Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA POLITÉCNICA
Salvador
2021
1
BEATRIZ ALVES DE JESUS SANTOS
Albuquerque.
Salvador
2021
2
BEATRIZ ALVES DE JESUS SANTOS
Data da Aprovação:______________________________
Banca Examinadora:
3
AGRADECIMENTOS
A Deus pela vida, pela força e por cada conquista. Por ter me feito a pessoa que sou
hoje e por me mostrar que tudo é possível ao que crê. Por ter segurado a minha mão em cada
dificuldade e por me impulsionar para conquistar cada desafio. A Ele minha gratidão!
Ao meu melhor amigo e marido Railander, por todo apoio e incentivo que me
ajudaram a chegar até aqui. Por não me deixar desacreditar de mim e por muitas vezes ser
trampolim para que eu alcance voos altos.
Aos meus pais Hamilton e Edivania por fazerem de mim a mulher que sou hoje. Por
cada conversa e por me ajudar a superar cada dificuldade que se apresentou a mim com força e
coragem. E acima de tudo por terem plantado em mim o amor a Deus.
A minha irmã Bianca, pela parceria, companheirismo, pelas longas conversas, pelos
sorrisos largos e por sempre acreditar em mim, você é um presente de Deus na minha vida.
Aos meus avós Cosme e Lourdes que plantaram em mim o desejo em buscar
conhecimento. Obrigada por terem me ajudado a não desistir de buscar os meus sonhos. Sem
dúvidas foi por vocês que eu iniciei essa caminhada.
Aos meus familiares que entenderam por tantas vezes a minha ausência e que sempre
torceram por cada conquista.
Aos meus amigos de longa data, que por tantas vezes foram válvulas de escape nessa
caminhada. Obrigada pela amizade, pelos diálogos bobos e pelos papos “cabeça” também.
Aos amigos que a UFBA me deu por não só compartilharem das dores da graduação,
mas por se tornarem peças fundamentais na minha caminhada. Quero levar vocês pra minha
vida.
A professora Elaine por ter sido paciente e uma mentora no período em que
trabalhamos juntas, que sorte a minha ter encontrado a senhora no caminho.
Ao meu chefe de estágio Gilmar Sales por ter aberto as portas da SUMAI-UFBA pra
mim, por ter me mostrado o mundo da engenharia ambiental com tanta paciência e
comprometimento. Você plantou a semente da área ambiental em mim.
Aos colegas da SUMAI por terem me acolhido tão bem no período em que estive com
vocês. Eu aprendi muito com cada um.
4
EPÍGRAFE
Abraham Lincoln
5
RESUMO
6
ABSTRACT
Air pollution is one of the most complex environmental problems currently being faced
by humanity, with vehicles being one of the main sources of pollutant emissions in urban
centers. In 2020, the vehicle fleet in Salvador reached 1.035.490 auto-vehicles that circulate
throughout the city, causing traffic jams, especially during peak hours. Vehicles emit pollutants
with the potential to cause serious impacts to the population’s health, such as Carbon Monoxide
(CO), Particulate Material (PM) and Nitrogen Dioxide (NO2). Currently, the city's air quality
monitoring network is disabled, which makes the mathematical models that estimate the
concentration of pollutants useful tools for evaluating the impact on receptors. This work
consists of an assessment of the environmental impact resultant from the decrease in the flow
of vehicles on Avenida Mário Leal Ferreira, after the implementation of restriction measures to
contain the advance of COVID-19 in the city of Salvador-BA, through simulations carried out with
the AERMOD View software. For this, flow data from April 2019, January, February and April
2020 were used. From the pollutant emission factors, the trafic lane's information and the city's
meteorological data, the distributions of CO, MP and NO2 pollutants concentrations were
obtained. The results showed that the concentration values for CO in 8h vary between 143.25 –
14,313.16 (µg/m³) in April 2019; 124.91 – 12,523.97 (µg/m³) in January/February 2020 and 82.45
– 8,209.11 (µg/m³) in April 2020. The concentration values for MP10 in 24h vary between 2 –
179.05 (µg/m³) in April 2019; 1 – 124.53 (µg/m³) in January/February 2020 and 0.7 – 70,38 in
April 2020. For 1 year the concentration of MP10 ranged between 0.9 – 96.47 (µg/m³) in April
2019; 0.7 – 72.70 (µg/m³) in January/February 2020 and 0.4 – 36.85 in April 2020. For NO2 in 1h
the concentration ranged between 24.99 – 2,503.47 (µg/m³) in April 2019; 21.15 – 2,111.21
(µg/m³) in January/February 2020 and 17.55 – 1,369.48 (µg/m³) in April 2020. For 1 year the
concentration of NO2 ranged between 3.15 – 302.76 in April 2019; 2.25 – 243.21 (µg/m³) in
January/February 2020 and 1.35 – 126.50 (µg/m³) in April 2020. The concentration peaks occur
in the receptors that are closest the avenue and in valley regions where the dispersion of
pollutants is also hampered by the constructions in its surroundings. Since the concentrations in
April 2020 were much smaller than in previous months. When compared with the standards
defined by CONAMA Resolution No. 491/18 for NO2, the results in every month extrapolated the
standard, for the CO and for the MP only the results for April 2020 remained within the standard
established by the legislation. The results were also compared with previous work, showing that
over the years the pollutants concentration increased in the avenue. The evaluation shows that
the decrease in the flow of vehicles also leads to a decrease in the concentration of pollutants
from mobile emission sources, reducing the impact on the population’s public health around the
avenue caused by exposure to high concentration levels of these pollutants. Mathematical
modeling proved to be a useful tool for the study, allowing to predict the concentrations in the
studied receptors.
Key words: Air quality. Vehicle pollution. COVID-19. Atmospheric emissions. AERMOD View.
Salvador-BA.
7
ÍNDICE
1. INTRODUÇÃO ................................................................................................................. 13
2. OBJETIVOS ...................................................................................................................... 15
2.1 OBJETIVOS ESPECÍFICOS .......................................................................................... 15
3. REVISÃO BIBLIOGRÁFICA ................................................................................................ 16
3.1 ESTRUTURA ATMOSFÉRICA ...................................................................................... 16
3.2 POLUIÇÃO DO AR..................................................................................................... 17
3.3 EMISSÕES VEICULARES ............................................................................................ 18
3.3.1 Frota veicular no Brasil ..................................................................................... 19
3.3.2 Combustíveis ................................................................................................... 22
3.3.3 Emissões de descarga....................................................................................... 24
3.3.4 Emissões evaporativas ..................................................................................... 25
3.3.5 Poluentes......................................................................................................... 26
3.4 QUALIDADE DO AR .................................................................................................. 29
3.4.1 PROCONVE ...................................................................................................... 30
3.4.2 PROMOT .......................................................................................................... 33
3.4.3 Parâmetros de Qualidade do Ar ....................................................................... 33
3.5 INVENTÁRIO DE EMISSÕES....................................................................................... 35
3.6 MODELAGEM MATEMÁTICA .................................................................................... 36
3.6.1 AERMOD View. ................................................................................................ 38
4 METODOLOGIA ............................................................................................................... 40
4.1 DEFINIÇÃO DA ÁREA DE ESTUDO ............................................................................. 40
4.2 RECEPTORES ............................................................................................................ 41
4.3 DADOS DE ENTRADA NO SOFTWARE ....................................................................... 41
4.4 DADOS METEOROLÓGICOS ...................................................................................... 43
4.5 CARACTERIZAÇÃO METEOROLÓGICA DA CIDADE DE ESTUDO .................................. 43
4.5.1 Ventos ............................................................................................................. 43
4.5.2 Precipitação pluviométrica ............................................................................... 45
4.5.3 Topografia e cobertura do terreno ................................................................... 45
4.6 QUANTIFICAÇÃO DA FROTA DA AVENIDA BONOCÔ. ................................................ 47
5 RESULTADOS E DISCUSSÃO............................................................................................. 49
5.1 ESTIMATIVA DOS FATORES DE EMISSÃO DE POLUENTES .......................................... 49
5.1.1 ESTIMATIVA DAS TAXAS DE EMISSÃO................................................................... 54
5.2 RESULTADOS DA SIMULAÇÃO .................................................................................. 56
8
5.2.1 SIMULAÇÕES DE POLUENTES NO AERMOD VIEW ................................................. 58
• MONÓXIDO DE CARBONO (CO)................................................................................ 58
• MATERIAL PARTICULADO (MP10).............................................................................. 61
• DIÓXIDO DE NITROGÊNIO (NO2)............................................................................... 67
• CONCENTRAÇÃODE POLUNTES NOS DIFERENTES PERÍODOS .................................... 72
6 CONCLUSÕES .................................................................................................................. 74
7 SUGESTÕES PARA TRABALHOS FUTUROS ....................................................................... 75
8 APÊNDICES...................................................................................................................... 76
APÊNDICE A – Descrição matemática do AERMOD. ............................................................. 76
DESCRIÇÃO DO AERMET...................................................................................................... 76
• METODOLOGIA DO AERMOD ................................................................................... 80
• Cálculo da concentração no AERMOD. ..................................................................... 85
• Caracterização da dispersão em camada limite urbana. ........................................... 95
APÊNDICE B – Planilhas de fluxo de veículos da av. Bonocô fornecidas pela TRANSALVADOR.
........................................................................................................................................... 97
9 REFERÊNCIAS ................................................................................................................ 118
9
LISTA DE FIGURAS
10
LISTA DE TABELAS
11
LISTA DE GRÁFICOS
12
1. INTRODUÇÃO
Emissões atmosféricas ocorrem de forma natural como na dispersão de pólen, emissão
de substâncias em erupções vulcânicas, poeira proveniente de dunas. Ou a partir de fontes
antropogênicas como as substâncias provenientes das chaminés das indústrias, material
proveniente da queima de combustíveis, fuligem gerada por queimadas causadas pela ação do
homem. A emissão dessas substâncias influencia na dinâmica da atmosfera, podendo afetar no
clima e causar efeitos adversos ao meio ambiente (GODISH, 2003).
Ao longo dos anos o aumento do uso de combustíveis fósseis, seja para a geração de
energia elétrica ou para uso como combustível de veículos automotores, tem provocado o
aumento da quantidade de poluentes emitidos na atmosfera. Esses poluentes apresentam
potencial em afetar à saúde humana, de plantas e a integridade de estruturas (AHRENS e
HENSON, 2019; IEMA, 2014).
Segundo a OMS, em 2016 a poluição atmosférica foi responsável por 4,2 milhões de
mortes prematuras. Essa mortalidade foi causada principalmente pela exposição a
micropartículas que provocam doenças cardiovasculares e respiratórias (WHO, 2018a). No
Brasil, alguns estudos mostraram que o crescimento da poluição do ar em grandes centro
urbanos do país, está diretamente associado ao crescimento de internações e mortes por
doenças respiratórias e cardiovasculares em crianças e idosos (GOUVEIA et al., 2003).
Estimativas recentes apontam que nove em cada dez pessoas no mundo respiram ar
contendo altos níveis de poluentes. Ambientes com péssimas condições de qualidade do ar
apresentam grande risco a saúde humana, sendo os ambientes urbanos os que apresentam
maiores índices de poluição devido ao grande número de fontes móveis e estacionárias de
emissão (GOUVEIA et al., 2021; WHO, 2018b).
As fontes móveis veiculares são uma das principais fontes de poluição atmosférica nos
centros urbanos. O tráfico de veículos é responsável por cerca de 90% das emissões de
monóxido de carbono (CO), 80 a 90% das emissões de óxidos de nitrogênio (NOx), é responsável
também pela emissão de hidrocarbonetos e de uma quantidade significativa de material
particulado (MP) (HABERMANN; GOUVEIA, 2012; HABERMANN; MEDEIROS; GOUVEIA, 2011).
Os veículos grandes como ônibus e caminhão são responsáveis pela maior parte da emissão de
óxidos de nitrogênio e de enxofre, enquanto os veículos leves são os principais responsáveis
pela emissão de monóxido de carbono e hidrocarbonetos (TEIXEIRA; FELTES; DE SANTANA,
2008).
13
de dispersão de poluentes auxiliam na obtenção de parâmetros da qualidade do ar e
possibilitam a comparação destes parâmetros com os padrões estabelecidos pelos órgãos
ambientais, permitem a avaliação dos impactos ambientais na área de estudo reforçando os
parâmetros obtidos pelos instrumentos de controle da qualidade do ar (AMBIMET, 2021).
O fluxo de veículos é uma variável que está ligada diretamente ao nível de atividade
da fonte móvel de emissão e, consequentemente, à quantidade de poluentes emitidos em uma
região (JACONDINO, 2005). Quanto maior o fluxo de veículos em uma avenida, por exemplo,
maior será a concentração de poluentes ao longo desta avenida.
14
2. OBJETIVOS
Avaliar o impacto da diminuição do fluxo de veículos em Salvador-BA na qualidade do
ar nas imediações da Av. Mário Leal Ferreira, estudando os poluentes – Monóxido de Carbono
(CO), Material particulado (MP) e Dióxido de Nitrogênio (NO2) – emitidos pelos veículos ao
longo da avenida, após a implementação das medidas de restrição para conter o avanço da
pandemia de COVID-19 na cidade.
- Efetuar o estudo de dispersão dos poluentes atmosféricos através do Software AERMOD View.
15
3. REVISÃO BIBLIOGRÁFICA
A troposfera pode ser dividida em duas regiões, a camada limite planetária, que tem
uma extensão vertical de 1 km e a troposfera livre, que se estende até a tropopausa (GODISH,
2003). A troposfera é a camada mais próxima à superfície terrestre, onde ocorrem os fenômenos
climáticos relacionados com a poluição do ar, é nesta camada onde se concentra os estudos de
dispersão de poluentes e seus efeitos (LEMOS, 2010).
16
Figura 01: Estrutura da atmosfera (baseado em U.S. Standard Atmosphere).
3.2 POLUIÇÃO DO AR
O ar presente na atmosfera é um recurso ambiental essencial para a manutenção da
vida, para o metabolismo dos seres vivos e para a dispersão de substâncias resultantes de
fenômenos naturais e de atividades antrópicas. A contaminação do ar pode ocorrer por
diferentes processos naturais, no entanto são os processos antropogênicos que apresentam
maior potencial de causar danos ao meio ambiente e à saúde pública (GODISH, 2003).
17
Os poluentes podem ser classificados como poluentes primários que são emitidos
diretamente na troposfera em uma forma nociva, como fuligem e monóxido de carbono. Ou
secundários, que são gerados na troposfera quando algum poluente primário reage com outro
ou com componentes básicos do ar (MILLER JR, 2007).
A poluição do ar também pode ser causada por fontes naturais, como os gases
liberados durante as erupções vulcânicas, nas queimadas florestais, na decomposição de plantas
e animais, por pólens e esporos, hidrocarbonetos voláteis liberados pelas plantas, vapor do
oceano, erosão do solo e minerais carregados pelo vento, gases provenientes do solo e da
superfície da água, ozônio (O3), óxidos de nitrogênio (NOx) provenientes de tempestades
elétricas, e ozônio advindo da intrusão estratosférica e de reações fotoquímicas (GODISH, 2004).
18
polui mais do que os humanos, no entanto essa poluição tem um potencial relativamente baixo
em causar efeitos na saúde e no bem-estar, já que os contaminantes associados à poluição
natural do ar são tipicamente muito baixos, normalmente a distância que separa as fontes de
poluição natural e grandes populações humanas é grande, e as principais fontes de poluição
natural são esporádicos e transitórios (GODISH, 2004).
As fontes móveis veiculares são umas das principais fontes de poluição do ar,
principalmente nas grandes cidades. Os grandes congestionamentos em horários de pico, a
redução na velocidade média nos corredores de tráfego, e o maior gasto de combustível são
questões comuns nos centros urbanos. As emissões dos veículos contêm substâncias tóxicas
prejudiciais à saúde pública e ao meio ambiente (TEIXEIRA; FELTES; DE SANTANA, 2008). Essas
substâncias têm potencial de modificar as propriedades da atmosfera e da precipitação; causar
danos à vegetação e elevar o potencial de doenças e mortes prematuras em humanos e
deteriorar materiais. (AHRENS e HENSON, 2019; OLIVEIRA, 2018).
19
Tabela 01: Frota de veículos de 2012 a 2020.
20
Tabela 02:Categoria de veículos e o tipo de combustível empregado.
No Brasil em 2018, 67,1% da frota total era de veículos flex-fuel, 22,2% de veículos a
gasolina e 10% de veículos a diesel. Os veículos híbridos e elétricos já somavam 11.038 unidades,
o que representou 0,025% da frota total (SINDIPEÇAS, 2019).
21
Gráfico 01: Evolução da frota por combustível (Automóveis; Comerciais leves; Caminhões; ônibus).
3.3.2 Combustíveis
Os combustíveis utilizados em veículos automotores (Gasolina, Diesel, GNV e etanol)
são hidrocarbonetos ou misturas de hidrocarbonetos (HC) (JACONDINO, 2005).
22
A gasolina é uma mistura inflamável complexa de vários hidrocarbonetos que são
obtidos através do refino de correntes do petróleo. Suas moléculas podem variar de 5 a 12
átomos de carbono. A mistura de hidrocarbonetos que compõem a gasolina entra inicia a
ebulição em aproximadamente 30°C com um ponto final em 215°C (ANP, 2020b).
23
Figura 02: Tipos de emissões.
Esta relação também pode ser expressa a partir de outra variável, a taxa equivalente
φ.
(𝐴⁄𝐹)
𝑒𝑠𝑡𝑒𝑞𝑢𝑖𝑜𝑚é𝑡𝑟𝑖𝑐𝑎
Taxa equivalente = φ = (𝐴⁄𝐹 )𝑎𝑡𝑢𝑎𝑙
24
Figura 03: Concentração de HC, CO e NOx nos gases de escape em relação a φ.
25
Tabela 4: Categoria das emissões evaporativas
3.3.5 Poluentes
Em condições ideais a combustão de hidrocarbonetos que constituem os combustíveis
resulta em H2O e CO2. No entanto, estas condições nem sempre são alcançadas, e o que ocorre
é a queima parcial do combustível e reações secundárias indesejáveis. Como resultado da
combustão incompleta são formados subprodutos que constituem poluentes perigosos.
Compostos como material particulado, chumbo (Pb) e dióxidos de enxofre (SO2) são
subprodutos da combustão dos hidrocarbonetos. São denominados poluentes primários, pois
são lançados na atmosfera diretamente pelos veículos. Reações secundárias envolvendo os
subprodutos do processo de combustão podem ocorrer e formar compostos como o ozônio (O3)
e o dióxido de carbono (CO2) (JACONDINO, 2005).
26
Tabela 5:Compostos emitidos pelos veículos e seus efeitos.
Nos grandes centros urbanos, os veículos são os principais responsáveis pela emissão
dos óxidos de nitrogênio (CETESB, 2020b). Quando a queima de combustível é ineficaz a
formação de NOx é pequena, no caso contrário, quando há excesso de O2 e maior queima de
combustível uma maior quantidade de NOx é formada (JACONDINO, 2005).
3 𝑁𝑂2 + 𝐻2 𝑂 → 2 𝐻𝑁𝑂3 + 𝑁𝑂
27
A poluição por NOx está diretamente relacionada aos casos de doenças
cardiovasculares e respiratórias nas populações dos centros urbanos. Estima-se que há um
aumento de 8% no risco de morte quando a concentração de NOx cresce em 10 𝜇𝑔/𝑚 3
(VISSCHER, 2014). A exposição a níveis de NO2 entre 50 e 10 ppm pode levar a inflamação no
tecido pulmonar, quando a concentração de NO2 passa a 150 e 200 ppm leva a ocorrência de
casos de bronquiolite fibrosa obliterante e a exposição a concentrações acima de 500 ppm pode
levar a morte (LYRA, 2008)
28
Figura 04: Comparação do diâmetro das partículas de MP.
O MP pode ser de origem natural como o sal marinho, poeira em suspensão, pólen e
cinza vulcânica. Ou antropogênica, que são provenientes principalmente da queima de biomassa
para aquecimento doméstico, da agricultura, de atividades da indústria, acionamento de freios,
desgaste de pneus, desgaste de estradas e da combustão de combustíveis (BRANDÃO, 2020).
3.4 QUALIDADE DO AR
A qualidade do ar é alterada de acordo com as condições meteorológicas. As
concentrações de substâncias como monóxido de carbono, material particulado e dióxido de
enxofre aumentam nos meses de inverno, período em que as condições meteorológicas são
menos favoráveis à dispersão de poluentes, causando uma piora nos índices de qualidade do ar.
O ozônio apresenta maiores concentrações na primavera e verão, por ser um poluente
secundário que depende da intensidade da luz solar para ser formado (CETESB, 2019).
Alguns poluentes são determinantes para definir o nível da qualidade do ar. Eles são
escolhidos de acordo com sua frequência de ocorrência, os efeitos adversos à saúde pública e
ao meio ambiente, e segundo os recursos materiais e humanos disponíveis. O grupo de
poluentes determinados universalmente como indicadores da qualidade do ar são o monóxido
de carbono, dióxido de enxofre, material particulado, dióxido de nitrogênio e o ozônio (CETESB,
2019).
29
ocorrência de danos irreversíveis e fatais à saúde. No início da regulamentação o dióxido de
enxofre (SO2), ozônio (O3), óxidos de nitrogênio (NOx), monóxido de carbono (CO), material
particulado (MP) e chumbo (Pb) foram classificados como criteria air polluants. E o mercúrio,
berílio, asbesto, cloreto de vinila, benzeno, arsênio, coque e cádmio foram classificados como
hazardous air polluants. A partir dessa classificação foram desenvolvidos os padrões primários
e secundários de qualidade do ar (LEMOS, 2010).
No Brasil, foi na constituição de 1967 que se mencionou pela primeira vez o tema
ambiental. E, foi apenas a partir da sua participação na Conferência de Estocolmo em 1972, que
se iniciou a mobilização do estado brasileiro para criar normas para garantir a manutenção do
meio ambiente. Em 1981 foi criada a legislação ambiental brasileira que é utilizada como base
até hoje para a Política Nacional do Meio Ambiente, Lei n°6.938/81 (MOURA, 2016; MURO JR.,
2014).
3.4.1 PROCONVE
Em 1986 foi criado o Programa de Controle da Poluição do Ar por Veículos
Automotores – PROCONVE, com o objetivo de reduzir os níveis de emissão de poluentes e
atender aos padrões de qualidade do ar; promover o desenvolvimento tecnológico nacional na
engenharia automobilística e nos equipamentos de ensaio para medição da emissão de
poluentes; criar programas de inspeção e de manutenção para veículos automotores já em
circulação; conscientizar a população quanto aos problemas da poluição do ar por motores de
combustão interna; avaliar os resultados alcançados de acordo com as medidas estabelecidas
para promover a diminuição da poluição atmosférica e; promover a melhoria das características
técnicas dos combustíveis líquidos, de maneira a reduzir as emissões de poluentes (MMA, 2010).
30
A primeira fase do PROCONVE foi implantada para os veículos leves (L-1), de 1988 a
1991. É caracterizada pela eliminação dos modelos mais poluentes e aprimoramento da
produção. Na segunda fase (L-2), de 1992 a 1996, investiu-se na adequação de catalisadores e
sistemas de injeção eletrônica para uso com mistura de gasolina e etanol. Na terceira fase (L-3),
de 1997 a 2004, foram empregadas as melhores tecnologias disponíveis para a formação de
mistura e controle eletrônico do motor como, por exemplo, o sensor de oxigênio. Na fase (L-4),
2005 – 2008, foram desenvolvidos motores com novas tecnologias como a otimização da
geometria da câmara de combustão e dos bicos de injeção, o aumento da pressão da bomba
injetora e a injeção eletrônica. Na fase (L-5) deu-se prioridade a redução das emissões de HC e
NO. Nessa fase reduziu-se 31% das emissões de hidrocarbonetos não metano para os veículos
leves do ciclo Otto e Diesel, respectivamente. Além disso, as emissões de aldeídos foram
reduzidas em aproximadamente 67% para os veículos do ciclo Otto (MMA, 2010).
Figura 05: Evolução dos limites de CO, HC, NOx e CHO para veículos leves (fases PROCONVE - L).
Em setembro de 2009 foi publicada a nova fase (L-6) de exigências do PROCONVE para
veículos automotores leves novos de uso rodoviário. Nesta fase foram estabelecidos limites
máximos de emissão de poluentes como o monóxido de carbono (CO), hidrocarbonetos totais
(THC), hidrocarbonetos não metano (NMHC), NOx, aldeídos (CHO) para o ciclo Otto, MP para o
ciclo diesel, CO em marcha lenta para o ciclo Otto, provenientes do escapamento de veículos
31
automotores leves de passageiros e de uso rodoviário. Os limites máximos de emissão de
poluentes estabelecidos pela fase L-6 do PROCONVE foram estabelecidos entre os anos de 2013
e 2017.
O PROCONVE também prevê o controle de emissões para veículos pesados, uma vez
que estes veículos são os principais emissores de material particulado e óxidos de nitrogênio.
Para isso foram publicadas fases de implantação de estratégias para controle de emissões de
poluentes. Nas fases P1 e P2, de 1990 – 1993, iniciou-se o controle de emissão gasosa (fase P-1)
e material particulado (fase P-2) para veículos pesados. Na fase P-3, 1994 a 1997, deu-se o
desenvolvimento de novos modelos de motores visando a redução do consumo de combustível,
aumento da potência e redução das emissões de óxidos de nitrogênio (NOx) por meio da adoção
de intercooler e motores turbo. Na fase seguinte (P-4), 1998-2002, os limites criados na fase P-
3 foram ainda mais reduzidos. As fases P-5 (2003 – 2008) e P-6 (2009 – 2011) tiveram como
objetivo reduzir as emissões de MP, NOx e HC.
Em novembro de 2008 uma nova fase (P-7), para veículos pesados, foi estabelecida
com limites de emissão ainda mais rígidos, que entrou em vigor em janeiro de 2012. No mesmo
período o CONAMA aprovou uma nova resolução que define as exigências da fase P-8 para o
controle das emissões de gases poluentes e de ruído para veículos automotores pesados novos
de uso rodoviário.
32
3.4.2 PROMOT
O Programa de Controle da Poluição do Ar por Motociclos e Veículos Similares
(PROMOT) foi criado em 2002 com o objetivo de complementar o controle do PROCONVE, e
contribuir para reduzir a poluição do ar por fontes móveis no Brasil. De forma análoga ao
PROCONVE, foram implementadas as fases do PROMOT denominadas de “fases M”. Nestas
fases estão contempladas inovações tecnológicas nos ciclomotores e similares que possibilitam
a redução das emissões. O controle realizado pelo PROMOT é executado a partir da classificação
dos ciclomotores em função de seu deslocamento volumétrico (cilindradas) (MMA, 2010).
IV – Padrões de qualidade do ar final – PF: são valores guia definidos pela Organização
Mundial da saúde – OMS em 2005”.
33
Tabela 6: Padrões de Qualidade do Ar
Poluentes e concentrações
SO2 Material Particulado CO O3 NO2
μg/m3 MP10 MP2,5 ppm μg/m3 μg/m3
Nível 3 3
(média de μg/m μg/m (média (média de (média de
24h) (média de (média de móvel de 8h) 1h)
24h) 24h) 8h)
Atenção 800 250 125 15 200 1.130
Alerta 1.600 420 210 30 400 2.260
Emergência 2.100 500 250 40 600 3.000
Fonte: adaptado da Resolução CONAMA 491/18.
SO2 = dióxido de enxofre; MP10 = material particulado com diâmetro aerodinâmico equivalente
de corte de 10μm; MP2,5 = material particulado com diâmetro aerodinâmico equivalente de
corte 2,5 μm; CO = monóxido de carbono; O3 = ozônio; NO2 = dióxido de nitrogênio μm/m3; ppm
= partes por milhão.
34
O IQAR pode ser calculado pela equação seguinte:
𝐼𝑓𝑖𝑛− 𝐼𝑖𝑛𝑖
𝐼𝑄𝐴𝑟 = 𝐼𝑖𝑛𝑖 + 𝐶𝑓𝑖𝑛 − 𝐶𝑖𝑛𝑖
𝑥 (𝐶 − 𝐶𝑖𝑛𝑖 )
Onde:
35
mais rápida e prática de se estimar as emissões de poluentes, utilizando fatores de emissão
baseados em parâmetros conhecidos (LYRA, 2001).
O cálculo de emissões de gases por autoveículos, pode ser feito através do método
Tier-1 ou top-down, ou pelo método Tier-2 ou bottom-up. A escolha da metodologia dependerá
da qualidade dos dados primários locais existentes (Lemos, 2010). A abordagem top-down utiliza
os dados de consumo aparente de combustível para estimar as emissões de uma determinada
região, já a abordagem bottom-up utiliza os dados da frota, a distância percorrida para cada tipo
de veículo, a autonomia e o volume de combustível consumido e os fatores de emissão dos
veículos para estimar a emissão de poluentes (BRANDÃO, 2020; CETESB, 2019).
𝐸𝐹 = 𝑁 𝑥 𝐾𝑚 𝑥 𝐹𝑒𝐹
Onde:
Segundo (BRANDÃO, 2020) “os modelos de devem ser capazes de simular em detalhes
os efeitos da turbulência para obter estimativas confiáveis sobre a distribuição da concentração
dos poluentes no espaço”. Esses modelos podem ser agrupados em duas classes principais: a
classe dos modelos Eulerianos e a dos modelos Lagrangeanos. Existem ainda os modelos
Gaussianos que foi obtido a partir dos outros dois.
36
O modelo Gaussiano foi alcançado a partir de aproximações com relação à homogeneidade da
turbulência e a velocidade do vento que permitiu a simplificação da equação de transporte de
massa, a ponto de se obter uma solução analítica. Este modelo é amplamente utilizado na
tomada de decisão na avaliação do impacto ambiental proveniente de efluentes gasosos e
industriais devido ao mínimo custo de processamento computacional e da boa concordância
destas estimativas com os valores reais (VICENTINI, 2011).
𝑄 𝑦2 (𝑧 − 𝐻)2 (𝑧 + 𝐻)
𝐶 (𝑥, 𝑦, 𝑧) = exp (− 2 ) 𝑥 [exp (− 2
) + 𝛼 exp (− )]
2𝜋𝜎𝑦 𝜎𝑧 2𝜎𝑧 2𝜎𝑧 2𝜎𝑧2
Onde:
𝑧 é a altura do solo;
37
𝑢̃ é a velocidade média do vento;
38
Figura 08: Modo de entrada dos dados dos pré-processadores no ARMOD.
AERMET AERMAP
• Gera PBL Para Gera dados do terreno
• Passa perfis medidos e do receptor
P P P X
O
A B A Y
B
S L R Z
S
S A hc
INTERFACE M
AERMOD
• Relações de semelhança U, turb, dT/dZ Cálculos de
• Perfis interpolados concentrações
Fonte: Adaptado de CIMORELLI et. al, 2004.
Mais detalhes sobre a modelagem matemática realizada pelo AERMOD estão descritas
no Apêndice A.
39
4 METODOLOGIA
Este estudo será realizado para análise da qualidade do ar da Avenida Mário Leal
Ferreira (Bonocô) no período pré pandemia e durante a pandemia de COVID-19. Para isso, a
modelagem será feita com os dados de fluxo da avenida Bonocô nos meses de abril de 2019,
janeiro, fevereiro e abril de 2020.
Para a obtenção dos dados de concentração e das plumas de dispersão dos poluentes
emitidos por veículos automotores na Av. Bonocô a serem estudados neste trabalho, utilizou-se
o Software AERMOD view, da Lakes Enviromental. Os parâmetros utilizados para a simulação
foram: fluxo veicular na avenida estudada, fator de emissão para cada poluente, comprimento
e largura da via escolhida, altura média dos veículos, condições meteorológicas e topográficas
da área de estudo.
Os critérios que nos levaram a escolher essa avenida para estudo foram:
• A avenida possui intenso tráfego de veículos e radares que permitiu a obtenção dos
dados de fluxo para o estudo.
• Está localizada numa região importante da cidade, rodeada de prédios comerciais,
construções residenciais, supermercados e estações do metrô. Interliga a BR324 ao
comércio, Lapa e a avenidas importantes como a av. ACM.
• Possui um grande fluxo de veículos que são majoritariamente responsáveis pela
poluição atmosférica dessa região.
• Disponibilidade dos dados de fluxo na avenida.
A área da avenida considerada para o estudo foi os seus 3,3 km de comprimento e seus
65,6 metros de largura (considerando os dois sentidos da via).
40
4.2 RECEPTORES
A avenida Bonocô possui um grande fluxo de veículos por ser uma avenida que liga
importantes regiões da cidade. É uma região muito utilizada para realizar integração entre linhas
de ônibus e o metrô. Além disso a Bonocô é próxima de bairros de grande densidade
populacional como os bairros de Nazaré, Brotas, Cosme de Farias, Daniel Lisboa, Luís Anselmo,
Engenho Velho de Brotas, Campinas de Brotas e Santa Teresa.
4.3.2 Seleção dos poluentes, das médias necessárias para obtenção das concentrações e do
tipo de terreno;
4.3.3 Definição do tipo de fonte: linha tipo volume, com uma configuração continua (emissão
ao longo de toda via);
41
➢ Taxa de emissão;
➢ Largura da via;
➢ Número de vias na avenida;
➢ Tamanho médio dos veículos;
➢ Frota veicular em cada hora do dia ao longo de um mês ou três meses.
4.3.8 O computador utilizado para as simulações foi um DELL – Optiplex 7040, Intel® core ™
i5 – 6500 CPU@ 3,20 GHz 3,19 GHz, 8GB – RAM. Sistema operacional de 64 bits,
processador com base em x64, Windows 10.
42
4.4 DADOS METEOROLÓGICOS
Os dados meteorológicos disponíveis foram implementados no pré-processador
AERMET. Foram utilizadas as informações do perfil meteorológico local no ano de 2013 e dados
de superfície. O AERMET requer dados de entrada de superfície, que foram adicionados hora a
hora, como unidade relativa, temperatura, velocidade e direção do vento, radiação solar,
precipitações e informações do Upper-air (camada atmosférica acima de 1,5 km), como
temperatura, altitude e direção e velocidade dos ventos. A partir dos arquivos de entrada o
ARMET pode extrair essas informações, avalia-los e agrupar em um bloco com informações de
cada dia. Como saída o AERMET gera dois arquivos de dados contendo informações referentes
ao perfil vertical da atmosfera para o cálculo dos parâmetros da camada limite e dados
meteorológicos de superfície (EPA, 2020b).
4.5.1 Ventos
Por estar localizada em uma região litorânea, Salvador conta com a constância das
brisas marinhas e terrestres durante o ano, com ciclos diurnos, maior incidência de ventos
durante o dia e predomínio ao final da tarde e ao cair da noite. Além desses, a cidade conta com
a influência de mecanismos atmosféricos globais – ventos alísios – caracterizados por um regime
também constante. A direção desse mecanismo gera uma predominância de ventos vindos do
leste e sudeste (BAHIA, 2001).
43
Figura 10: Direções dos ventos em Salvador.
A avenida Mário Leal Ferreira é também influenciada por esses ventos, em menor grau
uma vez que fica localizada numa região cercada de construções.
Fonte:(WINDFINDER, 2021).
44
4.5.2 Precipitação pluviométrica
A precipitação pluviométrica através das chuvas, a depender da sua intensidade
apresentam grande potencial na remoção dos poluentes do ar, contribuem com a melhora na
qualidade do ar em localidades onde o escoamento do ar é obstruído por construções ou
barreiras naturais. Também auxiliam na intensificação dos ventos, por isso, regiões onde
grandes edificações interferem no deslocamento do ar, a chuva se torna protagonista na
emissão de poluentes (VICENTINI, 2011).
Em Salvador chove ao longo de todo o ano, com uma variação sazonal significativa na
precipitação mensal de chuva. A estação de maior precipitação dura 4,8 meses, de 23 de março
a 17 de agosto, com probabilidade acima de 37% de que um determinado dia tenha precipitação.
A probabilidade máxima de um dia com precipitação é de 56% em 7 junho. A estação seca dura
7,2 meses, de 17 de agosto a 23 de março. A probabilidade mínima de um dia com precipitação
é de 19% em 20 de dezembro (WEATHER SPARK, 2021).
Figura 12: Chuva mensal média (linha contínua) acumulada durante o período contínuo de 31 dias ao
redor do dia em questão, com faixas d e25° ao 75° e do 10° ao 90° percentil.
A avenida Mário Leal Ferreira apresenta altitude que varia de 24 a 62 metros de altura.
Está localizada em uma região de morro e possui trechos com altitude elevada e outros de
45
menores altitudes, além de estar cercada de construções comerciais e residenciais. Na avenida
passa também um trecho da linha 01 do metrô de Salvador com duas estações de transbordo
localizadas ao longo da avenida. Essa configuração dificulta a dispersão de poluentes, pois
funciona como uma barreira topográfica à dispersão, como mostra a figura 13.
Figura 13: Mapa topográfico de Salvador - região da av. Mário Leal Ferreira.
Figura 14: Gradiente de velocidade do vento em função da altura e tipo de cobertura do solo.
46
4.6 QUANTIFICAÇÃO DA FROTA DA AVENIDA BONOCÔ.
A altura média dos veículos foi calculada a partir dos dados da altura média de cada
categoria veicular, para isso foi feita a consulta da ficha técnica dos modelos mais vendidos de
cada categoria e os dados obtidos podem ser visto na tabela a seguir:
47
Figura 15:Frota mensal da av. Mário Leal Ferreira sentido BR324.
48
5 RESULTADOS E DISCUSSÃO
A obtenção do fator de emissão para cada categoria veicular é o primeiro passo para
o cálculo da taxa de emissão de cada sentido da via. O fator de emissão depende do ano de
fabricação e do tipo de combustível que o veículo está consumindo. Os fatores foram obtidos a
partir da metodologia definida no Inventário nacional de Emissões Atmosféricas por Veículos
Automotores Rodoviários do Ministério do Meio Ambiente (2013). Os veículos pequenos, por
exemplo, são compostos por veículos a gasolina, a álcool, do tipo flex, a diesel, gás natural e
elétricos de diferentes anos de fabricação. Um automóvel pequeno a álcool de 2007 emite um
determinado poluente com um fator diferente de um veículo flex do mesmo ano ou a diesel de
um ano diferente. Nos anos de 2020 e 2021 foi utilizado o fator de emissão de 2019 uma vez
que os dados utilizados foram fornecidos pela CETESB até o ano de 2019.
A seguir estão listadas as etapas efetuadas para estimativa dos fatores de emissão
médios de cada categoria em cada período considerado:
➢ O quantitativo de combustível foi distribuído por cada categoria veicular. Admitindo que
ônibus, caminhões e micro-ônibus consomem apenas diesel como combustível obteve-
se a diferença da frota de diesel e esta diferença foi atribuída a parte da frota de
comerciais leves que também consomem diesel.
49
Tabela 10: Distribuição da frota por combustível para cada categoria veicular - ABRIL DE 2019.
Tabela 11: Distribuição da frota por combustível para cada categoria veicular. - JANEIRO DE 2020
Tabela 12: Distribuição da frota por combustível para cada categoria veicular - FEVEREIRO DE 2020.
Tabela 13: Distribuição da frota por combustível para cada categoria veicular – ABRIL DE 2020.
50
➢ A evolução da frota tanto em relação a categoria veicular e ao tipo de combustível
processado foram baseados nos dados do inventário de nacional de emissões (BRASIL,
2014).
Gráfico 1: Evolução da frota de veículos.
1992
2001
2010
2019
1982
1983
1985
1986
1987
1988
1989
1990
1991
1993
1994
1995
1996
1997
1998
1999
2000
2002
2003
2004
2005
2006
2007
2008
2009
2011
2012
2013
2014
2015
2016
2017
2018
2020
AUTOMÓVEIS COMERCIAL LEVE MOTOCICLETA CAMINHÃO ÔNIBUS MICRO- ÔNIBUS
51
Gráfico 3:Evolução da frota de comercial leve.
80,00%
60,00%
40,00%
20,00%
0,00%
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
ÁLCOOL GASOLINA FLEX DIESEL
1985
1988
1991
1994
1997
2000
2003
2006
2009
2012
2015
2018
2021
1983
1984
1986
1987
1989
1990
1992
1993
1995
1996
1998
1999
2001
2002
2004
2005
2007
2008
2010
2011
2013
2014
2016
2017
2019
2020
GASOLINA FLEX
➢ Para obter a frota veicular estratificada foi feita a multiplicação da porcentagem de cada
categoria, pela porcentagem do combustível pela frota total de cada ano. Com os dados
de frota obtidos foi feita a normalização destes para encontrar o valor exato da frota
total dos meses do estudo.
52
Tabela 14: Fator de emissão por automóvel (g/km).
É possível observar uma pequena variação nos valores dos fatores de emissão de cada
poluente nos diferentes meses do estudo. Esta variação ocorre devido a mudança na
composição da frota em cada mês, como o fator de emissão depende da categoria veicular e do
tipo de combustível que o veículo consome essa mudança na frota leva também a uma variação
nos fatores de emissão em cada mês do estudo.
53
𝑔 𝑔 𝑘𝑚 1ℎ
𝐹𝑒 ( ) = (𝐹𝑒 ∗ ) ( ) 𝑥𝑉𝑚 ( ) 𝑥 ( )
𝑠 𝑘𝑚 ℎ 3600𝑠
Tabela 18: Média horária semanal de cada sentido da avenida Mário Leal Ferreira.
Velocidade média da via sentido Centro Velocidade média da via sentido Iguatemi
(km/h) (km/h)
56,59 51,88
Fonte: Próprio autor (2021).
Tabela 19: Fatores de emissão por automóvel em cada sentido da via (g/s).
Tabela 20: Fatores de emissão por comercial leve em cada sentido da via (g/s).
54
Tabela 21: Fatores de emissão por caminhão em cada sentido da via (g/s).
Tabela 22: Fator de emissão por ônibus em cada sentido da via (g/s).
Tabela 23: Fator de emissão por motocicleta em cada sentido da via (g/s).
55
Tabela 24: Fator médio para todas as categorias veiculares.
FATOR DE EMISSÃO
SENTIDO CENTRO SENTIDO IGUATEMI
PERÍODO NOx MP NMHC CO NOx MP NMHC
CO (g/s)
(g/s) (g/s) (g/s) (g/s) (g/s) (g/s) (g/s)
ABR 2019 3,59E-02 5,55E-03 7,40E-04 3,46E-03 4,69E-02 5,76E-03 8,70E-04 5,13E-03
JAN/FEV 2020 3,54E-02 5,37E-03 7,30E-04 3,44E-03 3,28E-02 4,79E-03 6,40E-04 3,16E-03
ABR 2020 3,52E-02 4,86E-03 6,40E-04 3,36E-03 3,27E-02 4,38E-03 5,70E-04 3,10E-03
Fonte: Próprio autor (2021).
Visando avaliar o impacto da diminuição da frota circulante na av. Mário Leal Ferreira
na concentração de poluentes provenientes de fontes veiculares nesta via, as simulações foram
realizadas para os meses de abril de 2019, janeiro, fevereiro e abril de 2020. Visto que os meses
de janeiro e fevereiro de 2020 possuem uma frota circulante semelhante, gráfico 05, os dados
desses meses foram inseridos em uma única simulação. Como o mês de março apresenta um
perfil de fluxo de veículos intermediário, uma vez que as restrições começaram na última
semana do mês, março não será avaliado no estudo.
Como é possível observar no gráfico 05, o mês de abril de 2020 foi o que apresentou
o menor fluxo de veículos em todos os horários ao longo do dia na avenida Bonocô. Visto que
neste mês as medidas de restrição para conter o crescimento da pandemia de COVID-19 em
Salvador estavam em pleno vigor.
56
Gráfico 5: Frota circulante mensal de veículos por hora.
35000
30000
10000
5000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
(h)
𝜇𝑔 𝑝𝑀
𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎çã𝑜 𝑒𝑚 3
= 𝑥 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎çã𝑜 𝑒𝑚 𝑝𝑝𝑚
𝑚 8.314𝑇
57
5.2.1 SIMULAÇÕES DE POLUENTES NO AERMOD VIEW
58
Figura 17: Pluma de dispersão de CO nos meses de janeiro e fevereiro de 2020.
O perfil de concentração para 8 h, figura 17, nos meses de janeiro e fevereiro de 2020
apresentou valores entre 124,91 e 12.523,97 𝜇𝑔/𝑚 3. A concentração na estação de metrô
Brotas foi de 5.680,31 𝜇𝑔/𝑚3 , na estação de metrô Bonocô 8.297,13 𝜇𝑔/𝑚 3 no supermercado
Atacadão 3.548,45 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 7.557,09 𝜇𝑔/𝑚 3.
Em abril de 2020 o resultado da simulação para 8h, na figura 18, apresentou uma faixa
de concentração entre 82,45 e 8.209,11 𝜇𝑔/𝑚 3. As concentrações nas estações de metrô Brotas
foi de 2.825,43 𝜇𝑔/𝑚 3, na estação de metrô Bonocô 5.180,37 𝜇𝑔/𝑚 3, no supermercado
Atacadão 1.366,33 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 2.553,83 𝜇𝑔/𝑚 3.
59
Observa-se que embora as estações de transbordo do metrô Brotas e Bonocô estejam
localizadas a uma mesma distância da avenida, a estação de transbordo Bonocô está exposta a
uma concentração de CO mais elevada que a estação Brotas, isso ocorre por causa da diferença
de altitude entre as duas estações. A estação Brotas está a aproximadamente 60 metros de
altitude e mais próxima a faixa litorânea o que possibilita uma melhor dispersão do poluente,
enquanto que a estação Bonocô está a 35 metros de altitude e numa região mais interna do
continente o que torna a dispersão de poluentes menos favorável. O Colégio estadual João
Pedro dos Santos também se encontra em uma região de elevada concentração de poluente
devido à proximidade com a avenida.
De acordo com os resultados de concentração para o mês de abril de 2019 (143,25 – 14.313,16
𝜇𝑔/𝑚 3) a qualidade do ar neste período é considerada ruim. A população pode apresentar
sintomas como tosse seca, cansaço, ardor nos olhos, nariz e garganta. As crianças, os idosos e
as pessoas com doenças respiratórias e cardíacas podem apresentar efeitos mais sérios na
60
saúde. Nos meses de janeiro e fevereiro de 2020 (124,91 – 12.523,97 𝜇𝑔/𝑚 3) a qualidade do ar
é considerada moderada, e apresenta riscos as pessoas dos grupos sensíveis como crianças,
idosos e pessoas com doenças respiratórias e cardíacas que podem vir a apresentar sintomas
como tosse seca e cansaço. Já no mês de abril de 2020 (82,45 – 8.209,11 𝜇𝑔/𝑚 3) a qualidade
do ar é considerada boa e não apresenta riscos a saúde da população (CETESB, 2021).
Concentrações de CO - 8h (𝝁𝒈/𝒎𝟑 )
Receptor
(BRANDÃO, 2020) ABRIL 19 JAN/FEV 20 ABRIL 20
Estação do
1.000 – 2.000 4.490 – 7.942 4.156 – 6.668 2.825 – 3.225
metrô Brotas
Maxxi
2.000 – 3.500 2.462 – 2.509 2.198 – 2.397 1.089 – 1.366
Atacado
Cresauto 3.500 – 3.935 2.591 – 4.849 2.626 – 4.088 1.243 – 2.595
Fonte: Próprio autor (2021).
61
Figura 19: Pluma de dispersão de MP10 24h em abril de 2019.
Figura 20: Pluma de dispersão de MP10 24h nos meses de janeiro e fevereiro de 2020.
62
Figura 21: Pluma de dispersão de MP10 24h em abril de 2020.
Já para o mês de abril de 2020 o resultado da simulação para 24h, na figura 21,
apresentou uma média de concentração entre 0,69 e 70,38 𝜇𝑔/𝑚 3. Na estação de metrô Brotas
a concentração de poluente ficou em torno de 25,65 𝜇𝑔/𝑚 3, na estação Bonocô 43,8 𝜇𝑔/𝑚 3,
no supermercado Atacadão 13,60 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 19,50
𝜇𝑔/𝑚 3.
63
Figura 23: Pluma de dispersão de MP10 em um ano - janeiro e fevereiro de 2020.
Já para o mês de abril de 2020 o resultado da simulação para 1ano, figura 24,
apresentou uma média de concentração entre 0,019 e 36,86 𝜇𝑔/𝑚 3. A concentração na estação
de metrô Brotas foi de 0,36 𝜇𝑔/𝑚3 , na estação Bonocô 21,96 𝜇𝑔/𝑚3 , no supermercado
Atacadão 7,45 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 10,22 𝜇𝑔/𝑚3 .
64
Os resultados das simulações mostram que as plumas de dispersão do MP10 nas
diferentes médias de horário apresentaram pouca variação. Os receptores expostos a
concentrações mais elevadas são praticamente os mesmos para a simulação em 24 horas e em
1 ano. Assim como para o CO, o Colégio Estadual João Pedro Santos e a estação de metrô Bonocô
estão expostos a concentrações mais elevadas de MP 10 por conta da localização destes
receptores.
As concentrações para 24h e 1 ano foram obtidos para serem comparadas com os
padrões definidos pela resolução CONAMA 491/18, como mostrado nas tabelas 27 e 28. O
padrão intermediário I (PI-1) é o utilizado pela legislação brasileira, enquanto que o padrão final
(PF) é o estabelecido pela OMS. É possível observar que em comparação com o PI-1, alguns
pontos a concentração de MP10 ultrapassa os valores estabelecidos pela legislação, exceto no
mês de abril de 2020 em que a concentração máxima para 24h foi igual a 70,38 𝜇𝑔/𝑚 3 e a
máxima para 1 ano foi de 36,85 𝜇𝑔/𝑚 3 e a legislação estabelece que a concentração máxima
deve ser de 120 𝜇𝑔/𝑚 3 para 24h e 40 𝜇𝑔/𝑚 3 para 1 ano. Já em comparação com o PF todos os
meses, tanto para 24 h quanto para 1 ano, apresentaram concentrações máximas que
ultrapassam a legislação.
65
cansaço, ardor nos olhos, nariz e garganta e levar as pessoas de grupos sensíveis a apresentarem
efeitos mais sérios na saúde. Já no mês de abril de 2020 (0,7 – 70,38 𝜇𝑔/𝑚3 ) a qualidade do ar
é considerada moderada e pode levar crianças, idosos e pessoas com doenças respiratórias e
cardíacas a apresentarem sintomas como tosse seca e cansaço.
As concentrações de MP10 obtidas por (BRANDÃO, 2020), para a média de 24h e 1 ano,
em alguns receptores da avenida Bonocô foram colocados na tabela 29 para serem comparados
com os valores obtidos neste estudo.
Já para 1 ano, no mês de abril de 2019 os valores de concentrações de MP10 na estação de metrô
Brotas e na concessionária Cresauto obtidos no estudo são maiores que os encontrados por
(BRANDÃO, 2020), e as concentrações no supermercado Maxxi Atacado (antigo Hiper
Bompreço) são menores que as encontradas por (BRANDÃO, 2020) embora apresentem
intersecções nos intervalos considerados. O mesmo comportamento se repete com os valores
obtidos na simulação com os dados de fluxo dos meses de janeiro e fevereiro de 2020. Enquanto
66
que no mês de abril de 2020, as faixas de concentrações de MP 10 na estação de metrô Brotas e
na concessionária Cresauto são próximas às encontradas por (BRANDÃO, 2020), no
supermercado Maxxi Atacado as concentrações de MP10 são menores que os valores obtidos
por (BRANDÃO, 2020).
67
Figura 26: Pluma de dispersão de NO2 em 1 hora - janeiro e fevereiro de 2020.
No mês de abril de 2020 o resultado da simulação para 1h, figura 27, apresentou uma
faixa de concentração entre 17,55 e 1.369,48 𝜇𝑔/𝑚 3 de NO2. A concentração na estação de
metrô Brotas ficou em torno de 622,91 𝜇𝑔/𝑚 3 , na estação Bonocô 886,88 𝜇𝑔/𝑚3 , no
supermercado Atacadão 342,01 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 396,80
𝜇𝑔/𝑚 3.
68
Figura 28: Pluma de dispersão de NO2 em um ano - abril de 2019.
Para o mês de abril de 2019 a simulação para o período de 1 ano apresentou valores
de concentração entre 3,15 e 297,22 𝜇𝑔/𝑚 3 de NO2, a pluma de dispersão pode ser visualizada
na figura 28. A concentração na estação de metrô Brotas ficou em torno de 133,40 𝜇𝑔/𝑚 3, na
estação Bonocô 162,18 𝜇𝑔/𝑚 3, no supermercado Atacadão 65,60 𝜇𝑔/𝑚3 e no Colégio Estadual
João Pedro dos Santos 176,52 𝜇𝑔/𝑚3 .
69
Figura 30: Pluma de dispersão de NO2 em um ano - abril de 2020.
Para o mês de abril de 2020 o resultado da simulação para 24h, figura 30, apresentou
uma faixa de concentração entre 1,35 e 126,50 𝜇𝑔/𝑚 3. A concentração na estação de metrô
Brotas ficou em torno de 40,28 𝜇𝑔/𝑚 3, na estação Bonocô 75,22 𝜇𝑔/𝑚 3, no supermercado
Atacadão 25,64 𝜇𝑔/𝑚 3 e no Colégio Estadual João Pedro dos Santos 28,76 𝜇𝑔/𝑚 3.
70
Fonte: Próprio autor (2021).
71
Tabela 34: Faixas de concentrações de NO2 em 1 ano.
Tabela 35: Frota total de veículos na av. Mário Leal Ferreira por mês.
Segundo (DE TOLEDO; NARDOCCI, 2011) a poluição emitida por fontes veiculares é a
principal fonte de poluição atmosférica nos centros urbanos. A diminuição da qualidade do ar e
o aumento de doenças respiratórias e cardiovasculares, principalmente em crianças e idosos
estão diretamente relacionadas a emissão de poluentes como o CO, NO2 e MP10. Um incremento
de 10 𝜇𝑔/𝑚3 nos níveis de poluentes, e 1 ppm de CO resultou no aumento de 1,7% da
72
mortalidade por doenças do aparelho circulatório e 13,7% da mortalidade por doenças
respiratórias e 15% da mortalidade de crianças menores de 5 anos. Os estudos demostraram
que o CO também está associado a um aumento dos casos de angina e infarto agudo do
miocárdio, ao aumento de 30% na morte de idosos por pneumonias e ao aumento percentual
de 8 vezes nas internações por doenças respiratórias totais (GOUVEIA et al., 2003, 2019).
Da mesma forma que para o CO, o MP10 e o NO2 estão associados ao aumento nas
internações de idosos e crianças devido a doenças respiratórias. Um estudo em Belo Horizonte
(BH) e cidades da região metropolitana de BH demostrou que um aumento de 10 𝜇𝑔/𝑚 3 nos
níveis de MP10 pode levar ao aumento de até 33% nas internações por doenças respiratórias e
ao aumento de 2,3 vezes nas internações por doenças cardiovasculares em maiores de 39 anos
(GOUVEIA et al., 2019).
Um longo tempo de exposição ao NO2 pode levar a 4 milhões de novos casos de asma
pediátrica por ano (VENTER et al., 2020). Segundo (CHEN et al., 2020) a diminuição da
concentração de NO2 devido a melhoria na qualidade do ar durante o período de quarentena na
China evitou 8.911 mortes, das quais 65% estariam relacionadas a doenças cardiovasculares
(hipertensão, acidente vascular cerebral e doenças coronárias) e doença pulmonar obstrutiva
crônica (COPD).
73
6 CONCLUSÕES
Este trabalho contribuiu para o conhecimento do tema de poluição atmosférica e de
uma de suas principais fontes que são os veículos automotores. A modelagem matemática
possibilitou a avaliação do impacto ambiental das medidas de restrição para conter o avanço da
pandemia de COVID-19 na cidade de Salvador-BA, na qualidade do ar em uma das principais
avenidas da cidade, a avenida Mário Leal Ferreira.
A partir dos dados da frota de veículos circulantes nos meses de abril de 2019, janeiro,
fevereiro e abril de 2020, obtidos através dos registros dos radares na avenida em estudo, foi
possível constatar que após a implementação das medidas de restrições de circulação na cidade,
em meados de março de 2020 para conter o avanço da pandemia de COVID-19 o fluxo de
veículos na av. Bonocô diminuiu consideravelmente, chegando a uma redução de 44,5% em
abril de 2020 em comparação com o fluxo de veículos no mesmo período no ano de 2019.
74
7 SUGESTÕES PARA TRABALHOS FUTUROS
➢ Realizar um levantamento mais detalhado sobre a categoria de veículos circulantes na
avenida Mário Leal Ferreira, para estimar fatores de emissões de poluentes mais
precisos.
75
8 APÊNDICES
DESCRIÇÃO DO AERMET
O primeiro passo do processamento no AERMET é o cálculo do ângulo solar mínimo
necessário para gerar calor suficiente para a superfície transferir calor para a atmosfera. A
base deste cálculo é a equação seguinte equação:
Onde R é o fluxo de radiação solar recebido pela superfície (Wm-2), φ é a elevação solar
(ângulo do sol sobre o horizonte), e n é a fração de cobertura de nuvens (valor entre 0 e 1,
geralmente 1/8).
(3)
A combinação das equações (4) e (5) leva a equação implícita, que pode ser resolvida
por iteração para obter 𝜑𝑐𝑟𝑖𝑡 . O valor é usualmente em volta de 13° para condições limpas
e parcialmente nubladas e por volta de 23° para condições encobertas.
O fluxo de calor sensível (q) da superfície para a atmosfera é calculado pela radiação
líquida, por meio da equação:
76
(1 − 𝐶𝐺 )𝑅𝑁
𝑞= (6)
1
1+
𝐵
Onde:
𝑘𝑢𝑚
𝑢∗ = 𝑧 (8)
ln ( 𝑚 )
𝑧0
Com
77
1
𝑧0 𝑧 4
𝑛0 = (1 − 16 )1/4 𝑛 = (1 − 16 ) (11)
𝐿 𝐿
𝑘𝑢
𝑢∗ = (12)
𝑧 (𝑛2 + 1)(𝑛0 + 1)2
𝑙𝑛 + ln ( 02 )+ 2(arctan(𝑛) − arctan(𝑛0 ))
𝑧0 (𝑛 + 1)(𝑛 + 1)2
Onde 𝑢∗ pode ser calculado pela equação (12) e L pela equação (10) sucessivamente
até convergir.
2
𝐶𝐷 𝑢 2𝑢0
𝑢∗ = [1 + √1 − ( ) ] (14)
2 √𝐶𝐷 𝑢
Onde
𝑘
𝐶𝐷 = 𝑧 (15)
ln ( )
𝑧0
5𝑔𝜃∗ (𝑧 − 𝑧0 )
𝑢02 = (16)
𝑇0
A equação (14) só pode ser usada quando a velocidade do vento excede um valor
mínimo (u > umin) dado por (VISSCHER, 2014b):
2𝑢0
𝑢𝑚𝑖𝑛 = (18)
√𝐶𝐷
78
Esta restrição é porque a equação (17) não é válida em baixas velocidades do vento.
Quando a velocidade do vento é menor que umin (u < umin), a mínima velocidade de fricção é
obtida por:
𝐶𝐷 𝑢𝑚𝑖𝑛
𝑢∗𝑚𝑖𝑛 = = √𝐶𝐷 𝑢0 (19)
2
E L pela equação:
𝑇𝑟𝑒𝑓 2
𝐿= 𝑢 (22)
𝑘𝑔𝜃∗ ∗
𝑞 = −𝜌0 𝑐𝑝 𝑢∗ 𝜃∗ (23)
Com B = 2300s1,5m0,5.
ℎ𝑚𝑖𝑥
𝜏= (26)
𝛽𝜏 𝑢∗
𝑡+∆𝑡 𝑡 ∆𝑡 𝑡+∆𝑡 ∆𝑡
ℎ𝑚𝑖𝑥 = ℎ𝑚𝑖𝑥 exp (− ) + ℎ𝑚𝑖𝑥,𝑒 [1 − exp (− )] (27)
𝜏 𝜏
79
• METODOLOGIA DO AERMOD
Alguns dos procedimentos realizados pelo AERMOD para a obtenção do modelo de
dispersão são o cálculo do perfil de velocidade do vento, o cálculo do perfil de temperatura
potencial, e o cálculo perfil de dispersão vertical e lateral.
𝑢∗ 𝑧 0,29𝑧 0,29𝑧0
𝑢= [𝑙𝑛 − 17 exp (− ) + 17 exp (− )] (28)
𝑘 𝑧0 𝐿 𝐿
𝑢∗ 𝑧 𝑧 − 𝑧0
𝑢= (𝑙𝑛 + 5 ) (29)
𝑘 𝑧0 𝐿
As equações acima só podem ser utilizadas para 7z0 e hmix. Abaixo de 7z0, usa-se a
equação:
𝑧
𝑢= 𝑢 (30)
7𝑧0 7𝑧0
Onde u7z0 é a velocidade do vento na altura 7z0. Em alturas que excedem a altura da
camada de mistura, e z=hmix.
Na camada limite estável (SBL), nos primeiros 100m, ∂θ/∂z é estimado por (PANOFSKY;
DUTTON, 1983) como:
∂𝜃 𝜃∗ (𝑧)
= [1+ 5 ] 𝑝𝑎𝑟𝑎 𝑧 ≤ 2𝑚 (31)
∂𝑧 𝑘𝑧 𝐿
∂𝜃 𝜃∗ 𝑧
= [1+ 5 ] 𝑝𝑎𝑟𝑎 2𝑚 < 𝑧 ≤ 100𝑚 (32)
∂𝑧 𝑘𝑧 𝐿
80
∂𝜃 ∂𝜃{𝑧𝑚𝑥} (𝑧 − 𝑧𝑚𝑥 )
= 𝑒𝑥𝑝 [− ] (33)
∂𝑧 ∂𝑧 0,44𝑧𝑖𝜃
Onde zmx = 100m, ziθ = max(hmix, 100m), e a constante 0,44 foi obtido
experimentalmente (ANDRÉ; MARRT, 1982). O gradiente do potencial de temperatura deve
ser pelo menos 0,002 Km-1. Valores menores são prejudiciais, e quando ocorrem 0,002 Km -
1
é usado.
2
𝑧 2/3 2
𝜎𝑤𝑐 = 1.6( ) 𝑤∗ 𝑝𝑎𝑟𝑎 𝑧 ≤ 0,1ℎ𝑚𝑖𝑥 , (37)
ℎ𝑚𝑖𝑥,𝑐
2
𝜎𝑤𝑐 = 0,35𝑤∗2 𝑝𝑎𝑟𝑎 0,1ℎ𝑚𝑖𝑥 < 𝑧 ≤ ℎ𝑚𝑖𝑥 , (38)
2
6(𝑧 − ℎ𝑚𝑖𝑥,𝑐 )
𝜎𝑤𝑐 = 0,35𝑤∗2 exp [− ] 𝑝𝑎𝑟𝑎 𝑧 > ℎ𝑚𝑖𝑥 , (39)
ℎ𝑚𝑖𝑥,𝑐
81
𝜎𝑢 𝑧 𝛼
= 1,3 (1 − ) (41)
𝑢∗ ℎ𝑚𝑖𝑥
𝑧 1/2
𝜎𝑤𝑚𝑙 = 1,3𝑢∗ ( 1 − ) 𝑝𝑎𝑟𝑎 𝑧 < ℎ𝑚𝑖𝑥 (42)
ℎ𝑚𝑖𝑥
2
0,35𝑤∗2 − 0,25𝑚 2 𝑠 −2
𝜎𝑣𝑐 = 0,35𝑤∗2 − ( ) (𝑧 − ℎ𝑚𝑖𝑥,𝑐 ) (ℎ𝑚𝑖𝑥 < 𝑧 < 1,2ℎ𝑚𝑖𝑥 ) (49)
0,2ℎ𝑚𝑖𝑥,𝑐
2
𝜎𝑣𝑐 = 0,25𝑚 2 𝑠 −2 (𝑧 > 1,2ℎ𝑚𝑖𝑥 ) (50)
2
O cálculo de 𝜎𝑣𝑚 depende da altura da camada de mistura gerada mecanicamente:
2 2
𝜎𝑣𝑚 = 𝜎𝑣0 = 3,6𝑢∗2 𝑝𝑎𝑟𝑎 (𝑧 = 0) (51)
2 2 2 −2
𝜎𝑣𝑚 = 𝜎𝑣𝑚ℎ = min (0,25𝑚 2𝑠 , 𝜎𝑣0 ) 𝑝𝑎𝑟𝑎 (𝑧 > ℎ𝑚𝑖𝑥,𝑚 ) (52)
82
2 2
2 2
𝜎𝑣0 − 𝜎𝑣𝑚ℎ
𝜎𝑣𝑚 = 𝜎𝑣0 −( )𝑧 𝑝𝑎𝑟𝑎 (0 < 𝑧 < ℎ𝑚𝑖𝑥,𝑚 ) (53)
ℎ𝑚𝑖𝑥,𝑚
O AERMAP faz uso dos dados de grade do terreno para calcular uma altura
representativa (hc) para cada receptor com o qual o AERMOD calcula um valor específico de
altura do receptor Hc. Através dessa abordagem, o AERMOD consegue calcular os impactos
dos poluentes nos terrenos plano e elevado dentro da mesma estrutura de modelagem,
evitando a necessidade de diferenciar as formulações para terrenos simples e complexos
como exigido para os modelos regulatórios anteriores (CIMORELLI et al., 2005).
Onde CT{xr, yr, zr} é a concentração total, Cc,s{xr, yr, zr} é a contribuição da pluma
horizontal (subscritos c e s fazem referência as condições convectiva e estável
respectivamente), Cc,s{xr, yr, zp} é a contribuição da pluma que segue o terreno, f é o fator de
ponderação, {xr, yr, zr} são as coordenadas do receptor, zp (=zr – zT) é a altura do receptor
acima do solo, e zt é a altura do terreno local.
83
Figura 31: Estado da pluma horizontal e seguindo o terreno.
Em condições convectivas, Hc = 0 e ϕp = 0.
84
Figura 32: Cálculo do fator de ponderamento, f, usado no cálculo da concentração total.
𝐶̅ = 𝐶𝑥 𝜑𝑦 𝜑𝑧 (56)
𝑄
𝐶𝑥 = (57)
𝑢̅
𝑄
𝐶𝑥 = (58)
𝑢̃
85
Ciclos convectivos presentes na camada limite convectiva consistem de pequenas,
porém fortes parcelas de ar ascendentes e maiores e mais fracas parcelas de ar
descendentes, e podem ser calculados de diversas formas. Uma pequena fração da pluma
que é arrastada pela corrente de ar ascendente aumenta consideravelmente em
comparação com a partícula média da pluma. Uma grande fração da pluma é arrastada pela
parcela de ar descendente e cai suavemente em comparação com a partícula média da
pluma.
Além dos efeitos do ciclo convectivo, o comportamento da pluma pode ser desviado
por um simples espalhamento Gaussiano quando parte da pluma penetra a camada de
inversão.
Os três efeitos citados acima são tratados no AERMOD considerando três fontes, a
fonte direta, a fonte indireta representada pela reflexão na camada de inversão, e a fonte
penetrada representada pela penetração das partículas da pluma na camada de inversão,
como mostrado na figura abaixo:
86
Figura 34: Representação das fontes direta, indireta e penetrada.
𝜆1 𝑓𝑝 (𝑧 − 𝜓𝑑1 )2 𝜆2 𝑓𝑝 (𝑧 − 𝜓𝑑2 )2
𝜑𝑧𝑑 = exp [− 2 ] + exp [− 2 ] (59)
√2𝜋𝜎𝑧1 2𝜎𝑧1 √2𝜋𝜎𝑧2 2𝜎𝑧2
Onde 𝑓𝑝 é a fração da pluma que não está aprisionado dentro da camada de inversão.
As variáveis 𝜓𝑑1 e 𝜓𝑑2 são a altura efetiva da fonte correspondente a corrente ascendente
e descendente de ar, respectivamente. Essas variáveis são dadas pelas seguintes equações:
̅̅̅̅𝑥
𝑤 1
𝜓𝑑1 = ℎ𝑠 + ∆ℎ𝑑 + (60)
𝑢
̅̅̅̅𝑥
𝑤2
𝜓𝑑2 = ℎ𝑠 + ∆ℎ𝑑 + (61)
𝑢
3
2 3 3
∆ℎ𝑒𝑞 = [2,6 𝑃𝑆 + ( ) ] ∆ℎℎ (62)
3
𝐹𝑏
𝑃𝑆 = (63)
𝑢𝑁ℎ2 ∆ℎℎ3
87
∆𝑇
𝐹𝑏 = 𝑔𝑤𝑆 𝑟𝑆2 (64)
𝑇𝑆
𝑔 𝜕𝜃
𝑁ℎ = √ ( ) (65)
𝜃ℎ𝑚𝑖𝑥 𝜕𝑧 𝑧>ℎ𝑚𝑖𝑥
∆ℎℎ
Se 0,5∆ℎ𝑒𝑞 < ∆ℎℎ : 𝑓𝑝 = − 0,5 (69)
∆ℎ𝑒𝑞
Onde:
∆ℎ𝑖 é igual a:
𝑥 2𝐹𝑏 ℎ𝑚𝑖𝑥
∆ℎ𝑖 = √ (73)
𝑢𝑝 𝛼𝑟 𝑢𝑝 𝑟𝑦 𝑟𝑧
Onde
𝑟ℎ = 𝛽2 (ℎ𝑚𝑖𝑥 − ℎ𝑠 ) (75)
88
𝛽2 = 0,4, 𝜆𝑦 = 2,3 𝑒 𝑎𝑒 = 0,1.
2
1 − 𝑓𝑝 (𝑧 − ℎ𝑒𝑝 )
𝜑𝑧𝑝 = exp [− 2 ] (76)
√2𝜋𝜎𝑧𝑝 2𝜎𝑧𝑝
ℎ𝑠 + ℎ𝑚𝑖𝑥
ℎ𝑒𝑝 = + 0,75∆ℎ𝑒𝑞 (78)
2
Na camada limite estável, o cálculo de 𝜑𝑧 é mais direto porque a dispersão pode ser
considerada Gaussiana. Desta forma:
1 1 (𝑧 − ℎ )2 1 (𝑧 + ℎ )2
𝜑𝑧 = {exp[− ] + exp [− ]} (80)
√2𝜋𝜎𝑧 2 𝜎𝑧2 2 𝜎𝑧2
1 1 𝑦2
𝜑𝑦 = exp (− ) (81)
√2𝜋𝜎𝑦 2 𝜎𝑦2
O cálculo da dispersão lateral 𝜎𝑦 é o mesmo tanto para a camada limite estável quanto
para a convectiva:
2
𝜎𝑦 = √𝜎𝑦,0 + 0,08(∆ℎ )2 (82)
𝜎̃𝑣 𝑥
𝜎𝑦,0 = (83)
78𝑧 𝜎̃𝑣 𝑥 0,3
𝑢̃ [1 + 𝑧 𝑃𝐺 ]
𝑚𝑎𝑥 𝑢
̃ ℎ𝑚𝑖𝑥
89
limite convectiva, zs é a altura da fonte atual, no caso da fonte penetrada, z s é igual a hep
(altura da fonte penetrada).
𝐻𝑝 = ℎ𝑠 + ∆𝑧 (86)
𝐻𝑝 = ℎ𝑠 + ∆ℎ (87)
A concentração de poluentes na camada limite estável pode ser descrita pela equação:
∞ 2
𝑄 ( 𝑧 − ℎ𝑒𝑠 − 2𝑚𝑧𝑖𝑒𝑓𝑓 )
𝐶𝑠 {𝑧𝑟 , 𝑦𝑟 , 𝑧} = 𝜑𝑦 × ∑ 〈exp [− ]〉 , (88)
√2𝜋𝑢̃𝜎𝑧 2𝜎𝑧2
𝑚= −∞
2
𝜎𝑧 = √𝜎𝑧,0 + 0,08(∆ℎ )2 (89)
ℎ ℎ
𝜎𝑧,0 = (1 − ) 𝜎𝑧,𝑔 + 𝜎𝑧,𝑒 (90)
ℎ𝑚𝑖𝑥 ℎ𝑚𝑖𝑥
90
E
𝜎̃𝑤 𝑥
𝜎𝑧,𝑒 = 1 (92)
2
𝜎̃𝑤 𝑥 1 𝑁𝐵𝑉
𝑢̃ (1 + 2𝑢 ( ))
̃ 0,36ℎ + 0,27𝜎̃𝑤
2 𝑢∗ 𝑥
𝜎𝑧,𝑔 = √ 1 (93)
𝜋 𝑥 3
𝑢̃ [1 + 0,7 ( )]
𝐿
1
1 1 1 1 3
𝐹𝑏 3 0,7𝑠 2 𝐹𝑚 0,7𝑠 2 𝑥 0,7𝑠 2 𝑥
∆𝑧 = 2,66 ( ) [ sin ( ) + 1 − cos ( )] (94)
𝑢̅𝑠 𝐹𝑏 𝑢̅ 𝑢̅
𝑁 ′ = 0,7𝑁𝐵𝑉 (95)
1 1
𝐹𝑏 3 𝑁′𝐹𝑚 𝑁′𝑥 𝑁′𝑥 3
∆𝑧 = 2,66 ( ) [ sin ( ) + 1 − cos ( )] (96)
𝑢̅𝑁²𝐵𝑉 𝐹𝑏 𝑢̅ 𝑢̅
𝑢̅ 𝐹𝑏
𝑥𝑓 = ′
𝑎𝑟𝑐𝑡𝑡𝑎𝑛 ( ′𝐹 ) (97)
𝑁 𝑁 𝑚
91
1
𝐹𝑏 3
∆ℎ = 2,66 ( 2 ) (98)
𝑢̅ 𝑁𝐵𝑉
3 2
∆𝑧 = 1,2𝐿5𝑛 (ℎ𝑠 + 1,2𝐿𝑛 )5 (99)
𝐹𝑏
𝐿𝑛 = (100)
𝑢𝑢∗2
1
−1/4 𝐹𝑏 8
∆ℎ = 𝜋1 ( ) (101)
𝑠³
Diferentemente da SBL, na CBL a concentração total (Cc) é encontrada pela soma das
contribuições das três fontes (direta, indireta, penetrada) para a pluma horizontal:
2 ∞ 2
𝑄𝑓𝑝 𝜆𝑗 (𝑧 − 𝜓𝑑𝑗 − 2𝑚𝑧𝑖 )
𝐶𝑑 {𝑥𝑟 , 𝑦𝑟 . 𝑧} = 𝜑𝑦 ∑ ∑ 𝑥 〈exp [− 2 ]
√2𝜋𝑢̃ 𝜎𝑧𝑗 2𝜎𝑧𝑗
𝑗−1 𝑚−0
2
(𝑧 + 𝜓𝑑𝑗 + 2𝑚𝑧𝑖 )
+ exp [− 2 ]〉, (103)
2𝜎𝑧𝑗
A dispersão lateral total, para a pluma na CBL, é aprimorada pelos efeitos da flutuação
da pluma da mesma maneira descrita na SBL eq.28.
92
2 ∞ 2
𝑄𝑓𝑝 𝜆𝑗 (𝑧 + 𝜓𝑟𝑗 − 2𝑚𝑧𝑖 )
𝐶𝑑 {𝑥𝑟 , 𝑦𝑟 . 𝑧} = 𝜑𝑦 ∑ ∑ 𝑥 〈exp [− 2 ]
√2𝜋𝑢̃ 𝜎𝑧𝑗 2𝜎𝑧𝑗
𝑗−1 𝑚−0
2
(𝑧 − 𝜓𝑟𝑗 + 2𝑚𝑧𝑖 )
+ exp [− 2 ]〉, (104)
2𝜎𝑧𝑗
∞ 2
𝑄(1 − 𝑓𝑝 ) (𝑧 − ℎ𝑒𝑝 − 2𝑚𝑧𝑖𝑒𝑓𝑓 )
𝐶𝑝 {𝑥𝑟 , 𝑦𝑟 . 𝑧} = 𝜑𝑦 𝑥 ∑ 〈exp [− 2 ]
√2𝜋𝑢̃𝜎𝑧𝑝 2𝜎𝑧𝑗
𝑚= −∞
2
(𝑧 + ℎ𝑒𝑝 + 2𝑚𝑧𝑖𝑒𝑓𝑓 )
+ exp [− 2 ]〉 , (105)
2𝜎𝑧𝑝
Onde ϕy, hep, são definidos acima e 𝑧𝑖𝑒𝑓𝑓 é a altura da superfície refletora superior na
camada estável.
2
𝜎𝑧 = √𝜎𝑧,0 + 0,08(∆ℎ )2 (89)
2 2 2
𝜎𝑧,0,1 = 𝜎𝑧,𝑔,1 + 𝜎𝑧,𝑒,1 (106)
2 2 2
𝜎𝑧,0,2 = 𝜎𝑧,𝑔,2 + 𝜎𝑧,𝑒,2 (107)
Com
𝜎𝑤1 𝑥
𝜎𝑧,𝑒,1 = 𝛼𝑏 (108)
𝑢̃
𝜎𝑤2 𝑥
𝜎𝑧,𝑒,2 = 𝛼𝑏 (109)
𝑢̃
4𝐻𝑝
𝛼𝑏 = min (0,6 + , 1) (110)
ℎ𝑚𝑖𝑥
93
𝐻𝑝 = ℎ𝑠 + ∆𝑧 (86)
𝑢̅ℎ𝑚𝑖𝑥
𝑥𝑚 = (111)
𝜎𝑤
̅̅̅̅
𝑢̅ e ̅̅̅̅
𝜎𝑤 são valores médios dados por:
ℎ𝑚𝑖𝑥
1
𝑢̅ = ∫ 𝑢𝑑𝑧 (112)
ℎ𝑚𝑖𝑥 0
ℎ𝑚𝑖𝑥
1
𝜎𝑤 =
̅̅̅̅ ∫ 𝜎𝑤 𝑑𝑧 (113)
ℎ𝑚𝑖𝑥 0
Quando a distância da fonte excede xm, é assumido que a pluma é bem misturada
através da camada de mistura, e o centroide da pluma é:
ℎ𝑚𝑖𝑥
𝐻𝑝 = (114)
2
ℎ𝑚𝑖𝑥 𝑥 − 𝑥𝑓
𝐻𝑝 = 𝐻𝑝 (𝑥𝑓 ) + [ − 𝐻𝑝 (𝑥𝑓 )] (115)
2 𝑥𝑚 − 𝑥𝑓
𝜎𝑤1 = 𝑅𝑤
̅̅̅̅1
𝜎𝑤2 = 𝑅𝑤
̅̅̅̅2
𝑆𝜎𝑤 𝛾1 4
𝑤1 =
̅̅̅̅ (1 + √1 + 2 ) (116)
2 𝛾1 𝛾2 𝑆 2
𝑆𝜎𝑤 𝛾2 4
̅̅̅̅
𝑤2 = (1 + √1 + 2 ) (117)
2 𝛾1 𝛾2 𝑆 2
𝑤∗3
𝑆 = 0,105 (118)
𝜎𝑤3
1 + 𝑅2
𝛾1 = (119)
1 + 3𝑅2
94
𝛾2 = 1 + 𝑅² (120)
No AERMOD R é igual a 2.
𝐻𝑝 𝑢∗ 𝑥 2
𝜎𝑧,𝑔 = 𝑏𝑐 (1 − 10 )( ) (121)
ℎ𝑚𝑖𝑥 𝑢̃ |𝐿|
𝜎𝑧,𝑔 = 0 (122)
1
3𝐹𝑚 𝑥 3𝐹𝑏 𝑥 2 3
∆𝑧 = ( 2𝑢̅2 + ) (123)
0,6 2.0,62 𝑢̅ ²
𝑇
𝐹𝑚 = 𝑤𝑠2 𝑟𝑠𝑡 (124)
𝑇𝑠
5/8
𝑥𝑓 = 𝑑1 𝐹𝑏 𝑝𝑎𝑟𝑎 𝐹𝑏 < 55𝑚 4 𝑠 −3 (125)
2/5
𝑥𝑓 = 𝑑2 𝐹𝑏 𝑝𝑎𝑟𝑎 𝐹𝑏 > 55𝑚 4 𝑠 −3 (126)
95
O Fluxo Hu é calculado por:
𝑃
∆𝑇𝑢−𝑟 = ∆𝑇𝑚𝑎𝑥 [0,1 ln (𝑃 ) + 1,0], (133)
0
𝑃
𝑧𝑖𝑢 = 𝑧𝑖𝑢𝑜 ( 1 ), (134)
𝑃4
1
𝑔𝐻𝑢 𝑧𝑖𝑢𝑐 3
𝑤∗𝑢 =( ) , (135)
𝜌𝑐𝑝 𝑇𝑟𝑒𝑓
96
APÊNDICE B – Planilhas de fluxo de veículos da av. Bonocô fornecidas pela
TRANSALVADOR.
ABRIL DE 2019
97
98
JANEIRO DE 2020
99
100
FEVEREIRO DE 2020.
101
102
103
MARÇO DE 2020.
104
105
ABRIL DE 2020.
106
107
SENTIDO CENTRO.
ABRIL DE 2019.
108
109
JANEIRO DE 2020.
110
111
FEVEREIRO DE 2020.
112
113
MARÇO DE 2020.
114
115
ABRIL DE 2020.
116
117
9 REFERÊNCIAS
AHRENS, C. D. E; HENSON, R. Meteorology Today. An Introduction to Weather,
Climate, and the Enviroment. 12a ed. Boston: CENGAGE, 2019.
ANDRÉ, J. C.; MARRT, L. The nocturnal surface inversion and influence of clean-air
radiative cooling. Journal of the atmospheric sciences, v. 39, p. 1–15, 1982.
CHEN, K. et al. Air pollution reduction and mortality benefit during the COVID-19
outbreak in China. The Lancet Planetary Health, v. 4, n. 6, p. e210–e212, 2020.
EPA. Health and Environmental Effects of Particulate Matter (PM). Disponível em:
<https://www.epa.gov/pm-pollution/health-and-environmental-effects-particulate-
matter-pm>. Acesso em: 15 fev. 2021a.
GODISH, T. Air Quality. 4th. ed. Muncie, Indiana: Lewis Publichers, 2003.
GOUVEIA, N. et al. Air pollution and the impacts on health in the metropolitan region
of belo horizonte in the state of Minas Gerais, Brazil. Ciencia e Saude Coletiva, v. 24, n.
10, p. 3773–3781, 2019.
GOUVEIA, N. et al. Ambient fine particulate matter in Latin American cities: Levels,
119
population exposure, and associated urban factors. Science of the Total Environment,
v. 772, p. 145035, 2021.
MILLER JR, G. T. Ciência Ambiental. 11a ed. São Paulo: Cengage Learning, 2007.
OKE, T. R. City Size and The Urban Heat Island. Atmospheric Enviroment Pergamon
Press, v. 7, n. 4, p. 769–779, 1973.
120
OLIVEIRA, A. R.; OLIVEIRA, A. R. Universidade Federal da Bahia. Acta Botanica Brasilica,
v. 9, n. 2, p. 315–318, 2018.
SHEPHERD, D. et al. The covariance between air pollution annoyance and noise
annoyance, and its relationship with health-related quality of life. International
Journal of Environmental Research and Public Health, v. 13, n. 8, 2016.
SON, J. Y. et al. Reductions in mortality resulting from reduced air pollution levels due
to COVID-19 mitigation measures. Science of the Total Environment, v. 744, p.
141012, 2020.
TEIXEIRA, E. C.; FELTES, S.; DE SANTANA, E. R. R. Estudo das emissões de fontes móveis
na região metropolitana de Porto Alegre, Rio Grande do Sul. Quimica Nova, v. 31, n. 2,
p. 244–248, 2008.
U.S. EPA. User’s Guide for the AERMOD Meteorological Preprocessor (AERMET).
Research Triangle Park, NC, Office of Air Quality, p. 252, 2004a.
U.S. EPA. User’s Guide for the AERMOD Terrain Preprocessor (AERMAP). p. 136, 2004b.
121
VICENTINI, P. C. Uso de Modelos de Qualidade do Ar para Avaliação do Efeito do
Proconve Entre 2008 e 2020 na Região Metropolitana do Rio de Janeiro. [s.l.] UFRJ,
2011.
WHO. 9 out of 10 people worldwide breathe polluted air, but more countries are
taking action. Disponível em: <https://www.who.int/news/item/02-05-2018-9-out-of-
10-people-worldwide-breathe-polluted-air-but-more-countries-are-taking-action>.
Acesso em: 28 abr. 2021b.
ZHU, Y. et al. Association between short-term exposure to air pollution and COVID-19
infection: Evidence from China. Science of the Total Environment, v. 727, n. December
2019, p. 138704, 2020.
122