@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"
}