UNIVERSIDADE FEDERAL DE ITAJUBÁ INSTITUTO DE RECURSOS NATURAIS PROGRAMA DE GRADUAÇÃO EM CIÊNCIAS ATMOSFÉRICAS

Transcrição

1 UNIVERSIDADE FEDERAL DE ITAJUBÁ INSTITUTO DE RECURSOS NATURAIS PROGRAMA DE GRADUAÇÃO EM CIÊNCIAS ATMOSFÉRICAS AVALIAÇÃO DAS CONDIÇÕES METEOROLÓGICAS SIMULADAS PELO MODELO WRF EM DIAS CONSECUTIVOS DE ALTAS CONCENTRAÇÕES DE PM 10 E OZÔNIO PARA A REGIÃO METROPOLITANA DO RIO DE JANEIRO MONOGRAFIA DE GRADUAÇÃO Wilson Willian da Silveira Itajubá, MG, Brasil 2016

2 AVALIAÇÃO DAS CONDIÇÕES METEOROLÓGICAS SIMULADAS PELO MODELO WRF EM DIAS CONSECUTIVOS DE ALTAS CONCENTRAÇÕES DE PM 10 E OZÔNIO PARA A REGIÃO METROPOLITANA DO RIO DE JANEIRO por Wilson Willian da Silveira Monografia apresentada à comissão examinadora Programa de Graduação em Ciências Atmosféricas da Universidade Federal Itajubá (UNIFEI, MG), como requisito parcial para obtenção do grau de Bacharel em Ciências Atmosféricas. Orientador: Prof(a). Dra. Vanessa Silveira Barreto Carvalho Itajubá, MG, Brasil 2016

3 Universidade Federal de Itajubá Instituto de Recursos Naturais Programa de Graduação em Ciências Atmosféricas A Comissão Examinadora, abaixo assinada, aprova a Monografia AVALIAÇÃO DE CONDIÇÕES E VARIÁVEIS METEOROLÓGICAS SIMULADAS PELO MODELO WRF EM DIAS CONSECUTIVOS DE ALTAS CONCENTRAÇÕES DE PM 10 E OZÔNIO PARA A REGIÃO METROPOLITANA DO RIO DE JANEIRO elaborada por Wilson Willian da Silveira Como requisito parcial para a obtenção do grau de Bacharel em Ciências Atmosféricas Itajubá, 18 de novembro de 2016.

4 AGRADECIMENTOS Agradeço a Deus, pela fé e força durante o caminho trilhado. Aos meus pais Wilson e Antônia, meus irmãos Thaís e Wesley pelo apoio e confiança durante a graduação. A professora orientadora Vanessa S. B. Carvalho, pela confiança depositada, paciência ao longo dos quatros anos de graduação e pelos ensinamentos passados. Aos professores do curso de ciências atmosféricas pelos ensinamentos compartilhados. Aos amigos Amanda, André, Daniela, Diogo, Matheus e Matias, pela amizade e companheirismo ao longo do curso. À Secretaria de Meio Ambiente do Município do Rio de Janeiro, a Serviços Meteorológico Marinho e a Rede de Meteorologia da Aeronáutica pelos dados cedidos.

5 Aos meus pais Wilson Antônio da Silveira e Antônia Aparecida Costa da Silveira.

6 O vento vai dizer lento que virá E se chover demais (Rodrigo Amarante)

7 RESUMO Monografia de Graduação Programa de Graduação em Ciências Atmosféricas Universidade Federal de Itajubá, MG, Brasil AVALIAÇÃO DAS CONDIÇÕES METEOROLÓGICAS SIMULADAS PELO MODELO WRF EM DIAS CONSECUTIVOS DE ALTAS CONCENTRAÇÕES DE PM10 E OZÔNIO PARA A REGIÃO METROPOLITANA DO RIO DE JANEIRO. AUTOR: Wilson Willian da Silveira ORIENTADOR: Vanessa Silveira Barreto Carvalho. Local e Data da Defesa: Itajubá, 18 de novembro de As estações de monitoramento frequentemente registram valores de concentração de PM10 e ozônio acima dos valores referências proposto pela Organização Mundial da Saúde na Região Metropolitana do Rio de Janeiro. Algumas vezes, a soma de várias condições meteorológicas pode vir a ocasionar processos favoráveis a não dispersão e deposição de PM10, bem como fatores favoráveis à formação do ozônio (O3), assim ocasionando altas concentrações dos dois poluentes em diversos dias consecutivos em uma região. Nesse contexto, esse estudo verificou a influência de condições meteorológicas em três períodos onde se verificou a ocorrência de altas concentrações de O3 e MP10 em dias consecutivos na RMRJ. Verificou-se que nestes períodos a região estava sob a influência da Alta Subtropical do Atlântico Sul, apresentava baixa nebulosidade e condições de ventos fracos durante a madrugada e período da manhã através de dados observados. O estudo também utilizou o modelo numérico de mesoescala Weather Researchand Forecanting Model (WRF) para simulação das condições e variáveis meteorológicas favoráveis para manutenção de alta concentração de ozônio e PM10, verificando que as mesmas: influência da ASAS, temperatura do ar, velocidade do vento e nebulosidade concordaram com os dados observados. Através de analises estatísticas entre os dados simulados e observado verificou que de maneira geral o modelo subestimou a temperatura do ar e superestimou a umidade relativa do ar. Palavras-chave: Ozônio. PM10. RMRJ. WRF.

8 vii LISTA DE FIGURAS Figura 1: Áreas de deposição de material articulado no corpo humano (fonte: SANTOS et al., 1998)...9 Figura 2: Distribuição espacial das estações de monitoramento consideradas na RMRJ Figura 3: Localização das estações dos Aeroportos da cidade do Rio de Janeiro. Onde: (1) Base Aérea de Santa Cruz / BASC, (2) Aeroporto de Jacarepaguá, (3) Base Aérea dos Afonsos / BAAF, (4) Aeroporto Santos Dumont e (5) Aeroporto Internacional do Rio de Janeiro / Galeão Figura 4: Domínio das grades simuladas: a) grade 1 com resolução espacial de 16 km; e b) grade 2 com resolução espacial de 4 km Figura 5: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 08 e 18 de fevereiro de 2013, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few (1/8 to 2/8 sky cover); SCT- Scattered (3/8 to 4/8 sky cover); BKN- Broken (5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover) Figura 6: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 17 e 22 de novembro de 2013, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few( 1/8 to 2/8 sky cover); SCT- Scattered ( 3/8 to 4/8 sky cover); BKN- Broken ( 5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover) Figura 7: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 23 e 27 de setembro de 2015, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear

9 viii (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few( 1/8 to 2/8 sky cover); SCT- Scattered ( 3/8 to 4/8 sky cover); BKN- Broken ( 5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover) Figura 8: Campo de Pressão (hpa) e Temperatura do ar ( C), referente ao mês de fevereiro no horário de máxima temperatura do dia (a) dia 8 a 18Z, (b) dia 10 a 17Z, (c) dia 12 a 18Z, (d) 14 a 17Z, (e) 16 a 19Z e (f) dia 18 a 18Z Figura 9: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 8 a 21Z, (b) dia 8 a 23Z, (c) dia 9 a 01Z, (d) dia 9 a 03Z, (e) dia 9 a 05Z, (f) dia 9 a 07Z, (g) dia 9 a 09Z, (h) dia 9 a 11Z, (i) dia 9 a 13Z, (j) dia 9 a 15 Z, (k) dia 9 as 17Z e (l) dia 9 a 19Z Figura 10: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de fevereiro (a) dia 8 a 11Z, (b) dia 8 a 18Z, (c) dia 12 a 10Z, (d) 12 a 17Z, (e) 16 a 11Z e (f) dia 16 a 17Z Figura 11: Nebulosidade (%) referente ao mês de fevereiro (a) dia 8 a 15Z, (b) dia 10 a 15Z, (c) dia 12 a 15Z, (d) 14 a 15Z, (e) 16 a 12Z e (f) dia 18 a 15Z Figura 12: Campo de Pressão (hpa) e Temperatura do ar ( C) referente ao mês de novembro no horário de máxima temperatura no (a) dia 17 a 18Z, (b) dia 18 a 18Z, (c) dia 19 a 18Z, (d) 20 a 18Z, (e) 21 a 18Z e (f) dia 22 a 14Z Figura 13: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 18 a 21Z, (b) dia 18 a 23Z, (c) dia 19 a 01Z, (d) dia 19 a 03Z, (e) dia 19 a 05Z, (f) dia 19 a 07Z, (g) dia 19 a 09Z, (h) dia 19 a 11Z, (i) dia 19 a 13Z, (j) dia 19 a 15 Z, (k) dia 19 as 17Z e (l) dia 19 a 19Z Figura 14: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de novembro (a) dia 17 a 09Z, (b) dia 17 a 17Z, (c) dia 19 a 09Z, (d) 19 a 16Z, (e) 21 a 09Z e (f) dia 21 a 18Z Figura 15: Nebulosidade (%) referente ao mês de novembro (a) dia 17 a 15Z, (b) dia 18 a 15Z, (c) dia 19 a 15Z, (d) 20 a 15Z, (e) 21 a 15Z e (f) dia 22 a 15Z... 41

10 ix Figura 16: Campo de Pressão (hpa) e Temperatura do ar ( C) referente ao mês de setembro no horário de máxima temperatura no (a) dia 23 a 18Z, (b) dia 24 a 18Z, (c) dia 25 a 15Z, (d) 26 a 18Z e (e) dia 27 a 18Z Figura 17: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 23 a 21Z, (b) dia 23 a 23Z, (c) dia 24 a 01Z, (d) dia 24 a 03Z, (e) dia 24 a 05Z, (f) dia 24 a 07Z, (g) dia 24 a 09Z, (h) dia 24 a 11Z, (i) dia 24 a 13Z, (j) dia 24 a 15 Z, (k) dia 24 as 17Z e (l) dia 24 a 19Z Figura 18: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de setembro (a) dia 23 a 11Z, (b) dia 24 a 11Z, (c) dia 25 a 11Z, (d) 26 a 18Z e (e) dia 27 a 11Z Figura 19: Nebulosidade (%) referente ao mês de setembro (a) dia 23 a 15Z, (b) dia 24 a 15Z, (c) dia 25 a 15Z, (d) 26 a 15Z e (e) dia 27 a 15Z

11 x LISTA DE TABELAS Tabela 1: Padrões nacionais de qualidade do ar (Resolução CONAMA N 03 de 28/06/90) Tabela 2: Valores propostos pela OMS como referência para os padrões de qualidade do ar... 5 Tabela 3: Configuração do modelo e parametrizações físicas Tabela 4: Máximas concentrações de O3, em μg.m -3, registradas na RMRJ durante o período de 08/02/2013 a 18/02/ Tabela 5: Concentrações de PM10, em μg.m-3, registradas na RMRJ durante o período de 08/02/2013 a 18/02/ Tabela 6: Máximas concentrações de O3, em μg.m -3, registradas na RMRJ durante o período de 17/11/2013 a 22/11/ Tabela 7: Concentrações de PM10, em μg.m -3, registradas na RMRJ durante o período de 17/11/2013 a 22/11/ Tabela 8: Máximas concentrações de O3, em μg.m-3, registradas na RMRJ durante o período de 23/09/2015 a 27/09/ Tabela 9: Concentrações de PM10, em μg.m-3, registradas na RMRJ durante o período de 23/09/2015 a 27/09/ Tabela 10: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 08/02/2013 a 18/02/ Tabela 11: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 08/02/2013 a 18/02/ Tabela 12: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 17/11/2013 a 22/11/ Tabela 13: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 17/11/2013 a 22/11/

12 xi Tabela 14: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 23/09/2015 a 27/09/ Tabela 15: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 23/09/2015 a 27/09/ Tabela 16: Análise Estatística da temperatura do ar simulada com a observada para o período de 8 a 18 de fevereiro de Tabela 17: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 8 a 18 de fevereiro de Tabela 18: Análise Estatística da temperatura do ar simulada com a observada para o período de 17 a 22 de novembro de Tabela 19: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 17 a 22 de novembro de Tabela 20: Análise Estatística da temperatura do ar simulada com a observada para o período de 23 a 27 de setembro de Tabela 21: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 23 a 27 de setembro de

13 xii LISTA DE ABREVIATURAS, SIGLAS E SÍMBOLOS ASAS Alta Subtropical do Atlântico Sul BRAMS Brazilian Regional Atmospheric Modeling System CETESB Companhia de Tecnologia de Saneamento Ambiental CONAMA Conselho Nacional do Meio Ambiente COV Compostos Orgânicos Voláteis DHN Divisão de Hidrografia e Navegação IBGE Instituto Brasileiro de Geografia e Estatística Índice d Índice de Concordância INEA Instituto Estadual Do Ambiente IPCC Intergovernmental Panel on Climate Change ME Erro Médio NCDC/NOAA National Climatic Data Center do National Oceanic and Atmospheric Administration NO Monóxido de Nitrogênio NO2 Dióxido de Nitrogênio NOX Óxidos de Nitrogênio O3 Ozônio OMS Organização Mundial da Saúde PM10 Material Particulado com diâmetro menor que 10µm PNMM Pressão ao Nível Médio do Mar PNQA Padrões Nacionais de Qualidade do Ar PORNAR Programa Nacional de Controle de Qualidade do Ar PROCONVE Programa de Controle da Poluição do Ar por Veículos Automotores r Coeficiente de correlação de Pearson REDEMET Rede de Meteorologia Aeronáutica RMRJ Região Metropolitana do Rio de Janeiro RMSE Raiz do erro médio quadrático RMSErmd Raiz do erro médio quadrático com remoção do desvio médio Pielke SBAF Base Aérea dos Afonsos SBGL Aeroporto Internacional do Rio de Janeiro / Galeão SBJR Aeroporto de Jacarepaguá

14 xiii SBRJ Aeroporto Santos Dumont SBSC Base Aérea de Santa Cruz SMAC Secretária de Meio Ambiente do Município do Rio de Janeiro SMM Serviços Meteorológico Marinho WRF Weather Researchand Forecanting Model σ Desvio Padrão

15 xiv SUMÁRIO LISTA DE FIGURAS... VII LISTA DE TABELAS... X LISTA DE ABREVIATURAS, SIGLAS E SÍMBOLOS... XII SUMÁRIO... XIV 1. INTRODUÇÃO PADRÕES DA QUALIDADE DO AR POLUIÇÃO E SAÚDE POLUIÇÃO E METEOROLOGIA OZÔNIO MATERIAL PARTICULADO O USO DE MODELOS NUMÉRICOS PARA ESTUDOS DE QUALIDADE DO AR MATERIAL E MÉTODOS DADOS UTILIZADOS SIMULAÇÕES VALIDAÇÃO DOS RESULTADOS RESULTADOS E DISCUSSÃO SELEÇÃO DOS PERÍODOS COM DIAS CONSECUTIVOS DE POLUIÇÃO DO AR ANÁLISE DAS CONDIÇÕES E VARIÁVEIS METEOROLÓGICAS NOS 3 PERÍODOS DE ESTUDO RESULTADOS DAS SIMULAÇÕES PARA RMRJ Período 1 de 8 a 18 de fevereiro de Período 2 de 17 a 22 de novembro de Período 3 de 23 a 27 de setembro de CONCLUSÃO REFERÊNCIAS ANEXOS... 58

16 1 1. INTRODUÇÃO A poluição atmosférica, nos primórdios da história da Terra, ocorria por causas naturais como erupções vulcânicas, queimas de florestas, por incêndios causados por mecanismos naturais (como raios atingindo uma vegetação seca), emissões por biomassa, etc.; porém, a intensa atividade antropogênica fez com que os níveis de emissões de poluentes atmosféricos aumentassem significativamente, principalmente a partir da segunda metade do século XVIII, com o início da era industrial e consequente aumento de regiões urbanas (STERN, 1984). Atualmente, as megacidades (regiões de aglomerados populacionais com mais de 10 milhões de habitantes) representam grandes fontes de poluição atmosférica (LAWRENCE et al., 2007). A América do Sul possui 7 megacidades, entre elas estão as Megacidades de São Paulo e do Rio de Janeiro (GALLARDO, 2012). A Região Metropolitana do Rio de Janeiro (RMRJ) conta com 19 municípios, com uma população de 12,5 milhões de habitantes, segundo o Instituto Brasileiro de Geografia e Estatística (IBGE,2016), apresentando a segunda maior frota veicular e concentração industrial do país, sendo as fontes veiculares responsáveis por 77% das emissões de poluentes e os outros 23% sendo provenientes de fontes fixas (INEA, 2015). Frequentemente, a RMRJ apresenta altos índices de concentrações de poluentes, entre eles destacam-se altas concentrações de material particulado com diâmetro inferior a 10 µm (MP10) e de ozônio (O3), que anualmente ultrapassam os limites estabelecidos pela resolução CONAMA 03/90 (INEA, 2014; INEA, 2015). A concentração de poluentes mesmo abaixo do padrão de qualidade do ar tem efeito direto na saúde da população, doenças respiratórias como asma e bronquite são suscetíveis a variação da concentração de poluentes (BRAGA, 2007; ARBEX, 2012). Estudos como o de Carvalho et al. (2012), Silveira et al. (2015), Correa et al. (2016), entre outros, avaliaram as relações entre as concentrações de poluente e variáveis meteorológicas como ventos, precipitação, temperatura, umidade, posição da Alta Subtropical do Atlântico Sul (ASAS) em megacidades brasileiras. Carvalho et al. (2012) verificou que as condições meteorológicas e o posicionamento da ASAS tem efeito direto na dispersão e concentração de O3, e verificou que o modelo BRAMS

17 2 (Brazilian Regional Atmospheric Modeling System) simulou bem o comportamento das variáveis e condições meteorológicas em episódios de alta concentração desse poluente na RMRJ. Correa (2013) verificou a influência das condições meteorológicas e posicionamento da ASAS em períodos de altas concentração de MP10 e verificou que o modelo BRAMS também simulou bem as condições e variáveis meteorológicas nesses períodos. Nesse contexto, o estudo tem como objetivo principal simular as condições meteorológicas durante dias quando episódios de concentração de MP10 e O3 foram registrados na RMRJ, por meio do modelo de mesoescala WRF (Weather Researchand Forecanting Model). São objetivos específicos deste estudo: Comparar os resultados obtidos com o modelo e observações realizadas na região; e Avaliar as principais condições atmosféricas associadas a estes episódios. 1.1.Padrões da Qualidade do Ar Os conhecimentos dos efeitos da poluição no meio ambiente e, principalmente, na saúde humana levaram os governos a estabelecerem metas de monitoramento, controle e estratégias de recuperação da qualidade do ar. No Brasil, o começo do monitoramento da qualidade do ar se deu após a Conferência de Estocolmo (1972) (CAVALCANTI, 2003). Então, na década de 80, foi sancionada a Lei 6.938/81 instituindo o Conselho Nacional do Meio Ambiente (CONAMA). Devido ao rápido crescimento desenfreado urbano e industrial o CONAMA, criou o Programa Nacional de Controle de Qualidade do Ar (PRONAR) através da Resolução n 05 de 15 de junho de É valido destacar que PRONAR tem como principal finalidade permitir o desenvolvimento econômico e social do país de forma ambientalmente segura, pela limitação dos níveis de emissão de poluentes por fontes de poluição atmosférica, com vistas à melhora da qualidade do ar, ao atendimento dos padrões estabelecidos e o não comprometimento da qualidade do ar nas áreas consideradas não degradadas. Ainda foram incorporados ao PRONAR, como instrumentos para a melhoria e controle da qualidade do ar, os programas: Programa de Controle da Poluição por Veículos Automotores (PROCONVE); Programa Nacional de Controle da Poluição Industrial (PRONACOP); Programa Nacional de Avaliação da

18 3 Qualidade do Ar; Programa Nacional de Inventário de Fontes Poluidoras do Ar e Programas Estaduais de Controle da Poluição do Ar. Em 1990, o PRONAR instituiu a Resolução CONAMA 03/90 (ainda em vigor). A Resolução visa o controle da qualidade do ar através do estabelecimento dos Padrões Nacionais de Qualidade do Ar (PNQA), definidos para os seguintes poluentes: Partículas Totais em Suspensão (PTS); Fumaça; Dióxido de Enxofre (SO2); Monóxido de Carbono (CO); Ozônio (O3); Partículas Inaláveis (PM10); Dióxido de Nitrogênio (NO2) (observar Tabela 1). Os PNQA foram classificados em primários e secundários, onde os padrões primários apresentam os níveis em que os poluentes podem acarretar danos graves a saúde da população, fauna e flora esses níveis de tolerância são aderidos para curtos e médios prazos. Já os padrões secundários mostram níveis desejados de poluentes para afetar o mínimo possível a saúde da população, meio ambiente, fauna e flora, em um período desejável de longo prazo (CETESB, 2012).

19 4 Tabela 1: Padrões nacionais de qualidade do ar (Resolução CONAMA N 03 de 28/06/90). Poluentes Tempo de Amostragem Padrão Primário µg/m³ Padrão Secundário µg/m³ Partículas Totais em Suspensão (PTS) 24 horas¹ MGA² Fumaça 24 horas¹ MAA³ Dióxido de Enxofre (SO2) 24 horas¹ MAA³ Monóxido de Carbono (CO) 1 hora¹ 8 horas¹ / 35 ppm / 9 ppm / 35 ppm / 9 ppm Partículas Inaláveis (PM10) 24 horas¹ MAA³ Dióxido de Nitrogênio (NO2) 1 hora MAA³ Ozônio (O3) 1 hora¹ Fonte: CETESB, Não deve ser excedido mais que uma vez ao ano. 2 - Média geométrica anual. 3 - Média aritmética anual. Em 2006, a Organização Mundial da Saúde (OMS) propôs valores de referência para a concentração de alguns poluentes (Tabela 2), tal fato deve-se a vários estudos epidemiológicos apontarem a ocorrência de doenças respiratórias e cardiovasculares em concentrações abaixo dos limites considerados seguros em diversos países do mundo, como é o caso do Brasil (OMS, 2006). Destaca-se que os novos padrões impõem limites mais restritivos no que se refere ao PM10, NO2 e SO2, contudo, os novos limites para ozônio, apresentam uma alteração do período de 1 hora para 8 horas, o que tende a suavizar os números de violação referentes ao PNQA (CARVALHO, 2010).

20 5 Tabela 2: Valores propostos pela OMS como referência para os padrões de qualidade do ar. Poluentes Tempo de Amostragem Padrões µg/m³ Partículas inaláveis (PM10) Partículas Finas (PM2,5) Dióxido de Nitrogênio (NO2) Dióxido de Enxofre (SO2) 24 horas MAA¹ 24 horas MAA¹ 1 hora MMA¹ 10 minutos MMA¹ Ozônio (O3) 8 horas 100 Fonte: OMS, Média aritmética anual Poluição e Saúde Segundo a Resolução CONAMA 03/1990 (Art. 1 ): São padrões de qualidade do ar as concentrações de poluentes atmosféricos que, ultrapassadas, poderão afetar a saúde, a segurança e o bem-estar da população, bem como ocasionar danos à flora e à fauna, aos materiais e ao meio ambiente em geral. Nesse contexto, vários estudos apontam que as altas concentrações de poluentes podem representar um grande fator de ameaça à saúde humana, principalmente em grandes centros urbanos, devido à alta frota de veículos e concentração industrial (principais fontes de poluição), sendo está diretamente relacionada ao agravamento de doenças cardiovasculares, respiratórias e neurológicas, principalmente em crianças e idosos (PEREIRA et al., 2011; OLMO et al.,2011; MIRANDA et al., 2012). Outros estudos ainda indicam que exposição

21 6 frequente a poluentes demonstram correlação positiva com alguns tipos de câncer (OMS,2006; GOUVEIA et al., 2006, BRUNEKREFF, 2012) Poluição e Meteorologia As condições meteorológicas possuem fatores de grande influência na qualidade do ar. Sendo essas diretamente responsáveis por transporte e dispersão de poluentes primários, poluentes que são emitidos diretamente na atmosfera como é o caso do PM10, tais condições meteorológicas também podem influenciar na formação e dispersão de poluentes secundários na atmosfera, como é o caso do ozônio. Tal fato ocorre devido tais poluentes estarem sujeitos a variáveis meteorológicas como temperatura, velocidade dos ventos, radiação, nebulosidade, umidade relativa do ar, entre outras (GUERRA et. al., 2011; CORREA, 2013). Nesse contexto pode-se destacar uma das condições meteorológicas de grande influência, tanto na formação de O3 quanto na manutenção de altas concentrações de PM10, a Alta Subtropical do Atlântico Sul (ASAS) deslocada a esquerda da sua normal climatológica. Quando regiões do continente Sul Americano estão sob influência da ASAS verifica-se principalmente nessas altas temperaturas, baixa nebulosidade e baixa velocidade dos ventos (CARVALHO et. al., 2012; CORREA et. al., 2016). Tais condições como altas temperaturas e baixa nebulosidade estão diretamente relacionadas a alta incidência de radiação, que é uma variável meteorologia fundamental para formação do O3 (CARVALHO, 2010). Baixas Velocidades do Vento geradas por essa condição meteorológica fornecem condições favoráveis a não dispersão de poluentes como PM10 e precursores de O3 (CARVALHO, 2010; CORREA, 2013). Pode destacar a altura da Camada Limite Planetária (CLP) também como condição meteorológica de grande influência para dispersão e manutenção de poluentes próxima a superfície. A estabilidade da atmosfera apresenta grande influência na altura da CLP (CARVALHO, 2010; CORREA, 2013). Quando a atmosfera está estável essa apresenta baixos valores de alturas da camada limite, nessas condições movimentos de convecção e turbulência são inibidos, apresentando condições favoráveis para manutenção de altas concentrações de poluentes como PM10 e precursores de ozônio, tais condição de estabilidade ocorre devido a inversão térmica o que é verificado normalmente durante a madrugada e início da manhã

22 7 (CARVALHO, 2010; CRAWFORD, et al., 2015; WANG, et al., 2016). Já em condições de instabilidade atmosférica a altura da CLP tende a aumentar, havendo aumento de convecção e turbulência do ar, aumentando a dispersão de poluentes, tal fato ocorre durante o período da tarde, que é o período de maior incidência de radiação onde verifica-se as maiores concentrações de ozônio (CARVALHO, et. al., 2012; WANG, et al., 2016). Regiões próximas ao litoral como é o caso da RMRJ, também sofre influência de Brisa Marítima e Terrestre (CARVALHO, et. al., 2012). Observa-se a influência da brisa marítima em regiões litorâneas durante o período da tarde onde verifica-se mudança na direção do vento sentido litoral-continente, aumento da razão de mistura e aumento da velocidade do vento (CARVALHO, 2010). A brisa terrestre em regiões litorâneas é verificada durante a madrugada e início da manhã com inversão da direção dos ventos agora sentido continente-litoral, e enfraquecimento dos ventos, o que dificulta a dispersão de poluentes como MP10 e precursores de O3 e os confina em regiões mais próximas ao litoral (CARVALHO,2010) Ozônio O ozônio se destaca como principal produto da química da atmosfera. Em regiões de altas concentrações de poluentes, contendo principalmente compostos orgânicos voláteis (COVs) e óxidos de nitrogênio (NOx), a produção fotoquímica do ozônio na troposfera ocorre a partir de reações com esses poluentes (CARVALHO, 2010; SEINFELD, 1986). Com absorção de radiação com comprimento de onda menor que 400 nm ocorre a fotodissociação do NO2 que libera um átomo de oxigênio atômico e uma molécula de NO (1.1), então através da reação entre o oxigênio atômico e molecular se tem a formação de ozônio (1.2), a destruição do mesmo ocorre através da reação com uma molécula NO (1.3), sendo esta a principal formação do ozônio na troposfera (CARVALHO, 2010; SEINFELD, 1986; FINLAYSON-PITTS & PITTS, 2000). NO2 + hν NO + O* (λ < 400 nm) (1.1) O* + O2 O3 (1.2) O3 + NO O2 + NO2 (1.3)

23 8 O ozônio possui efeitos corrosivos em materiais e também no sistema respiratório humano, danificando brônquios e alvéolos no pulmão; a exposição frequente a esse poluente pode causar ainda envelhecimento precoce da pele, náuseas, tosse, aumento do muco, dor de cabeça e diminuição de resistência a infecção, sendo assim um dos principais poluentes com efeitos direto na saúde humana (PESSANHA, 2004). Sua natureza corrosiva também afeta a flora terrestre de maneira drástica. As concentrações do poluente ozônio muitas vezes são associadas a condições meteorológicas. Estudos indicam altas concentrações de ozônio em dias de baixa nebulosidade, altas temperaturas, baixa velocidade do vento e ainda associados a sistemas de alta pressão (CARVALHO, 2006; CARVALHO et al. 2012; SILVEIRA et al. 2015). Silveira et. al (2014) verificaram para a Região Metropolitana de São Paulo que altas concentrações de ozônio ocorrem principalmente durante a primavera e verão, sendo essas estações do ano a de maior incidência de radiação no hemisfério sul, também verificaram maiores concentrações durante o fim de semana, o que pode estar ligado a diminuição do trafego de carros durante esse período, uma das principais fontes de NO (poluente fundamental na destruição do O3). As maiores concentrações de O3 pode ser verificada durante a tarde nos horários de maior incidência de radiação (CARVALHO, 2010; SEINFELD, 1986) Material Particulado O material particulado pode ser definido como partículas sólidas e líquidas com diâmetros variando de nanômetro (nm) a dezenas de micrômetros (µm) em suspensão na atmosfera (Seinfeld e Pandis, 1998). Sua composição química, tamanho e concentração estão diretamente ligadas à sua fonte de emissão, os quais têm efeitos diretos na saúde humana (YNOUE,2004). O PM10 é o poluente mais frequentemente associado à mortalidade decorrente de doenças cardiovasculares, doenças como asma e bronquite também podem ser associadas a esse poluente (BRAGA et. al. 2002). Dependendo da composição química do material particulado esse pode acarretar ou intensificar doenças respiratórias, o qual varia também para área de deposição no sistema respiratório humano (Figura 1). As partículas com compostos de sílica, sulfato, nitrato e carbono

24 9 orgânico com diâmetros menores que 2,5 µm destacam-se em estudos como as mais prejudiciais à saúde da população (SANTOS et al., 1998, ITO et al., 2003; URCH et al., 2003). O PM10, proveniente de atividades agrícolas, construções, cinzas vulcânicas etc., podem penetrar até traqueias, brônquios e bronquíolos, já o PM2,5, provenientes de queima de combustíveis, biomassa e termelétrica, podem penetrar alvéolos, tecido pulmonar e corrente sanguínea (SANTOS et al., 1998; observar Figura 1). Assim, diminuindo a atividade mucociliar e dos macrófagos, irritando as vias respiratórias, estresse oxidativo desenvolvendo inflamação pulmonar e sistêmica. A exposição crônica a este poluente pode ainda causa remodelamento brônquico, doença pulmonar obstrutiva crônica e o desenvolvimento de câncer (ARBEX, 2012). Figura 1: Áreas de deposição de material articulado no corpo humano (fonte: SANTOS et al., 1998). O material particulado também tem efeito direto na visibilidade. A visibilidade pode ser afetada devido à absorção ou espalhamento da radiação solar incidente nas partículas de material particulado. O espalhamento mie (partículas com diâmetro comparável ao comprimento de onda incidente) em regiões urbanas é o principal responsável pela diminuição da visibilidade (YNOUE, 2004). É pertinente destacar que

25 10 a absorção ou espalhamento por uma partícula de material particulado também está ligado à sua composição química. O espalhamento de luz visível é associado por partículas com diâmetro entre 0,1 e 1 µm de sulfato e nitrato. Já absorção é comumente associada a partículas de Black Carbon (carbono negro, derivada principalmente da queima de biomassa e combustíveis fosseis) (YNOUE, 2004). O efeito de espelhamento ou absorção do material particulado também tem efeito direto no clima, uma grande concentração de partículas com diâmetro de 0,1 e 1 µm principalmente de sulfato ou nitrato tende a resfriar a superfície terrestre devido ao efeito de maior espalhamento, maior espalhamento diminui consideravelmente a quantidade de energia solar incidente. Caracterizando esse como uma forçante radiativa negativa, que tende a resfriar a superfície terrestre. Porém, partículas como o carbono negro tem uma maior característica de absorção da radiação, a alta absorção de radiação de onda longa dessas partículas é convertida em alta emissão de onda curta (na região do infravermelho) aquecendo o ar próximo a superfície terrestre, ou seja, uma forçante radiativa positiva (YNOUE, 2004). Segundo o Painel Intergovernamental de Mudanças Climáticas (IPCC, 1995), os processos que envolvem material particulado ainda são muitos complexos e incertos, representando fontes de erro em simulações climáticas, impedindo uma conclusão final a respeito dessa forçante. É valido também destacar que as concentrações de material particulado podem variar de acordo com o tipo de fonte, sazonalidade, localização geográfica, influência de variáveis meteorológicas e até mesmo por influencias de condições meteorológicas de grandes escalas (CARVALHO, 2010). A deposição das partículas ocorre pelo processo de lavagem da atmosfera pela precipitação (efeitos washout e rainout), logo em épocas do ano com altos índices de precipitação verifica-se menor concentração desse poluente (GONÇALVES 1997). Já dispersão desse poluente está diretamente relacionada a velocidade do vento (GUERRA et al., 2011). Correa et al. (2016), verificou que as maiores concentrações de PM10 na RMRJ ocorre durante o inverno, tal fato foi verificado também por Guerra et al. (2011) que também verificou altas concentrações de material particulado durante os meses de maio, junho e julho de 2007 e 2008 na região, evidenciando a sazonalidade do mesmo. Albuquerque (2010) observou que durante os períodos com altos índices de precipitação a Região Metropolitana de São Paulo apresentava baixas concentrações

26 11 de poluentes, tal fato foi verificado também para períodos com altas velocidades de ventos. Correa et al. (2016) verificou a influência das condições meteorológicas, como vento, precipitação, influência da ASAS e altura da Camada Limite Planetária em períodos de altas concentrações de material particulado na RMRJ. Observando que a maioria desses períodos apresentavam baixa velocidade do vento durante a madrugada, baixa precipitação, baixa altura da CLP durante a madrugada e sob influência da ASAS O uso de modelos numéricos para estudos de qualidade do ar Atualmente, o Brasil possui uma rede de monitoramento da qualidade do ar limitada, tal fato também é verificado na RMRJ, que possui 35 estações de monitoramento das quais 27 monitoram PM10 e 18 O3 (INEA, 2015). Logo, dada a extensão da RMRJ e a grande variabilidade topográfica, além da diversidade das fontes emissoras, verifica-se um baixo número de estações. Uma ferramenta importante para auxiliar nas medidas das concentrações e verificar as evoluções das mesmas são os modelos matemáticos que simulam condições meteorológicas, variáveis meteorológicas, transporte e a dispersão de poluentes (MOREIRA et al., 2008). Segundo Gurjar e Lelieveld (2005), a modelagem numérica da atmosfera é essencial para se entender os impactos e implicações das escalas local, regional e global e suas inter-relações com relação à poluição atmosférica e as mudanças climáticas. Carvalho et al. (2012), através de simulações numéricas com o modelo SPM- BRAMS (Brazilian Regional Atmospheric Modeling System with Simplified Photochemical Module), avaliaram a influência de condições meteorológicas em um episódio prolongado de poluição por ozônio, e verificaram que a ocorrência de ventos fracos, principalmente, durante o período noturno e durante as manhãs, que favoreceu o acúmulo de precursores e subsequente formação de altas concentrações de ozônio durante a tarde sobre a RMSP. Correa (2013) através de simulações numéricas com o modelo SPM-BRAMS, avaliou a influência de condições meteorológicas, em dias com altas concentrações

27 12 de PM10, verificando a predominância de ventos fracos, ausência de precipitação e influência da ASAS. Andrade et al. (2015), através da utilização do modelo WRF-CHEM (Weather Research and Forecast Model with Chemistry), simularam concentrações de diversos poluentes (entre eles o O3 e o MP10) e compararam com as concentrações medidas em estações de monitoramento, verificando que o modelo prevê bem as concentrações desses poluentes para Região Metropolitana de São Paulo. Pallotta et al. (2015), simularam as condições meteorológicas em três maratonas (28 de junho de 2009, 18 de julho de 2010 e 17 de julho de 2011) da Cidade do Rio de Janeiro através do WRF e verificou que o modelo apresenta uma representatividade maior a partir das 36 horas de antecedência e que essa representatividade é ainda mais eficiente com 18 horas de antecedência. Silva Junior et al. (2013), através do modelo WRF-CHEM avaliaram a eficiência desse em simular monóxido de carbono (CO) e ozônio (O3) na Região Metropolitana de São Paulo e verificou que o modelo conseguiu representar significativamente a variação desses poluentes durante o período estudado.

28 13 2. MATERIAL E MÉTODOS 2.1. Dados Utilizados Foram utilizados dados de concentração dos poluentes MP10 e O3, e também das variáveis meteorológicas temperatura do ar, umidade relativa do ar, velocidade e direção do vento monitorados pela Secretária de Meio Ambiente do Município do Rio de Janeiro (SMAC), de 8 estações de monitoramento da qualidade do ar localizadas em (Figura 2): (1) Copacabana, (2) São Cristóvão, (3) Centro, (4) Tijuca, (5) Irajá, (6) Bangu, (7) Campo Grande e (8) Pedra Guaratiba. Figura 2: Distribuição espacial das estações de monitoramento consideradas na RMRJ. A série de dados de concentração de poluentes fornecidos pela SMAC é de 10 em 10 minutos sendo utilizado um período de 4 anos, de 2012 a 2015, para a seleção de 3 períodos para análise e simulação. Para adequação e comparação com os valores de referência estabelecidos pela da OMS (2006) foram calculadas médias móveis de 8 horas para o O3 (100 μg.m - 3 ) e de 24 horas para o PM10 (50 μg.m -3 ). As médias foram calculadas por programas desenvolvidos em linguagem Fortran.

29 14 O critério para a determinação dos 3 períodos de estudo foi o de que pelo menos 3 das estações de monitoramento apresentasse médias máximas superiores aos valores de referência estabelecidos pela OMS para O3 e/ou PM10. Como o O3 apresenta média móvel de 8 horas no final são apresentadas 24 médias moveis por dia, das quais foi extraído o maior valor para comparação com os valores de referência estabelecidos pela OMS, já a média de 24 horas para PM10 apresenta um único valor diário o qual foi utilizado para comparação. Os dados meteorológicos de temperatura do ar, umidade relativa do ar e velocidade do vento, provenientes das 8 estações de monitoramento automáticas foram utilizados para a avaliação da influência das variáveis meteorológicas locais e dispersão de poluentes na região. Os mesmos foram utilizados para a verificação dos resultados do modelo através da comparação com os dados observados. Foram utilizados também dados de cobertura de nuvens obtidos por meio do METAR de estações dos Aeroportos da RMRJ (Figura 3) para análise dos períodos e comparação como os dados simulados, disponíveis no site da Rede de Meteorologia do Comando da Aeronáutica REDEMET ( Figura 3: Localização das estações dos Aeroportos da cidade do Rio de Janeiro. Onde: (1) Base Aérea de Santa Cruz / BASC, (2) Aeroporto de Jacarepaguá, (3) Base Aérea dos Afonsos / BAAF, (4) Aeroporto Santos Dumont e (5) Aeroporto Internacional do Rio de Janeiro / Galeão.

30 15 A análise e verificação das condições de grande escala predominantes foi feita através de cartas sinóticas da Marinha do Brasil disponíveis de sua web site pela DIRETORIA DE HODROGRAFIA E NAVEGAÇÃO CENTRO DE HIDROGRAFIA DA MARINHA- Serviços Meteorológico Marinho (SMM) ( Simulações O estudo realizou simulações com o modelo WRF para os 3 períodos selecionados durante a análise dos dados de concentração de O3 e MP10. As simulações tiveram como propósito verificar como as condições e variáveis meteorológicas que foram verificadas durante os períodos selecionados buscando uma associação entre as condições predominantes em episódios de poluição do ar. É valido destacar que o WRF é um dos principais modelos utilizados para pesquisas em meteorologia nos dias atuais (SKAMAROCK et al., 2008). O WRF é um sistema de modelagem atmosférica, que abrange equações físicas, dinâmicas e computacionais e pode ser aplicado para previsão do tempo, estudos de assimilação de dados e modelos geofísicos acoplado. O modelo WRF tem uma comunidade global de usuários e desenvolvedores, estando presente em mais de 130 países e contando com mais de usuários (WRF-MODEL.ORG, 2015). Os dados utilizados para a inicialização e geração das condições de fronteira das simulações foram obtidos através National Climatic Data Center do National Oceanic and Atmospheric Administration (NCDC/NOAA) sendo estes dados do Global Forecast System (GFS) com 0,5º de resolução espacial disponíveis no link (nomads.ncdc.noaa.gov). Foram consideradas duas grades com resolução de 16 km e 4 km, respectivamente, e 32 níveis verticais, centradas em 22,8 S e 43,25 W na Região Metropolitana do Rio de Janeiro (Figura 4). As configurações do modelo WRF e parâmetros físicos estão disposto na Tabela 3. Todas as simulações foram disparadas com 24 horas de antecedência ao período de interesse para a eliminação do efeito de spin-up do modelo.

31 16 a) b) Figura 4: Domínio das grades simuladas: a) grade 1 com resolução espacial de 16 km; e b) grade 2 com resolução espacial de 4 km. Tabela 3: Configuração do modelo e parametrizações físicas. Parametrização Grade 1 Grade 2 Pontos na direção X Pontos na direção Y Níveis Verticais Resolução Horizontal 16 Km 4 Km Latitude Central Longitude Central Microfísica Lin Cúmulos Kain-Fritsch Camada Limite Planetária YSU Camadas do Solo Monin-Obukhov Radiação de Onda Curta Dudhia Radiação de Onda Longa RRTM 2.3. Validação dos resultados Para verificação e análise entre os dados Temperatura do ar e Umidade Relativa do ar observados e simulados, foram utilizados alguns métodos estatísticos (WILKS, 1995): (1) Desvio padrão (σ), mostra a variação existente em relação à média. Um baixo desvio padrão indica que os dados estão próximos da média, enquanto um desvio padrão alto indica que os dados estão distantes da média.

32 17 σ = 1 N (y N i=1 i y )2 (1) (2) Coeficiente de correlação de Pearson (r): é dado pela razão entre a covariância existente entre duas variáveis e o produto dos seus desvios padrão. O parâmetro r varia entre -1 e 1. r = cov(y,o) σ y σ o = N i=1 [(y i y )(o i o )] { N i=1 (y i y ) 2 } 1/2 { N i=1 (o i o ) 2 } 1/2 (2) (3) Erro médio (ME): considera os desvios (bias) que podem estar presentes na previsão. ME = 1 N (y N i=1 i o i ) = y o (3) (4) Raiz do erro médio quadrático (RMSE): é a raiz quadrada da diferença entre as médias dos dados observados e dos simulados. Um RMSE alto indica grande discrepância entre os dados simulados e observados. RSME = { 1 N (y N i=1 i o i )2 } 1/2 (4) (5) Raiz do erro médio quadrático com remoção do desvio médio Pielke (2002): avalia a habilidade (skill) da simulação. RSME rdm= { 1 N [(y N i=1 i y ) (o i o )]2 } 1/2 (5) Segundo Pielke (2002), para o skill da simulação são demonstradas as seguintes condições:

33 18 A. σsim σobs B. RMSE <σobs C. RMSErdm<σobs (6) Índice de Concordância (Elbir, 2003): este índice varia entre 0 e 1, sendo que as variáveis estão em concordância se d = 1. d = 1 N i=1 (y i o i )2 N i [(y i o )+(o i o )] 2 (6) O software GRADS foi utilizado para a visualização dos resultados simulados pelo modelo WRF.

34 19 3. RESULTADOS E DISCUSSÃO 3.1. Seleção dos períodos com dias consecutivos de Poluição do Ar A partir de uma análise de dados de O3 e PM10 entre os anos de 2012 e 2015, foram selecionados 3 períodos, de 8 a 18 de fevereiro de 2013, de 17 a 22 de novembro de 2013 e de 23 a 27 de setembro de 2015, onde a concentração máxima da média móvel de 8h de O3 ultrapassou 100 µg.m -3 e/ou a concentração média diária de PM10 ultrapassou 50 µg.m -3, valores de referência estabelecidos pela OMS como seguros para a saúde da população. O primeiro período (8 a 18 de fevereiro de 2013) apresentou concentrações máximas das médias móvel de 8h de O3 acima de 100 μg.m -3 (Tabela 4), em pelo menos quatro das estações em análise durante o decorrer dos dias de estudo e concentrações médias diárias de PM10 acima de 50 µg.m -3 (Tabela 5), em pelo menos duas das estações de monitoramento. Tabela 4: Máximas concentrações de O3, em μg.m -3, registradas na RMRJ durante o período de 08/02/2013 a 18/02/2013. Data Estação de Monitoramento 8/2 9/2 10/2 11/2 12/2 13/2 14/2 15/2 16/2 17/2 18/2 Bangu 173,31 162,07 169,77 160,42 160,62 109,77 196,64 186,61 168,24 127,44 150,26 Centro 111,96 106,47 100,10 111,67 106,19 77,98 130,33 132,58 147,62 115,36 137,56 Campo Grande 87,80 95,56 114,88 115,47 87,62 71,38 107,01 113,07 97,26 89,29 101,75 Copacabana 56,09 40,82 32,59 40,21 44,52 41,69 59,53 62,24 59,69 65,06 57,93 Irajá 119,56 109,37 102,89 104,73 118,94 104,11 116,32 143,82 123,58 105,58 71,99 Pedra Guaratiba 111,96 106,47 100,10 111,67 106,19 77,98 130,33 132,58 147,62 115,36 137,56 São Cristóvão 65,55 62,59 60,31 74,34 65,67 102,42 70,81 79,82 97,46 89,32 91,89 Tijuca 68,02 82,07 50,21 81,60 67,80 111,11 82,59 89,64 99,98 103,51 89,23 * Foram destacados em negrito os registros acima dos valores de referência considerados.

35 20 Tabela 5: Concentrações de PM10, em μg.m-3, registradas na RMRJ durante o período de 08/02/2013 a 18/02/2013. Data Estação de Monitoramento 8/2 9/2 10/2 11/2 12/2 13/2 14/2 15/2 16/2 17/2 18/2 Bangu 41,83 34,58 38,43 36,43 36,00 29,14 43,25 44,92 46,13 35,87 37,92 Centro 23,21 26,26 29,58 26,67 34,00 29,21 32,75 39,13 37,58 40,54 38,78 Campo Grande 31,13 27,79 33,88 36,91 36,30 31,42 41,08 44,17 48,04 35,00 44,58 Copacabana 68,68 73,89 66,50 68,25 61,91 66,67 67,96 69,63 79,95 68,99 66,44 Irajá 45,58 38,74 36,70 33,79 28,78 35,04 44,00 49,67 49,22 36,71 41,62 Pedra Guaratiba 23,21 26,26 29,58 26,67 34,00 29,21 32,75 39,13 37,58 40,54 38,78 São Cristóvão 51,29 55,08 50,70 44,92 35,29 47,17 52,21 58,21 59,79 50,04 51,17 Tijuca 43,42 55,52 59,45 63,42 54,09 54,92 43,25 52,17 63,92 55,47 42,94 * Foram destacados em negrito os registros acima dos valores de referência considerados. O segundo período (17 a 22 de novembro de 2013) apresentou concentrações máximas das médias móvel de 8h de O3 acima de 100 μg.m -3 (Tabela 6), em pelo três das estações de monitoramento durante os dias de estudo e concentrações médias diárias de PM10 acima 30 µg.m -3 (Tabela 7), em pelo menos uma das estações de monitoramento. Tabela 6: Máximas concentrações de O3, em μg.m -3, registradas na RMRJ durante o período de 17/11/2013 a 22/11/2013. Data Estação de Monitoramento 17/11 18/11 19/11 20/11 21/11 22/11 Bangu 100,48 100,82 142,38 134,29 166,30 118,62 Centro 102,50 105,81 108,27 117,80 138,34 118,70 Campo Grande 67,98 64,08 64,62 85,25 62,56 62,65 Copacabana 38,69 33,05 31,67 38,40 31,03 49,95 Irajá 69,63 70,39 80,34 114,31 117,48 63,84 Pedra Guaratiba 102,50 105,81 108,27 117,80 138,34 118,70 São Cristóvão 53,65 39,18 42,58 55,06 43,90 60,99 Tijuca 71,96 36,79 53,21 67,49 65,99 71,22 * Foram destacados em negrito os registros acima dos valores de referência considerados.

36 21 Tabela 7: Concentrações de PM10, em μg.m -3, registradas na RMRJ durante o período de 17/11/2013 a 22/11/2013. Data Estação de Monitoramento Bangu 17/11 13,26 18/11 22,65 19/11 31,57 20/11 29,30 21/11 28,75 22/11 11,79 Centro 15,74 12,00 27,22 39,13 43,92 8,26 Campo Grande 22,33 33,33 40,35 43,08 41,22 16,42 Copacabana 53,94 38,87 63,07 70,90 73,63 41,93 Irajá 20,58 23,38 35,55 34,13 41,05 19,79 Pedra Guaratiba 15,74 12,00 27,22 39,13 43,92 8,26 São Cristóvão 19,88 22,67 32,33 38,25 40,43 14,83 Tijuca 18,17 18,27 31,00 38,75 38,11 12,06 * Foram destacados em negrito os registros acima dos valores de referência considerados. O terceiro período de estudo (23 a 27 de setembro de 2015) apresentou concentrações médias móvel de 8h de O3 acima dos 100 μg.m-3 (Tabela 8), em pelo menos três das estações em análise durante o decorrer dos quatros dias analisados e concentrações médias diária de PM10 acima 50 µgm -3 (Tabela 9), em pelo menos três das estações de monitoramento. Tabela 8: Máximas concentrações de O3, em μg.m-3, registradas na RMRJ durante o período de 23/09/2015 a 27/09/2015. Data Estação de Monitoramento 23/9 24/9 25/9 26/9 27/9 Bangu 157,15 142,24 134,99 116,80 146,00 Centro 114,09 123,72 110,27 87,29 94,86 Campo Grande 132,25 101,81 111,93 111,79 117,63 Copacabana 61,78 37,91 48,08 65,14 45,55 Irajá 128,89 127,06 112,16 110,38 119,89 Pedra Guaratiba 114,09 123,72 110,27 87,29 94,86 São Cristóvão 77,63 88,79 103,52 81,99 82,59 Tijuca 65,64 114,48 112,12 75,77 89,09 * Foram destacados em negrito os registros acima dos valores de referência considerados.

37 22 Tabela 9: Concentrações de PM10, em μg.m-3, registradas na RMRJ durante o período de 23/09/2015 a 27/09/2015. Data Estação de Monitoramento Bangu 23/9 72,78 24/9 90,69 25/9 97,46 26/9 51,33 27/9 56,58 Centro 54,71 74,71 68,29 35,63 42,79 Campo Grande 70,33 82,63 73,25 51,92 45,67 Copacabana 83,19 131,80 126,63 71,77 73,68 Irajá 80,86 111,46 107,33 50,79 47,70 Pedra Guaratiba 54,71 74,71 68,29 35,63 42,79 São Cristóvão 81,42 108,78 106,33 52,42 49,49 Tijuca 94,67 96,11 80,50 51,31 56,83 * Foram destacados em negrito os registros acima dos valores de referência considerados Análise das condições e variáveis meteorológicas nos 3 períodos de estudo Através das cartas sinóticas da Divisão de Hidrografia e Navegação (DHN) observou-se que o primeiro período (8 a 18 de fevereiro de 2013) esteve sobre influência da Alta Subtropical do Atlântico Sul (ASAS), deslocada para oeste de sua posição climatológica, em 9 dos 11 dias de estudos. É crucial destacar que sob a influência desse sistema, em geral, verifica-se a ocorrência de ventos fracos, que dificulta a dispersão de poluentes como O3, precursores de O3 e PM10, sobre a região e baixa nebulosidade, está diretamente associada a disponibilidade de radiação, umas das variáveis fundamentais para formação do O3. A temperatura é uma variável meteorológica que responde diretamente a incidência de radiação, logo, em geral, pode-se associar essa variável meteorológica a formação de O3, logo quanto maior for a temperatura maior a possibilidade de altas concentrações do poluente. O primeiro período apresentou média de temperatura máxima acima de 36 C, nas setes estações de monitoramento analisada (Tabela 10), também se verificou que a velocidade média do vento durante a madrugada e de manhã de todo o período de estudo foi abaixo de 0,73 ms -1, nas quatros estações de monitoramento analisadas (Tabela 10). A porcentagem do número de horas em que a cobertura de nuvens foi de até 2/8 foi superior a 72% nos 5 aeroportos (Figura 5).

38 23 Tabela 10: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 08/02/2013 a 18/02/2013. DATA Copacabana São Cristóvão Tijuca Irajá Bangu Campo Grande Pedra Guaratiba 8/2 32,77 38,28 38,37 36,03 35,30 36,77 34,62 9/2 35,73 38,53 39,80 36,22 34,58 35,43 33,65 10/2 35,07 38,53 39,78 36,20 34,98 36,70 33,48 11/2 35,52 42,07 41,85 39,12 37,47 38,58 36,40 12/2 39,42 43,57 43,73 40,33 40,20 40,12 38,40 13/2 38,02 43,20 41,23 39,80 38,73 38,50 32,90 14/2 35,88 43,17 42,07 39,77 38,95 39,67 37,78 15/2 35,63 42,23 41,50 39,13 38,08 39,52 34,52 16/2 36,27 43,65 41,87 40,67 39,03 39,78 37,70 17/2 36,03 43,62 42,30 40,60 39,07 39,67 38,68 18/2 38,85 44,02 42,42 41,42 40,25 39,88 37,87 Média 36,29 41,90 41,36 39,03 37,88 38,60 36,00 Tabela 11: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 08/02/2013 a 18/02/2013. Centro Copacabana São Tijuca Cristóvão Média 0,73 0,67 0,68/ 0,69

39 24 a) b) c) d) e) Figura 5: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 08 e 18 de fevereiro de 2013, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few (1/8 to 2/8 sky cover); SCT- Scattered (3/8 to 4/8 sky cover); BKN- Broken (5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover). Pelas cartas sinóticas da DHN verificou que o segundo período de estudo (17 a 22 de novembro de 2013) esteve sobre influência da ASAS, deslocada para oeste de sua posição climatológica, em 3 dos 6 dias de estudo. Apresentou média de temperatura máxima acima de 30 C, nas setes estações de monitoramento analisada (Tabela 12), também se verificou que a velocidade média do vento durante a

40 25 madrugada e de manhã de todo o período de estudo foi abaixo de 1,97 ms -1, nas oitos estações de monitoramento analisadas (Tabela 13). A porcentagem do número de horas em que a cobertura de nuvens foi de até 2/8 foi inferior a 52% nos 5 aeroportos (Figura 6). Sendo as condições de ventos fracos durante esse período associado a influência da ASAS em metade dele, foram os fatores que mais influenciaram as altas concentrações de O3 e PM10 na RMRJ. Tabela 12: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 17/11/2013 a 22/11/2013. DATA Copacabana São Cristóvão Tijuca Irajá Bangu Campo Grande Pedra Guaratiba 17/11 25,87 29,28 24,50 26,23 25,82 25,80 23,85 18/11 28,70 31,47 31,27 30,07 29,80 30,68 27,48 19/11 31,67 38,58 39,53 36,58 35,73 36,10 32,92 20/11 35,33 41,98 41,02 38,35 38,55 38,28 35,97 21/11 35,88 44,65 42,53 39,77 40,63 40,33 37,63 22/11 29,12 32,42 27,95 27,85 28,52 27,88 25,67 Média 31,09 36,40 34,47 33,14 33,17 33,18 30,59 Tabela 13: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 17/11/2013 a 22/11/2013. Centro Copacabana São Cristóvão Tijuca Irajá Bangu Campo Grande Pedra Guaratiba Média 0,63 0,77 0,71 0,67 1,02 1,55 1,33 1,97

41 26 a) b) c) d) e) Figura 6: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 17 e 22 de novembro de 2013, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few (1/8 to 2/8 sky cover); SCT- Scattered (3/8 to 4/8 sky cover); BKN- Broken (5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover). O terceiro período de estudo (23 a 27 de setembro de 2015) também esteve sobre influência da ASAS, deslocada para oeste de sua posição climatológica, em 4 dos 5 dias de estudo. Apresentou média de temperatura máxima acima de 35 C, nas setes estações de monitoramento analisada (Tabela 14) e revelou valores de velocidade média do vento durante a madrugada e de manhã de todo o período de

42 27 estudo abaixo de 0,73 ms -1, nas quatros estações de monitoramento analisadas (Tabela 15). A porcentagem do número de horas em que a cobertura de nuvens foi de até 2/8 foi superior a 55% nos 5 aeroportos (Figura 5). Logo a influência ASAS associada a baixa nebulosidade, ventos fracos e alta temperatura estão diretamente ligadas as altas concentrações de O3 e PM10 durante o período na RMRJ. Tabela 14: Temperatura máxima diária e média de temperatura máxima, em C, registradas na RMRJ durante o período de 23/09/2015 a 27/09/2015. DATA Copacabana São Cristóvão Tijuca Irajá Bangu Campo Grande Pedra Guaratiba 23/9 31,85 31,75 33,37 35,03 36,57 35,97 33,30 24/9 40,58 39,43 40,15 41,37 44,02 42,63 40,85 25/9 40,52 40,73 38,23 41,62 43,00 42,47 38,43 26/9 27,78 30,35 31,63 31,97 33,78 31,15 28,80 27/9 33,93 33,73 35,15 36,45 38,57 37,00 37,82 Média 34,93 35,20 35,71 37,29 39,19 37,84 35,84 Tabela 15: Velocidade média do vento das 00 às 10 horas, em m/s-1, registradas na RMRJ durante o período de 23/09/2015 a 27/09/2015. Centro Copacabana São Cristóvão Tijuca Irajá Bangu Campo Grande Pedra Guaratiba Média 1,01 0,67 0,54 0,30 0,81 1,26 1,26 1,91

43 28 a) b) c) d) e) Figura 7: Frequência de ocorrência das classes de cobertura de nuvens utilizadas em mensagens METAR para os horários entre 06 e 18 Hora Local para cada dia no período entre 23 e 27 de setembro de 2015, nos aeroportos (a) SBGL, (b) SBRJ, (c) SBAF, (d) SBJR e (e) SBSC. CAVOK- Ceiling and Visibility Okay; SKC- Sky clear (clear below 12,000 for ASOS/AWOS); NSC- No significant clouds; FEW- Few (1/8 to 2/8 sky cover); SCT- Scattered (3/8 to 4/8 sky cover); BKN- Broken (5/8 to 7/8 sky cover); OVC- Overcast (8/8 sky cover).

44 Resultados das Simulações para RMRJ Período 1 de 8 a 18 de fevereiro de 2013 Na Figura 8, estão dispostos os campos de pressão ao nível médio do mar (PNMM) em linhas pretas e temperatura do ar em colorido de 6 dias do período de 8 a 18 de fevereiro de 2013, gerados com os dados simulados pelo modelo WRF da grade 1, com 16 Km de resolução espacial. A Figura 8 também mostra o horário que o modelo apresentou a temperatura máxima do dia para 8, 10, 12, 14,16 e 18 de fevereiro de 2013 na RMRJ. Onde os dias 8 e 10 apresentaram temperatura máxima de 33 C e os demais dias 34 C. Durante todo o período de estudo a PNMM variou entre 1010 e 1016 hpa e a temperatura do ar entre 24 e 34 C sobre a RMRJ. A PNMM verificada com os dados simulados, concorda com os dados observados de PNMM das cartas sinóticas da DHN, simulando o deslocamento da ASAS sobre a região. As temperaturas máximas simuladas apresentam menores valores se comparadas com os dados observados com a média da temperatura máxima em destaque na Tabela 10. Novamente é valido destacar que sobre condições de alta pressão, como verificada pelo modelo, nessas encontram condições de ventos fracos, o que dificulta a dispersão de poluentes, e pouca disponibilidade de nebulosidade, ou seja, alta radiação incidente, que é uns dos precursores para formação do ozônio.

45 30 a) b) c) d) e) f) Figura 8: Campo de Pressão (hpa) e Temperatura do ar ( C), referente ao mês de fevereiro no horário de máxima temperatura do dia (a) dia 8 a 18Z, (b) dia 10 a 17Z, (c) dia 12 a 18Z, (d) 14 a 17Z, (e) 16 a 19Z e (f) dia 18 a 18Z. Na Figura 9 estão dispostos os campos de vento e razão de mistura do período de estudo de 8 a 18 de fevereiro de 2013, gerado a partir de dados simulados do modelo WRF da grade 2, com 4 km de resolução espacial. A velocidade do vento durante o período apresentou baixa magnitude sobre RMRJ. A razão de mistura variou entre 13 e 19,5 (g/kg). Durante os 11 dias de estudo se verificou atuação de ventos fracos durante o período da madrugada e manhã, a direção do vento mostrou a atuação de brisa terrestre durante esses períodos na RMRJ. Verificou-se também a atuação de brisa marítima no final da tarde, a partir da inversão da direção, aumento da velocidade do

46 31 vento e aumento da razão de mistura, a qual o início pode ser observado na Figura 9 que apresenta os campos de duas em duas horas do dia 9, correspondendo as 21Z do dia 8 simulado pelo modelo as 00UTM do dia 9 horário de Brasília, os demais dias simulados mostraram comportamento de brisa marítima e terrestre similares ao apresentado. É valido destacar que as atuações de ventos fracos durante o período de verificação da brisa terrestre favorecem o acumulo de PM10 e precursores que posteriormente favorecem a produção fotoquímica do O3, em estações de monitoramento próximas ao litoral. Durante a atuação da brisa marítima verifica-se que a inversão dos ventos sendo este no sentido noroeste, qual favorece a verificação de alta concentração de O3 em estações de monitoramento nessa direção. Os campos de ventos fracos durante período da madrugada e manhã simulados concordam com os dados observados da Tabela 11.

47 32 a) b) c) d) e) f) g) h) i) j) k) l) Figura 9: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 8 a 21Z, (b) dia 8 a 23Z, (c) dia 9 a 01Z, (d) dia 9 a 03Z, (e) dia 9 a 05Z, (f) dia 9 a 07Z, (g) dia 9 a 09Z, (h) dia 9 a 11Z, (i) dia 9 a 13Z, (j) dia 9 a 15 Z, (k) dia 9 as 17Z e (l) dia 9 a 19Z. A Figura 10 apresenta os campos de CLP em linha pretas e temperatura do ar em colorido, gerados a partir dos dados simulado pelo modelo WRF na grade 2, de resolução espacial de 4km. A qual apresenta os horários máximos em que a CLP esteve abaixo de 200 metros para os dias 8, 12 e 16 de fevereiro de 2013 (Figura 10a, c, e) e os horários em que a CLP atingiu altura máxima durante o período (Figura 10b, d, f), sendo essa de 2200m para o dia 8 e 16, e 2400m para o dia 12. Através da

48 33 simulação de temperatura na grade 2 verificou que essa variou entre 24 e 36 C durante o período sobre a RMRJ. Os valores de temperatura máxima da grade 2 se aproximaram pouco mais dos valores de temperatura máxima observadas, porém como na grade 1 também foram inferiores a esses (Tabela 10). É importante destacar que os valores de CLP abaixo de 200m apresentados durante a madrugada e início manhã pelo modelo durante o período de estudo também possui fatores limitantes para dispersão de PM10 e precursores de O3. a) b) c) d) e) f) Figura 10: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de fevereiro (a) dia 8 a 11Z, (b) dia 8 a 18Z, (c) dia 12 a 10Z, (d) 12 a 17Z, (e) 16 a 11Z e (f) dia 16 a 17Z.

49 34 Na Figura 11, é apresentado o campo de nebulosidade simulado pelo modelo WRF na grade 2, com 4 km de resolução espacial. A maioria do período apresentou condições de céu claro com nebulosidade abaixo de 40%. Em destaque na Figura 11 estão os campos da 15Z de 6 dos 11 dias de estudo, o campo das 15Z corresponde as 12 UTC de Brasília, sendo esse o horário do dia de maior incidência de radiação na RMRJ. Os dados observados de baixa nebulosidade do período concordaram com os simulados. A Baixa nebulosidade é associada a alta disponibilidade de radiação, que é uma variável essencial para formação do O3. a) b) c) d) e) f) Figura 11: Nebulosidade (%) referente ao mês de fevereiro (a) dia 8 a 15Z, (b) dia 10 a 15Z, (c) dia 12 a 15Z, (d) 14 a 15Z, (e) 16 a 12Z e (f) dia 18 a 15Z.

50 35 Os índices estatísticos para comparação dos dados observados e simulados, no período de 8 a 18 de fevereiro de 2013, estão dispostos na Tabela 16 para temperatura do ar e na Tabela 17 para umidade relativa do ar. Observa-se que a correlação linear de Pearson (R) foi positiva, essa sendo maior que 0,59 nas 7 das estações analisas para temperatura, para umidade relativa a correlação foi acima de 0,69 para 7 estações. O erro médio (ME) apresentou valores negativos em todas as estações para temperatura do ar, indicando que o modelo subestimou os valores para essa variável. Para a umidade o valor de ME foi negativo em 4 e positivo em 3 estações, indicando que o modelo subestimou valores dessa variável e 4 das estações e superestimou para as outras 3. O índice de concordância foi baixo para a temperatura do ar nas estações de Pedra Guaratiba sendo de 0,22 e para estação Copacabana onde apresentou valor de 0,55, para demais estação esse valor se apresentou relativamente alto sendo maior que 0,61. Para Umidade relativa do ar foi alto em todas as estações sendo maior que 0,69. Pelo RSME mostrou que a maior discrepância entre os dados observados foi na estação de Pedra Guaratiba sendo esse de 9, 27 seguido pela estação de São Cristóvão onde o valor foi de 9,02 para temperatura do ar. Para os dados de umidade relativa do ar a discrepância foi relativamente alta, sendo o maior valor para estação de São Cristóvão de 25,66 seguido pela estação Tijuca onde o valor foi de 19,48. Pela metodologia estabelecida por Pielke (2002) para avaliação do skill, tanto para temperatura do ar quanto para umidade do ar indicou a não obtenção do skill para simulação. Tabela 16: Análise Estatística da temperatura do ar simulada com a observada para o período de 8 a 18 de fevereiro de Estação R RMSE ME Índice d RMSErmd σobs σsim Copacabana 0,59 4,58-0,75 0,67 2,66 3,30 2,01 São Cristóvão 0,85 9,02-4,98 0,55 2,20 3,99 2,68 Tijuca 0,64 7,88-1,88 0,61 4,36 5,51 2,45 Irajá 0,74 6,01-2,46 0,73 2,66 3,95 3,01 Bangu 0,74 5,53-2,06 0,75 2,62 3,90 2,86 Campo Grande 0,69 6,59-2,64 0,70 2,96 4,01 3,39 Pedra Guaratiba 0,62 9,27-4,76 0,20 2,92 3,40 0,92

51 36 Tabela 17: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 8 a 18 de fevereiro de Estação R RMSE ME Índice d RMSErmd σobs σsim Centro 0,82 12,97 0,78 0,88 7,78 13,40 10,11 Copacabana 0,69 15,18-1,52 0,80 9,03 12,49 9,44 São Cristóvão 0,87 25,66-13,71 0,69 7,17 14,13 11,05 Tijuca 0,84 19,78-5,47 0,81 10,60 17,69 10,36 Irajá 0,89 13,43 0,40 0,92 8,09 16,57 12,08 Bangu 0,87 14,88 2,32 0,90 8,67 16,84 11,84 Campo Grande 0,83 16,45-1,52 0,90 9,80 17,80 14, Período 2 de 17 a 22 de novembro de 2013 Na Figura 12, foram plotados os campos de PNMM em linhas pretas e temperatura do ar em colorido do período de estudo, gerados com os dados simulados pelo modelo WRF da grade 1, com 16 Km de resolução espacial, para o segundo período de estudo. A Figura 12 também mostra o horário que o modelo apresentou a temperatura máxima do dia para os 6 dias de estudo sobre RMRJ. Onde os dias 17, 18 e 22 apresentaram temperatura máxima de 30 C, no dia 19 de 33 C e nos outros dois dias de 34 C. Durante todo o período de estudo a PNMM variou entre 1008 e 1018 hpa e a temperatura do ar entre 21 e 34 C sobre a RMRJ. Os valores de PNMM simulados concordaram com aos valores observados nas cartas sinóticas da Divisão de Hidrografia e Navegação (DHN). Os valores máximos de temperatura concordaram com os valores observados de média de temperatura máxima em destaque na Tabela 12. Novamente é valido destacar que a alta pressão, está diretamente relacionada a altas concentrações de poluentes, devido apresentar características de ventos fracos, baixa nebulosidade e consequentemente altas temperaturas, o que limita a dispersão de PM10 e proporciona fatores positivos para formação fotoquímica de O3.

52 37 a) b) c) d) e) f) Figura 12: Campo de Pressão (hpa) e Temperatura do ar ( C) referente ao mês de novembro no horário de máxima temperatura no (a) dia 17 a 18Z, (b) dia 18 a 18Z, (c) dia 19 a 18Z, (d) 20 a 18Z, (e) 21 a 18Z e (f) dia 22 a 14Z. Na Figura 13 estão plotados os campos de vento e razão de mistura do período de estudo de 17 a 22 de novembro de 2013, gerado de dados simulados do modelo WRF da grade 2, com 4 km de resolução espacial. A velocidade do vento durante o período apresentou baixa magnitude sobre RMRJ. A razão de mistura variou entre 10 e 16 (g/kg). Verificou-se ventos fracos durante a madrugada e manhã em quase todo o período de estudo e a direção dos ventos indicaram atuação de brisa terrestre, durante o fim da tarde a inversão dos ventos por volta das 17 Z, aumento da velocidade do

53 38 vento e aumento a razão de mistura mostraram atuação de brisa marítima na RMRJ durante os 6 dias de estudo. A Figura 13 apresenta os campos de duas em duas horas do dia 19, correspondendo as 21Z do dia 18 simulado pelo modelo as 00UTM do dia 19 horário de Brasília, os demais dias simulados mostraram comportamento de brisa marítima e terrestre similares ao apresentado. É valido destacar novamente que as atuações de ventos fracos durante o período de verificação da brisa terrestre favorecem o acumulo de PM10 e precursores que posteriormente favorecem a produção fotoquímica do O3, em estações de monitoramento próximas ao litoral. Durante a atuação da brisa marítima verifica-se que a inversão dos ventos sendo este no sentido noroeste, qual favorece a verificação de alta concentração de O3 em estações de monitoramento nessa direção.

54 39 a) b) c) d) e) f) g) h) i) j) k) l) Figura 13: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 18 a 21Z, (b) dia 18 a 23Z, (c) dia 19 a 01Z, (d) dia 19 a 03Z, (e) dia 19 a 05Z, (f) dia 19 a 07Z, (g) dia 19 a 09Z, (h) dia 19 a 11Z, (i) dia 19 a 13Z, (j) dia 19 a 15 Z, (k) dia 19 as 17Z e (l) dia 19 a 19Z. A Figura 14 estão dispostos os campos de CLP em linha pretas e temperatura do ar em colorido, gerados a partir dos dados simulado pelo modelo WRF também da grade 2, de resolução espacial 4km. A qual apresenta os horários máximos em que a CLP esteve abaixo de 200 metros para os dias 9, 19 e 21 de novembro de 2013 e os horários em que a CLP atingiu altura máxima durante o período, sendo essa de 800m

55 40 para o dia 9, 2200m para o dia 19 e 2600m para o dia 21. Através da simulação de temperatura na grade 2 verificou que essa variou entre 21 e 34 C. Os valores de temperatura máxima da grade 2 concordaram com os valores de média de temperatura máxima observadas (Tabela 12). Novamente importante destacar que os valores de CLP abaixo de 200m apresentados durante a madrugada e manhã pelo modelo durante o período de estudo também possui fatores limitantes para dispersão de PM10 e precursores de O3. a) b) c) d) e) f) Figura 14: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de novembro (a) dia 17 a 09Z, (b) dia 17 a 17Z, (c) dia 19 a 09Z, (d) 19 a 16Z, (e) 21 a 09Z e (f) dia 21 a 18Z. Na Figura 15 foi plotado o campo de nebulosidade, também através dos dados simulados pelo modelo WRF na grade 2, de resolução de 4 km. Os dias 17 e 18

56 41 apresentaram nebulosidade acima de 50% em quase todos os horários, do dia 19 ao 21 a nebulosidade esteve abaixo dos 40% na maioria dos horários. Em destaque na Figura 16 estão os campos da 15Z dos 6 dias de estudo, o campo das 15Z corresponde as 12 UTC de Brasília, sendo esse o horário do dia de maior incidência de radiação na RMRJ. Os dados simulados de alta nebulosidade no período concordaram com os dados observados de nebulosidade, dos três períodos estudados esse foi o que apresentou as menores concentrações de O3, podendo está a estar ligada a alta nebulosidade que limita a incidência de radiação, que é essencial para formação desse poluente. a) b) c) d) e) f) Figura 15: Nebulosidade (%) referente ao mês de novembro (a) dia 17 a 15Z, (b) dia 18 a 15Z, (c) dia 19 a 15Z, (d) 20 a 15Z, (e) 21 a 15Z e (f) dia 22 a 15Z.

57 42 Os índices estatísticos para comparação dos dados observados e simulados, do período de 17 a 22 de novembro de 2013, estão dispostos na Tabela 18 para temperatura do ar e na Tabela 19 para umidade relativa do ar. Observa-se a correlação linear de Pearson (R) foi positiva, e maior que 0,71 em todas as estações analisas para temperatura do ar, sendo a maior correlação para estação de São Cristóvão (0,91), para umidade relativa a correlação foi acima de 0,75 para as 7 estações, Tijuca e Bangu apresentaram as maiores correlações sendo essa de 0,89. O erro médio (ME) apresentou valores negativos em todas as estações para temperatura do ar, indicando que o modelo subestimou os valores para essa variável. Para a umidade o valor de ME foi positivo em 4 das estações analisadas, logo o modelo superestimou os valores da variável para estas estações e subestimou para outras 3 estações. O índice de concordância foi relativamente alto sendo o maior valor de 0,76 em 6 das 7 estações para temperatura do ar analisadas, exceto para estação de Pedra Guaratiba que apresentou valor igual 0,42. Para umidade o índice d apresentou valores altos também sendo de 0,84 para 6 estações, o menor valor foi de 0,50 para estação de Pedra Guaratiba. Pelo RSME mostrou que as maiores discrepâncias entre os dados observados e simulados ocorreu nas estações de Pedra Guaratiba (5,73) e São Cristóvão (5,55) para temperatura do ar. Para os dados de umidade relativa do ar a discrepância foi relativamente alta, sendo os maiores valores nas estações de Pedra Guaratiba (22,80) e São Cristóvão (18,27). A metodologia estabelecida por Pielke (2002) para avaliar o skill da simulação, atendeu os três parâmetros em 5 das estações para temperatura do ar, então havendo skill, nas estações de Copacabana, São Cristóvão, Irajá, Bangu e Campo Grande. Para umidade do ar houve skill em apenas duas das estações, Centro e Copacabana.

58 43 Tabela 18: Análise Estatística da temperatura do ar simulada com a observada para o período de 17 a 22 de novembro de Estação R RMSE ME Índice d RMSErmd σobs σsim Copacabana 0,79 2,83-0,45 0,86 2,27 3,68 2,81 São Cristóvão 0,91 5,55-3,77 0,78 2,50 5,35 3,64 Tijuca 0,88 4,45-0,73 0,85 3,56 6,13 3,36 Irajá 0,90 2,89-0,92 0,93 2,17 4,97 3,90 Bangu 0,88 3,54-1,60 0,88 2,40 4,92 3,67 Campo Grande 0,87 3,42-1,40 0,90 2,41 4,92 3,96 Pedra Guaratiba 0,71 5,73-2,87 0,42 3,69 4,46 1,24 Tabela 19: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 17 a 22 de novembro de Estação R RMSE ME Índice d RMSErmd σobs σsim Centro 0,86 10,93 4,03 0,90 7,96 15,62 13,90 Copacabana 0,84 9,86 1,72 0,90 7,87 14,46 12,40 São Cristóvão 0,83 18,27-6,67 0,84 13,34 23,18 15,17 Tijuca 0,89 12,84-5,98 0,89 8,61 18,27 14,16 Irajá 0,88 10,65 1,44 0,93 8,58 18,52 15,92 Bangu 0,89 12,91-2,39 0,91 10,26 21,27 15,18 Pedra Guaratiba 0,75 22,80 12,78 0,50 13,54 17,71 6, Período 3 de 23 a 27 de setembro de 2015 Na Figura 16, estão dispostos os campos de PNMM em linhas pretas e temperatura do ar em colorido, gerados com os dados simulados pelo modelo WRF da grade1, de resolução espacial 16 Km. A Figura 16 também mostra o horário que o modelo apresentou a temperatura máxima do dia para os 5 dias de estudo sobre RMRJ. Onde os dias 24 e 25 apresentaram temperatura máxima de 38 C, o dia 27 de 36 C, dia 23 de 33 C e o dia 26 de 31 C. Durante todo o período de estudo a PNMM variou entre 1008 e 1018 hpa e a temperatura do ar variou entre 22 e 38 C sobre a RMRJ. Os valores de PNMM simulados concordaram com aos valores observados nas cartas sinóticas da Divisão de Hidrografia e Navegação (DHN). Os valores máximos de temperatura concordaram com os valores observados de média de temperatura máxima em destaque na Tabela 14. Novamente é valido destacar que a alta pressão,

59 44 está diretamente relacionada a altas concentrações de poluentes, devido apresentar características de ventos fracos, baixa nebulosidade e consequentemente altas temperaturas. Podendo sobre essas condições ter alta concentração de poluentes como é o caso do período estudado, sendo esses levando a má qualidade do ar. a) b) c) d) e) Figura 16: Campo de Pressão (hpa) e Temperatura do ar ( C) referente ao mês de setembro no horário de máxima temperatura no (a) dia 23 a 18Z, (b) dia 24 a 18Z, (c) dia 25 a 15Z, (d) 26 a 18Z e (e) dia 27 a 18Z. Na Figura 17 estão plotados os campos de vento e de razão de mistura gerados pelo modelo WRF. A velocidade do vento durante o período apresentou baixa magnitude na RMRJ, tal como os dois períodos de estudo anterior. A razão de mistura variou entre 6 e 16 (g/kg).

60 45 Nesse período também se verificou atuação de ventos fracos durante a madrugada e manhã e uma caracterização de brisa terrestre devido a direção do vento, durante o fim da tarde também foi possível verificar a atuação da brisa marítima devido a intensificação do vento, inversão da direção do vento e aumento da razão de mistura. A Figura 17 apresenta os campos de duas em duas horas do dia 24, correspondendo as 21Z do dia 23 simulado pelo modelo as 00UTM do dia 24 horário de Brasília, os demais dias simulados mostraram comportamento de brisa marítima e terrestre similares ao apresentado. É valido assim como no primeiro período de estudo destacar que as atuações de ventos fracos durante o período de verificação da brisa terrestre favorecem o acumulo de PM10 e precursores que posteriormente favorecem a produção fotoquímica do O3, em estações de monitoramento próximas ao litoral. Durante a atuação da brisa marítima verifica-se que a inversão dos ventos sendo este no sentido noroeste, qual favorece a verificação de alta concentração de O3 em estações de monitoramento nessa direção. Novamente é pertinente destacar que condições de ventos fracos durante o período da madrugada e manhã limitam dispersão de PM10 e precursores do O3.

61 46 a) b) c) d) e) f) g) h) i) j) k) l) Figura 17: Campo de Vento (m/s) e Razão de Mistura (g/kg) referente ao mês de fevereiro (a) dia 23 a 21Z, (b) dia 23 a 23Z, (c) dia 24 a 01Z, (d) dia 24 a 03Z, (e) dia 24 a 05Z, (f) dia 24 a 07Z, (g) dia 24 a 09Z, (h) dia 24 a 11Z, (i) dia 24 a 13Z, (j) dia 24 a 15 Z, (k) dia 24 as 17Z e (l) dia 24 a 19Z. Na Figura 18, são apresentados os campos de CLP em linha pretas e temperatura em colorido, gerados a partir dos dados simulado pelo modelo WRF da grade 2, resolução espacial de 4km. A qual apresenta os horários máximos em que a CLP esteve abaixo de 200 metros para os dias 24 e 25 de setembro de 2013 (Figura 18a, c) e os horários em que a CLP atingiu altura máxima durante o período, sendo

62 47 essa de 3200m no dia 24 e 3400m no dia 25 (Figura 18 b, d). Através da simulação de temperatura na grade 2 verificou que essa variou entre 22 e 40 C. Os valores de temperatura máxima da grade 2 concordaram com os valores de média de temperatura máxima observadas (Tabela 14). Destacando novamente que os valores de CLP abaixo de 200m apresentados durante a madrugada e manhã pelo modelo durante o período de estudo também possui fatores limitantes para dispersão de PM10 e precursores de O3. a) b) c) d) Figura 18: Camada Limite Planetária (m) e Temperatura do ar ( C) referente ao mês de setembro (a) dia 23 a 11Z, (b) dia 24 a 11Z, (c) dia 25 a 11Z, (d) 26 a 18Z e (e) dia 27 a 11Z. Na Figura 19 estão dispostos os campos de nebulosidade, também através dos dados simulados pelo modelo WRF na grade 2 de resolução espacial de 4km. Os dias 23, 24, 25 e 27 apresentaram nebulosidade abaixo de 20% em quase todos os horários, no dia 26 a nebulosidade esteve acima de 40%. Em destaque na Figura 20 estão os campos da 15Z dos 5 dias de estudo, o campo das 15Z corresponde as 12 UTC de Brasília, sendo esse o horário do dia de maior incidência de radiação na RMRJ.

63 48 Os dados observados de baixa nebulosidade do período concordaram com os simulados. Novamente é pertinente destacar que a baixa nebulosidade está associada a alta disponibilidade de radiação, que é uma variável essencial para formação do O3. No caso o período estudado apresentou altos valores de concentração de O3 que podem estar associadas a essa baixa nebulosidade. a) b) c) d) e) Figura 19: Nebulosidade (%) referente ao mês de setembro (a) dia 23 a 15Z, (b) dia 24 a 15Z, (c) dia 25 a 15Z, (d) 26 a 15Z e (e) dia 27 a 15Z. Os índices estatísticos para comparação dos dados observados e simulados, no período de 23 a 27 de setembro de 2013, estão dispostos na Tabela 20 para temperatura do ar e na Tabela 21 para umidade relativa do ar.

64 49 Observa-se a correlação linear de Pearson (R) foi positiva, e maior que 0,62 em todas as estações analisas para temperatura, sendo a maior correlação observada na estação do Centro de 0,84, para umidade relativa a correlação apresentou valore acima de 0,51, a estação do Centro apresentou a maior correlação sendo essa de 0,71. O erro médio (ME) apresentou valores negativos em 5 das estações para temperatura do ar, indicando que o modelo subestimou os valores nessas estações e superestimou nas outras 2. Para a umidade o valor de ME foi positivo em 2 das estações analisadas, logo o modelo superestimou os valores da variável para estas estações e subestimou para outras 5 estações. O índice de concordância foi relativamente alto sendo o maior que 0,72 em 6 das 7 estações analisadas para temperatura do ar, a estação de Pedra Guaratiba apresentou valor pequeno de Índice d pequeno de 0,35. Para umidade o índice d apresentou valores altos sendo esse acima de 0,61 nas 7 estações analisadas. Pelo RSME mostrou que a maior discrepância entre os dados observados ocorreu na estação de Pedra Guaratiba para temperatura do ar sendo esse de 6,98. Para os dados de umidade relativa do ar a discrepância foi relativamente alta, onde os maiores valores ocorreram na estação de Bangu (24,57) e Pedra Guaratiba (22,24). Pela Metodologia estabelecida por Pielke (2002) para o skill da simulação, houve skill em 6 estações para temperatura do ar, exceto para estação de Pedra Guaratiba, para umidade relativa do ar os três parâmetros para haver skill, foi verificado em 4 das 7 estações analisadas. Tabela 20: Análise Estatística da temperatura do ar simulada com a observada para o período de 23 a 27 de setembro de Estação R RMSE ME Índice d RMSErmd σobs σsim Centro 0,84 3,06 0,58 0,91 2,68 4,94 4,44 Copacabana 0,80 3,29-1,23 0,86 2,67 4,34 3,96 São Cristóvão 0,83 3,02-0,46 0,91 2,66 4,46 4,73 Tijuca 0,71 4,47 0,29 0,82 3,98 5,64 4,52 Irajá 0,62 5,83-1,30 0,74 5,05 6,30 5,04 Bangu 0,72 4,40-0,45 0,83 3,91 5,57 4,76 Pedra Guaratiba 0,71 6,98-5,17 0,35 3,50 4,47 1,67

65 50 Tabela 21: Análise Estatística da umidade relativa do ar simulada com a observada para o período de 23 a 27 de setembro de Estação R RMSE ME Índice d RMSErmd σobs σsim Centro 0,71 16,53-4,60 0,81 14,05 17,28 19,40 Copacabana 0,66 19,74-9,44 0,72 14,92 15,74 19,64 São Cristóvão 0,66 19,21-7,60 0,76 15,41 17,42 19,80 Tijuca 0,65 17,64 2,08 0,79 15,64 18,14 19,58 Irajá 0,68 17,57-3,58 0,80 15,31 17,96 20,01 Bangu 0,51 24,57-10,90 0,61 19,08 18,33 20,11 Pedra Guaratiba 0,57 22,24 3,90 0,63 19,50 23,62 12,61

66 51 4. CONCLUSÃO Através desse estudo foi possível analisar e avaliar as condições meteorológicas em três episódios de alta concentração de PM10 e O3 registrados na RMRJ que ultrapassarão os valores referências proposto pela OMS para uma boa qualidade do ar. Verificou-se que o primeiro e terceiro período estudados estiveram sobre a influência da ASAS em na maioria dos dias, enquanto o terceiro período apresentou a influência dessa em metade dos dias estudados. Os três períodos ainda apresentaram ventos fracos durante a madrugada e manhã e altas médias de temperaturas máxima em todos os dias de estudo. Baixa nebulosidade no primeiro e terceiro períodos em todos os dias, e baixa nebulosidade em metade do segundo período. As simulações do modelo WRF de variáveis e condições meteorológicas ligadas aos episódios altas concentrações de O3 e PM10 na RMRJ, mostrou boa concordância com os dados observados. Revelando também atuação da ASAS nos três períodos de estudo, baixa nebulosidade no primeiro e segundo períodos de estudo e altas temperaturas máximas nos três períodos. Também verificou o comportamento da CLP. Vale ressaltar que as condições simuladas pelo modelo de ASAS, ventos fracos, baixa CLP, são fatores que desfavorecem a dispersão de MP 10 e precursores de O3, já condições de baixa nebulosidade e altas temperaturas estão associada a alta incidência de radiação o que favorece a formação do O3. Foi possível observar também pelos dados simulados a influência de brisa marítima no final da tarde, e brisa terrestre durante a madrugada, associadas com velocidade e direção do vento e razão de mistura, durante os três períodos de estudo. A validação dos resultados por técnicas estatísticas com dados observados e simulados mostrou o modelo WRF subestimou valores de temperatura do ar, superestimou os dados de umidade relativa do ar em algumas das estações de monitoramento em estudos e subestimou em outras, para os três períodos de estudo. Também foi possível verificar correlação alta entre os dados observados e simulados tanto de temperatura do ar quanto de umidade relativa do ar para maioria das estações de monitoramento analisadas durante os três períodos de estudo.

67 52 5. REFERÊNCIAS ALBUQUERQUE, T. T. A. Formação E Transporte Das Particulas Finas Inorgânicas Em Uma Atmosfera Urbana: Exemplo De São Paulo. Tese de doutorado em Meteorologia. IAG/USP, São Paulo, SP, Andrade, Maria de Fatima; Ynoue, Rita Y. ; FREITAS, EDMILSON DIAS ; TODESCO, ENZO ; VARA VELA, ANGEL ; IBARRA, SERGIO ; Martins, Leila Droprinchinski ; MARTINS, JORGE ALBERTO ; CARVALHO, VANESSA SILVEIRA BARRETO. Air quality forecasting system for Southeastern Brazil. Frontiers in Environmental Science, v. 3, p. 1, ARBEX, M. A. ; SANTOS, U. P. ; MARTINS, L. C. ; SALDIVA, P. H. ; PEREIRA, L. A. A. ; BRAGA, A.L.. Air pollution and the respiratory system. Jornal Brasileiro de Pneumologia (Impresso), v. 38, p , BRAGA, A., PEREIRA, L.A. A., SALDIVA, P. H. N. Poluição Atmosférica e seus Efeitos na Saúde Humana. In: Sustentabilidade na Geração e Uso de Energia no Brasil: os próximos 20 anos, Campinas BRAGA, A.L.; Pereira, L.A. ; Procópio, M. ; ANDRÉ, Paulo Afonso de ; SALDIVA, Paulo Hilário Nascimento. Associação entre poluição atmosférica e doenças respiratórias e cardiovasculares na cidade de Itabira, Minas Gerais, Brasil.. Cadernos de Saúde Pública (FIOCRUZ), v. 23, p. S570-S578, BRUNEKREEF, B., ANNESI-MAESANO, I., AYRES, J.G., FORASTIERE, F., FORSBERG, B., KÜNZLI, N., PEKKANEN, J., SIGSGAARD., T. Ten principles for clean air. European Respiratory Journal, vol.39, n.3, CARVALHO, V. S. B. Meteorologia da Qualidade do Ar no que tange as Concentrações de Ozônio e dos Óxidos de Nitrogênio na Região Metropolitana do Rio de Janeiro. Dissertação de Mestrado Departamento de Engenharia Mecânica - UFRJ, COPPE, Rio de Janeiro, 2006.

68 53 CARVALHO, V. S. B. O impacto das megacidades sobre a qualidade do ar: os casos das regiões metropolitanas de São Paulo e do Rio de Janeiro. Tese de doutorado em Meteorologia. IAG/USP, São Paulo, SP, CARVALHO, V. S. B.; FREITAS, E. D. ; MAZZOLI, C. R. R. ; ANDRADE, M. F.. Avaliação da influência de condições meteorológicas na ocorrência e manutenção de um episódio prolongado com altas concentrações de ozônio sobre a Região Metropolitana de São Paulo, Brasil. Revista Brasileira de Meteorologia (Impresso), v. 27, p , CAVALCANTI, P. M. P. S. Avaliação dos impactos causados na qualidade do ar pela geração termelétrica. 148 f.. Tese (Mestrado em Ciências em Planejamento Energético) Coordenação de Pós-Graduação de Engenharia, Universidade Federal do Rio de Janeiro, RJ, COMPANHIA DE TECNOLOGIA E SANEAMENTO AMBIENTAL (CETESB), Padrões de Qualidade do Ar. São Paulo, CORREA, T. S. ; CARVALHO, V. S. B. ; REBOITA, M. S.. Avaliação da influência das condições meteorológicas em dias com altas concentrações de material particulado na Região Metropolitana do Rio de Janeiro. Engenharia Sanitária e Ambiental (Online), v. 21, p , CORRÊA, T. S.. VALIDAÇÃO DAS CONDIÇÕES METEOROLÓGICAS SIMULADAS PELO MODELO BRAMS EM DIAS COM ALTAS CONCENTRAÇÕES DE MATERIAL PARTICULADO REGISTRADAS NA REGIÃO METROPOLITANA DO RIO DE JANEIRO Trabalho de Conclusão de Curso. (Graduação em Ciências Atmosféricas) - Universidade Federal de Itajubá. CRAWFORD, J., CHAMBERS, S.D., COHEN, D.D., WILLIAMS, A.G., GRIFFITHS, A.D., STELCER, E. Assessing the impact of atmospheric stability on locally and remotely sourced aerosols at Richmond, Australia, using Radon-222, Atmospheric Environment, Volume 127, February 2016, Pages December ELBIR, T. Comparison of model predictions with the data of an urban air quality monitoring network in Izmir, Turkey. Atmospheric Environment, 37, , 2003.

69 54 FINLAYSON-PITTS, B. J. & PITTS, J. N. Chemistry of the Upper and Lower Atmosphere Theory, Experiments, and Applications. Academic Press, GALLARDO, L. ; ANDRADE, M. F. ; CARVALHO, V. S. B.. Chapter 4: South America.. In: Tong Zhu, Megan Melamed, David Parrish, Michael Gauss, LauraGallardo Klenner, Mark Lawrence, Abdourahamane Konare, Cathy Liousse. (Org.). WMO/IGAC Impacts of Megacities on Air Pollution and Climate. 1ed.: World Meteorological Organization, 2012, v., p GONÇALVES, F. L. T. ; MASSAMBANI, O. ; BEHENG, K. D. ; SCHILLING, M. ; SOLCI, M. C. ; FIEDLER, F. ; KLOCKOW, D.. Wet deposition of atmospheric pollutants: a case study at Serra do Mar ecosystem, Southeastern Brazil.. In: ECOSUDThe First International Conference on Ecosystem and Sustainable Development, 1997, PEñiscola. ECOSUDThe First International Conference on Ecosystem and Sustainable Development, p GOUVEIA, N., FREITAS, C.U., MARTINS, L. C., MARCÍLIO, I. O. Hospitalizações por causas respiratórias e cardiovasculares associadas à contaminação atmosférica no Município de São Paulo, Brasil. Cadernos de Saúde Pública, v. 22, n. 12, p , GUERRA, F. P., MIRANDA, R. M. Influência da meteorologia na concentração do poluente atmosférico PM2,5 na RMRJ e na RMSP. II Congresso Brasileiro de Gestão Ambiental Gurjar, B. and Lelieveld, J.: New Directions: Megacities and global change, Atmos. Environ., 39, , INSTITUTO ESTADUAL DO AMBIENTE (INEA). Relatório Anual de Qualidade do Ar do Estado do Rio de Janeiro, INSTITUTO ESTADUAL DO AMBIENTE (INEA). Relatório Anual de Qualidade do Ar do Estado do Rio de Janeiro, IPCC (Intergovernmental Panel on Climate Change), Climate Change, 1995: The science of climate change. Technical Summary of the working group I report.

70 55 Ito, K., Norris, G., Landis, M., Wilson, W., Thurston, G. Associations between particulate matter components and daily mortality and morbidity in Philadelphia, PA. In: First Specialty Conference of the American Association for Aerosol Research (AAAR) and Fourth Colloquium on PM and Human Health, Pittsburgh, PA, LAWRENCE, M. G.; BUTLER, T. M.; STEINKAMP, J; GURJAR, B. R.; LELIEVELD, J. Regional pollution potentials of megacities and other major population centers. Atmos. Chem. Phys., 7, , MIRANDA, R.M., ANDRADE, M.F., FORNARO, A., ASTOLFO, R., AFONSO DE ANDRE, P., SALDIVA, P.H. Urban air pollution: a representative survey of PM2.5 mass concentrations in six Brazilian cities. Air Quality, Atmosphere & Health, vol.55, n.1, PP , MOREIRA, D. M., TIRABASSI, T., MORAES, M. R. Meteorologia e poluição atmosférica OLMO, N.R.S., SALDIVA, P.H., BRAGA, A.L.F., LIN, C.A., SANTOS, U.P., PEREIRA, L.A.A. A review of low-level air pollution and adverse effects on human health: implications for epidemiological studies and public policy. Clinics, vol.66, n.4, pp , ORGANIZAÇÃO MUNDIAL DE SAÚDE (OMS) WHO Air quality guidelines for particulate matter, ozone, nitrogen dioxide and sulfur dioxide: Global Update WHO/SDE/PHE/OEH/06.02, PALLOTTA, M., HERDIES, D. L., GONCALVES, L. G. G. Estudo das condições de tempo e conforto térmico no desempenho esportivo aplicado à maratona da cidade do Rio de Janeiro. Rev. bras. meteorol., São Paulo, v. 30, n. 2, p , PEREIRA, M.A.C., LEMOS, M., MAUAD, T., ASSUNÇÃO, J. V., SALDIVA, P.H. Urban, traf+ crelated particles and lung tumors in urethane treated mice. Clinics, v. 66, p , PESSANHA, E. M. Análise das Potencialidades do uso da Gás Natural Veicular na Cidade e Campos dos Goytacazes. Dissertação de Mestrado Universidade Candido Mendes, Campos Dos Goytacazes, 2004.

71 56 PIELKE, R.A. Mesoscale meteorological modeling. Second Edition. International Geophysics Series, v.78, n.1, p.676, Santos A.M.A.; Bon A.M.T.; Amaral N.C. Avaliação ambiental de sílica livre cristalizada realizada no laboratório de classificação de areia do Instituto de Pesquisas Tecnológicas do Estado de São Paulo S/A IPT. Relatório Técnico RT/02, Fundacentro, São Paulo, SEINFELD J. H. and PANDIS S. N. Atmospheric Chemistry and Physics: From Air Pollution to Climate Change, 1st edition, J. Wiley, New York, SEINFELD, J.H. Atmospheric Chemistry and Physics of Air Pollution. New York: John Willey & Sons, SILVA JUNIOR, Rosiberto Salustiano; Andrade, Maria de Fatima. 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 (Impresso), v. 28, p , SILVEIRA, W. W. ; Martins, F.B. ; CARVALHO, V. S. B.. Análise da variância aplicada a dados meteorológicos e de qualidade do ar registrados entre 1996 e 2013 no estado de São Paulo. In: XVIII Congresso Brasileiro de Meteorologia, 2014, Recife. O papel da Meteorologia na Construção de uma sociedade sustentável, SILVEIRA, W. W.; CARVALHO, V. S. B.. Influência das Condições Meteorológicas em dias Consecutivos com Altas Concentrações de Ozônio na Região Metropolitana de São Paulo. IX Workshop Brasileiro de Micrometeorologia. Santa Maria-RS, Skamarock W. C., J. B. Klemp, J. Dudhia, D. O. Gill, D. M. Barker, M. G. Dudha, X. Huang, W. Wang and Y. Powers, A description of the advanced research WRF Ver.30. NCAR Technical Note. NCAR/TN- 475+STR. National Centre for Atmospheric Research, Boulder, CO, 113 pp. Stern, A. C.; Boubel, R. W.; Furner, D. B.; D. L.: Fundamentals of Air Pollution. Orlando, Florida: Academic Press 1984.

72 57 Urch, B.; Brook, J.; Wasserstein, D.; Scott, J.; Brook, R.; Rajagopalan, S.; Rivilis, A.; Corey, P.; Gage, F.S. Relative contributions of PM2.5 chemical constituents to acute arterial vasoconstriction. In: First Specialty Conference of the American Association for Aerosol Research (AAAR) and Fourth Colloquium on PM and Human Health, Pittsburgh, PA, WANG, F., CHAMBERS, S.D., ZHANG, Z., WILLIAMS, A.G., DENG, X., ZHANG, H., LONATI, G., CRAWFORD, J., GRIFFITHS, A.D., IANNIELLO, A., ALLEGRINI, I., Quantifying stability influences on air ollution in Lanzhou, China, using a radon-based stability monitor : Seasonality and extreme events, Atmospheric Environment (2016), doi: /j.atmosenv WILKS, D. S. Statistical methods in the atmospheric sciences, Academic Press, San Diego. 1995, 467 p. WRF-MODEL.ORG, (2015). The Weather Research&Forecasting Model Website. [online] Available at: YOUNE, R.Y. Modelagem Numérica Da Formação, Crescimento E Transporte Das Partículas Inorgânicas Secundárias Constituintes Do Aerossol Urbano Na Região Metropolitana De São Paulo. Tese de doutorado em Ciências Atmosféricas. IAG/USP, São Paulo, SP, 2004.

73 58 ANEXOS Anexo 1: Cartas Sinóticas de Superfície da Divisão de Hidrografia e Navegação do dia 8 a 18 de fevereiro de 2013.

74 59

75 60

76 61

77 62

78 63

79 64

80 65

81 66

82 67

83 68

84 69 Anexo 2: Cartas Sinóticas de Superfície da Divisão de Hidrografia e Navegação do dia 17 a 22 de novembro de 2013.

85 70

86 71

87 72

88 73

89 74

90 75 Anexo 3: Cartas Sinóticas de Superfície da Divisão de Hidrografia e Navegação do dia 23 a 27 de setembro de 2013.

91 76

92 77

93 78

94 79