@InProceedings{JatobáMari:2018:MoArPr,
               author = "Jatob{\'a}, Bruno Rafael Guimar{\~a}es and Mariano, Glauber 
                         Lopes",
                title = "Modelo arima para previs{\~a}o da concentra{\c{c}}{\~a}o de 
                         di{\'o}xido de nitrog{\^e}nio para a regi{\~a}o metropolitana 
                         de buenos aires (argentina) no ano de 2017 com dados do sensor 
                         omi/aura",
            booktitle = "Anais...",
                 year = "2018",
               editor = "Herdies, Dirceu Luis and Coelho, Simone Marilene Sievert da 
                         Costa",
         organization = "Encontro dos alunos de p{\'o}s-gradua{\c{c}}{\~a}o em 
                         meteorologia do CPTEC/INPE, 17. (EPGMET)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Plataforma Giovanni, Modelo ARIMA, Emiss{\~o}es 
                         Antropog{\^e}nicas.",
             abstract = "A previs{\~a}o da concentra{\c{c}}{\~a}o de poluentes {\'e} 
                         fundamental para a elabora{\c{c}}{\~a}o de pol{\'{\i}}ticas 
                         que visem o controle dos n{\'{\i}}veis extremos principalmente 
                         em regi{\~o}es metropolitanas devido ao aumento dos 
                         n{\'{\i}}veis de emiss{\~o}es antropog{\^e}nicas 
                         atribu{\'{\i}}do a intensifica{\c{c}}{\~a}o do trafego 
                         veicular. Atualmente, vem se aplicando frequentemente os sensores 
                         acoplados aos sat{\'e}lites para a obten{\c{c}}{\~a}o dos dados 
                         de concentra{\c{c}}{\~a}o, que muitas vezes se torna 
                         imprescind{\'{\i}}vel frente a falta de redes de monitoramento 
                         em superf{\'{\i}}cie. Ferramentas como os modelos 
                         estat{\'{\i}}sticos s{\~a}o alternativas aos modelos 
                         computacionais para o diagnostico e prognostico dos efeitos 
                         adversos causados pela polui{\c{c}}{\~a}o tendo em vista que 
                         possibilitam um tratamento melhor dos dados com a finalidade de 
                         gerar alertas di{\'a}rios no monitoramento da qualidade do ar. O 
                         presente trabalho consiste na utiliza{\c{c}}{\~a}o de um modelo 
                         ARIMA (Auto Regressive Integration Moving Average) para realizar 
                         previs{\~a}o do di{\'o}xido de nitrog{\^e}nio (NO2) na 
                         Regi{\~a}o Metropolitana de Buenos Aires, uma das principais 
                         metr{\'o}poles da Am{\'e}rica do Sul, para o ano de 2017. 
                         Obtemos os dados di{\'a}rios da coluna de NO2 do sensor OMI/Aura, 
                         atrav{\'e}s da plataforma Giovanni/NASA, e o modelo ARIMA, 
                         composto pelos modelos autorregressivo (AR) e m{\'e}dia 
                         m{\'o}vel (MA), foi ajustado para prever a partir dos dados 
                         observados, utilizando a tend{\^e}ncia e a correla{\c{c}}{\~a}o 
                         da s{\'e}rie de forma que os valores presentes s{\~a}o 
                         diferenciados individualmente com seus antecessores de forma 
                         integrada (I). Escolhemos a s{\'e}rie de 365 dias do ano de 2017, 
                         validando somente os 300 primeiros dias, aplicando o processo de 
                         valida{\c{c}}{\~a}o cruzada, realizamos a previs{\~a}o para 100 
                         dias e adotamos a correla{\c{c}}{\~a}o de Pearson como 
                         par{\^a}metro para avaliar a qualidade da previs{\~a}o. 
                         Utilizamos o software R para realizar o tratamento, analise e 
                         visualiza{\c{c}}{\~a}o dos dados com os pacotes ggplot2 e 
                         forecast. Ap{\'o}s realizar alguns testes para a previs{\~a}o de 
                         NO2, escolhemos a configura{\c{c}}{\~a}o ARIMA (2,1,0) e 
                         observamos que, atrav{\'e}s da figura 1, a dispers{\~a}o dos 
                         dados observados e previstos tiveram uma {\'o}tima 
                         rela{\c{c}}{\~a}o e a figura 2 sustenta que o modelo est{\'a} 
                         prevendo a concentra{\c{c}}{\~a}o de NO2 de maneira eficaz onde 
                         os coeficientes de correla{\c{c}}{\~a}o e de 
                         determina{\c{c}}{\~a}o foram respectivamente 0,98 e 0,96. Ao 
                         final do presente trabalho destacamos a efici{\^e}ncia do modelo 
                         ARIMA na aplica{\c{c}}{\~a}o dessa metodologia nos 
                         {\'o}rg{\~a}os de qualidade do ar principalmente em centros 
                         urbanos objetivando a redu{\c{c}}{\~a}o dos impactos causados 
                         pelos extremos das emiss{\~o}es na sa{\'u}de humana.",
  conference-location = "Cachoeira Paulista",
      conference-year = "22-26 out. 2018",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGPDW34R/3SR4GH5",
                  url = "http://urlib.net/ibi/8JMKD3MGPDW34R/3SR4GH5",
           targetfile = "AP1-04.pdf",
                 type = "Meteorologia Ambiental e Polui{\c{c}}{\~a}o Atmosf{\'e}rica",
        urlaccessdate = "19 maio 2024"
}