Modelos lineares aplicados à estimativa da concentração do material particulado (PM10) na cidade do Rio de Janeiro, RJ

Abstract

Regressão linear múltipla foi aplicada para ajustar dois modelos à concentração média de 24 h do material particulado com diâmetro inferior a 10 µm (PM10). As variáveis explanatórias no primeiro modelo (M1) foram os elementos meteorológicos (temperatura e umidade do ar, precipitação pluvial, velocidade do vento e pressão atmosférica) e o índice de direção do vento (IDV). No segundo (M2), além dos elementos meteorológicos e do IDV, foi incluído como variável explanatória, a concentração de PM10 do dia anterior (PM10,i-1). Para a seleção das variáveis explanatórias a serem incluídas no modelo, utilizou-se a técnica stepwise. Medidas da concentração de PM10 e dos elementos meteorológicos foram realizadas entre 01/05/02 e 31/08/03 em São Cristóvão (22º 53´ S; 43º 13´ W e 24 m) na cidade do Rio de Janeiro. O coeficiente de determinação (r²) para o ajuste dos modelos foi razoável, sendo que o modelo M2 (r² = 0,557) mostrou ajuste superior ao modelo M1 (r² = 0,334). Os elementos meteorológicos tiveram correlação negativa com PM10, com exceção do índice de direção do vento, que da mesma forma de PM10,i-1, apresentou correlação positiva. A umidade relativa do ar e a precipitação pluvial mostraram-se os elementos meteorológicos mais significativos nos modelos. Contudo, quando PM10,i-1 é considerada, esta variável se mostrou a mais significativa no modelo. Independente do modelo, a inclusão da temperatura do ar não foi significativa (p > 0,05). O modelo M2 teve concordância entre os valores estimados e observados e precisão superior ao modelo M1. Em termos de previsão da qualidade do ar, os modelos mostraram resultados satisfatórios, sobressaindo-se o modelo M2.Multiple linear regression was used to fit two models to the daily average concentration of particulate matter with diameter lower than 10 µm (PM10). The explanatory variables in the first model (M1) were the weather variables (air temperature, relative humidity, rainfall, wind speed and atmospheric pressure) and wind direction index (WDI). The second model (M2) used the same variables as the M1 model plus the concentration of PM10 in the previous day (PM10,i-1). The stepwise technique was used for the selection of the explanatory variable. Measurements of PM10 concentration were made between 05/01/2002 and 08/31/2003 in the city of Rio de Janeiro, RJ, Brazil. The regression coefficient (r²) for the models fitting was satisfactory, with better results for model M2 (r² = 0.557) compared to model M1 (r² = 0.334). The weather variables presented negative correlation with PM10, with the exception of the wind direction index, which, similarly to PM10, i-1, had positive correlation. The air relative humidity and the rainfall were the most significant weather variables in the models. However, PM10, i-1 was the most significant variable, when included in the model. The air temperature was statistically not significant (p > 0.05) for both models. M2 model showed an agreement between the estimated and observed values and a better precision than M1 model. In terms of air quality forecast, both models presented satisfactory results, but model M2 was superior.