William Amorim

3 minutos de leitura

As condições climáticas são a principal fonte de variação dos níveis de poluentes atmosféricos numa determinada região. Como vimos neste post, a luz solar, por exemplo, tem papel fundamental na formação do ozônio, sendo esperado que em dias com pouca luz, as concentrações de ozônio sejam menores. É natural supor que outros fatores, como chuva e o vento, também operem a sua influência, sendo fundamental levarmos essas variáveis em conta na hora da análise.

Neste post, continuaremos o estudo da série de ozônio em São Paulo (2008-2013) relacionando as concentrações com dados meteorológicos.

Os dados

Os dados originais utilizados neste post foram disponibilizados pelos autores do artigo Reduced ultrafine particle levels in São Paulo’s atmosphere during shifts from gasoline to ethanol use, que podem ser acessados pelo link https://goo.gl/9tNzvj. Utilizaremos aqui uma versão enxuta dessa base, disponível em aqui.

O código abaixo salva os dados no objeto df_O3.

df_O3 <- readr::read_rds("data/df_O3_clima_2008_2013.rds")

Vamos utilizar apenas a estação Dom Pedro II para esta análise e considerar a média diária das variáveis entre o meio-dia e às 17 horas. Além de filtrar a base e calcular as médias, o código abaixo seleciona apenas as variáveis que utilizaremos neste análise: temperatura (tp), radiação (rd), precipitação (pp), umidade (hm), velocidade do vento (ws) e inversão térmica (dv_ti_0to199m_9am e dv_ti_200to499m_9am).

library(dplyr)

df_tarde_DPII <- df_O3 %>%
  filter(siteid == 1, hour %in% 12:16) %>% 
  group_by(date) %>%
  summarise_at(.vars = vars(o3_mass_conc, 
                                   tp, rd, hm, ws, pp,
                                   dv_ti_0to199m_9am, 
                                   dv_ti_200to499m_9am),
                      .funs = funs(mean),
                      na.rm = TRUE) %>% 
  ungroup()

Como vimos no post sobre a formação do ozônio, as condições climáticas no período da manhã também são importantes para o nível de ozônio no período da tarde. Portanto, vamos acrescentar ao objeto df_tarde_DPII o valor diário médio das variáveis climáticas entre 6 e 10 da manhã.

medidas_manha <- df_O3 %>%
  filter(siteid == 1, hour %in% 6:10) %>% 
  group_by(date) %>%
  summarise_at(.vars = vars(tp, rd, hm, ws, pp),
                      .funs = funs(mean),
                      na.rm = TRUE)  %>%
  rename(morning_tp = tp,
                morning_rd = rd,
                morning_hm = hm,
                morning_ws = ws,
                morning_pp = pp)

df_tarde_DPII <- df_tarde_DPII %>%  
  left_join(medidas_manha, by = "date")

EDA

A seguir, apresentamos uma visão geral da concentração de ozônio ao longo do ano. Observe que os máximas tendem a ocorrer nos primeiros e nos últimos meses do ano.

library(ggridges)

df_tarde_DPII %>%
  mutate(month = lubridate::month(date),
         month = as.factor(month)) %>% 
ggplot(aes(x = o3_mass_conc, y = month, fill = month)) + 
  geom_density_ridges(show.legend = FALSE) +
  labs(y = "Month", x = "Ozone") +
  theme_bw()

Repare na diferença entre as distribuições de janeiro e os meses próximos. Será efeito das férias escolares, período em que há menos trânsito?

Como temos muitas variáveis climáticas para analisar, para facilitar a visualização, eu montei um dashboard com todos os gráficos. A seguir, os principais comentários.

  • A concentração de ozônio tende a ser maior nos dias quentes, principalmente quando a temperatura sobe à tarde.

  • Como era de se esperar, dias com maior radiação estão associados a maiores níveis de ozônio.

  • Dias com chuva estão associados a menores concentrações de ozônio.

  • Umidade alta, principalmente à tarde, está associada com menores concentrações de ozônio.

  • A relação enter a velocidade do vento, tanto de manhã quanto à tarde, e a concentração de ozônio não é muito clara.

  • Parece haver uma leve associação entre a ocorrência de inversões térmicas e maiores concentrações de ozônio.

Referências

comments powered by Disqus