• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Doctoral Thesis
DOI
https://doi.org/10.11606/T.5.2020.tde-08062021-111756
Document
Author
Full name
Aline Santos Damascena
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2020
Supervisor
Committee
Saldiva, Paulo Hilario Nascimento (President)
Martins, Leila Droprinchinski
Silva, Glauber Guimarães Cirino da
Singer, Julio da Motta
Title in Portuguese
Modelo espaço-temporal para a predição da concentração de material particulado fino na Região Metropolitana de São Paulo
Keywords in Portuguese
Aerossol atmosférico
Exposição ambiental
Imagens por satélite
Material particulado
Modelos de predição
Modelos de qualidade do ar
Modelos estatísticos
Modelos lineares
MP10
MP2:5
Poluição atmosférica
Profundidade optica do aerossol
Tecnologia de sensoriamento remoto
Abstract in Portuguese
O padrão espaço-temporal das concentrações do material particulado no (MP2:5) é um importante fator para prever alguns desfechos de saúde dos habitantes de uma área urbana. As concentrações de MP2:5 podem ser obtidas por meio de redes de monitoramento da qualidade do ar, que no geral, possuem um número insuciente de estações para representar a exposição de toda uma população em uma determinada região. Nesse sentido, do ponto de vista epidemiológico, se faz necessário o desenvolvimento de metodologias que permitam estimar com alta resolução espacial e temporal as concentrações do MP2:5 em locais sem estações de monitoramento, de forma que seja possível estudar os desfechos de curto (dias/ semanas) e de longo prazo (anos). Nesta tese aplicamos uma metodologia proposta por pesquisadores da Faculdade de Saúde Pública de Harvard para predizer as concentrações de MP2:5 na Região Metropolitana de São Paulo (RMSP), entre janeiro de 2012 e dezembro de 2017. Além disso, propomos alterações nessa metodologia, com o intuito de considerar nos modelos de predição as duas fontes de correlação (espacial e temporal) inerente aos dados, já que a metodologia proposta por Harvard considera apenas fonte de correlação espacial. Também apresentamos os desvios-padrão dos erros de predição, uma medida da incerteza associada às estimativas obtidas nesses modelos. A metodologia de Harvard tem como base o Modelo Linear Misto (MLM) e a utilização de dados de Profundidade Óptica do Aerossol (POA) obtidos de satélites. A POA tem se mostrado como preditora das concentrações de MP2:5 e/ou MP10 medidos na superfície em diferentes regiões do mundo. Com o MLM é possível incorporar nas predições a variação diária da relação POA-MP2:5, ocasionada pelas condições meteorológicas. Pela primeira vez na RMSP, nós utilizamos os dados de POA com alta resolução espacial (1 km2) da versão 6 do algoritmo Multiangle Implementation of Atmospheric Correction (MAIAC). Os resultados mostraram que, diferente do que se observa em outras regiões onde essa metodologia já foi utilizada, os dados de POA do MAIAC não foram preditores das concentrações de MP2:5 e de MP10 na superfície da RMSP. Verificamos que o modelo de aerossol empregado pelo MAIAC na aquisição dos dados de POA não representa de forma adequada as propriedades do aerossol dessa região. Porém, os modelos de predição propostos que não consideraram esses dados foram capazes de explicar respectivamente, cerca de 60% e 70% da variabilidade das concentrações diurnas e diárias do MP2:5 na RMSP. O desempenho dos modelos de predição para as concentrações diárias de MP2:5 foi bastante satisfatório e comparável ao desempenho dos modelos de predição desenvolvidos na Suíça, Israel e Cidade do México, que utilizaram os dados de POA do MAIAC. Além disso, os modelos de predição que consideraram as duas fontes de correlação apresentaram poder de predição cerca de 5% maiores do que os modelos que consideram apenas a correlação espacial, além de gerarem estimativas mais precisas. Os mapas com a média anual das estimativas das concentrações diurnas e diárias de MP2:5 sobre a RMSP foram disponibilizados em um repositório de acesso livre. Essas estimativas podem ser utilizadas como uma aproxima ção para a exposição à poluição atmosférica dos habitantes da RMSP, contribuindo com os estudos epidemiológicos que visam entender seus impactos na saúde da população
Title in English
Spatiotemporal model fine for predicting fine particulate matter concentration in the Metropolitan Area of São Paulo
Keywords in English
Aerosol optical depth
Air pollution
Air quality models
Atmospheric aerosol
Environmental exposure
Linear models
Particulate matter
PM10
PM2:5
Prediction models
Remote sensing technology
Satellite imagery
Statistical models
Abstract in English
The spatiotemporal pattern of ne particulate matter (PM2:5) concentrations is an important factor in predicting some health outcomes of inhabitants in urban areas. PM2:5 concentrations are measured in air quality monitoring networks, which, in general, are sparse and do not represent the exposure of an entire population in a given region. From an epidemiological point of view, it is necessary to develop methodologies that allow us to estimate PM2:5 concentrations with high spatial and temporal resolution in places without monitoring stations, so that it is possible to study the short-term (days/weeks) and long term (years) outcomes. In this thesis, we applied a methodology proposed by researchers from the Harvard School of Public Health to predict the concentrations of PM2:5 in the Metropolitan Area of São Paulo (MASP), in the 2012-2017 period. In addition, we proposed changes in that methodology, in order to consider in the prediction models the two sources of correlation (spatial and temporal) inherent to the data, since the methodology proposed by Harvard considers only the spatial correlation. We also presented the standard deviations of the prediction errors associated with the estimates obtained in those models. The Harvard methodology is based on the Linear Mixed Model (LMM) and on the use of Aerosol Optical Depth (AOD) data obtained from satellites. AOD data have been shown to be a predictor of surface PM2:5 and/or PM10 concentrations in dierent regions of the world. With LMM it is possible to incorporate in the predictions the daily variation of AOD-PM2:5 relationship, caused by the variation of meteorological conditions. For the rst time in the MASP, we used AOD data with high spatial resolution (1 km2) from version 6 of the Multiangle Implementation of Atmospheric Correction (MAIAC) algorithm. Our results showed that, unlike what was observed in other regions where Harvard methodology has already been applied, AOD data from MAIAC were not predictive of surface PM2:5 and PM10 concentrations over the MASP. We found that the aerosol model used by MAIAC in the AOD retrievals does not adequately represent the aerosol properties of that region. However, the proposed prediction models that did not consider AOD data were able to explain, respectively, about 60% and 70% of the variability of diunal and daily PM2:5 concentrations over the MASP. The performance of the prediction models for daily PM2:5 concentrations were quite satisfactory and comparable to the performance of the prediction models developed in Switzerland, Israel and Mexico City, which used AOD data from MAIAC. In addition, the prediction models that considered the two correlation sources had about 5% greater predictive power than the models that considered only the spatial correlation, and also generated more accurate estimates. The maps with the annual of the estimates of diurnal and daily PM2:5 concentrations over the MASP were made available in an open access repository. Those estimates can be used as an approximation for the exposure to air pollution of the inhabitants in the MASP, contributing to epidemiological studies that aim to understand their impacts on the population's health
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2021-06-11
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2024. All rights reserved.