• Nenhum resultado encontrado

Estudo da Concentração da Poluição do Ar com Parâmetro Fuzzy

N/A
N/A
Protected

Academic year: 2021

Share "Estudo da Concentração da Poluição do Ar com Parâmetro Fuzzy"

Copied!
7
0
0

Texto

(1)

Estudo da Concentra¸c˜

ao da Polui¸c˜

ao do Ar com

Parˆ

ametro Fuzzy

Jennifer Cristina Borges1

Instituto de Biociˆencias, Letras e Ciˆencias Exatas, UNESP, S˜ao Jos´e do Rio Preto, SP Rosana Sueli da Motta Jafelice2

Faculdade de Matem´atica, UFU, Uberlˆandia, MG Luiz Antˆonio de Oliveira3

Instituto de Geografia, UFU, Uberlˆandia, MG Ana Maria Amarillo Bertone4

Faculdade de Matem´atica, UFU, Uberlˆandia, MG

Resumo. O objetivo deste trabalho ´e modelar matematicamente uma fonte de polui¸c˜ao, que consideramos como sendo a chamin´e de uma ind´ustria, que contamina a atmosfera com uma nuvem de polui¸c˜ao que se espalha pela cidade de Uberlˆandia. Modelamos o problema considerando uma equa¸c˜ao diferencial parcial advectiva-difusiva em um dom´ınio irregular, no caso o mapa de Uberlˆandia, com condi¸c˜ao de fronteira de Dirichlet homogˆenea e os parˆametros difus˜ao e velocidades s˜ao calculados atrav´es de Sistemas Baseados em Regras Fuzzy (SBRF). As vari´aveis de entrada do SBRF para a, vari´avel de sa´ıda, difus˜ao s˜ao: temperatura e concentra¸c˜ao de poluentes. A vari´avel de entrada dos SBRF que tem como vari´aveis de sa´ıda, as velocidades na dire¸c˜ao x e y, ´e a for¸ca de atrito causada por barreiras, como por exemplo: edif´ıcios, vegeta¸c˜ao e outros. Utilizamos dados reais de temperatura, varia¸c˜oes de concentra¸c˜ao de poluentes e varia¸c˜oes das velocidades na dire¸c˜ao x e y da cidade de Uberlˆandia, esses dados s˜ao importantes na obten¸c˜ao dos SBRF utilizados para calcular os parˆametros da equa¸c˜ao. A equa¸c˜ao ´e resolvida atrav´es de aproxima¸c˜oes num´ericas via M´etodo de Elementos Finitos e o M´etodo de Cranck-Nicolson para a discretiza¸c˜ao no tempo. Atrav´es dessa modelagem ´e poss´ıvel verificar qual ´e a melhor localiza¸c˜ao de um “polo industrial” em Uberlˆandia, nos pontos estudados.

Palavras-chave. Equa¸c˜oes Diferenciais Parciais; Sistema Baseado em Regras Fuzzy; Con-centra¸c˜ao de Poluentes; Dados de Sat´elite; M´etodo de Elementos Finitos.

1

Introdu¸

ao

O prop´osito do estudo ´e modelar na cidade de Uberlˆandia uma fonte de polui¸c˜ao que consideramos como sendo uma chamin´e de uma ind´ustria que contamina a atmosfera com uma nuvem de polui¸c˜ao que se espalha por toda a cidade em uma malha irregular.

Consideramos, tamb´em, a presen¸ca de um vento regional, e a possibilidade de um decaimento de aeross´ois poluentes por conta do assentamento das part´ıculas. Como es-tamos considerando um certo vento regional, podemos tomar a velocidade como sendo v = (v1, v2). Vamos construir um modelo evolutivo para descrever esta situa¸c˜ao e

pro-gramar um c´odigo num´erico de modo que possamos obter aproxima¸c˜oes da evolu¸c˜ao do

1 jennifercristina6@hotmail.com 2 rmotta@ufu.br 3 luiz.oliveira@ufu.br 4 amabertone@ufu.br

(2)

quadro de impacto num determinado per´ıodo de tempo. Esse trabalho difere do problema desenvolvido por [5] e [6], que realiza o estudo em uma cidade hip´otetica retangular com parˆametro fuzzy apenas na difus˜ao; nesta abordagem utilizamos dados reais de tempera-tura, informa¸c˜oes da difus˜ao e das velocidades de Uberlˆandia, em malha compat´ıvel com o mapa da cidade.

Assim, com a inten¸c˜ao de tornar este estudo mais pr´oximo da realidade, considera-mos a fronteira do dom´ınio como sendo o contorno da cidade de Uberlˆandia e utilizamos dados reais de temperatura obtidos pelo sat´elite Landsat-8. Inicialmente, obtemos a apro-xima¸c˜ao da solu¸c˜ao da equa¸c˜ao determin´ıstica atrav´es do M´etodo dos Elementos Finitos (MEF) e do M´etodo de Cranck-Nicolson. Em seguida, incorporamos SBRF para levar em considera¸c˜ao fatores reais que influenciam a difus˜ao de poluentes e as velocidades. Inicial-mente, definimos conjunto fuzzy. Dado um conjunto X universo definimos como conjunto A fuzzy pela sua fun¸c˜ao de pertinˆencia µA(x) ∈ [0, 1]. Em [1], comenta os detalhes das

quatro componentes da estrutura do SBRF que s˜ao: fuzzifica¸c˜ao, base de regras, m´etodo de inferˆencia e defuzzifica¸c˜ao.

Na pr´oxima se¸c˜ao apresentamos alguns componentes que interferem na concentra¸c˜ao de poluentes do ar.

2

Fatores que Influenciam a Concentra¸

ao de Poluentes do

Ar em Uberlˆ

andia

Nesta se¸c˜ao estudamos os fatores que influenciam os parˆametros fuzzy com a cola-bora¸c˜ao de um especialista na ´area de climatologia. Para determinar a concentra¸c˜ao de poluentes do ar em Uberlˆandia, precisamos de 896 valores de temperatura da cidade, que ´e o n´umero de n´os da malha. Assim, utilizamos imagens de sat´elite adquiridas no portal eletrˆonico do centro de sensoriamento remoto do Servi¸co Geol´ogico dos Estados Unidos (USGS) para obtermos tais temperaturas. Optamos por manipular as imagens no mˆes de junho e setembro por apresentar uma diferen¸ca expressiva de temperaturas. Utilizamos valores de temperatura aparente de superf´ıcie do Thermal Infrared Sensor (TIRS)/Landsat-8, banda 10, para os meses de junho e setembro de 2014. Apresentamos duas imagens de sat´elite do Landsat-8, ambas da banda 10 (infravermelho termal) e de faixa espectral (10,6-11,9 µm) [4].

A imagem apresentada na Figura 1 foi coletada pelo sat´elite com passagem em 14 de ju-nho de 2014 `as 10:15min:12s. Todos os processamentos de corre¸c˜ao e convers˜ao de imagens foram realizados no software Envi 4.7 e no ArcGis 10.1 com a colabora¸c˜ao do especialista na ´area (para maiores detalhes ver [1]). Posteriormente, para um melhor detalhamento dos dados, definiu-se classes (intervalos) de temperatura de superf´ıcie, ap´os todo os pro-cessamentos e convers˜oes obtemos a Figura 2 que apresenta o mapa de Uberlˆandia com as temperaturas do mˆes de junho, e a seguinte escala: 1cm ´e equivalente a 1, 5km. Esse mesmo processo foi utilizado para gerar o mapa de Uberlˆandia com as temperaturas no mˆes de setembro. O terceiro autor, coordenador do Laborat´orio de Climatologia da Uni-versidade Federal de Uberlˆandia, organizou e forneceu essas figuras obtidas pelo software ArcGis 10.1.

(3)

Figura 1: Imagem do sat´elite do mˆes de junho processada no Envi 4.7.

Figura 2: Imagem do mapa de Uberlˆandia com as temperaturas no mˆes de junho.

Na Figura 3 ´e representada a malha discretizada utilizada para a aproxima¸c˜ao num´erica da equa¸c˜ao (1). Essa malha foi obtida utilizando o contorno em vermelho apresentado na Figura 2, que geramos no software livre GMSH [3] juntamente com o software Matlab, e a partir da´ı, obtemos a malha triangularizada para a aplica¸c˜ao do MEF.

100 200 300 400 500 600 700 50 100 150 200 250 300 350 400 450 500 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 6364 65 66 67 68 6970 71 7273 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264265 266267 268 269270271 272 273 274 275 276277278 279 280 281 282 283284285286 287 288 289 290 291292 293294295 296297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350351 352 353 354 355 356 357358 359 360 361 362 363364 365 366 367368 369 370 371 372 373 374 375 376 377 378 379380 381 382 383 384 385 386 387 388389 390 391 392393 394 395 396 397398 399 400 401 402 403404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532533 534 535 536 537 538 539 540 541542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589590 591 592 593 594 595 596 597598 599 600 601 602 603 604605 606 607608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696697 698 699700 701 702 703 704 705 706 707 708709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741742 743744 745746 747 748 749 750 751 752 753 754 755 756 757758 759 760 761 762 763 764 765766 767768 769770 771 772 773 774 775776 777 778779 780 781782 783 784785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831832 833 834 835 836 837838 839 840 841842 843 844 845 846 847 848 849 850 851852 853 854 855856 857858 859 860 861 862863 864 865 866 867868 869870 871 872873 874875 876 877878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896

Figura 3: Mapa de Uberlˆandia discretizado.

Para relacionar cada n´o da malha da Figura 3 com o mapa das temperaturas Figura 2, foi necess´ario sobrepor estas e fazer a intersec¸c˜ao para criar os 896 n´os na Figura 2. Assim, temos o valor da temperatura em cada n´o da malha. Para o mˆes de setembro fizemos de maneira an´aloga. As temperaturas m´ınima, m´edia e m´axima para o mˆes de junho s˜ao 14.5oC, 23.39oC, 27.5oC, respectivamente. As temperaturas m´ınima, m´edia e m´axima para o mˆes de setembro s˜ao 23.5oC, 33.19oC, 37.5oC, respectivamente.

De [2], temos que a varia¸c˜ao da concentra¸c˜ao M P10 (part´ıculas com diˆametro

aero-dinˆamico inferior a 10 µm) ´e 0 − 300µm, medida no centro de Uberlˆandia em 2003. A classe de velocidades de vento predominante no ano de 2012 foi de 0.5 − 2m/s (varia¸c˜ao da resultante da velocidade).

3

Modelo Determin´ıstico para a Polui¸

ao do Ar

(4)

       ∂u ∂t − α  ∂2 u ∂x2 + ∂2 u ∂y2  + v1 ∂u ∂x+ v2 ∂u ∂y + σu = f (x, y) ∈ Ω, t ∈ (0, T ] u = 0 em ∂Ω u(x, y, 0) = u0(x, y) (1)

onde u(x, y, t) ´e a concentra¸c˜ao de poluentes no instante t, α representa a difus˜ao na regi˜ao, v1 e v2 s˜ao a velocidade de transporte (que ocorrer´a nos eixos x e y, respectivamente), o σ

representa o decaimento e o f representa a fonte de poluentes (no nosso caso, a chamin´e). A fun¸c˜ao f ´e definida como:

f (x, y, t) = 0, ∀(x, y) 6= (xi, yi) para algum i ∈ {1, · · · , 896} e

f (xi, yi, t) = d, ∀t ∈ N.

Vamos considerar as condi¸c˜oes de contorno u = 0, isto ´e, assumindo que a cidade de Uberlˆandia seja grande o suficiente, que a concentra¸c˜ao de poluentes na fronteira seja igual a zero [4]. A aproxima¸c˜ao num´erica da solu¸c˜ao da equa¸c˜ao (1) ´e obtida com σ = 0.001, α = 0.8, v1 = 0.02m/s2, v2= 0.001m/s2, o valor da fonte ´e d = 0.002 e a condi¸c˜ao inicial

´e dada por:

u0(x, y) = 0, ∀(x, y) 6= (xi, yi) para algum i ∈ {1, · · · , 896} e u0(xi, yi) = d.

Na Figura 4 ´e apresentado o gr´afico da concentra¸c˜ao dos poluentes na primeira itera¸c˜ao. Na Figura 5 ´e apresentado o gr´afico da concentra¸c˜ao de poluentes no n´o 644 para 100 itera¸c˜oes. Observe que independente do n´o que colocamos a fonte de poluentes, obtemos a mesma concentra¸c˜ao de poluentes, pois consideramos os parˆametros α, v1, v2 e σ constantes.

Figura 4: Concentra¸c˜ao de poluentes no ar no in´ıcio do processo. 0 20 40 60 80 100 0 1 2 3 4 5 6 7 8x 10 −4 Tempo (t) Concentração de Poluentes

Figura 5: Concentra¸c˜ao de poluentes em cada itera¸c˜ao no n´o 644.

4

Modelo Fuzzy para a Polui¸

ao no Ar

Na equa¸c˜ao (1), incorporamos a difus˜ao, velocidade no eixo x e y como parˆametros fuzzy, e lembrando que em (1) o dom´ınio considerado ´e a cidade de Uberlˆandia. Assim, a equa¸c˜ao do modelo se apresenta da forma:

       ∂u ∂t − α(T, u)  ∂2 u ∂x2 + ∂2 u ∂y2  + v1(A) ∂u ∂x+ v2(A) ∂u ∂y + σu = f (x, y) ∈ Ω, t ∈ (0, T ] u = 0 em ∂Ω u(x, y, 0) = u0(x, y). (2)

(5)

Note que, neste caso esses parˆametros s˜ao calculados em fun¸c˜ao de algumas carac-ter´ısticas da posi¸c˜ao da malha atrav´es de um SBRF, sendo o valor da fonte d = 100. Vamos utilizar a temperatura (T ) e a concentra¸c˜ao de polui¸c˜ao (u) de cada ponto da ci-dade (malha) como fatores que influenciam na difus˜ao α. Tamb´em, consideramos a for¸ca de atrito (A) como vari´avel que influencia nas velocidades. Assim, utilizamos os SBRF apresentados na subsec¸c˜ao 4.1, para obtermos os diferentes valores de α, v1 e v2 um para

cada ponto do dom´ınio discretizado, onde acontece a difus˜ao. A fun¸c˜ao f ´e definida como:

f (x, y, t) = 0, ∀(x, y) 6= (xi, yi) para algum i ∈ {1, · · · , 896} e

f (xi, yi, t) =



d, se t < ˜t 0, se t ≥ ˜t, d > 0. Na simula¸c˜ao consideramos a condi¸c˜ao inicial dada por:

u0(x, y) = 0, ∀(x, y) 6= (xi, yi) para algum i ∈ {1, · · · , 896} e u0(xi, yi) = d.

O valor de ˜t = 5 representa o tempo de funcionamento da ind´ustria. Consideramos que a ind´ustria emite poluentes no per´ıodo matutino, pois a passagem do sat´elite ´e nesse per´ıodo. Estamos considerando que cada itera¸c˜ao representa uma hora, desta forma, a ind´ustria emite poluentes por cinco horas. Podemos observar que a equa¸c˜ao (2) n˜ao ´e linear, pois precisamos determinar a difus˜ao da polui¸c˜ao no presente instante afim de encontrar a solu¸c˜ao em cada tempo posterior. Assim utilizamos o c´alculo da extrapola¸c˜ao da concentra¸c˜ao da polui¸c˜ao feita por uext= 2ui+1−ui, i = 1, 2, . . ., obtendo a concentra¸c˜ao

no presente instante e determinamos a difus˜ao pelo SBRF. Logo a aproxima¸c˜ao da solu¸c˜ao num´erica da equa¸c˜ao (2) ´e obtida utilizando o MEF e o m´etodo de Crank-Nicolson, e os parˆametros fuzzy α, v1 e v2.

4.1 Sistemas Baseados em Regras Fuzzy

Nesta subse¸c˜ao apresentamos os SBRF que s˜ao utilizados para obter os parˆametros fuzzy da equa¸c˜ao diferencial parcial advectiva-difusiva (2).

A difus˜ao depende da temperatura e da concentra¸c˜ao de poluentes. Utilizamos as varia¸c˜oes da temperatura e da concentra¸c˜ao de M P10 j´a apresentadas no se¸c˜ao 2.

Consi-deramos o dom´ınio da temperatura [14.5, 37.5], sendo do valor m´ınimo ao valor m´aximo das temperaturas nos meses de junho e setembro. A outra vari´avel de entrada, concentra¸c˜ao de poluentes apresenta o dom´ınio [0, 300]. As fun¸c˜oes de pertinˆencia s˜ao triangulares e trapezoidais. A vari´avel lingu´ıstica de sa´ıda, difus˜ao da polui¸c˜ao (α) consideramos o dom´ınio [0, 1] e as fun¸c˜oes de pertinˆencia s˜ao triangulares. Cada vari´avel lingu´ıstica tem trˆes termos lingu´ısticos. Assim, o SBRF tem nove regras fuzzy, apresentamos uma regra: • Se a temperatura ´e ´e alta e a concentra¸c˜ao de poluentes ´e m´edia ent˜ao a difus˜ao ´e

alta.

O m´etodo de inferˆencia ´e o m´etodo de Mamdani e o m´etodo de defuzzifica¸c˜ao ´e o Centro de Gravidade.

(6)

As velocidades dependem da for¸ca de atrito. Para obter a varia¸c˜ao das velocidades na dire¸c˜ao x e y utilizamos [2] j´a mencionado na se¸c˜ao 2, ou seja, a varia¸c˜ao da resul-tante da velocidade est´a entre 0.5 e 2m/s. Como os valores fornecidos s˜ao referentes `a resultante da velocidade e estamos trabalhando com as componentes x e y da velocidade, devemos determinar as varia¸c˜oes das componentes. Consideramos no SBRF a velocidade na dire¸c˜ao do eixo x variando de 0 a 0.5m/s e a velocidade na dire¸c˜ao do eixo y variando de 0 a 0.01m/s, ou seja, a resultante ´e igual 0.5m/s, quando as componentes s˜ao 0.01m/s e 0.5m/s. A vari´avel lingu´ıstica de entrada para v1 e v2 ´e a for¸ca de atrito, com dom´ınio

[0, 1]. As fun¸c˜oes de pertinˆencia s˜ao trapezoidais. A vari´avel lingu´ıstica de sa´ıda v1

(Velo-cidade na dire¸c˜ao x, com dom´ınio [0, 0.5]. No outro SBRF tem como vari´avel de sa´ıda v2

(Velocidade na dire¸c˜ao y) com dom´ınio [0, 0.01]. As fun¸c˜oes de pertinˆencia para v1 e v2

s˜ao trapezoidais.

Como temos as temperaturas em cada n´o da malha, precisamos do valor do atrito em cada n´o. Devido `a dificuldade de obter barreiras nos pontos da cidade, optamos por utilizar uma distribui¸c˜ao randˆomica entre 0 e 1, para o valor do atrito em cada n´o da malha.

Uma das regras fuzzy baseada no conhecimento do especialista na ´area ´e a seguinte: • Se a for¸ca de atrito ´e alta ent˜ao as velocidades v1 e v2 s˜ao baixas.

Consideramos a cidade de Uberlˆandia dividida em 5 regi˜oes como mostra a Figura 6, escolhemos um n´o em cada regi˜ao para estudarmos a concentra¸c˜ao de poluentes nessas regi˜oes. Os n´os escolhidos foram:

• n´o 130: Regi˜ao Sul (Proximidades do bairro Shooping Park e da Faculdade UNITRI); • n´o 159: Regi˜ao Leste (Proximidades do

Par-que do Sabi´a);

• n´o 512: Regi˜ao Oeste (Imedia¸c˜oes do bairro Jardim Europa);

• n´o 644: Regi˜ao Central(Centro da cidade); • n´o 696: Regi˜ao Norte (Proximidades do

Dis-trito Industrial). Figura 6: Regionaliza¸c˜ao de Uberlˆandia. Os gr´aficos das Figuras 7 e 8 apresentam a concentra¸c˜ao de poluentes ap´os 8 itera¸c˜oes nos n´os 644, 130, 159, 512 e 696. As simula¸c˜oes foram feitas nesses cinco n´os para identi-ficar qual seria a melhor localiza¸c˜ao para se construir outras ind´ustrias. Esta identifica¸c˜ao ´e realizada verificando-se onde a concentra¸c˜ao de poluentes assume o menor valor. Ob-serve que os gr´aficos das figuras mostram que a concentra¸c˜ao de poluentes aumenta at´e a itera¸c˜ao 5, mostrando que a ind´ustria est´a emitindo poluente. Nas itera¸c˜oes seguintes, a concentra¸c˜ao de poluentes diminui a cada itera¸c˜ao. Este comportamento ´e compat´ıvel com o esperado. Na Figura 9 ´e apresentada a diferen¸ca de concentra¸c˜ao de poluentes entres os meses de junho e setembro em cada n´o e atrav´es dessa figura nota-se que a regi˜ao mais adequada para a constru¸c˜ao de outras ind´ustrias ´e pr´oximo do n´o 644.

(7)

1 2 3 4 5 6 7 8 0 0.5 1 1.5 2 2.5 3 3.5 Tempo (t) Concentração de Poluentes Nó 644 Nó 130 Nó 159 Nó 512 Nó 696 Figura 7: Concentra¸c˜ao de poluentes no ar em cada n´o, no mˆes de junho. 1 2 3 4 5 6 7 8 0 0.5 1 1.5 2 2.5 3 3.5 Tempo (t) Concentração de Poluentes Nó 644 Nó 130 Nó 159 Nó 512 Nó 696 Figura 8: Concentra¸c˜ao de poluentes no ar em cada n´o, no mˆes de setembro. 1 2 3 4 5 6 7 8 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 Tempo (t)

Diferença de Concentração de Poluentes

Nó 644 Nó 130 Nó 159 Nó 512 Nó 696

Figura 9: Diferen¸ca de con-centra¸c˜ao de poluentes dos meses em cada n´o.

5

Conclus˜

oes

Como o n´o 644 est´a localizado na regi˜ao central da cidade, pela l´ogica n˜ao seria vi´avel construir uma ind´ustria neste local, assim devemos observar o n´o que teria a segunda menor concentra¸c˜ao. Logo, a melhor localiza¸c˜ao seria no n´o 159 que est´a localizado na regi˜ao leste da cidade. Portanto conclu´ımos que a melhor localiza¸c˜ao para se construir outras ind´ustrias na cidade de Uberlˆandia seria na regi˜ao Leste da cidade, considerando os n´os estudados. No modelo determin´ıstico a concentra¸c˜ao de poluentes ´e a mesma em qualquer ponto da cidade, pois n˜ao ´e levado em conta fatores importantes que influenciam a dispers˜ao e a velocidade dos poluentes. Assim, acreditamos que, devido `a incerteza dos fenˆomenos naturais, a combina¸c˜ao de equa¸c˜oes diferenciais e a teoria da l´ogica fuzzy nos permite retratar o fenˆomeno estudado mais pr´oximo da realidade poss´ıvel.

Agradecimentos

A primeira autora agradece `a CAPES pela bolsa de doutorado e a segunda autora agradece `a bolsa da Capes/Est´agio Sˆenior/Processo no

88881.119095/2016-01.

Referˆ

encias

[1] J. C. Borges, Estudo da Concentra¸c˜ao da Polui¸c˜ao do Ar com Parˆametro Fuzzy em Uberlˆandia, Disserta¸c˜ao de Mestrado, UFU, 2016.

[2] M. V. O. Fernandes, Simula¸c˜ao da Concentra¸c˜ao de Material Particulado Inal´avel de Origem Veicular em uma Interse¸c˜ao Sinalizada de Uberlˆandia-MG, Disserta¸cao de mestrado em Engenharia Qu´ımica, UFU, 2013.

[3] Gmsh: a three finite element mesh generator with built-in pre- and post-processing facilities. http://geuz.org/gmsh/. Acesso: 28 de janeiro, 2015.

[4] S. A. Marciel e L. A. Oliveira, Avalia¸c˜ao do valores gerados de temperatura de su-perf´ıcie dos sensores TIRs do sat´elite Landsat 8 aplicados ao per´ımetro urbano do munic´ıpio de Uberlˆandia-MG, AMBI ˆENCIA, 12(3): 821-830, 2016.

[5] C. C. Oliveira, P. H. Mello, R. S. M. Jafelice and J.F. Meyer, A Model of Dispersion of Pollutants in the Air using Fuzzy Parameters, In International Symposium on Mathematical and Computational Biology, Rio de Janeiro, Rio de Janeiro, Brasil, 2010.

[6] D. S. Oliveira, Aplica¸c˜oes de Equa¸c˜oes Diferenciais com Parˆametro Fuzzy, Monografia, UFU, 2011.

Referências

Documentos relacionados

Diante do reordenamento dos portfólios mundiais, em que a economia global caminha para um novo equilíbrio, comandada pela maior dinâmica dos países desenvolvidos – em especial

Tal defini¸c˜ao leva a concluir que, quando se interpretam os dados de algum levantamento como taxas de varia¸c˜ao nas dire¸c˜oes dos eixos, naqueles pontos podem ser obtidas curvas

As caracter´ısticas para descri¸c˜ao de regi˜oes em uma imagem s˜ao obtidas a partir dos coeficientes da transformada wavelet, que apresentam informa¸c˜oes sobre as

Suponha que a quantidade semanal demandada dos pneus radiais Super Titan esteja relacionada com seu pre¸ co unit´ ario pela equa¸c˜

Um conjunto X dotado de uma rela¸c˜ ao de ordem parcial ´e dito ser um conjunto bem-ordenado se todo subconjunto A n˜ ao vazio de X tem um elemento m´ınimo em A.. Mostre que

Mostre que todo conjunto bem-ordenado segundo uma rela¸c˜ ao parcial de ordem ´e tamb´em totalmente ordenado.. segundo a mesma

Com isso, alguns objetivo foram tra¸ cados tais como: o estudo te´ orico e a implementa¸ c˜ ao num´ erica de m´ etodos aplicados ` a resolu¸ c˜ ao de Sistemas de Equa¸ c˜ oes n˜

Esse fenômeno, pode ser analisado à luz da Teoria Histórico-cultural, principalmente nos estudos de Vygotski (1995) sobre a atenção voluntária e controle da