A qualidade do ar está directamente relacionada com a emissão de poluentes para a atmosfera e com as condições meteorológicas locais. Os modelos construídos traduzem a relação, determinada empiricamente, entre as concentrações dos poluentes e as condições meteorológicas observadas.

As concentrações destes poluentes são medidas em diversas estações de monitorização de qualidade do ar, presentes em vários locais de Portugal e em maior número nas zonas com elevada densidade populacional – as aglomerações. Os modelos são construídos para cada estação de monitorização com o objectivo de calcular o valor das concentrações previstas para o dia seguinte.

Os modelos são construídos recorrendo à técnica de análise multivariada de dados conhecida por Classificação e Regressão em Árvore, já aplicada anteriormente (Cassmassi, 1998). Esta técnica selecciona as variáveis predictoras (independentes) a partir de um conjunto alargado de variáveis iniciais, que melhor explicam o comportamento da variável a prever (dependente).

As variáveis meteorológicas que melhor explicam a relação entre a qualidade do ar e as condições meteorológicas dependem do poluente e da altura do ano. Desta forma, pesquisam-se as possíveis variáveis predictoras a partir de um conjunto alargado de parâmetros meteorológicos. Em cada modelo, os dados de cada poluente observados no dia anterior entram como factor de persistência. Para cada poluente, em cada estação desenvolveram-se vários modelos de previsão que incluem valores de persistência observados em intervalos de tempo diferentes.

Após a selecção das variáveis predictoras, os resultados simulados pela equação de regressão linear múltipla são testados usando um conjunto de dados independentes. Para cada modelo de cada poluente desenvolvido para cada estação, é testada a performance em reproduzir os dados observados determinando o viés (tendência do modelo para subestimar ou sobrestimar o valor das concentrações), o erro absoluto médio (indica a incerteza associada a cada previsão) e outras características.

Sistema operacional de previsão

Os dados de base utilizados para a previsão são diariamente provenientes de dois Institutos. O Instituto de Meteorologia fornece as previsões diárias de cada uma das variáveis meteorológicas usadas para correr os modelos e o Instituto do Ambiente disponibiliza os dados observados dos poluentes recolhidos pelas Comissões de Coordenação e Desenvolvimento Regional através das estações de monitorização por elas geridas.

Nota: Os dados observados dos poluentes usados nos modelos de previsão são recolhidos em tempo real não sendo submetidos a validação prévia.

Cassmassi, J.: Objective Ozone Forecasting in the South Coast Air Basin:  Updating the Objective Prediction Models for the Late 1990’s and the Southern California Ozone Study (SCOS97-NARSTO) Applications,” Presented at the 10th Joint Conference on Air Pollution Meteorology, AMS Annual Meeting, Phoenix, AZ, January, 1998.

EPA. Guidelines for Developing an Air Quality (Ozone and PM2.5) Forecasting Program, U.S. Environmental Protection Agency, Office of Air Quality Planning and Standards, North Carolina, EPA-456/R-03-002. 2003.

Ferreira, F.m Torres, P, Neto, J & Tente, H.: Statistical Air Quality Prediction for Lisbon. “Statistical Air Quality Prediction for Lisbon”, Valência_5th Urban Air Quality Conference, 2005. 

Thompson, M.L ; Reynolds, J; Cox, L.H., Guttorp, P: Sampson,P.D.: “A review of statistical methods for meteorological adjustment of tropospheric ozone” . Atmospheric Environment,35,617-630. 2001

Wang, W., Weizhen, L., Wang, X., Leung, A. : “Prediction of maximum daily ozone level using combined neural network and statistical characteristics”. Environment International 29, pp. 555–562.. 2003