RESUMO
RESUMO Este trabalho objetivou modelar e prever a concentração média diária de material particulado inalável (MP10), na Região da Grande Vitória (RGV), Espírito Santo, Brasil, utilizando o modelo SARIMAX para o período de 01/01/2012 a 30/04/2015. Os dados deste estudo foram do tipo séries temporais de concentrações de MP10 e de variáveis meteorológicas (velocidade do vento, umidade relativa, precipitação pluvial e temperatura), obtidas junto ao Instituto Estadual de Meio Ambiente e Recursos Hídricos (IEMA), sendo escolhida a estação da Enseada do Suá para fazer o estudo de predição e previsão. Baseando-se em indicadores de desempenho de modelagem, verificou-se que o modelo SARIMAX (1,0,2) (0,1,1)7 é o mais acurado entre os estudados, objetivando fazer predições e previsões da qualidade do ar na RGV. Em comparação com os modelos ARMA, o desempenho estatístico do modelo SARIMAX foi superior, no que diz respeito à predição de eventos de qualidade do ar regular. Dentre as variáveis meteorológicas avaliadas, a velocidade do vento e a precipitação pluvial foram significativas e melhoraram o ajuste do modelo. Em termos de previsão da qualidade do ar, os modelos de séries temporais mostraram resultados satisfatórios.
ABSTRACT This study aimed to model and forecast the average daily concentration of inhalable particulate matter (PM10), in the Greater Vitoria Region (GVR), Espírito Santo, Brazil, using the SARIMAX model, for the period from January 1st, 2012 to April 30th, 2015. Data set from the State Environmental Institute was used. The Enseada do Suá station was chosen for purposes of prediction and forecasting. Some meteorological parameters (wind speed, relative humidity, rainfall and temperature) measured at the GVR were taken as explanatory variables of PM10 concentrations. Based on modelling performance indicators, it was verified the SARIMAX model (1.0.2) (0.1.1)7 is the most accurate between the ones studied, purposing to predict and forecast the air quality in the GVR. The statistical performance of the SARIMAX model was better than the ARMA model, with regard to prediction of regular air quality events. Among the evaluated meteorological variables, wind speed and rainfall were significant and improved the model estimated. Regarding to air quality forecasting, the time series models showed satisfactory results.
RESUMO
RESUMO Este trabalho objetivou verificar as inter-relações entre as concentrações de ozônio (O3) e de dióxido de nitrogênio (NO2) na região da Grande Vitória (RGV), Espírito Santo, Brasil. Adotou-se a metodologia vetorial autorregressiva (VAR) e o teste de causalidade de Granger. O modelo VAR captura as interdependências lineares entre várias séries temporais, sendo que cada variável possui uma equação estimada que representa sua evolução em termos de suas próprias defasagens e das defasagens das outras variáveis. Já o teste de causalidade de Granger baseia-se em um sistema de equações bivariado para verificar se uma variável é capaz de prever a outra. Os resultados revelaram que as concentrações de O3 e de NO2 da Região (estação) de Laranjeiras foram as menos afetadas por concentrações de outras estações. Devido à localização, as concentrações de O3 e NO2 da Enseadá do Suá tiveram significativa influência de outras regiões, especialmente de Jardim Camburi, Ibes e Vitória - Centro. A concentração de ozônio na região do Ibes foi fortemente influenciada pelas concentrações de O3 e de NO2 da Enseada do Suá. Além disso, as concentrações de Cariacica sofreram impactos relevantes das concentrações da Enseada do Suá, provavelmente, devido à direção do vento Norte/Nordeste, predominante na RGV.
ABSTRACT The objective of this paper was to determine the interrelationships between the ozone (O3) and nitrogen dioxide (NO2) concentrations, in the Grande Vitória Region (RGV), Espírito Santo, Brazil, using the methodology VAR and the Granger causality test. The VAR model captures the linear interdependencies between multiple time series. In this context, each variable has an estimated equation that represents its evolution in terms of its own lags and the lags of other variables. Granger causality test is based on a system of bivariate equations to check whether a variable is able to forecast the other. The results showed that the O3 and NO2 concentrations at Laranjeiras station were less affected by concentrations of other stations. The concentrations of Enseada do Suá were significantly affected by other regions, especially Jardim Camburi, IBES and Vitória - Centro. The Ibes ozone concentrations were strongly influenced by the O3 and NO2 concentrations from Enseada do Suá. Furthermore, the O3 and NO2 concentrations of Cariacica had significant impacts of concentrations of the Enseada do Suá, probably due to the prevailing North/Northeast wind direction in the RGV.