RESUMO Este trabalho objetivou propor um método para avaliar a qualidade do ar de determinada região, com base em dados secundários. A metodologia proposta é fundamentada na elaboração de um índice de poluição atmosférica (IPA), desenvolvido por meio da aplicação do método analytic hierarchy process. O IPA utiliza dados secundários das fontes de emissões atmosféricas e dados relacionados com a poluição do ar. Essa relação gera um valor adimensional que classifica a qualidade do ar em cinco faixas. Com a aplicação da metodologia proposta, dados de 11 municípios da Região Metropolitana de São Paulo (RMSP), cinco municípios da Região Metropolitana de Belo Horizonte (RMBH) e quatro municípios da Região Metropolitana da Grande Vitória (RMGV) foram analisados. Esses municípios possuem uma rede automática de monitoramento da qualidade do ar. Os resultados mostram que dez municípios da RMSP, quatro municípios da RMGV e três municípios da RMBH tiveram o IPA classificado como moderado, tendo como referência o ano de 2017. Essa informação é comprovada quando comparada com o índice de qualidade do ar do ano de 2017 desses municípios. Concluiu-se que a metodologia proposta se demonstrou um método apropriado para avaliação da qualidade do ar e pode ser empregada como uma ferramenta viável no gerenciamento da qualidade do ar atmosférico nos estados brasileiros ou em qualquer outro país.

ABSTRACT This work aimed to propose a method to assess the air quality of a given region, based on secondary data. The proposed methodology is based on the elaboration of an air pollution index (API), developed from the application of the Analytic Hierarchy Process (AHP) method. API uses secondary data from the sources of atmospheric emissions and data related to air pollution. This relationship generates a dimensionless value that classifies air quality into five ranges. With the application of the proposed methodology, data from 11 municipalities in the Metropolitan Region of São Paulo (MRSP), five municipalities in the Metropolitan Region of Belo Horizonte (MRBH) and four municipalities in the Metropolitan Region of Greater Vitória (MRGV) were analyzed. These municipalities have an automatic air quality monitoring network. Results show that ten municipalities in the MRSP, four municipalities in the MRGV and three municipalities in the MRBH had the API classified as moderate, with reference to the year 2017. This information is proven when compared with the air quality index (AQI) for the year 2017 of these municipalities. It was concluded that the proposed methodology proved to be an appropriate method for air quality assessment and can be used as a viable tool in the management of atmospheric air quality in Brazilian states or in any other country.

Resumo A falta de dados é uma das principais dificuldades no trabalho com registros fluviométricos. As lacunas no banco de dados podem resultar de problemas nos componentes das estações fluviométricas, interrupções no monitoramento e falha dos observadores. A análise de séries incompletas gera resultados incertos, impactando negativamente a gestão dos recursos hídricos. Assim, a consideração adequada dos dados faltantes é muito importante para garantir a qualidade de informação. Este trabalho teve como objetivo analisar, comparativamente, metodologias de imputação de dados faltantes em séries temporais de vazões fluviais mensais, considerando, em um estudo de caso, o Rio Doce, localizado no Sudeste do Brasil. Os dados faltantes foram simulados nas proporções de 5%, 10%, 15%, 25% e 40% seguindo um padrão de distribuição aleatória e ignorando os mecanismos de geração de falhas. Foram utilizadas dez metodologias de imputação de dados faltantes: média aritmética, mediana, regressão linear simples e múltipla, ponderação regional, interpolação spline e Stineman, suavização de Kalman, imputação múltipla e máxima verossimilhança. Seus desempenhos foram comparados por meio dos indicadores viés, raiz do erro quadrático médio, erro absoluto médio percentual, coeficiente de determinação e índice de concordância. Os resultados indicam que para 5% de dados faltantes, qualquer metodologia de imputação pode ser considerada, recomendando cautela na aplicação da média aritmética. No entanto, à medida que a proporção de dados faltantes aumenta, recomenda-se o uso das metodologias imputação múltipla e máxima verossimilhança quando houver estações de suporte para imputação, e os métodos de interpolação Stineman e suavização de Kalman quando apenas as séries estudadas estiverem disponíveis.

Abstract Missing data is one of the main difficulties in working with fluviometric records. Database gaps may result from fluviometric stations components problems, monitoring interruptions and lack of observers. Incomplete series analysis generates uncertain results, negatively impacting water resources management. Thus, proper missing data consideration is very important to ensure better information quality. This work aims to analyze, comparatively, missing data imputation methodologies in monthly river-flow time series, considering, as a case study, the Doce River, located in Southeast Brazil. Missing data were simulated in 5%, 10%, 15%, 25% and 40% proportions following a random distribution pattern, ignoring the missing data generation mechanisms. Ten missing data imputation methodologies were used: arithmetic mean, median, simple and multiple linear regression, regional weighting, spline and Stineman interpolation, Kalman smoothing, multiple imputation and maximum likelihood. Their performances were compared through bias, root mean square error, absolute mean percentage error, determination coefficient and concordance index. Results indicate that for 5% missing data, any methodology for imputing can be considered, recommending caution for arithmetic mean method application. However, as the missing data proportion increases, it is recommended to use multiple imputation and maximum likelihood methodologies when there are support stations for imputation, and the Stineman interpolation and Kalman Smoothing methods when only the studied series is available.

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.

Abstract This study aimed to evaluate the impacts of meteorological variables temperature, relative humidity, wind speed and precipitation in the probability of occurrence of pollutants concentration peaks/episodes in the Região da Grande Vitória (RGV), Espírito Santo, Brazil, using the Logit model, for period from 2012/01/01 to 2014/12/31. It were adopted time series of the pollutants PTS, PM10, SO2, CO, NO2, O3 and meteorological variables (wind speed, relative humidity, rainfall and temperature) obtained from the State Institute of Environment and Resources Water (IEMA). As expected, the results showed that the contents of the RGV concentrations are associated with changes of the meteorological variables. The results showed that the precipitation and the wind speed contributed significantly to the reduction of the probability of air quality “not good”. The Logit model proved to be a satisfactory statistical tool for evaluating the air quality “not good” in the study region.

Resumo Este trabalho objetivou avaliar os impactos das variáveis meteorológicas temperatura, umidade relativa, velocidade do vento e precipitação na probabilidade de ocorrência de picos/episódios de concentração de poluentes na Região da Grande Vitória (RGV), Espírito Santo, Brasil, por meio do modelo Logit, para o período de 01/01/2012 a 31/12/2014. Os dados deste estudo foram do tipo séries temporais relativos às concentrações de PTS, MP10, SO2, CO, NO2, O3 e às variáveis meteorológicas (velocidade do vento, umidade relativa, precipitação pluvial e temperatura) obtidas junto ao Instituto Estadual de Meio Ambiente e Recursos Hídricos (IEMA). Conforme esperado, os resultados mostraram que os índices de concentrações na RGV estão associados às mudanças das variáveis meteorológicas. Entre as variáveis meteorológicas avaliadas, a velocidade do vento e a precipitação foram mais significativas na redução da probabilidade de ocorrência de classificação do ar como “não boa”. O modelo Logit mostrou ser uma ferramenta estatística satisfatória para avaliar a qualidade do ar “não boa” da região de estudo.