Air pollution is a multi-scale environmental problem that starts at the local scale, but its effects surpass the limits of cities in different scales of space and time. Measurements from air quality and meteorological stations are the main source of information on the state of the atmosphere. However, they are restricted in spatial coverage, limited in data interpretation, and are expensive to implement. Air quality models, by solving atmospheric motion equations and chemical reactions, offer an alternative approach to study air pollution by providing high temporal and spatial information of air pollutant concentration and meteorology. We used air quality models and emission inventories at different scales to study air quality in the Metropolitan Area of São Paulo (MASP). Output from the Community Atmosphere Model with Chemistry (CAM-Chem) global model is downloaded to be applied as dynamic chemical boundary conditions (CBC) for the Weather Research and Forecasting with Chemistry (WRF-Chem) community model. Then, WRF-Chem is used to simulate air quality at a regional and urban scale, considering Southeast Brazil and the MASP as simulation domains. Finally, the Model of Urban Network of Intersecting Canyons and Highways (MUNICH) is used to perform the first air quality simulation inside São Paulo urban canyons. During this process, we developed a new methodology to spatially disaggregate vehicular emissions based on total emissions and road length; and created a new tool to build WRF-Chem anthropogenic emission files. We also coded an R package to download and get high-quality data ready for analysis from the São Paulo State Environmental Agency air quality network that allows the automatization of model evaluation using all the available information. Results showed that CAM-Chem is suitable as CBC for WRF-Chem and can simulate coherently O3 and PM2.5 over the whole MASP with correlation coefficients greater than 0.7, but highly underestimates and fails to simulate primary pollutants. Both regional and urban WRF-Chem simulations achieved the meteorological benchmark of performance (e.g. ± 0.5 K mean bias of temperature, ± 10% mean bias of relative humidity, and ± 1.5 ms1 mean bias of wind speed). WRF-Chem presents an underestimation of primary pollutant with normalized mean bias (NMB) lower than -35 %, while O3 is best simulated achieving goal benchmarks with correlation coefficient of 0.83 and NMB of -5 %. MUNICH air quality simulation using WRF-Chem urban domain results as input improves NOX simulations with a NMB of -20 %. These simulations are an example of the capabilities that models have to address different scientific questions and how they can work to establish a multi-scale modeling system for air quality forecast. These tools allow the evaluation of air quality at different scales, the assessment of the efficacy of air pollution control policies, and the study of pollution health impact of pollutant exposure, even at street level.

A poluição do ar é um problema ambiental que começa numa escala local, mas os seus efeitos vão além dos limites das cidades em diferentes escalas do espaço e tempo. As medições nas estações de qualidade do ar são a principal fonte de informação sobre o estado da atmosfera. Porém, elas possuem limitações na cobertura espacial, na interpretação da informação, e a sua implementação pode ser cara. Os modelos de qualidade do ar, através da solução das equações do movimento e das reações químicas da atmosfera, representam uma alternativa para investigar a qualidade do ar, fornecendo informação das concentrações de poluentes e as condições meteorológicas com diversa resolução espacial e temporal. Neste trabalho, diferentes modelos de qualidade do ar e inventários de emissões, em diferentes resoluções espaciais, são utilizados para estudar a qualidade do ar na região metropolitana de São Paulo (RMSP). Produtos do modelo global Community Atmosphere Model with Chemistry (CAM-Chem) são usados como condições de contorno químicas (CQC) para o modelo Weather Research and Forecasting with Chemistry (WRF-Chem). Em seguida, WRF-Chem é usado para simular a qualidade do ar na escala regional e urbana, através de domínios que cobrem a região sudeste do Brasil e a RMSP. Finalmente, o Model of Urban Network of Intersecting Canyons and Highways (MUNICH) é usado para simular ozônio e NOX dentro dos cânions urbanos, considerando como exemplo o distrito de Pinheiros. Desenvolvemos uma nova metodologia para distribuir espacial e temporalmente as emissões veiculares baseada nas emissões totais e o comprimento das estradas; e criamos um programa para construir o arquivo de emissões antropogênicas do WRF-Chem. Também desenvolvemos um pacote no R para fazer download e gerar dados prontos para serem analisados da Rede de Estações de Qualidade do Ar da CETESB, permitindo a automatização da avaliação dos modelos de qualidade do ar utilizando toda a informação disponível. Os resultados mostraram que o CAM-Chem, além de servir como CQC, representou adequadamente as concentrações de ozônio e PM2.5 para toda a RMSP com coeficientes de correlação maiores que 0.7, enquanto os poluentes primários são altamente subestimados. O WRF-Chem atingiu as benchmarks meteorológicos para ambos os domínios (e.g. ± 0.5 K de sesgo médio para temperatura, ± 10 % para umidade relativa, e ± 1.5 ms 1 para velocidade do vento). WRF-Chem subestimou as concentrações dos poluentes primários com sesgos médio normalizado (NMB) menores que -35 %, enquanto que o O3 atinge os benchmarks da acurácia com coeficiente de correlação de 0.83 e um NMB de -5 %. A simulação do MUNICH utilizando as simulações do domínio urbano do WRF-Chem melhoram a representação de NOX dentro dos cânions urbanos com um NMB de -20 %. Os resultados exemplificam as capacidades dos modelos para resolver diferentes questões sobre a formação e transporte dos poluentes atmosféricos em diferentes escalas. Esse sistema multi-escala permite a avaliação da qualidade do ar e da eficácia das políticas de controle da poluição do ar, e a realização de estudos de impacto à saúde dos poluentes atmosféricos.