 – Rosa dos ventos.