ANÁLISE DE CORRELAÇÕES ENTRE ATRIBUTOS CLIMÁTICOS E POLUIÇÃO ATMOSFÉRICA EM UBERLÂNDIA – MG
RESUMO
O desenvolvimento humano tem como conseqüência a geração de poluentes que são prejudiciais a saúde do homem e ao meio ambiente. Nas grandes cidades, a circulação de veículos automotores em associação com as atividades industriais tem prejudicado a qualidade do ar e, por conseqüência, tem causado problemas de saúde na população. O objetivo deste trabalho foi verificar a existência de relação entre concentração de poluentes no ar com variáveis climatológicas e variáveis temporais para a cidade de Uberlândia - MG. Utilizou-se informações referentes ao período de 2003 a 2006 das seguintes variáveis: partículas totais em suspensão (PTS), partículas inaláveis (MP10), temperatura ambiente média (T), precipitação pluviométrica diária (P), umidade relativa do ar (UR), velocidade do vento (V), estação climatológica do ano (E), dia de avaliação na semana (S) e qualidade do ar (Q). Nas análises estatísticas foram utilizados os coeficientes de correlação de Pearson e de Spearman. Utilizou-se também o teste de qui-quadrado de independência e o coeficiente de contingência. As correlações entre as concentrações de poluentes com os atributos climáticos e com as variáveis temporais são fracas. Dentre as variáveis analisadas a precipitação, a umidade relativa e as estações do ano apresentaram correlações significativas com MP10, a umidade relativa e as estações do ano se correlacionaram com PTS e ainda as estações do ano apresentaram relação com a qualidade do ar.
Palavras-chave: correlação, poluição atmosférica, atributos climáticos
ABSTRATC
CORRELATION ANALISIS BETWEEN CLIMATIC ATTRIBUTES AND AIR POLLUTION INDICES IN UBERLÂNDIA - MG
The human development has increased the pollution that can be prejudicial to health. The air pollution in the cities is a preoccupation of the actual days and it needs know its relation with the climatic attributes . The objective of this study was to verify the relation between
air pollution concentration with climatic attributes and temporal variables, in Uberlândia city, Minas Gerais state, Brazil. Data were evaluated to 2003 until 2006. The attributes used in this study were: total suspended particles (TSP), particles smaller than 10µm (PM10), temperature (T), rainfall (P), air humidity (UR), wind velocity (V), season (E), day week (S) and air quality (Q). The statistics procedures used were correlation analysis. The results showed that P and UR are correlated with PM10, UR also present correlation with TSP and S and Q were related. Models need to consider this variables en the estimations.
Key-words: correlation, air pollution, climatic attributes
INTRODUÇÃO
Nas grandes cidades o volume de veículos automotores em associação com as atividades industriais tem prejudicado a qualidade do ar e, por conseqüência, tem causado problemas de saúde na população.
Sabe-se que a preservação do meio ambiente é fundamental para manter e melhorar a qualidade de vida das pessoas. Medidas que visem manter a qualidade do ar devem ser incentivadas e implementadas, como forma de prolongar a sua disponibilidade em quantidade e qualidade, para que seja viável seu consumo. Entretanto, verifica-se, principalmente na região de cerrado, a destruição de reservas naturais para a expansão agrícola e urbana, contribuindo para o decréscimo na qualidade do ar.
A cidade de Uberlândia – MG se configura como uma das principais cidades
do Estado de Minas Gerais com uma população superior a 500 mil habitantes e um alto grau de desenvolvimento econômico e também possui uma das maiores frotas de veículos automotores do estado. Estes fatos contribuem com a queda de qualidade do ar quer seja pela intensa circulação automóveis quer seja por indústrias instaladas na cidade e também na região.
O material particulado na atmosfera (MP10) e a partícula total em suspensão (PTS) são indicadores da poluição atmosférica e são considerados de importância fundamental em projetos urbanos de qualidade de vida.
Níveis críticos de poluentes no ar são esperados em determinadas condições climáticas, como baixa umidade relativa e baixa velocidade do vento, já em condições de presença de precipitação pluviométrica e de vento com maior intensidade espera-se
que ocorra uma lavagem e/ou dissipação dos poluentes do ar conforme argumentam Lima (2007) e Leite (2005).
O crescimento, em muitos casos desordenados e não planejado das cidades, faz com que os índices de poluição do ar fiquem próximo ao limite recomendado pela legislação ambiental e em alguns casos esses índices são ultrapassados. A Resolução do Conselho Nacional do Meio Ambiente (CONAMA) no 3, de 1990, estabelece o padrão de qualidade do ar dos principais causadores de poluição atmosférica, conforme cita Leite (2005).
A análise estatística de dados geralmente é empregada com sucesso em variáveis ambientais. As principais técnicas de análise para este tipo de variável tem sido o ajuste de modelos probabilísticos (Botelho e Morais (1999)), análise de séries temporais (Ferraz et al., 1999) e geoestatística (Silva et al (2003), Veronese et al (2002)) e também a verificação de relações entre os atributos ambientais entre si e entre outras variáveis ambientais ( Leite, 2005).
Para a cidade de Uberlândia – MG, Cioqueta et al. (2004) identificaram que os padrões médios anuais de qualidade do ar para o PTS e MP10 nos anos de 2003 e 2004 foram ultrapassados. Os padrões secundários diários em algumas ocasiões também foram
ultrapassados nesses anos. Estes resultados despertaram preocupações quanto à qualidade do ar, uma vez que no inverno o número de internações por problemas de circulação e respiratórios aumenta em cerca de 15% (Lima, 2007).
As observações de relacionamento de atributos climáticos com MP10 e PTS foram feitas de forma descritiva por Cioqueta et al. (2004). Já Leite (2005) usou estes atributos, verificando a significância, em modelos estatísticos de séries temporais.
A análise estatística faz uso de vários coeficientes e testes de associação que visam verificar e quantificar a relação entre variáveis. Estes coeficientes e testes são descritos em livros e programas computacionais como, por exemplo, Ayres te al (2005).
Lira e Chaves Neto (2006) discutem alguns casos de aplicação desses coeficientes, pois de acordo com a natureza das variáveis analisadas deve-se utilizar determinado tipo de medida de associação.
O objetivo deste trabalho foi o de utilizar coeficientes de correlação e medidas de associação para verificar a existência de relação significativa entre MP10 e PTS com variáveis climáticas e com informações temporais.
MATERIAL E MÉTODOS
A cidade de Uberlândia – MG encontra-se na latitude de 18° 55’ 25’’S, longitude de 48° 17’ 19’’W. Segundo a classificação internacional de Köppen, o clima da região é do tipo Aw, isto é, tropical quente úmido com inverno frio e seco. O total médio de chuva no mês mais seco fica em torno de 60 mm e no mês mais chuvoso fica em torno de 250 mm e o total anual médio fica entre 1500 a 1600 mm. Os meses de verão (dezembro a fevereiro) são responsáveis por aproximadamente 50% da precipitação anual da cidade. A temperatura média mensal nos meses de inverno atinge 18oC enquanto que nos meses mais quentes a média fica em torno de 23oC, com média das máximas em torno de 28 a 29oC. (Brasil, 1992).
Os dados utilizados neste trabalho referem-se às observações de MP10 - partículas inaláveis (µg/m3
), PTS – partículas totais em suspensão (µg/m3
), T - temperatura média diária (0C), P- precipitação pluviométrica diária (mm), UR- umidade relativa (%), V-velocidade média diária do vento (m/s). Estas variáveis foram avaliadas no período de 2003 a 2006.
As determinações das concentrações de MP10 e PTS foram realizadas pela Faculdade de Engenharia Química da
Universidade Federal de Uberlândia (FEQUI/UFU), cujos procedimentos são descritos em Lima (2007).
Os atributos climáticos, para a cidade de Uberlândia, foram obtidos no Instituto de Geografia (IGUFU/UFU).
Com base no banco de dados das variáveis relativas às concentrações de poluentes no ar, procedeu-se a criação de novas variáveis. Estas variáveis foram chamadas de variáveis temporais e estão associadas ao dia da semana em que se realizou a leitura das concentrações (S) e a estação climatológica do ano (E). Criou-se também uma variável (%MP10) que relaciona a quantidade de partículas inaláveis (MP10) e volume total (PTS) e que foi expressa em porcentagem utilizando-se a Equação (1).
PTS MP MP10 100* 10
% = (1)
Esta variável objetivou avaliar o quanto do volume total é devido a partículas com maior periculosidade para a saúde humana.
Utilizando as informações contidas nas Tabelas 1 e 2, a qualidade do ar de Uberlândia, para a amostragem realizada, foi classificada em função de MP10, em boa (B),
regular (R), inadequada (I), má (M), péssima (P).
Os atributos relacionados à poluição (MP10 e PTS) foram analisadas estatisticamente por meio do box-plot com a finalidade de se detectar outliers e/ou valores extremos que pudessem comprometer os coeficientes de correlação e as medidas de associação. Conforme argumentam Morettin e Toloi (2004) a presença de dados discrepantes em análises estatísticas pode comprometer toda a conclusão do trabalho científico e isso também é válido para a análise de correlação.
Tabela 1. Qualificação do ar em função da
leitura de MP10. Fonte: CETESB (2008).
Qualidade MP10 (µg/m3) Boa 0 - 50 Regular 50 - 150 Inadequada 150 - 250 Má 250 - 420 Péssima >420
Tabela 2. Descrição da qualidade do ar .
Fonte: CETESB (2008).
Qualidade Índice Significado
Boa 0 - 50 Praticamente não há riscos à saúde.
Regu-
lar 51 - 100
Pessoas de grupos sensíveis (crianças, idosos e pessoas com doenças respiratórias e cardíacas), podem apresentar sintomas como tosse seca e cansaço. A população, em geral,
não é afetada.
Inade-quada 101 - 199
Toda a população pode apresentar sintomas como tosse seca, cansaço, ardor nos olhos, nariz e garganta. Pessoas de grupos sensíveis
(crianças, idosos e pessoas com doenças respiratórias e cardíacas), podem apresentar
efeitos mais sérios na saúde.
Má 200 - 299
Toda a população pode apresentar agravamento dos sintomas como tosse seca, cansaço, ardor nos olhos, nariz e garganta e ainda apresentar falta de ar e respiração ofegante. Efeitos ainda mais graves à saúde de
grupos sensíveis (crianças, idosos e pessoas com doenças respiratórias e cardíacas).
Pés-
sima >299
Toda a população pode apresentar sérios riscos de manifestações de doenças respiratórias e cardiovasculares. Aumento de
mortes prematuras em pessoas de grupos sensíveis.
Os valores extremos e outliers foram excluídos do banco de dados, entretanto apurou-se previamente se estes se tratavam de problemas de análises ou de coleta da informação.
Foram considerados para definição de valores extremos e outliers o critério dos desvios interquartílico para cada variável, de acordo com o seguinte procedimento:
i) cálculo dos desvios interquartilicos conforme Equação 2:
) (Q3 Q1
DQ= − (2) em que: DQ é o desvio interquartílico; Q1 é o primeiro quartil e Q3 é o terceiro quartil.
ii) obtenção de outliers
Se a observação estiver entre Q3+1,5(Q3-Q1) e Q3+3(Q3-Q3+1,5(Q3-Q1) ou Q1-1,5(Q3-Q3+1,5(Q3-Q1) e Q3-3(Q3-Q1) ela é considerada outliers. iii) Obtenção de valores extremos
Se a observação estiver acima de Q3+3(Q3-Q1) ou abaixo de Q1-3(Q3-Q3+3(Q3-Q1) ela é considerada valor extremo (Ayres et al, 2005).
Os coeficiente de correlação e medidas de associação utilizados neste trabalho estão descritos a seguir e se basearam em Lira e Chaves Neto (2006), Ayres et al (2005).
Coeficiente de correlação para variáveis quantitativas
Na análise da relação existente entre PTS, MP10 e %MP10 com as variáveis climáticas (T, P, UR e V) foi utilizado o coeficiente de correlação de Pearson por se tratar de variáveis do tipo quantitativas. Este coeficiente foi calculado por meio da Equação 3. ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ∑ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ∑ = − ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ∑ = ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ∑ = − ∑ = ∑ = ∑= − = n i n n i i y i y n i n n i i x i x n i n n i n i i y i x i y i x r 1 2 1 2 1 2 1 2 1 1 1 (3) em que:
r é o coeficiente de correlação; xi e yi são as observações das variáveis X e Y; n é o número de pares de observações.
A significância do r foi verificada utilizando-se a estatística t (Equação 4), que tem distribuição t-Student com n-2 graus de liberdade. Adotou-se 5% como valor nominal de significância. 2 1 2 − − = n r r t (4)
Coeficiente de correlação para variáveis qualitativas ordinais
Para verificar a relação entre as variáveis S (dias da semana codificado de forma ordinal) e E (estação do ano codificado), com as variáveis PTS, MP10 e %MP10 avaliadas de forma ordinal foi utilizado o coeficiente de correlação de Spearman (Equação 5). ) 1 ( 6 1 2 1 2 − − =
∑
= n n D r n i i s (5)Em que: rs é o coeficiente de correlação de Spearman; Di são as diferenças entre as ordens dos valores das variáveis; e n é o número de pares.
A metodologia de aplicação deste coeficiente consiste na ordenação das observações através dos postos (posições)
assumidas por cada observação, ou seja, as observações são classificadas de 1 a n, sendo n o número de pares. Essa classificação é feita para cada variável analisada (Ayres et al, 2005). Nesta situação os dias da semana em que se fez a determinação das concentrações receberam valor 1 para o domingo e seqüencialmente foi feita a codificação até 7 que correspondeu ao sábado. Já as estações climatológicas receberam os valores 1, 2, 3 e 4, respectivamente, para verão, outono, inverno e primavera.
A significância de rs é obtida também com base na distribuição t-Student com n-2 graus de liberdade quando a amostra possuir pelo menos 10 elementos e a estatística é dada pela Equação 6:
2 1 2 s s r n r t − − = (6)
Medidas de associação entre variáveis nominais
Na análise de associação entre as variáveis nominais: qualidade do ar (Q) com dias da semana em que se realizou a avaliação das concentrações de poluentes (S) e estação do ano (E), foi utilizado o teste de qui-quadrado (χ2
) para independência e
calculado o coeficiente de contingência (C) que deriva da estatística de χ2
. Para esta análise as variáveis S e E não foram codificadas e portanto atuaram como variáveis qualitativas nominais.
O teste de qui-quadrado teve a finalidade de verifica, se a variável temporal (S ou E) foi independente da qualidade do ar (Q).
A significância foi determinada em função da estatística χ2
(Equação 7) que segue uma distribuição qui-quadrado com graus de liberdade igual ao produto do número de linhas menos um pelo número de colunas menos um na tabela de contingência (Equação 8):.
∑
=−
=
k i i i ife
fe
fo
1 2 2(
)
χ
(7) v = (L -1)*(H -1) (8) em que: k é o número de classes ou categorias, foi é a freqüência observada na classe i; fei é a freqüência esperada na classe i considerando independência, v é o grau de liberdade; L é o número de linhas da tabela de contingência e H é o número de colunas da tabela de contingência.O coeficiente de contingência C é obtido em função da estatística χ2
, conforme Equação 9: N C + = 2 2 χ χ (9)
em que N é o total de observações.
Em tabelas de contingências em que o número de linhas é igual ao número de colunas o valor máximo de C é obtido pela Equação (10) descrita em Spiegel (1993).
L L
Cmax = −1 (10)
RESULTADOS E DISCUSSÃO
A Figura 1 mostra o box-plot para a variáveis PTS, MP10 e %MP10.
Figura 1. Box-plot para PTS, MP10 e
%MP10 em Uberlândia – MG, no período de 2003 a 2006.
Nota-se que as três variáveis analisadas apresentaram valores considerados estatisticamente como sendo outliers ou valores extremos, também chamado de valores discrepantes..
Para o PTS foram considerados outliers e/ou extremos as observações acima de 150 µg/m3
. Para o MP10 foram considerados outliers e/ou extremos valores acima de 100 ou abaixo de 10 µg/m3
e para a %MP10 considerou-se outliers os valores abaixo de 20%.
Nota-se que a %MP10 é a que apresenta o menor número de outliers indicando ser esta uma variável mais estável e menos influenciada por extremos. A associação positiva entre concentração de PTS e MP10 faz com que valores altos de PTS estejam relacionados com valores altos de MP10, o mesmo ocorrendo para valores baixos e medianos dessas concentrações, reduzindo dessa forma, a quantidade de outliers e/ou extremos na %MP10.
Os dados discrepantes de PTS e de MP10 podem estar relacionados com a localização dos coletores que, conforme descreve Cioqueta et al (2004) e Lima
(2007), encontra-se instalado no Terminal Central de Ônibus Urbano de Uberlândia.
As observações de PTS e de MP10 consideradas do ponto de vista estatístico como sendo outliers são valores passíveis de ocorrência do ponto de vista prático e que podem estar associados a fatores climatológicos ou às variáveis temporais.
Para dar suporte à decisão de exclusão ou não de valores discrepantes foi feita também uma análise dos gráficos de dispersão das variáveis climáticas com as concentrações de PTS, MP10 e %Mp10.
A análise conjunta do box-plot com os gráficos de dispersão permitem excluir os pares que são considerados como valores discrepantes. A análise isolada do box-plot poderia viesar a decisão de exclusão de pares.
Os gráficos de dispersão são apresentados nas Figuas 2 a 5.
(a) 0 50 100 150 200 250 15 18 21 24 27 30 33 Temperatura PT S (b) 0 20 40 60 80 100 120 140 15 18 21 24 27 30 33 Temperatura MP 1 0 (c) 0 20 40 60 80 100 120 15 18 21 24 27 30 33 Temperatura %M P 1 0
Figura 2. Gráfico de dispersão de (a) PTS,
(b) MP10 e (c) %MP10 em função da temperatura média diária.
(a) 0 50 100 150 200 250 0 10 20 30 40 50 60 70 80 Precipitação PT S
(b) 0 20 40 60 80 100 120 140 0 10 20 30 40 50 60 70 80 Precipitação MP 1 0 (c) 0 20 40 60 80 100 120 0 10 20 30 40 50 60 70 80 Precipitação %M P 1 0
Figura 3. Gráfico de dispersão de: (a) PTS,
(b) MP10 e (c) %MP10 em função da precipitação pluviométrica diária.
(a) 0 50 100 150 200 250 0 20 40 60 80 100 Umidade Relativa PT S (c) 0 20 40 60 80 100 120 140 0 20 40 60 80 100 Umidade Relativa MP 1 0 (b) 0 20 40 60 80 100 120 0 20 40 60 80 100 Umidade Relativa %M P 1 0
Figura 4. Gráfico de dispersão de: (a) PTS,
(b) MP10 e (c) %MP10 em função da umidade relativa do ar.
(a) 0 50 100 150 200 250 0 1 2 3 4 5 6 Velocidade do vento PT S
(b) 0 20 40 60 80 100 120 140 0 1 2 3 4 5 6 Velocidade do vento MP1 0 (c) 0 20 40 60 80 100 120 0 1 2 3 4 5 6 Velocidade do vento MP 1 0
Figura 5. Gráfico de dispersão de: (a) PTS,
(b) MP10 e (c) %MP10 em função da velocidade média do vento.
Analisando os gráficos de dispersão verifica-se que não é possível definir, com clareza, pares de observações que poderiam ser caracterizados como sendo outliers. Decidiu-se, portanto, realizar as análises de correlação com todas as observações.
Os gráficos de dispersão também permitem visualizar que as correlações entre os atributos climáticos com os índices de poluição deve ser fraca. Esta observação se baseia no fato de que para todos os gráficos ocorre uma nuvem dispersa de pontos e sem tendência clara.
Na Tabela 3 são apresentadas os valores médios com os respectivos desvios
padrões dos atributos PTS, MP10 e %MP10 e os atributos climáticos.
Tabela 3. Número de observações, média
aritmética e desvio padrão dos atributos relacionados à poluição do ar (PTS, MP10 e %MP10) e atributos climáticos (T, UR, P, V).
Variável n Média Desvio Padrão PTS (µg/m3) 243 84,81 34,06 MP10 (µg/m3) 265 46,39 17,93 %MP10 (%) 219 56,94 17,07 T (oC) 319 24,07 2,54 UR (%) 315 64,13 13,78 P (mm) 319 3,66 9,90 V (m/s) 319 1,88 1,20
Nota-se que a maior variabilidade, ou seja, maior desvio padrão em relação a média , ocorreu para a precipitação. Esta alta variabilidade está relacionada ao fato de que ocorrem dias sem precipitação e também dias com grande volume de chuvas. Verifica-se também que a velocidade média dos ventos apresentou-se com variabilidade próxima a 100%.
Os atributos relacionados a poluição do ar apresentaram-se com variabilidade inferior a 50%, mas esta variabilidade ainda assim é considerada alta do ponto de vista estatístico conforme Gomes (1990).
A alta variação apresentada nas concentrações, para o período analisado, reforça a necessidade de se conhecer e medir
a força de associação de atributos climáticos com a concentração de poluentes do ar.
Observando o valor médio de MP10 pode-se verificar que, no período avaliado, o ar de Uberlândia foi considerado de boa qualidade, entretanto, o desvio padrão apresentado indica que em diversas ocasiões essa qualidade foi considerada regular.
O teste de normalidade da variável MP10 (teste de Kolmogorov-Smirnov) revelou que a distribuição de MP10 se aproxima da normal (KS=0,061, com p>0,20). Desta forma, espera-se que em 42% avaliações do período a qualidade do ar não seja classificado como bom.
Na análise dos coeficientes de correlação de Pearson entre as concentrações de poluição e os atributos climáticos (Tabela 4) verifica-se que todas as correlações podem ser classificadas com fracas.
Verifica-se também que algumas correlações apresentaram significância estatística, apesar de serem consideradas fracas. Houve uma associação inversa significativa entre PTS e UR , entre MP10 e UR e entre MP10 e P, indicando que em um modelo estatísticos que vise descrever o comportamento desses atributos de poluição em função das variáveis climáticas, estas variáveis devem ser consideradas.
Tabela 4. Coeficiente de correlação de
Pearson com as respectivas significâncias para os índices de poluição relacionados aos atributos climáticos. Atributos T UR P V PTS -0,001 (0,98) -0,371 (0,00) -0,092 (0,18) -0,003 (0,97) MP10 0,073 (0,28) -0,472 (0,00) -0,159 (0,02) -0,062 (0,36) %MP10 0,045 (0,50) -0,029 (0,67) -0,041 (0,55) -0,065 (0,34) Valores na parte superior são os coef. De correlação r e valores entre parênteses são p-valor ou significância
O coeficiente de correlação negativo mostra que PTS decresce com o aumento da UR assim como MP10 decresce com o acréscimo de UR e também de P. Tais resultados estão de acordo com as discussões feitas por Cioqueta (2004) e Leite (2005).
A Tabela 5 mostra os coeficientes de correlação de Spearman para os dias da semana em que se realizou a amostragem (S) e estação climatológica (E) com PTS, MP10 e % MP10, sendo que os dias da semana e a estação climatológica foram ordenados sequencialmente.
Tabela 5. Coeficiente de correlação de
Spearman para os dias da semana (S) e a estação climatológica (E) relacionados com PTS, MP10 e %MP10
S 0.010 0.008 0.047 E 0.130* 0.217* 0.152*
* significativo (p< 0,05)
Os coeficientes de correlação apresentados na Tabela 5 também indicaram fraca associação entre o dia da semana com os atributos de poluição e também entre a estação climatológica e os mesmos índices de poluição.
Nota-se que as estações do ano tem relação direta significativa com PTS, MP10 e %MP10, apesar de ser de baixa magnitude. Os dias da semana não apresentaram correlações significativas com esses atributos. Também neste caso deve-se ressaltar que em modelos de regressão a estação do ano no qual se faz a avaliação da poluição pode ser considerada, já os dias de semana não contribuiriam significativamente para o modelo.
Neste trabalho foi avaliado também, por meio do teste de qui-quadrado e do coeficiente de contingência, a associação entre os atributos qualitativos nominais: qualidade do ar (Q) com estações climatológicas (E) e qualidade do ar (Q) com os dias da semana (S) ambos não codificados. Os resultados do teste de qui-quadrado e do coeficiente de contingência se basearam nas informações apresentadas nas
Tabelas 6 e 7. Estas tabelas são chamadas de tabelas de contingência e mostram a distribuição conjunta dos atributos analisados.
Tabela 6. Tabela de contingência dos dias
da semana com a qualidade do ar de Uberlândia. Qualidade Dia B R Total domingo 18 5 23 segunda 27 16 43 terça 26 17 43 quarta 24 21 45 quinta 16 12 28 sexta 25 20 45 sábado 30 8 38 Total 166 99 265
Observa-se (Tabelas 6 e 7) que a qualidade do ar de Uberlândia foi classificada em bom ou regular, considerando-se a concentração de partículas inaláveis e a classificação encontrada em CETESB (2008).
Não foram observados dias em que a qualidade fosse classificada com inadequada, má ou péssima, entretanto, deve-se ressaltar que os coletores estão localizados em um ponto fixo na cidade e que também devido a limitação operacional de realização das análises e de quebras de equipamentos, as coletas não foram
realizadas de forma contínua. O intervalo mínimo entre amostragens foi de 3 dias.
A estatística χ2
associada à Tabela 6 apresentou valor de 9,77 com significância de 0,13 e revela que a qualidade do ar independe dos dias da semana em que foram feitas as avaliações. O coeficiente de contingência foi de 0,13, mostrando baixa relação entre as variáveis.
A hipótese inicial de trabalho foi a de que ocorreria associação significativa entre os dias da semana e a qualidade do ar. A não significância pode estar relacionada ao tamanho da amostra e a problemas ocorridos com os coletores ao longo da coleta. Ressalta-se também que a qualidade do ar pode ser influenciada por diversos outros fatores e que a significância de 13% poderia ser aceitável em um modelo de regressão múltipla do tipo logístico, tendo em vista interações entre fatores determinantes da qualidade do ar.
Na Tabela 7 são apresentadas as observações da qualidade do ar em relação as estações climatológicas do ano.
Tabela 7. Tabela de contingência das
estações climatológicas com a qualidade do ar de Uberlândia. Qualidade Dia B R Total Verão 28 49 77 Outono 61 28 89 Inverno 38 12 50 Primavera 39 10 49 Total 166 99 265 O teste de χ2 apresentou valor de 33,87 com p-valor inferior a 0,01 mostrando a associação entre a qualidade do ar e a estação climatológica anual, com alta significância.
A quantificação dessa relação foi medida pelo coeficiente de contingência que apresentou valor de 0,34 e também foi altamente significativo. Estes resultados estão de acordo com Leite (2005) que associa problemas respiratórios em pessoas com a qualidade do ar e com a estação do ano.
CONCLUSÕES
Este estudo permitiu concluir que:
1) As correlações entre variáveis climáticas com PTS e MP10 para o período de 2003 a 2006 foram fracas. 2) Dentre as variáveis climatológicas a
precipitação pluviométrica e a umidade relativa apresentaram-se correlacionadas significativamente com as concentrações.
3) As estações do ano apresntam relação com a qualidade do ar.
4) Modelos causais de previsão de concentração de partículas totais e de MP10 devem comtemplar as variáveis precipitação e umidade relativa. 5) Modelos logísticos de previsão de
qualidade do ar devem utilizar, com variável preditora, as estações do ano.
REFERÊNCIAS BIBLIOGRÀFICAS
AYRES, M.; AYRES Jr, M.; AYRES, D. L.; SANTOS, A. S. dos. BioEstat 4.0: Aplicações estatísticas nas áreas das ciências biológicas e médicas. Belém: Sociedade Civil Mamirauá; Brasília: CNPq, 2005, 324 p.
BOTELHO, V. A. V. A.; MORAIS, A. R. Estimativas dos parâmetros da distribuição gama de dados pluviométricos no município de Lavras, Estado de Minas Gerais. Ciência Agrotécnica, Lavras, v. 23, n. 3, p. 697-706, jul./set. 1999.
BRASIL, Ministério da Agricultura. Normas Climatológicas. Rio de Janeiro: MA, 1961-1990, Brasília: 1992, 84 p.
CETESB – Companhia de Tecnologia de Saneamento Ambiental. Qualidade do ar:
padrões e índices. Disponível em: http://www.cetesb.sp.gov.br/Ar/ar_indice_pa droes.asp. Acessado em: 28/02/2008.
CIOQUETA, D. R.; ROSSY, A. S.; SILVERIO, B. C.; LIMA, E.A.P; BARROZO, M.A.S. Análise da Distribuição de Emissões Particuladas no Ar Atmosférico na Cidade de Uberlândia – MG. In: CONGRESSO BRASILEIRO DE SISTEMAS PARTICULADOS (ENEMP), 31, 2004. CD-ROOM.
FERRAZ, M. I. F; SAFADI, T.; LAGE G. Uso de modelos de séries temporais na previsão de séries de precipitação pluviais mensais no município de Lavras – MG. Revista Brasileira de Agrometeorologia, Santa Maria, v. 7, n. 2, p. 259-267, 1999.
GOMES, F. P. Curso de estatística experimental. 12. ed. São Paulo: Nobel, 1990. 467p
LEITE, N de O. Modelagem estatística da relação entre poluição atmosférica e mortalidade por doenças respitárias, 2005, 64p. Dissertação (mestrado em Estatística e Experimentação Agropecuária) – Universidade Federal de Lavras, Lavras, MG.
LIMA, E. A. Monitoramento da qualidade do ar de Uberlândia em termos de material particulado em suspensão. 2007. Tese (Doutorado em Engenharia Química) – Universidade Federal de Uberlândia, Uberlândia, MG.
LIRA, S. A.; CHAVES NETO, A. Coeficientes de correlação para variáveis ordinais e dicotômicas derivados do coeficiente linear de Pearson. Ciência e Engenharia. Uberlândia v. 15, n. ½, 2006, p. 45 – 54.
MORETTIN, P. A.; TOLOI, C. M. de C. Análise de séries temporais. São Paulo: Edagrd Blucher, 2004, 535 p..
SILVA, J. W.; GUIMARÃES, E. C.; TAVARES, M. Variabilidade temporal da precipitação mensal e anual na estação climatológica de Uberaba-MG, Ciência e Agrotecnologia, 27(3), 2003, p. 665-674.
SPIEGEL, M. Estatística. São Paulo: Makron Boooks. 3 ed., 1993, 643 p..
VERONESE, D. O.; GUIMARÃES, E. C. Análise geoestatística da temperatura média de Uberaba - MG, nas quatro estações do
ano. Ciência e Engenharia. Uberlândia, 11( 2), 2002, p. 21-26.
