Qualquer Coisa...

UNIVERSIDADE FEDERAL DO AMAZONAS - UFAM
FACULDADE DE TECNOLOGIA – FT
DEPARTAMENTO DE ENGENHARIA ELÉTRICA E
COMPUTAÇÃO
Projeto Final de Curso
Sistema de monitoramento da qualidade do ar

utilizando uma rede LPWAN
Abdel Fadyl Chabi
Manaus – 2021
Ficha Catalográfica
Ficha catalográfica elaborada automaticamente de acordo com os dados fornecidos

pelo(a) autor(a).
Chabi, Abdel Fadyl

C427s Sistema de monitoramento da qualidade do ar
utilizando uma rede LPWAN / Abdel Fadyl Chabi . 2021
83 f.: il. color; 31 cm.
Orientador: Celso Barbosa Carvalho

TCC de Graduação (Engenharia Elétrica -
Telecomunicações) - Universidade Federal do Amazonas.
1. LoRa. 2. LoRaWAN. 3. Poluição. 4. Esp32. 5.

Monitoramento. I. Carvalho, Celso Barbosa. II. Universidade
Federal do Amazonas III. Título
Abdel Fadyl Chabi
Sistema de monitoramento da qualidade do ar

utilizando uma rede LPWAN
Projeto de Final de Curso,

apresentado a UFAM como requisito
parcial para obtenção do título de
Engenheiro de Telecomunicações,
sob a orientação do Professor Doutor
Celso Barbosa Carvalho.
Aprovado em 26 de novembro de 2021.
____________________________________________________
Prof. Dr. Celso Barbosa Carvalho – ORIENTADOR
Departamento de Eletrônica e Computação - UFAM
_____________________________________________________
Prof. Dr. Thiago Brito Bezerra – Membro
_____________________________________________________
Prof. Dr. Frederico da Silva Pinagé – Membro
Manaus – 2021
Agradecimentos
A Deus, primeiramente, pela saúde e por me ajudar a ultrapassar todos os
obstáculos encontrados ao longo do curso e principalmente nesses dois últimos
anos pandêmicos. Aos meus pais por sempre me apoiarem e nunca deixarem
falta nada me permitindo ter maior foco nos estudos.
Ao meu professor orientador, Celso Carvalho pela paciência e por me orientar

tão bem, com conselhos e dicas que sem sombra de dúvidas agregaram
bastante na realização deste trabalho.
Às instituições que ofereceram infraestrutura e apoiaram a pesquisa como: o

Centro de PD em Eletrônica e Tecnologia da Informação da Universidade
Federal do Amazonas (Ceteli-UFAM); a Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior (CAPES); Fundação de Amparo à Pesquisa do Estado
do Amazonas (FAPEAM, programa PPP); o Fundo Setorial de Infraestrutura (CT-
INFRA), MCT/CNPQ e Governo do Estado do Amazonas dando todo o suporte
e acesso às condições necessárias para realizar este projeto.
E finalmente aos meus amigos Jones Castro, Rafael Furtado, Luiz Felipe,
Yasmim Torres e Karmen Adjeran por toda a parceria durante esses anos de
graduação e por ter contribuído diretamente na realização deste projeto.
Resumo
Foi desenvolvido neste trabalho de pesquisa, um sistema de hardware e software
que utiliza sensores sem fio e de baixo custo para monitorar alguns poluentes no
ar e variáveis como a temperatura, a umidade do ar e as coordenadas
geográficas com objetivo de monitorar a qualidade do ar de um determinado
local. Para isso, foi utilizada a tecnologia LoRa com alcance médio de 5km nas
zonas urbanas e 10km nas zonas rurais. O sistema desenvolvido conta com uma
plataforma para Internet of Things (IoT) Web na qual é configurado um
dashboard que recebe em tempo real aas variáveis que estão sendo
monitoradas e as exibe de forma intuitiva para o usuário. Foram realizados testes
em diferentes pontos da cidade para validar as medições do sistema
desenvolvido. As medições obtidas foram confrontadas com os padrões da
organização mundial da saúde para levantar os possíveis riscos sobre a saúde
da poluição do ar nos locais escolhidos. A viabilidade do sistema desenvolvido
comprova a possibilidade de ter estações móveis de monitoramento da
qualidade do ar, com baixo custo para um monitoramento a grande escala no
futuro.
Palavras-chaves: LoRa, LoRaWAN, Poluição, ESP32, PROIOT,

monitoramento.
Abstract
In this research work, a hardware and software system that uses low-cost
wireless sensors to monitor some pollutants in the air and variables such as
temperature, air humidity and geographic coordinates in order to monitor air
quality from a particular location was developed. LoRa technology with an
average range of 5km in urban areas and 10km in rural areas was used to
perform this monitoring. The developed system has a web Internet of Things (IoT)
platform in which a dashboard that receives the variables being monitored in real
time and displays them in an intuitive way for the user is configured. Tests were
performed in different parts of the city to validate the measurements of the
developed system. The measurements obtained were compared to the standards
of the world health organization to assess the possible health risks of air pollution
in the chosen locations. The viability of the developed system proves the
possibility of having mobile air quality monitoring stations, with low cost for large-
scale monitoring in the future.
Keywords: LoRa, LoRaWAN, Pollution, ESP32, PROIOT, monitoring.

Lista de Tabelas
Tabela 1 Padrões de qualidade do ar ----------------------------------------------------- 18
Tabela 2 Índices de qualidade do ar para MP10, MP2.5 e O3 --------------------- 21
Tabela 3 Efeitos da qualidade do ar sobre a saúde ----------------------------------- 22
Tabela 4 Parâmetros de comunicação da rede LoRa --------------------------------- 27
Tabela 5 Parâmetros técnicos do sensor da ESP32. --------------------------------- 29
Tabela 6 Parâmetros técnicos do sensor de ozônio MQ-131. ---------------------- 30
Tabela 7 Parâmetros técnicos do sensor de material particulado PMS7003. - 32
Tabela 8 Parâmetros técnicos do sensor de temperatura DTH22. ---------------- 34
Tabela 9 Parâmetros técnicos da fonte ajustável ------------------------------------- 36
Tabela 10 Mapa dos pinos do DHT22 ---------------------------------------------------- 38
Tabela 11 Mapa dos pinos do PMS7003 ------------------------------------------------ 41
Tabela 12 Valores de RSSI e SNR nas medições ------------------------------------- 60
Tabela 13 Valores medidos indoor -------------------------------------------------------- 62
Tabela 14 Valores medidos Ufam --------------------------------------------------------- 64
Tabela 15 Valores medidos complexo viário Gilberto mestrinho ------------------ 65

Lista de figuras
Figura 1 Camadas da Rede LoRa. --------------------------------------------------------- 24
Figura 2 Estrutura da arquitetura de rede LoRa. --------------------------------------- 26
Figura 3 Módulo ESP32 ----------------------------------------------------------------------- 28
Figura 4 sensor de ozônio (O3). ------------------------------------------------------------ 30
Figura 5 princípio de funcionamento do PMS7003. ----------------------------------- 31
Figura 6 sensor de material particulado PMS7003 ----------------------------------- 33
Figura 7 sensor de temperatura e umidade DTH22 ---------------------------------- 34
Figura 8 Fonte Ajustável ---------------------------------------------------------------------- 35
Figura 9 Arquitetura do sistema ------------------------------------------------------------ 36
Figura 10 Circuito da calibração do MQ131 --------------------------------------------- 40
Figura 11 Dados da calibração do MQ131 ---------------------------------------------- 40
Figura 12 Exemplos de mensagens NMEA $GPGGA e $GPRMC --------------- 43
Figura 13 Chaves do dispositivo ------------------------------------------------------------ 45
Figura 14 Variáveis do payload no código ---------------------------------------------- 46
Figura 15 Variáveis do payload na proiot. ----------------------------------------------- 47
Figura 16 Protótipo LoRa desenvolvido. -------------------------------------------------- 48
Figura 17 Dados em tempo real.------------------------------------------------------------ 49
Figura 18 Visualização do payload. -------------------------------------------------------- 49
Figura 19 Dados decodificados.------------------------------------------------------------ 50
Figura 20 Exibição dos dados indoors. --------------------------------------------------- 51
Figura 21 Ambiente de medição outdoor na Ufam ------------------------------------ 52
Figura 22 Uplinks em tempo real (medições ufam) ------------------------------------ 52
Figura 23 Payload recebido e decodificado (medições ufam) --------------------- 53

Figura 24 Exibição dos dados (medições outdoor ufam) ---------------------------- 53
Figura 25 Ambiente de medição outdoor no complexo viário Gilberto mestrinho
------------------------------------------------------------------------------------------------------- 54
Figura 26 Uplinks em tempo real (medições complexo viário Gilberto mestrinho)
------------------------------------------------------------------------------------------------------- 55
Figura 27 Payload recebido e decodificado (medições complexo viário Gilberto
mestrinho) ----------------------------------------------------------------------------------------- 55
Figura 28 Exibição dos dados (medições complexo viário Gilberto mestrinho)
------------------------------------------------------------------------------------------------------- 56
Figura 29 Gateway medições indoor------------------------------------------------------ 57
Figura 30 Distância dispositivo – gateway medições Indoor ----------------------- 57
Figura 31 Gateway medições outdoor ufam -------------------------------------------- 58
Figura 32 Distância dispositivo – gateway medições outdoor Ufam ------------- 58
Figura 33 Gateway medições outdoor Gilberto mestrinho -------------------------- 59
Figura 34 Distância dispositivo – gateway medições outdoor Gilberto mestrinho
------------------------------------------------------------------------------------------------------- 59
Lista de abreviaturas e siglas
LoRa Long Range
IoT Internet of things
LPWAN Low Power Wide Area Network
CSS Chirp Spread Spectrum
CDMA Code Division Multiple Access
FSK Frequency Shift Keying
SS Spread Spectrum
IDE Integrated Development Environment
BTS Base Transceiver Station
FW Firmware
CR Code Rate
SF Spread Factor
BW Band Width
OTAA Over The Air Activation
ABP Activation By Personalization
UART Universal Asynchrounous Receiver/Transmiter
SPI Serial Peripheral Interface
I2C Inter Integrated Circuit
GPIO General Purpose Input/Output
ADC Analog to Digital Converter
JSON Javascript Object Notation

Sumário
Introdução ........................................................................................................ 13
1.1. Descrição do Problema .................................................................... 14
1.2. Motivação........................................................................................... 15
2. Objetivos .................................................................................................... 16
2.1. Objetivos Específicos .......................................................................... 16
3. Fundamentação Teórica ............................................................................ 16
3.1 Poluentes e monitoramento da qualidade do ar ...................................... 17
3.1.1. Índice da Qualidade do Ar ............................................................ 20
3.2. Recursos utilizados para o monitoramento da qualidade do ar ........... 23
3.2.1. Princípios básicos da tecnologia de Rede LoRa .............................. 23
3.2.2. Gateway LoRa ................................................................................. 27
3.2.3. TTGO T-Beam ESP32 ..................................................................... 28
3.2.4. Sensor de ozônio MQ-131 ............................................................... 29
3.2.5. Sensor de Material Particulado PMS7003 ....................................... 31
3.2.6. Sensor de temperatura DTH22 ........................................................ 33
3.2.7. Fonte ajustável para alimentação dos sensores .............................. 35
4. Metodologia (Materiais e Métodos) ............................................................ 36
4.1 Arquitetura do sistema ........................................................................ 36
4.2. Entradas (Sensores) ........................................................................ 38
4.2.1. DHT22 .......................................................................................... 38
4.2.2. MQ131 .......................................................................................... 39
4.2.3. PMS7003 ...................................................................................... 41
4.3. Microcontrolador ESP32 ..................................................................... 42
4.3.1. Bibliotecas .................................................................................... 42
4.3.1.1. Biblioteca LMIC ...................................................................... 42
4.3.1.2. Biblioteca TinyGPS++ ............................................................ 43

4.3.1.3. Biblioteca ArduinoJson ........................................................... 44
4.4. LoRaWAN Gateway ............................................................................ 44
4.5. Plataforma em nuvem: PROIOT ......................................................... 44
4.5.1. Cadastro da ESP32 na plataforma ............................................... 45
4.5.2. O payload ..................................................................................... 46
4.6. Servidor de aplicação LoRaWAN ........................................................ 47
4.7. Dashboard........................................................................................... 47
5. Testes e Resultados .................................................................................. 48
5.1. Testes de funcionalidade ...................................................................... 48
5.2. Testes de medição e de alcance ......................................................... 51
5.2.1. Primeiro Ponto de medição .......................................................... 51
5.2.2. Segundo ponto de medição .......................................................... 54
5.2.3. Alcance e qualidade do sinal ........................................................ 56
5.3 Cálculo do IQAr ....................................................................................... 61
5.3.1. Teste indoor ..................................................................................... 62
5.3.2. Teste outdoor Ufam ......................................................................... 64
5.3.3. Teste outdoor complexo viário Gilberto mestrinho ........................... 65
6. Conclusão ................................................................................................ 68
Referências ..................................................................................................... 69
Anexos ............................................................................................................. 72
13
Introdução
A qualidade do ar traduz o grau de poluição no ar que respiramos e é um fator

importante para a definição do bem-estar do ser humano, principalmente nas
áreas urbanas. No Brasil, apenas oito estados mais o Distrito Federal possuem
estações de monitoramento de concentração de poluentes no ar e das estações
existentes, várias ainda são inativas (IEMA1 ,2018).
A poluição do ar principalmente nas áreas urbanas é associada ao agravamento

de doenças respiratórias, cardiovasculares e neurológicas especialmente em
crianças, idosos e pessoas com doenças crônicas (Ubiratan et al, Jornal
Brasileiro de Pneumologia 2021). Estudos indicam também a correlação entre
a exposição a alguns poluentes e a ocorrência de diferentes tipos de câncer
(WHO, 2000 e 2006, Miranda et al., 2012).
Os impactos dos poluentes não refletem somente sobre a saúde humana, as

consequências são observadas também sobre os ecossistemas, já que a
interação dos poluentes na atmosfera pode ocasionar deposição de poeira e
acidificação das águas das chuvas, contaminando os corpos d’água, seus
biomas, o solo e as plantas, levando à redução da capacidade fotossintética
O principal instrumento da gestão da qualidade do ar é o monitoramento.

Entretanto, a implementação de estações de monitoramento da qualidade de ar
necessita de alto investimento financeiro que dependem do orçamento público
(Ferreira, 2019). Além disso, ainda há pouco conhecimento por parte da
sociedade sobre os impactos da qualidade do ar sobre a saúde pública.
Neste contexto, a contribuição deste trabalho de conclusão de curso - TCC é

desenvolver um sistema de hardware e software que emprega hardware de baixo
custo para monitorar a qualidade do ar, tornando este monitoramento acessível
para todas as pessoas.
1
IEMA: Instituto Estadual de Meio Ambiente
14
O sistema de hardware e software desenvolvido emprega um microcontrolador

que transmite dados de sensoriamento do ar para nuvem, utilizando a tecnologia
de comunicação LoRa, classificada como LPWAN (GONÇALVES, 2020). A
palavra LoRa vem do inglês Long Range, que significa longo alcance e é uma
tecnologia de rádio frequência da família LPWAN (Low Range Wide Area
Network). As redes LPWAN são caracterizadas por promover comunicação sem
fio a longas distâncias com consumo mínimo de energia. No sistema de HW/SW
desenvolvido, o dispositivo de sensoriamento criado, utiliza a PROIOT como
plataforma IoT, a ESP32 como microcontrolador e os sensores de medição de
concentração de ozônio, de material particulado e de temperatura e umidade a
fim de medir a qualidade do ar. Os sensores e a ESP32 são facilmente
encontrados nas lojas de componentes eletrônicos a nível nacional e
internacional.
1.1. Descrição do Problema
Dos 27 estados brasileiros, apenas Bahia, Minas Gerais, Espírito Santo, Rio de
Janeiro, São Paulo, Goiás, Paraná, Rio Grande do sul e o Distrito Federal
possuem estações de monitoramento da qualidade do Ar. Na falta de
informações a respeito da poluição, fica difícil tomar medidas para reduzir os
poluentes no ar. Segundo as estimativas da Organização Mundial da Saúde
(OMS), ocorrem 7 milhões de mortes prematuras ao ano em função da poluição
no mundo, um equivalente de 800 mortes por hora. A maioria dos brasileiros não
conhece a qualidade do ar que respira e nem sequer dos poluentes que podem
existir no ar. As principais fontes de poluição do ar são, as fontes industriais e as
fontes ligadas à mobilidade urbana, isto é, o transporte motorizado (INCA2,
2018). O monitoramento da qualidade do ar no Brasil é uma atribuição de cada
estado e depende do orçamento público (Ferreira, 2019). Uma vez que os
estados brasileiros não têm realizado investimentos para monitorar da qualidade
do ar, a problemática que se pretende minimizar com a pesquisa deste TCC,
está relacionada com a falta de ações para monitoramento da qualidade do ar
2
INCA: Instituto Nacional de Câncer
15
que respiramos. Neste sentido, é questionado se é possível desenvolver um

sistema de hardware e software de baixo custo e utilizando dispositivos de
prateleira, vendidos no mercado nacional, a fim de tornar o monitoramento do ar
uma possibilidade acessível. Como resultado, espera-se a melhoria da gestão
da qualidade do ar.
1.2. Motivação
No brasil as concentrações dos poluentes no ar estão muito acima dos padrões

estabelecidos pela OMS. Com relação à qualidade do ar, a OMS é a maior
referência técnica que recomenda os níveis máximos de concentração de
poluentes no ar para proteger a saúde da população. Em grandes cidades
brasileiras onde a qualidade do ar é monitorada, é comum que ocorra
ultrapassagem, muitas vezes todos os anos, desses níveis recomendados pela
OMS. Tais picos de poluição variam de acordo com o poluente e as condições
meteorológicas do período. De modo geral, dois poluentes críticos chamam a
atenção por frequentemente estarem acima do indicado: as partículas inaláveis
e o gás ozônio. As partículas inaláveis e o gás ozônio são responsáveis
respectivamente pelos problemas cardiovasculares e respiratórios e pelo
envelhecimento precoce. Esses dois poluentes são os que mais possuem
consequência direta sobre a saúde pública e para diminuir as concentrações, é
preciso ampliar o monitoramento da qualidade do ar.
O monitoramento da qualidade do ar hoje no Brasil envolve tecnologia de alto

custo com hardware restrito e serviço em nuvem privada. Este trabalho de TCC
tem como motivação a possibilidade de usar um hardware de baixo custo e um
serviço em nuvem com contratação de baixo custo para disponibilizar um
monitoramento da qualidade do ar.
Projetar um sistema de baixo custo tornará o monitoramento da qualidade do ar

mais acessível e, portanto, mais abrangente. O produto final desenvolvido é de
fácil manuseio e permite a quem não possui conhecimentos técnicos extrair as
informações referentes a qualidade do ar de forma bastante intuitiva fazendo
com que o monitoramento da qualidade do ar possa ser feito não exclusivamente
16
pelos estados do país, mas também pelos indivíduos. É necessário que o

monitoramento da qualidade do ar seja feito pelos indivíduos para uma melhor
conscientização sobre os problemas de poluição e consequentemente para
tomadas de ações que visam aprimorar a gestão da qualidade do ar como, por
exemplo, o uso não massivo de transporte público.
2. Objetivos
Este trabalho tem como objetivo geral propor, desenvolver e testar um sistema
de hardware e software para monitoramento da qualidade do ar baseado em
uma plataforma Web para IoT, usando o microcontrolador ESP32 e a tecnologia
de rede LoRa.
2.1. Objetivos Específicos
• Propor uma arquitetura para o sistema de monitoramento;

• Projetar e montar circuito do dispositivo de hardware, incluindo sensores,
de monitoramento da qualidade do ar;
• Transmitir dados de sensoriamento de qualidade do ar para plataforma
em nuvem via rede LoRa;
• Configurar sistema Web/Em nuvem para apresentar dados de
sensoriamento da qualidade do ar (ex. Ozônio e partículas solidas
presentes no ar).
3. Fundamentação Teórica
Nesta seção serão apresentados os poluentes monitorados e os recursos
usados para realizar o sensoriamento. Os recursos utilizados podem ser
classificados em três categorias:
• A tecnologia de Rede;
• Os recursos de hardware;
17
• Os recursos de software.
3.1 Poluentes e monitoramento da qualidade do ar
Os processos industriais e de geração de energia, os veículos automotores e as

queimadas são as maiores causas da introdução de substâncias poluentes na
atmosfera, muitas delas tóxicas à saúde humana e responsáveis por causar
danos à flora e aos materiais.
A poluição atmosférica pode ser definida como qualquer forma de

matéria ou energia com intensidade, concentração, tempo ou
características que possam tornar o ar impróprio, nocivo ou ofensivo à
saúde, inconveniente ao bem-estar público, danoso aos materiais, à
fauna e à flora ou prejudicial à segurança, ao uso e gozo da
propriedade e à qualidade de vida da comunidade (RESOLUÇÃO Nº
491 CONAMA, 2018).
De uma forma geral, a qualidade do ar é produto da interação de um conjunto

complexo de fatores dentre os quais destacam-se a magnitude das emissões, a
topografia e as condições meteorológicas da região, que podem ser favoráveis
ou não à dispersão dos poluentes.
A regulamentação da qualidade do ar no mundo é uma atribuição da organização

mundial da saúde (OMS). A OMS estabelece os padrões quanto aos poluentes
a serem monitorados e aos seus níveis de concentrações. A intenção é que estas
recomendações sirvam de subsídio aos gestores ambientais de cada país,
proporcionando a definição e alcance de objetivos de gestão da qualidade do ar
para uma maior proteção à saúde. Embora os padrões e recomendações da
OMS sobre a qualidade do ar tenham abrangência global, cabe a cada país
estabelecer seus próprios padrões de qualidade do ar em função de suas
especificidades. A organização Pan-Americana é a instituição regional da OMS
nas américas e, portanto, é o órgão que define os padrões da qualidade do ar no
continente. No brasil, o órgão responsável pela regulamentação dos padrões de
qualidade do ar é o Conselho Nacional do Meio Ambiente (CONAMA). O
CONAMA é responsável por criar as normas e determinar os padrões da
qualidade do ar que estejam de acordo com uma significativa qualidade de vida.
Os modelos de qualidade do ar, no Brasil, são determinados pela nova resolução

CONAMA nº 491/2018, que substituiu a anterior (resolução CONAMA nº
31/1990). O CONAMA estabelece duas categorias para os padrões da qualidade
18
do ar. A primeira categoria está relacionada aos padrões de qualidade do ar

intermediários também conhecido como PI (padrões de qualidade do ar
intermediários). São padrões estabelecidos como valores temporários que
variam de acordo com o poluente e a serem cumpridos em etapas. A nova
resolução do CONAMA definiu três etapas para os padrões de qualidade do ar
intermediários que são PI-1, PI-2 e PI-3. A segunda categoria estabelecida pela
resolução do CONAMA é o padrão de qualidade do ar final, conhecido pela sigla
PF (padrão de qualidade do ar final) e representa valores guia definidos pela
OMS em 2005.
A tabela 1 mostra os padrões de qualidade do ar intermediários e o padrão da

qualidade do ar final dos poluentes definidos pelo CONAMA para medição da
qualidade do ar. As colunas apresentam os poluentes, o período de referência
dos padrões de qualidade do ar, os padrões intermediários e o padrão final
respectivamente. O período de referência define o período de tempo no qual a
média das medições dos respectivos poluentes foi tirada. Quanto menor o
período de referência maior o padrão definido para o mesmo poluente. Podemos
por exemplo observar na tabela 1 que para o material particulado MP10 o padrão
intermediário para a primeira etapa em 24 horas é mais que o dobro do padrão
anual equivalente. Essa diferença pode ser verificada para o material particulado
MP2.5 nas linhas 4 e 5 da tabela 1 assim como para os demais poluentes da
tabela.
Tabela 1 Padrões de qualidade do ar
Período de PI-1 PI-2 PI-3 PF

Poluente Atmosférico
Referência mg/m³ mg/m³ mg/m³ mg/m³ ppm
24 horas 120 100 75 50 -
Material Particulado - MP10
Anual¹ 40 35 30 20 -
24 horas 60 50 37 25 -
Material Particulado - MP2,5
Anual¹ 20 17 15 10 -
24 horas 125 50 30 20 -
Dióxido de Enxofre - SO2
Anual¹ 40 30 20 - -
1 hora² 260 240 220 200 -
Dióxido de Nitrogênio - NO2
Anual¹ 60 50 45 40 -
Ozônio - O3 8 horas³ 140 130 120 100 -
24 horas 120 100 75 50 -
Fumaça
Anual¹ 40 35 30 20 -
19
Monóxido de Carbono - CO 8 horas³ - - - - 9

Partículas Totais em Suspensão – 24 horas - - - 240 -
PTS Anual4 - - - 80 -
1 - Média aritmética anual
2 - Média horária
3 - Máxima média móvel obtida no dia
4 - Média geométrica anual
Os poluentes atmosféricos podem ser classificados como poluentes primários e

poluentes secundários. Os poluentes primários são emitidos diretamente na
atmosfera e poluem em caráter local. Para o monitoramento da qualidade do ar
destacam-se como poluentes primários as partículas totais em suspensão (PTS),
as partículas inaláveis (MP10 e MP2.5), a fumaça (FMC), o dióxido de enxofre
(SO2), o monóxido de carbono (CO) e o dióxido de nitrogênio (NO 2).
Diversamente dos poluentes primários, os poluentes secundários são formados
na atmosfera através de reações químicas entre os poluentes primários e os
constituintes naturais da atmosfera. Os poluentes secundários permanecem em
suspensão por um período de tempo mais prolongado dado que a formação de
poluentes secundários, tais como o ozônio, necessita-se de um certo tempo, e
ocorrem à medida que as massas de ar se deslocam. Desta forma é normal que
concentrações elevadas destes poluentes atinjam áreas mais afastadas das
fontes de emissão que os poluentes primários. Não há uma estimativa exata do
tempo de suspensão dos poluentes secundários no ar uma vez que essa variável
depende de fatores como a topografia, as condições meteorológicas da região e
dos fenômenos de transporte desses poluentes. Para fins de monitoramento da
qualidade do ar, como poluente secundário, apenas as concentrações de ozônio
(O3) são medidas. O ozônio é o resultado de reações entre os óxidos de
nitrogênio (NOx) e os hidrocarbonetos. Participam do grupo dos óxidos de
nitrogênio sete compostos que apresentam átomos de nitrogênio e oxigênio em
sua fórmula molecular. Dentre eles, apenas dois são poluentes primários
considerados relevantes no que diz respeito à poluição atmosférica: o dióxido de
nitrogênio (NO2) e o óxido nítrico (NO), também chamado de monóxido de
nitrogênio. Processos de combustão tendem a emitir baixas concentrações de
NO2 em relação aos valores de NO, mas ao entrar em contato com o oxigênio
do ar, as moléculas de NO logo se convertem em NO2 e, por este motivo, as
20
taxas de emissão são sempre calculadas considerando ambos os compostos

como sendo apenas NO2. Os hidrocarbonetos são moléculas formadas por
átomos de carbono e hidrogênio e tem como maior fonte o petróleo e o gás
natural.
O dispositivo final desenvolvido, monitora as concentrações de material

particulado MP1, MP2.5 e MP10, ozônio, temperatura e umidade junto com as
coordenadas geográficas do ponto de medição. Dentre dos poluentes dos
padrões de qualidade do ar estabelecidos pela CONAMA, e segundo a OMS, o
material particulado (MP2.5, MP10) e o ozônio (O3) são os que mais causam
danos à saúde pública. O material particulado é responsável por problemas
cardiovasculares e respiratórias graves e a exposição ao ozônio por um longo
tempo pode ocasionar redução na capacidade pulmonar, desenvolvimento de
asma e envelhecimento precoce (Maria Nazaret, 2003).
3.1.1. Índice da Qualidade do Ar
Monitorar a qualidade do ar implica monitorar separadamente as concentrações

dos poluentes conforme os padrões estabelecidos pela OMS e pelo CONAMA.
Para fins de divulgação ao público geral, informar a concentração de cada
poluentes pode não facilitar a compreensão em relação aos níveis de poluição
atmosférica pelo excesso de informação. O índice da qualidade do ar (IQAr) visa
simplificar a divulgação e consequentemente o entendimento dos dados relativos
ao monitoramento da qualidade do ar. O IQAr foi desenvolvido pela EPA
(Agência de Proteção Ambiental dos Estados Unidos da América) e consiste em
transformar as concentrações de poluentes atmosféricos em um único valor
adimensional que possibilita a comparação com os padrões definidos pelos
órgãos responsáveis e pela legislação aplicável.
O valor do IQAr é obtido através de uma função linear segmentada, na qual os

pontos de inflexão representam os padrões de qualidade do ar e os níveis de
qualidade do ar definidos na Resolução do Conselho Nacional do Meio Ambiente
(CONAMA) N° 03/1990. A fórmula para o cálculo do IQA é apresentada a seguir:
21
Í𝑛𝑑𝑖𝑐𝑒 (𝑓𝑖𝑛𝑎𝑙)−Í𝑛𝑑𝑖𝑐𝑒 (𝐼𝑛𝑖𝑐𝑖𝑎𝑙 )

𝐼𝑄𝐴𝑟 = Í𝑛𝑑𝑖𝑐𝑒(𝐼𝑛𝑖𝑐𝑖𝑎𝑙) + 𝐶𝑜𝑛𝑐 (𝑓𝑖𝑛𝑎𝑙)−𝐶𝑜𝑛𝑐(𝐼𝑛𝑖𝑐𝑖𝑎𝑙 )
× (𝐶𝑜𝑛𝑐 (𝑚𝑒𝑑𝑖𝑑𝑎) − 𝐶𝑜𝑛𝑐(𝑖𝑛𝑖𝑐𝑖𝑎𝑙)
Com:
Índice (inicial) = valor do índice que corresponde à concentração inicial da faixa;
Índice (final) = valor do índice que corresponde à concentração final da faixa;
Conc. (medida) = concentração medida;
Conc. (inicial) = concentração inicial da faixa onde se localiza a concentração

medida;
Conc. (final) = concentração final da faixa onde se localiza a concentração

medida;
Para cada poluente monitorado, o IQAr é calculado e dependendo do valor

obtido, a qualidade do ar recebe uma qualificação. Esta qualificação da
qualidade do ar está associada a efeitos à saúde, portanto independe do padrão
de qualidade intermediária em vigor. Para efeito de divulgação todos os índices
obtidos são comparados e é considerado o pior índice como indicador da
qualidade do ar da região monitorada. A tabela 2 apresenta as faixas de valores
do IQAr para concentrações do MP10, MP2.5 e do ozônio e a qualificação atribuída
para cada faixa de valores.
Tabela 2 Índices de qualidade do ar para MP10, MP2.5 e O3
Qualidade Índice MP10 MP2.5 O3

(µg/m3) (µg/m3) (µg/m3)
24h 24h 8h
N1-Boa 0 - 40 0 - 50 0 – 25 0 - 100
N2 – 41– 80 >50 - 100 > 25 – 50 >100 – 130
Moderada
N3 – Ruim
81 – 120 >100 – 150 >50 – 75 >130 – 160
N4 – Muito
121 – 200 >150 – 250 >75 – 125 >160 – 200
Ruim
N5 –
>200 >250 >125 >200
Péssima
22
Intuitivamente, ao monitorar a qualidade do ar de uma determinada região, se

espera que o IQAr não seja superior a 40. Nessas condições a qualidade do ar
é considerada boa e a poluição do ar não apresenta grandes riscos à saúde
pública.
Quando a qualidade do ar é classificada como Boa, os valores-guia

para exposição de curto prazo estabelecidos pela Organização
Mundial de Saúde, que são os respectivos Padrões Finais (PF)
estabelecidos no DE nº 59113/2013, estão sendo atendidos (Cetesb,
2021).
As principais consequências de uma qualidade do ar inadequada são os efeitos

sobre a saúde. À medida que a qualidade do ar piora, os efeitos sobre a saúde
se tornam mais graves. A tabela 3 descreve os efeitos sobre a saúde de acordo
de acordo com a qualidade do ar. Pode-se notar que os grupos sensíveis3 são
os mais afetados, no entanto, uma péssima qualidade do ar prejudica o público
geral.
Tabela 3 Efeitos da qualidade do ar sobre a saúde
IQAr Qualidade do ar Efeitos sobre a saúde

0 – 40 N1 - Boa
41 – 80 N2 – Moderada Pessoas de grupos sensíveis (crianças, idosos
e pessoas com doenças respiratórias e
cardíacas) podem apresentar sintomas como
tosse seca e cansaço. A população, em geral,
não é afetada.
N3 - Ruim Toda a população pode apresentar sintomas
como tosse seca, cansaço, ardor nos olhos,
nariz e garganta. Pessoas de grupos sensíveis
81 - 120
(crianças, idosos e pessoas com doenças
respiratórias e cardíacas) podem apresentar
efeitos mais sérios na saúde.
Toda a população pode apresentar agravamento
dos sintomas como tosse seca, cansaço, ardor
121 – 200 nos olhos, nariz e garganta e ainda falta de ar e
N4 – Muito Ruim respiração ofegante. Efeitos ainda mais graves à
3
Grupos sensíveis: Crianças, idosos e pessoas que apresentam alguma doença/deficiência respiratória.
23
saúde de grupos sensíveis (crianças, idosos e

pessoas com doenças respiratórias e cardíacas).
Toda a população pode apresentar sérios riscos
N5 – Péssima de manifestações de doenças respiratórias e
>200
cardiovasculares. Aumento de mortes
prematuras em pessoas de grupos sensíveis.
3.2. Recursos utilizados para o monitoramento da qualidade do

ar
3.2.1. Princípios básicos da tecnologia de Rede LoRa
LoRa, abreviação para Long Range é uma tecnologia de rádio frequência da

família LPWAN (Low Power Wide Area Network) que permite comunicação sem
fio a longas distâncias com consumo mínimo de energia. As redes LPWAN são
utilizadas em IoT (Internet of Things) para transmissão de pequenos pacotes de
dados em distâncias relativamente longas (6 a 15km dependendo da topologia
da área), garantindo maior vida útil para as baterias a serem implementadas
durante os processos de comunicação e aplicação. A tecnologia de rede LoRa é
patenteada pela Semtech Corporation (SEMTECH, 2019) e promovida pela
LoRa Alliance (LORA ALLIANCE, 2019). O LoRa Alliance é uma associação
aberta, sem fins lucrativos que visa padronizar as redes de baixo consumo e
longo alcance. A faixa de operação do LoRa não é licenciada, porém varia
dependendo da região. Em 2017 a ANATEL publicou o ato 14448
regulamentando a tecnologia LoRa no Brasil, definindo o plano de frequência
para a América Latina sendo o padrão Australiano de 923MHz (banda de
915MHz a 928MHz).
O LoRa implementa a camada física de comunicação, responsável pela

modulação dos sinais transmitidos e recebidos assim como pelo longo alcance,
característica principal de uma rede LoRa. A modulação por chaveamento de
24
frequência (Frequency Shift Keying - FSK) é bastante utilizada na camada física

de um sistema de comunicação para garantir o consumo mínimo de energia,
porém esse tipo de modulação compromete o alcance de comunicação. O LoRa
é baseado na técnica de modulação de espalhamento espectral (chirp spread
spectrum - CSS). Esse tipo de modulação além de ser caracterizada por um
mínimo consumo de energia também aumenta bastante o alcance da
comunicação. O CSS foi usado por décadas justamente pela comunicação a
longo alcance que essa modulação proporciona além da sua robustez à
interferência. A maior vantagem do LoRa é a capacidade da tecnologia de
propiciar um longo alcance. Um único gateway pode cobrir uma área de
aproximadamente 100km2 dependendo da topologia geográfica da área e das
obstruções presentes. De qualquer forma o link budget4 do LoRa é o maior entre
as principais tecnologias de comunicação da família LPWAN. Enquanto o LoRa
representa a camada física da rede, o LoRaWAN define o protocolo de
comunicação e a arquitetura do sistema para a.
Fonte: LoRa Alliance, 2015.
Figura 1 Camadas da Rede LoRa.
4
Link Budget: O link budget é o cálculo final de potência em todo o percurso entre TX e RX, levando em
consideração a potência de transmissão, as diversas perdas da estação base até o usuário para o alcance
prático de uma célula.
25
Para poder atender e otimizar as aplicações, o LoRaWAN utiliza três tipos de

classes de dispositivos finais. As classes A, B e C.
Classe A: Os dispositivos da classe A permitem uma comunicação bidirecional

na qual a transmissão de uplink de cada dispositivo final é seguida por duas
janelas de recebimento de downlink curto. O slot de transmissão programado
pelo dispositivo final baseia-se em suas próprias necessidades de comunicação
com uma pequena variação baseada em uma base de tempo randômica (tipo
protocolo ALOHA). Esta operação dos dispositivos da Classe A é a de menor
consumo de energia, utilizada para comunicação de dispositivos finais em
aplicações que requerem apenas comunicação de downlink do servidor logo
após o dispositivo final enviar uma transmissão de uplink. Mensagens de
downlink do servidor em qualquer outro momento terão que esperar até o
próximo uplink programado.
Classe B: Os dispositivos da classe B também são bidirecionais com slots de

recepção programados. Além das janelas de recebimento aleatório,
característica dos dispositivos de classe A, os dispositivos de classe B abrem
janelas de recebimento extras em tempos programados. Para que o dispositivo
final abra sua janela de recepção no tempo programado, ele recebe um
sinalizador sincronizado com o tempo do gateway. Este sinalizador vem do
próprio Gateway e carrega as informações que permitem ao servidor saber
quando o dispositivo final está apto a receber dados.
Classe C: Os dispositivos da classe C são bidirecionais com slots máximos de

recepção. Eles têm janelas de recepção quase continuamente abertas sendo
fechadas apenas durante a transmissão.
O protocolo de comunicação e a arquitetura da rede são os pontos que

determinam a vida útil da bateria, a capacidade da rede, o QoS5 e a
confiabilidade na rede. O LoRa opera em uma arquitetura estrela, na qual os nós
5
QoS do inglês Quality of service é a discrição da performance no usuário dos serviços como redes de
computadores, computação em nuvem e telefonia
26
da rede não são direcionados para um gateway específico, mas para vários
gateways ao mesmo tempo. Cada gateway encaminha um pacote recebido do
nó final para o servidor de rede localizado na nuvem. O servidor de rede é
responsável por redirecionar o pacote para os servidores de aplicação como
ilustra a figura 2.
Figura 2 Estrutura da arquitetura de rede LoRa.
A tabela 4 apresenta os principais parâmetros de comunicação da rede LoRa,

pode-se notar que o link budget é de 154 dB, um valor relativamente alto, o que
confere à rede LoRa um dos seus pontos positivos que é o longo alcance. A rede
LoRa utiliza uma potência máxima de saída de 20 dBm e a taxa de dados varia
entre 290bps e 50Kbps. Essa taxa de dados atende tranquilamente os pacotes
de informações que serão enviados pelo conjunto de sensores do sistema de
hardware desenvolvido. A largura de banda utilizada para a transmissão das
mensagens é de 125KHz e o dispositivo LoRaWAN foi usado na classe A para
otimizar o uso da bateria uma vez que os dispositivos da classe A apresentam
menor consumo de energia.
27
Tabela 4 Parâmetros de comunicação da rede LoRa
Parâmetros LoRaWAN
Modulação SS Chirp
Largura de banda Rx 125 KHz
Taxa de dados 290bps – 50Kbps
Quantidade máxima de mensagens por dia Ilimitada
potência máxima de saída 20dBm
Link Budget 154 dB
Vida útil da bateria – 2000mAh 105 meses
Eficiência energética Muito alta
Imunidade a interferências Muito alta
Coexistência Sim
Segurança Sim
Mobilidade/ localização Sim
3.2.2. Gateway LoRa
O gateway LoRa é o dispositivo responsável por coletar e enviar os pacotes de

dados dos/para os dispositivos finais (sensores) ao mesmo tempo que realiza o
envio/recebimento de pacotes de dados para/do servidor de rede (MAGRIN;
CENTENARO; VANGELISTA, 2017). Normalmente os gateways LoRa
funcionam como roteadores equipados com um concentrador LoRa, permitindo
que eles recebam pacotes LoRa. Uma comunicação via protocolo LoRaWAN
pode ser feita usando uma rede LoRaWAN privada ou uma rede LoRaWAN
pública fornecida por uma operadora ou qualquer outro provedor. Na rede
privada, o gateway é projetado de forma personalizada de acordo com os
requisitos do projeto. Já na rede pública, uma infraestrutura de gateway
disponibilizada pelo provedor é usada. Apesar da rede privada proporcionar mais
controle e segurança, a rede pública oferece uma cobertura maior, uma rapidez
e uma facilidade na implementação do projeto além de ser financeiramente mais
acessível. Para desenvolver esse projeto foi utilizada a infraestrutura de rede
neutra IoT LoRaWAN da American Tower (ATC) que possui vários gateways em
28
todas as regiões do território brasileiro e garante conectividade em todas as

áreas urbanas.
3.2.3. TTGO T-Beam ESP32
No decorrer do texto, será utilizado o termo ESP32 para fazer referência ao

módulo TTGO T-Beam ESP32. A ESP32 é uma placa de desenvolvimento com
4MB de flash que integra dois módulos: a Semtech SX1276 ou SX1278 para a
comunicação LoRaWAN e o módulo U-Blox Neo-6M como receptor GPS.
Conforme a banda de frequência, duas versões do hardware são disponíveis, a
versão Semtech SX1278 para a banda 433 MHz e a versão Semtech SX1276
para a banda 868/915 MHz. Neste trabalho, a ESP32 é utilizada como
microcontrolador para receber sinais dos sensores e por meio do módulo LoRa
encaminhar esses dados para a plataforma em nuvem. Na figura 3 podemos
observar que a ESP32 utilizada é equipada de uma antena 3D para a
transmissão dos dados e de um slot para bateria.
Figura 3 Módulo ESP32
A tabela 5 apresenta os principais parâmetros da ESP32, além do módulo LoRa,

a ESP32 utilizada possui módulo WiFi e módulo bluetooth integrado como
opções para realizar uma comunicação. Pode se observar também na penúltima
linha da tabela 5 que a ESP32 possui uma interface SPI (Serial Peripheral
29
Interface) o que facilita a implementação do código desenvolvido e a alimentação

do módulo. O erro de frequência é de ±15 KHz e a ESP32 pode ser obtida a
partir de R$180 dependendo da cotação do dólar. Nesse projeto, a ESP32 foi
empregada para encaminhar os valores lidos pelos sensores para a plataforma
em nuvem via protocolo LoRaWAN.
Tabela 5 Parâmetros técnicos do sensor da ESP32.
Parâmetros Valores
Versão Rev1
WiFi Sim
Bluetooth Sim
Memória 4MB Flash;
Antena Sim (antena 3D)
Voltagem de funcionamento LoRa 1.8 a 3.7v
Corrente de transmissão 120mA
Frequência de operação 915MHz
Potência de transmissão 20dBm
Erro de frequência +/- 15KHz
Taxa de dados 0.018K a 37.5Kbps (LoRa)
Modulação LoRa, FSK, GFSK, MSK, GMSK
Interface SPI
Temperatura de operação -40℃ a +85℃
3.2.4. Sensor de ozônio MQ-131
O Sensor de gás MQ-131, possui alta sensibilidade para detecção de gás

Ozônio, desde que trabalhe em conjunto com plataformas de prototipagem,
como, por exemplo, o arduino. A aplicação do sensor se dá em sistemas de
testes laboratoriais e industriais de alarmes controlados por plataformas
microcontroladoras, onde é possível por meio deste sensor oferecer maior
segurança ao ambiente, monitorando a qualidade do ar. Quando o sensor de gás
MQ-131 detecta a presença do ozônio, ele envia os sinais para o
microcontrolador utilizado, neste caso a ESP32. O MQ-131 tem capacidade de
30
verificar a concentração de gás ozônio entre 10 e 1000ppb (parte por bilhão). o

MQ-131 é do tipo eletrocatalítico. Os sensores catalíticos medem a
concentração de gás pela elevação de temperatura, produzida pelo calor da
combustão na superfície catalítica do sensor (figura 4), ou seja, quando o gás
queima na superfície do sensor, o calor da combustão causa um aumento na
temperatura que muda a resistência do sensor, de forma proporcional à
concentração de gás existente no ambiente. O MQ-131 possui quatro pinos, o
VCC(+5V), o GND, um pino de saída digital e um último de saída analógica
apresentados de cima para baixo respectivamente na figura 4.
Fonte: Flipeflop, 2021.
Figura 4 sensor de ozônio (O3).
A tabela 6 apresenta as dimensões do sensor, a tensão de funcionamento, a

faixa de medição e chip integrado. O MQ-131 pode ser encontrado a partir de
R$150 no mercado nacional e foi empregado para ler as concentrações de
ozônio no ar.
Tabela 6 Parâmetros técnicos do sensor de ozônio MQ-131.
Parâmetros Valores
Dimensões do modulo sensor 35mm x 20mm x 27mm
Tensão de funcionamento 0 a 5V (DC)
Faixa de medição 10 ~ 1000ppb
Chip LM393
31
3.2.5. Sensor de Material Particulado PMS7003
O sensor PMS7003 produz espalhamento da luz usando um laser sobre as

partículas suspensas no ar, em seguida coleta a luz espalhada em um certo grau
e, finalmente, obtém a curva de alteração da luz espalhada com o tempo. No
final, o diâmetro de partícula equivalente e o número de partículas com diferentes
diâmetros por unidade de volume podem ser calculados por microprocessador
com base na teoria MIE. A teoria de MIE também chamada teoria Lorenz-Mie ou
teoria Lorenz-Mie-Debye é uma solução analítica completa das equações de
Maxwell para a dispersão de radiação eletromagnética por partículas esféricas
também conhecida como dispersão de MIE. A teoria recebeu este nome em
homenagem ao físico alemão Gustav Mie que desenvolveu a solução.
Fonte: Plantower, 2021.
Figura 5 princípio de funcionamento do PMS7003.
A tabela 7 apresenta os principais parâmetros do sensor PMS7003 como a faixa

de medição, o tempo total de resposta, a alimentação e a temperatura de
operação.
O PMS7003 mede as partículas com diâmetro de 0.3; 0.5; 1.0; 2.5; 5.0 e 10 µm
por 0.1 litro (dm3) e tem como saída as concentrações de MP1, MP2.5 e MP10
32
em µg/m3 (tabela 7). Existe várias gerações do sensor PMS sendo o PMS1003
o modelo da primeira geração e o PMS7003 o modelo mais recente. As gerações
dos sensores PMS variam nas dimensões, sendo os modelos mais antigos os
maiores e os recentes os menores. As especificações da interface não diferem
muito, entretanto, o PMS5003 e o PMS7003 emitem telegramas de dados de 32
bytes. A empresa responsável por desenvolver os sensores PMS é a plantower
e ela tem sede na china.
O PMS7003 é simples de conectar via USB TTL. A saída serial é de 9600 baud
(1 bit de parada) e as saídas são telegramas de dados binários (números inteiros
de dados de 32 bits/16 bits). O sensor pode operar em modo ativo (funcionando)
e passivo. O módulo pode ser colocado para hibernar, por exemplo usando o
pino 3V3 e um resistor de 10K. O sensor tem um ventilador integrado (5 VCC).
Ligado, o sensor estará no estado ativo (ventilador LIGADO). Há um pino de
reinicialização (3V3 alto com resistor de 10K).
Tabela 7 Parâmetros técnicos do sensor de material particulado PMS7003.

Parâmetros Valor
Faixa de medição (0.3 a 1.0) µm; (1.0 a 2.5)µm; (1.0~2.5)µm

Eficiência de contagem 50%0.3μm 98%>=0.5μm
Faixa efetiva （padrão PM2.5) 0 a 500 μ g/m³
Faixa máxima（padrão PM2.5) ≥1000 μ g/m³
Erro de consistência máxima（ ±10% 100 a 500μg/m³

padrão PM2.5) ±10μ g/m³ 0 a 100μg/m³
Tempo de Resposta Única <1 Segundos (s)
Tempo Total de Resposta ≤10 Second (s)
Alimentação 4.5 vs 5.5 Volt (V)
Corrente Ativa ≤100 mA (Miliampere)
Corrente de espera ≤200 μA (Microampere)
Temperatura de operação -10 a +60 ℃
Comparado aos sensores plantower das gerações anteriores O PMS7003 é o

sensor com maior acurácia e com menor tamanho físico para medição de
33
material particulado (plantower,2021) sendo amplamente disponível nos sites de

compras internacionais a partir de R$140.
Fonte: Plantower, 2021.
Figura 6 sensor de material particulado PMS7003
3.2.6. Sensor de temperatura DTH22
O DHT22 também conhecido como AM2302 é um dispositivo de baixo custo para

a medição de umidade e temperatura do ar ambiente através de um sensor
capacitivo. Ele permite fazer leituras de temperaturas entre -40 a +80 graus
Celsius e umidade entre 0 e 100%. O DTH22 é composto por um componente
para detecção de umidade, um sensor de temperatura NTC ou termistor e um CI
(Circuito Integrado) na parte traseira do sensor. O componente para detecção de
umidade tem dois eletrodos com substrato de retenção de umidade entre eles.
Assim, conforme a umidade muda, a condutividade do substrato muda ou a
resistência entre esses eletrodos muda. Esta mudança na resistência é medida
e processada pelo CI, o que o torna pronto para ser lido por um microcontrolador.
O termistor é na verdade um resistor variável que muda sua resistência com a
mudança de temperatura. Por esse motivo que os sensores de temperatura são
feitos por sinterização de materiais semicondutores, como cerâmicas ou
34
polímeros, a fim de proporcionar maiores variações na resistência com apenas

pequenas variações de temperatura.
O DTH22 se torna uma opção adequada de se usar com a tecnologia de rede

LoRa por apresentar um menor consumo de energia. A medição da temperatura
e umidade é relevante nesse projeto para fazer a correlação entre os níveis de
poluentes medidos e a variação de temperatura e umidade.
A figura 7 mostra o sensor DHT22 utilizado. Ele possui quatro pinos, da esquerda
para direita são eles o VCC (varia de 3.3V a 5V), o pino de dados, o pino NC
(Not Connected) e o GND.
Fonte: Flipeflop, 2021
Figura 7 sensor de temperatura e umidade DTH22
A tabela 8 apresenta alguns parâmetros do sensor DHT22. Podemos observar

que o DHT22 possui alta acurácia com uma precisão na temperatura de ± 0.5 °C
e uma precisão na umidade de ± 2% além da faixa de medição da temperatura
(-40ºC a 80ºC) ser muito maior que a de outros sensores como o DHT11
permitindo que o dispositivo medido meça a temperatura até em situação que
fogem dos padrões de temperatura. O DHT22 é de baixo custo e pode ser
adquirido na faixa de preço de R$30.
Tabela 8 Parâmetros técnicos do sensor de temperatura DTH22.
Parâmetros Valores
Faixa de temperatura -40ºC a 80ºC

35
Precisão na temperatura ± 0.5 °C
Resolução na temperatura 0.1ºC
Faixa de umidade relativa 0 a 100%
Precisão na umidade ± 2% RH
Resolução de umidade 0.1% RH
Tempo de resposta 2s
Alimentação 3,5 V a 5 V
Corrente de utilização 0.5 mA
3.2.7. Fonte ajustável para alimentação dos sensores
Em virtude da quantidade de sensores a serem usados e considerando que o

MQ131 e o PMS7003 precisam de uma tensão de 5V, a ESP32 não conseguiu
alimentar todos os sensores simultaneamente. A alternativa foi usar
externamente uma fonte ajustável (figura 8). A fonte ajustável foi conectada
diretamente a uma fonte DC e a sua tensão de saída é convertida em 3.3V e 5V.
A fonte ajustável possui também um botão que liga e desliga a alimentação.
Figura 8 Fonte Ajustável

36
Tabela 9 Parâmetros técnicos da fonte ajustável
Parâmetros Valor
Tensão de entrada 6.5 a 12V DC
Tensão de saída 3.3 V e 5V
Corrente máxima de saída 700mA
Dimensões 53mm x 31mm
4. Metodologia (Materiais e Métodos)
4.1 Arquitetura do sistema
Figura 9 Arquitetura do sistema
(1) Sensores: Os sensores representam a interface de aquisição no meio físico.

São dispositivos sensíveis à alguma forma de energia do ambiente que pode ser
luminosa ou térmica relacionando informações sobre a grandeza física a ser
mensurada. Os sensores usados nesta arquitetura são o MQ-131, PMS7003,
MQ-135 e DTH22.
37
(2) ESP32: A ESP32 é uma evolução do microcontrolador ESP8266. Ela possui

m´módulo LoRa na faixa de frequência de 915MHZ e conta também com um
m´módulo GPS NEO-6M. Além disso, esta placa possui a particularidade de
permitir a fácil instalação de uma bateria para sua alimentação e ela vai ser
responsável por integrar os dados dos sensores e realizar o envio por meio do
protocolo LoRaWAN para o Gateway LoRa.
(3) LoRa Gateway: É um intermediário que permite que o conjunto

microcontrolador e sensores possa transmitir dados para a plataforma em nuvem
(a PROIOT). O Gateway LoRa forma a ponte entre o dispositivo e a plataforma
PROIOT atuando com protocolo LoRaWAN.
(4) PROIOT: A PROIOT é a plataforma em nuvem, ela disponibiliza aplicações

LoRaWAN por meio da Rede ATC LoRaWAN da American Tower. Para usar a
plataforma da PROIOT é preciso criar uma conta, adquirir um plano de
conectividade e em seguida cadastrar os dispositivos. Após cadastrar os
dispositivos são geradas chaves para identificar e estabelecer a comunicação
entre dispositivos e servidor de aplicação. Os dados de uplink e downlink
também são monitorados pela plataforma.
(5) Servidor LoRaWAN: O servidor LoRaWAN é um servidor de rede que atua

para garantir segurança, escalabilidade e confiabilidade do roteamento dos
dados na rede. Ele é responsável por implementar o protocolo LoRaWAN e
gerenciar os gateways (antenas - RAN: Radio Acess Network) assim como
dados de uplink e downlink. (servidor de rede: O servidor da rede é responsável
pela parte mais complexa da arquitetura, o servidor gerencia a rede e elimina as
redundâncias nos pacotes recebidos, realiza verificações de segurança, agenda
recebimentos por meio do gateway ideal)
(6) Dashboard: é a interface gráfica, parte da interação com o usuário que

permite visualizar os dados capturados pelos sensores de forma a deixá-los
intuitivos e de fácil interpretação.
38
4.2. Entradas (Sensores)
A entrada do dispositivo é composta pelo conjunto de sensores que realizam as

medições dos poluentes diretamente do ambiente. Os sensores DHT22, MQ131
e PMS7003 são alimentados pela fonte ajustável e apenas os pinos de dados
são conectados à ESP32. Os sensores foram programados no arduino usando
a versão 1.8.16 da IDE. O arduino é uma plataforma de eletrônica open-source
baseada na linguagem C/C++. Os sensores de baixo custo utilizados são
capazes de ler dados do meio ambiente, esses dados são posteriormente
processados pelo microcontrolador e exibidos de forma intuitiva para o usuário
no dashboard.
4.2.1. DHT22
O DHT22 foi alimentado por uma tensão de 3.3V. Dos quatro pinos do DHT22,
apenas os pinos VCC, DATA e GND foram usados na conexão com a ESP32.
Não foi necessário usar o pino NULL na configuração utilizada. A tabela 10
apresenta o mapa dos pinos do DHT22.
Tabela 10 Mapa dos pinos do DHT22
Pino Função
1 VCC - Alimentação
2 DATA - Sinal
3 NULL
4 GND
Visto que o pino NULL não foi utilizado, para evitar que ocorra o fenômeno de
estado flutuante6, um resistor de 10kΩ foi utilizado como resistor de pull-up. O
resistor de pull-up assegura que o pino DATA vai estar em estado alto e
6
O estado flutuante ocorre quando não se pode prever se a leitura de um pino configurado como
entrada será Vcc ou GND
39
consequentemente realizará a leitura de umidade e temperatura desejada. Para

usar o dht22 foi preciso baixar e instalar a biblioteca “DHT22.h”. A biblioteca foi
usada na versão 1.4.1.
4.2.2. MQ131
Inicialmente o MQ131 possui seis pinos repartidos entre o circuito principal do

sensor e o circuito aquecedor. Entretanto o MQ131 foi usado junto ao módulo
KS123-35Y500K. O módulo KS123-35Y500K atua como um adaptador que faz
a interface com a ESP32, juntando ambos os circuitos principal e aquecedor,
portanto diminui o número de pinos de seis para quatro. Foram utilizados deste
modo quatro pinos para a conexão do MQ131 com a ESP32, são eles o VCC, o
GND, um pino analógico A0 e um pino digital D0. Para usar o MQ131, foi preciso
baixar e instalar a biblioteca <MQ131.h> e alimentar o sensor por uma tensão de
5V. Para realizar medições precisas, é essencial calibrar o sensor MQ131. O
princípio é encontrar um ambiente com poucas variações de temperatura e
poluentes e realizar medidas continuamente até haver a menor variação possível
de uma medida para outra. Este cenário foi observado após aproximadamente
24 horas. A biblioteca <MQ131.h> cobre medições em baixas e em altas
concentrações, para este trabalho as medições foram realizadas carregando a
função LOW_CONCENTRATION7 uma vez que em condições normais as
concentrações de ozônio no ambiente são caracterizadas por pequenas
variações. Um resistor de pull-up de 10kΩ foi utilizado no pino analógico A0 do
sensor. A figura 10 mostra o circuito usado para realizar a calibração do MQ131.
7
Função da biblioteca <MQ131.h> para realizar medições em baixas concentrações. A medição em alta
concentrações é feita com a função HIGH_CONCENTRATION.
40
MQ131
Resistor de
pull-up
ESP32
Figura 10 Circuito da calibração do MQ131
Figura 11 Dados da calibração do MQ131
Na calibração a concentração de ozônio foi medida em partículas por milhão

(ppm), partículas por bilhão (ppb), mg/m3 e µg/m3. A figura 11 mostra parte dos
41
dados proveniente da calibração do MQ131 em um ambiente estável, pode notar

que os valores variam entre 0.17mg/m3 e 0.20 mg/m3, uma variação pequena
que, portanto, indica que o sensor está devidamente calibrado.
4.2.3. PMS7003
O PMS7003 possui 10 pinos repartidos da seguinte forma:
Tabela 11 Mapa dos pinos do PMS7003
N° Pino Função
Pino 1 VCC Alimentação 5V
Pino 2 VCC Alimentação 5V
Pino 3 GND Terra
Pino 4 GND Terra
Pino 5 Reset Módulo reset do sinal/
TTL nível 3.3V, reset
baixo
Pino 6 NC Not Connected
Pino 7 RX Pino de recebimento da
porta serial/TTL nível
3.3V
Pino 8 NC Not Connected
Pino 9 TX Pino de envio da porta
serial/TTL nível 3.3V
Pino 10 SET TTL nível 3.3V
Dos 10 pinos, apenas três foram usados para conectar o PMS7003 à ESP32, os
pinos VCC, GND e o pino TX para o envio das informações para a ESP32. O
PMS7003 pode realizar leituras no modo ativo ou no modo passivo. A diferença
de um modo para o outro é que no modo ativo assim que o sensor é ligado, ele
começa a realizar as leituras em contrapartida no modo passivo mesmo após
ligar o sensor, é preciso fazer uma requisição no código para realizar uma leitura.
Em outras palavras no modo passivo é possível programar estados de leituras e
42
de não leituras para o sensor, são os modos “read” e “sleep”. Como a intenção
nesse trabalho é realizar medidas contínuas, as leituras do PMS7003 foram
realizadas no modo ativo usando a biblioteca “PMS.h”. A função implementada
para o sensor PMS7003 tem como saída três variáveis cada uma contendo
respectivamente as concentrações em µg/m3 de PM1.0, PM2.5 e PM10.
4.3. Microcontrolador ESP32
A leitura das respectivas variáveis pelos sensores se deve aos comandos

recebidos pela ESP32. A ESP32 é responsável também por encaminhar os
dados lidos para a plataforma PROIOT via protocolo LoRaWAN.
4.3.1. Bibliotecas
Três bibliotecas referentes à ESP32 são incontornáveis para o funcionamento

do código, as bibliotecas lmic.h, TinyGPS++.h e ArduinoJson.h.
4.3.1.1. Biblioteca LMIC
A biblioteca LMIC viabiliza a implementação do LoRaWAN na ESP32 tanto nas

frequências US-915 utilizadas neste trabalho quanto nas demais bandas de
frequências EU-868, AU-921, AS-923 do padrão LoRaWAN. Ela é responsável
por enviar os pacotes de uplinks e receber os pacotes de downlinks, encriptar os
payloads, definir o método de ativação (ABP ou OTAA). Para poder enviar e
receber mensagens a ESP32 precisa estar registrada na rede LoRaWAN. Esse
processo é conhecido como ativação e existem dois métodos de ativação, o
método ABP (Activation By Personalization) e o método OTAA (Over-The-Air-
Activation). A forma como as chaves de identificação são atribuídas diferencia
um método do outro. No método ABP as chaves são atribuídas manualmente
para a ESP32 que é o end-device e essas chaves são fixas. De maneira oposta,
as chaves no método OTAA são atribuídas dinamicamente a cada nova sessão
estabelecida.
43
4.3.1.2. Biblioteca TinyGPS++
A biblioteca TinyGPS++ é responsável por extrair as informações da localização

(longitude e latitude) junto com o receptor gps U-Blox Neo-6M da ESP32 e
usando as mensagens NMEA $GPGGA e $GPRMC. O NMEA do inglês National
Marine Electronics Association foi criado em 1957 e hoje é o padrão de dados
para os dispositivos GPS assim como ASCII é o padrão de caracteres para
computadores digitais. Há vários tipos de mensagens NMEA, os mais comuns
sendo as mensagens $GPGGA e $GPRMC, a ESP32 é um dispositivo GPS
portanto recebe mensagens NMEA $GPGGA e $GPRMC que é processada e
dela as informações de longitude e latitude são extraídas. A figura 12 mostra
alguns exemplos de mensagens $GPGGA e $GPRMC recebidas pela ESP32 no
monitor serial da IDE do arduino.
Figura 12 Exemplos de mensagens NMEA $GPGGA e $GPRMC

44
4.3.1.3. Biblioteca ArduinoJson
A biblioteca ArdujnoJson é uma biblioteca JSON para internet das coisas. No

código arduino implementado, a biblioteca ArduinoJson permite enviar os dados
dos sensores no formato JSON para plataforma PROIOT.
4.4. LoRaWAN Gateway
Os gateways LoRaWAN são da infraestrutura de rede neutra IoT LoRaWAN da

American Tower. A ATC (American Tower) disponibiliza o servidor de rede e o
os gateways LoRaWAN. A ESP32 direciona os pacotes de dados coletados
pelos sensores para o gateway mais próximo ou para aquele que apresenta a
conexão ESP32 -> gateway mais robusta. Esse gateway encaminha em seguida
o pacote recebido para a plataforma PROIOT. Uma das vantagens do uso da
rede LoRaWAN pública da ATC é disponibilidade de vários gateways para
estabelecer uma sessão pois caso uma sessão falha, o servidor de rede
automaticamente redireciona para outro gateway disponível e isso otimiza o
sistema de monitoramento.
4.5. Plataforma em nuvem: PROIOT
A PROIOT é a plataforma em nuvem utilizada e ela atua principalmente como

servidor de aplicação. Ela oferece a opção de usar uma rede privada ou a
estrutura de rede pronta da ATC. Para realizar a comunicação com a plataforma,
é preciso antes de tudo comprar um plano de conectividade. Há quatro planos
disponíveis, os planos PP, P, M e G. Os planos são anuais e variam de acordo
com a quantidade de uplinks e downlinks disponibilizada mensalmente. Foi
adquirido o plano G que disponibiliza 4800 uplinks e 240 downlinks mensalmente
por um preço anual de 36 reais. Após a compra da conectividade, o dispositivo
LoRa a ser usado, neste caso a ESP32 precisa ser criado na plataforma.
45
4.5.1. Cadastro da ESP32 na plataforma
O cadastro da ESP32 na PROIOT foi um dos pontos focais do projeto, uma vez
que todos os parâmetros para estabelecer a comunicação entre ESP32 e
PROIOT são configurados nesse passo e são sincronizados com o código
implementado no arduino (Abdel Chabi, 2021). A figura 13 mostra algumas
configurações importantes da ESP32 como a classe do dispositivo, a ativação
de segurança e as chaves que são lidos no código para conectar a ESP32 e
PROIOT.
Figura 13 Chaves do dispositivo
Todas as chaves são declaradas como constantes e lidos no formato

hexadecimal. Segue as linhas de códigos para leitura do NETWORK SESSION
ENCRYPTION KEY, do APPLICATION SESSION KEY e do DEVICE ADDRESS
respectivamente.
• static const PROGMEM u1_t NWKSKEY [16] = {0xC8, 0x25, 0x67, 0x24, 0x60,
0x14, 0x2B, 0x95, 0x5E, 0x9A, 0xF1, 0xE3, 0xF8, 0xF7, 0x3C, 0x17};
46
• static const u1_t PROGMEM APPSKEY [16] = {0x79, 0x58, 0xDF, 0xA3,
0x74, 0x13, 0xE9, 0x18, 0xEE, 0x41, 0x89, 0x72, 0x31, 0xAB, 0xC3,
0x1F}.
• static const u4_t DEVADDR = 0xe93c3292
4.5.2. O payload
O payload é recebido na PROIOT no formato json e codificado em base64.

Todas as variáveis são enviadas e recebidas em um único payload e são
decodificados diretamente na plataforma. O tamanho do payload é definido no
código de acordo com a quantidade de varáveis a serem enviadas. Ao todo o
payload enviado contém nove variáveis com um tamanho de 99 bytes. Cada uma
das variáveis é identificada por um nome, um alias8 , um id exclusivo e as
respectivas unidades. As figuras 14 e 15 mostram a declaração das variáveis do
payload no código arduino e a declaração das variáveis na PROIOT
respectivamente.
Figura 14 Variáveis do payload no código
8
Alias: O alias é o apelido da variável e precisa ser igual ao nome da variável na declaração do payload
enviado para a plataforma.
47
É possível notar que os nomes das variáveis são iguais aos nomes dos alias
declarados na plataforma.
Figura 15 Variáveis do payload na PROIOT.
4.6. Servidor de aplicação LoRaWAN
O servidor de aplicação é integrado à PROIOT e representa a camada de

aplicação gerenciando os uplinks, a decriptação e a decodificação dos payloads.
Ele cuida de todos os registros da ESP32 e das sessões estabelecidas.
4.7. Dashboard
O dashboard tem como principal objetivo tornar os dados decodificados mais

intuitivos para o usuário. A PROIOT permite criar um dashboard personalizado
na própria plataforma criando vários widgets9 aos quais são associados uma ou
várias das variáveis criadas na plataforma. Ao todo foram criados 10 widgets
para exibir os dados lidos dos sensores sendo um widget para cada uma das
variáveis umidade do ar, material particulado 1.0, material particulado 2.5,
material particulado 10, ozônio, temperatura, longitude, latitude, altitude
respectivamente e um widget para mostrar a localização no mapa.
9
Widget: Os widgets são janelas que exibem um ou vários valores de uma ou várias variáveis, o
conjunto dos widgets formando o dashboard.
48
5. Testes e Resultados
5.1. Testes de funcionalidade
Em um primeiro lugar foi realizado testes indoors com o protótipo desenvolvido.

A figura 16 mostra o circuito do protótipo com as conexões e a chave da fonte
ligada.
DHT22
PMS7003
MQ131
Figura 16 Protótipo LoRa desenvolvido.
Após embarcar o firmware (código arduino desenvolvido) os dados dos sensores

começam a serem recebidos automaticamente na PROIOT. Quando a chave do
circuito é ligada os dados da geolocalização são os últimos a serem recebidos
na plataforma em virtude de o módulo GPS levar mais tempo para inicializar. A
figura 17 mostra os uploads dos dados em tempo real. Os dados em tempo real
trazem informações sobre o gateway que está sendo usado e sobre qualidade
do sinal através do RSSI (Received Signal Strength Indicator). As informações
sobre a qualidade do sinal serão discutidas mais à frente na seção dos testes de
alcance e cobertura.
49
Figura 17 Dados em tempo real.
A figura 18 mostra o decodificador da PROIOT, os dados recebidos no formato

json são codificados em base64 e em seguida decodificados para mostrar o valor
real lido.
Figura 18 Visualização do payload.
Uma vez os dados corretamente decodificados da forma ilustrada na figura 19,

os dados são enviados para o dashboard que recebe uma atualização a cada
decodificação.
50
Figura 19 Dados decodificados.
A figura 20 mostra o dashboard, pode-se observar que os dados decodificados

são exibidos de acordo com cada variável do payload. O marcador do mapa
indica o local onde as medições foram realizadas e é atualizado assim que há
uma mudança de coordenadas geográficas. Exceto os valores de longitude,
latitude e altitude que são relacionados à posição geográfica de onde o
monitoramento está sendo feito, as demais informações são atualizadas a cada
15 segundos.
51
Figura 20 Exibição dos dados indoors.
5.2. Testes de medição e de alcance
Nesta seção constam os testes de medições e de alcance realizados em dois

pontos da cidade para avaliar a medição dos poluentes e o alcance da rede LoRa
utilizada.
5.2.1. Primeiro Ponto de medição
O primeiro ponto de medição foi o setor sul da universidade federal do amazonas

(UFAM). As medições foram realizadas após uma chuva portanto em um dia
bastante úmido e por volta das 18 horas. A figura 21 mostra o ambiente de
medição, por ter sido um ambiente noturno com pouca movimentação de carros
e de ausência de quaisquer outra atividade humana a umidade do ar estava
bastante elevada, a temperatura agradável e os níveis de O3 e materiais
particulado próximo dos recomendados pela OMS.
52
Figura 21 Ambiente de medição outdoor na Ufam
Automaticamente após ligar o circuito os dados começam a serem enviados para

a plataforma. Isto pode ser observado na figura 22 que mostra os uplinks em
tempo real.
Figura 22 Uplinks em tempo real (medições ufam)

53
As figuras 23 e 24 mostram respectivamente um payload recebido e decodificado e a

exibição desse payload no dashboard para uma medição na ufam.
Figura 23 Payload recebido e decodificado (medições ufam)
Figura 24 Exibição dos dados (medições outdoor ufam)

54
5.2.2. Segundo ponto de medição
O segundo ponto de medição foi o complexo viário Gilberto mestrinho

popularmente conhecido como bola do coroado. As medições foram realizadas
em um dia ensolarado por volta das 11 horas. Esse ponto de medição foi
escolhido propositalmente pela grande movimentação de carros e pela presença
do posto de gasolina São Lucas – BR ao lado. A temperatura média foi de 31
grau e como esperado os níveis de O3 e de materiais particulados estavam acima
dos padrões ideais estabelecidos pela OMS. A figura 25 mostra o estado do
ponto do complexo viário Gilberto mestrinho no instante da medição.
Figura 25 Ambiente de medição outdoor no complexo viário Gilberto mestrinho
Similarmente ao primeiro ensaio de medição, é possível acompanhar os uplinks

em tempo real e isso pode ser observado na figura 26.
55
Figura 26 Uplinks em tempo real (medições complexo viário Gilberto mestrinho)
As figuras 27 e 28 mostram respectivamente um payload recebido e decodificado

e a exibição desse payload no dashboard para uma medição no complexo viário
Gilberto mestrinho.
Figura 27 Payload recebido e decodificado (medições complexo viário Gilberto

mestrinho)
56
Fonte: Abdel Chabi, 2021.
Figura 28 Exibição dos dados (medições complexo viário Gilberto mestrinho)
5.2.3. Alcance e qualidade do sinal
Para o ponto de medição indoor e os dois pontos de medições outdoors, foi

identificado os gateways com quais as sessões foram estabelecidas para cada
transmissão analisando os logs de uplinks. Com isso consegue-se ter uma
noção da qualidade do sinal a cada transmissão e da cobertura da rede LoRa
utilizada. Vale ressaltar que os gateways utilizados são da estrutura de Rede
Neutra LoRaWAN da ATC.
A figura 29 mostra um dos gateways utilizados nas medições indoor para os

testes de funcionalidades.
57
Fonte: Google Map, 2021.
Figura 29 Gateway medições indoor
Usando o software google Earth foi possível estimar a distância em linha reta
entre o ponto da medição e o gateway. Neste primeiro caso, como bem ilustra a
figura 30, a distância entre dispositivo e gateway é de aproximadamente 4.5 km
Figura 30 Distância dispositivo – gateway medições Indoor
A figura 31 mostra um dos gateways utilizados nas medições outdoor na Ufam.

58
Figura 31 Gateway medições outdoor ufam
A distância em linha reta entre o dispositivo e o gateway neste caso foi de

aproximadamente 2 km, menor que no caso anterior como mostra a figura 32.
Figura 32 Distância dispositivo – gateway medições outdoor Ufam
Por fim a figura 33 apresenta um dos gateways utilizados nas medições outdoor
no complexo viário Gilberto mestrinho
59
Figura 33 Gateway medições outdoor Gilberto mestrinho
A distância em linha reta entre o dispositivo e o gateway no ensaio de medição

no complexo viário Gilberto mestrinho foi de aproximadamente 1.54 km conforme
mostra a figura 34.
Figura 34 Distância dispositivo – gateway medições outdoor Gilberto mestrinho

60
A partir da análise dos logs de uplinks para cada um dos três cenários descritos
acima foi possível extrair os valores de RSSI e SNR para avaliar a qualidade da
rede. O RSSI do inglês Received Signal Strength Indicator representa a
qualidade relativa do sinal que vai ser recebido pelo dispositivo desenvolvido.
Isto é, o valor do RSSI indica o nível de potência que está sendo recebido após
todas as possíveis perdas do meio. O RSSI é medido em decibel (dB) com
valores que variam de -120 a 0 e quanto maior o valor, melhor a qualidade do
sinal. Assim como o RSSI o SNR vem do inglês Signal to Noise Ratio e como o
próprio nome se auto justifica é o quociente entre o nível de potência do sinal
desejado e o nível de potência do ruído. O SNR é medido em dB e quanto maior
o valor medido, melhor a qualidade do sinal.
A tabela 12 traz os valores de RSSI e SNR de três uplinks para três ensaios de
medições diferentes. Para o mesmo ponto de medição e inclusive para várias
sessões de transmissão do mesmo gateway há variações constantes do sinal
recebido. Essas variações são conhecidas como flutuações do sinal em
telecomunicações. Dos três uplinks da tabela, o uplink do teste outdoor no
Gilberto mestrinho tem a melhor qualidade do sinal uma vez que possui os
maiores valores de RSSI e SNR.
Tabela 12 Valores de RSSI e SNR nas medições
Distância
Coordenadas do Dispositivo Frequência
Testes Canal RSSI (dB) SNR (dB)
Gateway para (Mhz)
gateway(km)
Teste Lat: -3.140356
indoor Lng-59.9944472 4.5 0 -97 10.5 915.2
Teste Lat: -
outdoor 3.10839009284 Lng
ufam :-59.9912910461 2 7 -114 2.2 916.6
Teste Lat: -
outdoor 3.078929901123
Gilberto Lng: -
mestrinho 59.9857711791 1.54 3 -95 7.2 915.8
Uma outra variável que esclarece sobre a qualidade do sinal é o comprimento

de onda (λ). Quanto maior o comprimento de onda mais robustez tem o sinal
61
transmitido. Foi calculado o comprimento de onda para os três uplinks da tabela

10. A fórmula do comprimento de onda é dada a seguir:
𝒄 (𝒎/𝒔)
λ(m) = 𝒇(𝑯𝒛)
Onde λ é o comprimento da onda, c a velocidade da luz (c = 3x108 m/s) e f a

frequência de transmissão.
• Teste indoor
3x108 (𝑚/𝑠)
λ(m) = 915.2𝑥106(𝐻𝑧) = 0.3278 m
• Teste outdoor Ufam

3x108 (𝑚/𝑠)
λ(m) = 916.6𝑥106(𝐻𝑧) = 0.3273 m
• Teste outdoor Gilberto mestrinho

3x108 (𝑚/𝑠)
λ(m) = 915.8𝑥106(𝐻𝑧) = 0.3276 m
O comprimento de onda está na faixa de metros o que significa que o sinal

transmitido pelo dispositivo é bastante robusto e resistente à ruídos.
5.3 Cálculo do IQAr
O IQAr como mencionado na seção 3.1.1, da fundamentação teórica é um valor

adimensional que traduz a qualidade do ar para divulgação ao público geral. Foi
calculado o IQAr para os três pontos de medições usando a fórmula:
Í𝑛𝑑𝑖𝑐𝑒 (𝑓𝑖𝑛𝑎𝑙)−Í𝑛𝑑𝑖𝑐𝑒 (𝐼𝑛𝑖𝑐𝑖𝑎𝑙 )

𝐼𝑄𝐴𝑟 = Í𝑛𝑑𝑖𝑐𝑒(𝐼𝑛𝑖𝑐𝑖𝑎𝑙) + 𝐶𝑜𝑛𝑐 (𝑓𝑖𝑛𝑎𝑙)−𝐶𝑜𝑛𝑐(𝐼𝑛𝑖𝑐𝑖𝑎𝑙 )
× (𝐶𝑜𝑛𝑐 (𝑚𝑒𝑑𝑖𝑑𝑎) − 𝐶𝑜𝑛𝑐(𝑖𝑛𝑖𝑐𝑖𝑎𝑙)
62
Com:
Índice (inicial) = valor do índice que corresponde à concentração inicial da faixa;
Índice (final) = valor do índice que corresponde à concentração final da faixa;
Conc. (medida) = concentração medida;
Conc. (inicial) = concentração inicial da faixa onde se localiza a concentração

medida;
Conc. (final) = concentração final da faixa onde se localiza a concentração

medida;
Para o cálculo do IQAr apenas as concentrações de O3, MP2.5 e MP10 foram

consideradas pois dos poluentes medidos são os únicos contemplados pela
estrutura de cálculo do índice utilizado pela OMS. O cálculo do IQAr usa a tabela
2 da seção 3.1.1 (Tabela 2: Índices de qualidade do ar para MP10, MP2.5 e O3)
para determinar os valores de Índice (inicial), Índice (final), Conc. (inicial) e Conc.
(final) da fórmula. Para cada concentração medida identifica-se na tabela a faixa
de valores a qual pertence. Cada faixa possui um índice inicial e final comum
para todos os poluentes e cada poluentes possui uma concentração inicial e final
para uma faixa específica. Por exemplo se a concentração medida do ozônio for
70 µg/m3, então considera-se a primeira linha da tabela, neste caso o
índice(inicial) é 0, o índice final é 40, o valor da concentração inicial é 0 e o da
concentração final é 100.
5.3.1. Teste indoor
A tabela 13 resume os valores medidos de O3, MP2.5 e MP10.
Tabela 13 Valores medidos indoor
Variáveis de qualidade do ar Concentração medida (µg/m3)

O3 47
MP2.5 36
MP10 93
63
• Índice do ozônio
Conc. (medida) = 47 µg/m3
Índice (inicial) = 0 µg/m3
Índice (final) = 40 µg/m3
Conc. (inicial) = 0 µg/m3
Conc. (final) = 100 µg/m3
40−0
IQAr = 0 + × (47 − 0) = 18.8
100−0
• Índice do MP2.5
Conc. (final) = 50 µg/m3;
80−41
IQAr = 41 + 50−25 × (36 − 25) = 58.16
• Índice do MP10
80−41
IQAr = 41 + 100−50 × (93 − 50) = 74.54
64
O índice da qualidade do ar é o pior caso dos índices calculados. No caso dos

testes indoor o IQAr é igual a 74.54. O valor 74.54 pertence ao intervalo [41 ;80]
e a qualidade do ar para esta faixa é considerada moderada sem riscos para o
público geral, porém afeta crianças idosos e pessoas com doenças respiratórias
e cardíacas.
5.3.2. Teste outdoor Ufam
Tabela 14 Valores medidos Ufam

O3 58
MP2.5 45
MP10 70
• Índice do Ozônio
40−0
IQAr = 0 + 100−0 × (58 − 0) = 23.2

65
Conc. (inicial) = 25 µg/m3 ;
Conc. (final) = 50 µg/m3;
80−41
IQAr = 41 + 50−25 × (45 − 25) = 72.2
• Índice do MP10
80−41
IQAr = 41 + 100−50 × (70 − 50) = 56.6
Considerando o pior caso, o IQAr para as medições na ufam é 72.2, a qualidade

do ar é considerada moderada para este valor. Para uma medição outdoor esse
valor é aceitável e teve influência do horário da medição, da vegetação da ufam
e da ausência de um grande fluxo de transporte motorizado.
5.3.3. Teste outdoor complexo viário Gilberto mestrinho
Tabela 15 Valores medidos complexo viário Gilberto mestrinho

O3 132
MP2.5 54
MP10 127
• Índice do Ozônio
66
120−81
IQAr = 81 + × (132 − 130) = 83.6
160−130
120−81
IQAr = 81 + × (54 − 50) = 87.24
75−50
• Índice do MP10
120−81
IQAr = 81 + × (127 − 100) = 102.06
150−100
67
O valor do IQAr para as medições no complexo viário Gilberto mestrinho é

102.06. O valor 102.06 pertence ao intervalo [81 ;120] e a qualidade do ar para
esta faixa é considerada ruim. Em outras palavras, ficar muito tempo no
complexo viário Gilberto mestrinho afeta o público geral com sintomas como
tosse seca, ardor nos olhos nariz e garganta. As pessoas de grupos sensíveis
tais como crianças, idosos e pessoas com doenças respiratórias e cardíacas
podem apresentar efeitos mais sérios na saúde. Esse índice não desejável se
deve principalmente ao grande fluxo de transporte motorizado.
68
6. Conclusão
Os avanços tecnológicos sempre buscaram facilitar a realização das atividades

humanas e melhorar a qualidade de vida sem muitas das vezes avaliar os
impactos diretos e indiretos sobre a saúde humana. Por exemplo, a geração de
energia, os transportes motorizados e as usinas de modo geral têm
comprometido bastante a qualidade do ar. A poluição do ar é um assunto
incontornável quando se trata das consequências negativas dos avanços
tecnológicos sobre a saúde pública. O melhor instrumento de gestão da
qualidade do ar é o monitoramento. Lamentavelmente no Brasil, a qualidade do
ar é monitorada em poucas cidades devido ao alto custo para montar uma
estação de monitoramento e a complexidade para operar nessas estações
tradicionais. Em outras palavras, é preciso ter pessoas tecnicamente
qualificadas para realizar o monitoramento da qualidade do ar nessas estações.
Essa realidade pode ser mudada usando os recursos e tecnologias de IoT.

Usando a rede LoRa, um módulo LoRa e sensores de baixo custo, foi possível
realizar o monitoramento da qualidade do ar em dois pontos da cidade de
Manaus com um dispositivo móvel. O manuseio do dispositivo desenvolvido
requer poucos conhecimentos técnicos e o custo comparado ao custo de uma
estação de monitoramento tradicional é extremamente baixo.
Quanto mais monitoramento da qualidade tiver, mais fácil será a conscientização

do púbico geral e consequentemente mais fácil se tornará a implementação de
políticas para melhorar a qualidade do ar. Proporcionar um transporte público de
qualidade para diminuir a quantidade de transporte motorizado nas ruas, sem
sombras de dúvidas continua sendo uma das melhores políticas para melhorar
a qualidade do ar.
Com o advento da rede móvel da quinta geração 5G e conceito de network

slicing, que prevê uma faixa de frequência para cada tipo de serviço, utilizar a
faixa de frequência do 5G para Internet das coisas é uma boa alternativa para
trabalhos futuros.
69
Referências
A. F. Chabi, Jones P. Castro, Jean B. Guimarães, Rafael Santos., "A IoT System for
Vehicle Tracking using Long Range Wide Area Network," 2021 IEEE International
Conference on Consumer Electronics-Taiwan (ICCE-TW), 2021, pp. 1-2, doi:
10.1109/ICCE-TW52618.2021.9603034.
A. R. Muppalla , Design and Implementation of IoT Solution for Air Pollution

Monitoring. IEEE Recent Advances in Geoscience and Remote Sensing:
Technologies, Standards and Applications (TENGARSS). p. 45—48, 2019.
B. K. Moharana, P. Anand, S. Kumar and P. Kodali. Development of an IoT-

based Real-Time Air Quality Monitoring Device. International Conference on
Communication and Signal Processing (ICCSP). p. 191—194, 2020.
C. H. Kok, M. A. M. Azlan and S. E. Ong. IoT based Low Cost Distributed Air
Quality Monitoring System for Big Data Collection. 10th IEEE International
Conference on Control System, Computing and Engineering (ICCSCE). p. 7—
10, 2020.
CONAMA. Apenas nove estados brasileiros monitoram a qualidade do ar.

Disponívelem:https://energiaeambiente.org.br/apenas-nove-estados-brasileiros-
monitoram-a-qualidade-do-ar-20180101. Acesso em: 08 de agosto. 2021
Ferreira, TV Câmara São Paulo. Especialista explica monitoramento da

qualidade do ar no Brasil, 2019. Disponível em:
<https://youtu.be/mC1wuzwJrfo>. Acesso em: 05 de abril 2021.
GONÇALVES, L. S. Sistema de Sensoriamento Sem Fio Aplicável a

Detecção de Indícios de Incêndios Florestais. 2020. Trabalho de Conclusão
de Curso (Bacharelado em Engenharia de Telecomunicações) - Universidade
Federal do Amazonas, Manaus, 2020.
IEMA. Apenas nove estados brasileiros monitoram a qualidade do ar.

Disponívelem:https://energiaeambiente.org.br/apenas-nove-estados-brasileiros-
monitoram-a-qualidade-do-ar-20180101. Acesso em: 10 de julho. 2021
70
Instituto Nacional de Câncer. Poluição do ar. Disponível em:

<https://www.inca.gov.br/exposicao-no-trabalho-e-no
ambiente/poluentes/poluicao-do-ar>. Acesso em: 20 de julho. 2021
Maria Nazareth V. R. Poluentes Atmosféricos: Algumas Consequências

Respiratórias na Saúde Humana. Universidade de Ribeirão Preto, 2003.
Miranda, R.M., Andrade, M.F., Fornaro, A., Astofolo, R., Afonso de Andre, P.,
Saldiva, P.H. Urban air Pollution: a representative survey of PM2.5 mass
concentration in six Brazilian cities. Air quality, Atmosphere et Health, vol.55,
n.1, pp. 63 -77, 2012.
Omar Otoniel . A low-cost IoT system for environmental Pollution Monitoring

in Developing Countries, Mixed Design of Integrated Circuits and Systems, v.
26, p. 1–4, 2019.
S. Dhingra, R. B. Madda, A. H. Gandomi, R. Patan and M. Daneshmand. Internet

of Things Mobile?Air Pollution Monitoring System (IoT-Mobair). IEEE
Internet of Things Journal. p. 5577—5584, 2019.
S. McGrath et al. IoT Personal Air Quality Monitor. 31st Irish Signals and
Systems Conference (ISSC). p. 1—4, 2020.
S. Muthukumar . IoT Based Air Pollution Monitoring and Control System.

International Conference on Inventive Research in Computing Applications
(ICIRCA). p. 1286—1288, 2018.
Sarun Duangsuwan . A study of air pollution smart sensors LPWAN via NB-
IoT for Thailand smart cities 4.0, IEEE 10th International Conference on
Knowledge and Smart Technology (KST), p. 206 - 209, 2019.
T. W. Ayele and R. Mehta. Air pollution monitoring and prediction using IoT.
Second International Conference on Inventive Communication and
Computational Technologies (ICICCT), IEEE, p. 1741—1745, 2018.
Ubiratan de Paula S., Marcos Abdo A., Alfésio L. F. B., Rafael F. M., José
Eduardo D. C., Mário T., José M. C. Poluição do ar ambiental: efeitos
respiratórios. Jornal Brasileiro de Pneumologia, vol.47, n.1, 2021.
71
WHO. WHO Air quality guidelines for particulate matter, ozone, nitrogen
dioxide and sulfur dioxide. Global update 2005. Genebra: WHO, 2006.
WHO. Air quality guidelines for Europe. WHO regional publications –

European series, n. 91. Copenhagen: WHO, 2000.
72
Anexos
Anexo A : Código comunicação LoraWAN com ESP32 usando ABP(Autor:
Pedro Bertoleti)
#include <lmic.h> // Utilizando versão 3.3.0

#include <hal/hal.h>
#include <SPI.h>
#include <Wire.h>
#include <ArduinoJson.h>
#include "heltec.h"
#include "dht.h"
#include <math.h>
/* Definições gerais */
#define BAUDRATE_SERIAL_DEBUG 115200
/* Definições do rádio LoRa (SX1276) */

#define GANHO_LORA_DBM 20 //dBm
#define RADIO_RESET_PORT 14
#define RADIO_MOSI_PORT 27
#define RADIO_MISO_PORT 19
#define RADIO_SCLK_PORT 5
#define RADIO_NSS_PORT 18
#define RADIO_DIO_0_PORT 26
73
#define payloadSize 34
#define pinLDR 2
#define pinDHT11 13
#define SensorPin 37 //Sensor de chuva
dht DHT; //VARIÁVEL DO TIPO DHT
/* Constantes do rádio LoRa: GPIOs utilizados para comunicação

com rádio SX1276 */
const lmic_pinmap lmic_pins = {
.nss = RADIO_NSS_PORT,
.rxtx = LMIC_UNUSED_PIN,
.rst = RADIO_RESET_PORT,
.dio = {RADIO_DIO_0_PORT, RADIO_DIO_1_PORT, LMIC_UNUSED_PIN},
};
/* Constantes do LoraWAN */
/* - Chaves (network e application keys) */
static const PROGMEM u1_t NWKSKEY[16] = { }; //coloque aqui sua
network session key
static const u1_t PROGMEM APPSKEY[16] = { }; //coloque aqui sua
application session key
/* - Device Address */
static const u4_t DEVADDR = ;
/* - Tempo entre envios de pacotes LoRa */

const unsigned TX_INTERVAL = 600; //600s = 600 segundos
/* Variáveis e objetos globais */

74
static osjob_t sendjob; //objeto para job de envio de dados via ABP
/* Callbacks para uso cpm OTAA apenas (por este projeto usar ABP, isso,
eles
* estão vazios) */
void os_getArtEui (u1_t* buf)
{
/* Não utilizado neste projeto */
}
void os_getDevEui (u1_t* buf)

{
}
void os_getDevKey (u1_t* buf)

{
}
/* Callback de evento: todo evento do LoRaAN irá chamar essa

callback, de forma que seja possível saber o status da
comunicação com o gateway LoRaWAN. */
void onEvent (ev_t ev)
{
//Serial.print(os_getTime());
//Serial.print(": ");
//Serial.println(ev);
switch(ev)
{
75
case EV_SCAN_TIMEOUT:
//Serial.println(F("EV_SCAN_TIMEOUT"));
break;
case EV_BEACON_FOUND:
//Serial.println(F("EV_BEACON_FOUND"));
break;
case EV_BEACON_MISSED:
//Serial.println(F("EV_BEACON_MISSED"));
break;
case EV_BEACON_TRACKED:
//Serial.println(F("EV_BEACON_TRACKED"));
break;
case EV_JOINING:
LMIC_setLinkCheckMode(1);
LMIC_setAdrMode(1);
//LMIC_startJoining();
//Serial.println(F("EV_JOINING"));
break;
case EV_JOINED:
//Serial.println(F("EV_JOINED"));
break;
case EV_JOIN_FAILED:
//Serial.println(F("EV_JOIN_FAILED"));
break;
case EV_REJOIN_FAILED:
//Serial.println(F("EV_REJOIN_FAILED"));
break;
case EV_TXCOMPLETE:
//Serial.println (millis());
// Serial.println(F("EV_TXCOMPLETE (incluindo espera pelas
janelas de recepção)"));
76
/* Verifica se ack foi recebido do gateway */

if (LMIC.txrxFlags & TXRX_ACK)
//Serial.println(F("Ack recebido"));
/* Verifica se foram recebidos dados do gateway */

if (LMIC.dataLen)
{
//Serial.println(F("Recebidos "));
//Serial.println(LMIC.dataLen);
//Serial.println(F(" bytes (payload) do gateway"));
/* Como houve recepção de dados do gateway, os coloca

em um array para uso futuro. */
if (LMIC.dataLen == 1)
{
uint8_t dados_recebidos = LMIC.frame[LMIC.dataBeg + 0];
//Serial.print(F("Dados recebidos: "));
//Serial.write(dados_recebidos);
}
/* Aguarda 100ms para verificar novos eventos */

delay(100);
/* Agenda próxima transmissão de dados ao gateway, informando

daqui quanto tempo deve
ocorrer (TX_INTERVAL) e qual função chamar para transmitir
(do_send).
Dessa forma, os eventos serão gerados de forma periódica. */
77
os_setTimedCallback(&sendjob,
os_getTime()+sec2osticks(TX_INTERVAL), do_send);
break;
case EV_LOST_TSYNC:
//Serial.println(F("EV_LOST_TSYNC"));
break;
case EV_RESET:
//Serial.println(F("EV_RESET"));
break;
case EV_RXCOMPLETE:
//Serial.println(F("EV_RXCOMPLETE"));
break;
case EV_LINK_DEAD:
//Serial.println(F("EV_LINK_DEAD"));
break;
case EV_LINK_ALIVE:
//Serial.println(F("EV_LINK_ALIVE"));
break;
case EV_TXSTART:
//Serial.println(F("EV_TXSTART"));
//Serial.println (millis());
//Serial.println(LMIC.freq);
break;
default:
//Serial.print(F("Evento desconhecido: "));
//Serial.println((unsigned) ev);
break;
}
}
78
/* Função para envio de dados ao gateway LoRaWAN */

void do_send(osjob_t* j)
{
int sensorValue = -1; //Higrômetro
int ldrValue = -1; //Luminosidade do módulo LDR
int saleSize = 1; // descunto do valor do payload
sensorValue = map(analogRead(SensorPin), 0, 5000, 0, 100); // Leitura
do Higrômetro
ldrValue = map(analogRead(pinLDR), 0, 5000, 100, 0);
//map(value, fromLow, fromHigh, toLow, toHigh)
//saleSize
DHT.read11(pinDHT11);
//String mydata_str = "";
static uint8_t mydata[payloadSize];
char mydata_str[payloadSize]={0};
// Montando o JSON
DynamicJsonDocument json(JSON_OBJECT_SIZE(4));
json["H"] = sensorValue;
json["T"] = (int)DHT.temperature;
json["U"] = (int)DHT.humidity;
json["L"] = ldrValue;
// Apenas para justar o tamanho do payload LoRaWAN
if ((sensorValue >= 100)&&(sensorValue < 1000)) {

saleSize++;
}
else if ((sensorValue >= 10)&&(sensorValue < 100)) {
saleSize = saleSize + 2;
79
}
else if ((sensorValue >= 0)&&(sensorValue < 10)) {
}
if ((ldrValue >= 100)&&(ldrValue <1000)) {

saleSize++;
}
else if ((ldrValue >= 10)&&(ldrValue < 100)) {
}
else if ((ldrValue >= 0)&&(ldrValue < 10)) {
}
serializeJson(json, mydata_str);
//Serial.print(F("JSON:"));
//Serial.println(mydata_str);
//Serial.print(F("JSON Payload Size:"));
//Serial.println(payloadSize-saleSize);
Heltec.display -> clear();
Heltec.display -> drawString(0,0, (String) os_getTime());
Heltec.display -> drawString(0,10, mydata_str);
Heltec.display -> display();
/* Verifica se já há um envio sendo feito.

Em caso positivo, o envio atual é suspenso. */
if (LMIC.opmode & OP_TXRXPEND)
{
80
//Serial.println(F("OP_TXRXPEND: ha um envio ja pendente, portanto

o atual envio nao sera feito"));
}
else
{
/* Aqui, o envio pode ser feito. */
/* O pacote LoRaWAN é montado e o coloca na fila de envio. */
LMIC_setTxData2(1, (uint8_t *)&mydata_str, payloadSize-saleSize, 0);
//Serial.println(F("Pacote LoRaWAN na fila de envio."));

}
void setup()
{
Heltec.begin(true /*DisplayEnable Enable*/, false /*LoRa Enable*/, true

/*Serial Enable*/);
Heltec.display->clear();
pinMode(pinDHT11, INPUT);
pinMode(SensorPin, INPUT);
uint8_t appskey[sizeof(APPSKEY)];
uint8_t nwkskey[sizeof(NWKSKEY)];
int b;
/* Inicializa serial de debug */

//Serial.begin(BAUDRATE_SERIAL_DEBUG);
81
/* Inicializa comunicação SPI com rádio LoRa */

SPI.begin(RADIO_SCLK_PORT, RADIO_MISO_PORT,
RADIO_MOSI_PORT);
/* Inicializa stack LoRaWAN */

os_init();
LMIC_reset();
/* Inicializa chaves usadas na comunicação ABP */

memcpy_P(appskey, APPSKEY, sizeof(APPSKEY));
memcpy_P(nwkskey, NWKSKEY, sizeof(NWKSKEY));
LMIC_setSession (0x13, DEVADDR, nwkskey, appskey);
/* Faz inicializações de rádio pertinentes a região do

gateway LoRaWAN (ATC / Everynet Brasil) */
for (b=0; b<8; ++b)
LMIC_disableSubBand(b);
LMIC_enableChannel(0); // 915.2 MHz

LMIC_setAdrMode(0);
LMIC_setLinkCheckMode(0);
82
/* Data rate para janela de recepção RX2 */

LMIC.dn2Dr = DR_SF12CR;
/* Configura data rate de transmissão e ganho do rádio LoRa (dBm) na

transmissão */
LMIC_setDrTxpow(DR_SF12, GANHO_LORA_DBM);
/* Força primeiro envio de pacote LoRaWAN */

do_send(&sendjob);
}
void loop()
{
os_runloop_once();
}
Anexo B: Código calibração MQ131 e medição de ozônio

#include <MQ131.h>
void setup() {
Serial.begin(115200);
// Init the sensor

// - Heater control on pin 2
// - Sensor analog read on pin A0
// - Model LOW_CONCENTRATION
// - Load resistance RL of 1MOhms (1000000 Ohms)
MQ131.begin(2,A0, LOW_CONCENTRATION, 1000000);
Serial.println("Calibration parameters");
Serial.print("R0 = ");
83
Serial.print(MQ131.getR0());
Serial.println(" Ohms");
Serial.print("Time to heat = ");
Serial.print(MQ131.getTimeToRead());
Serial.println(" s");
}
void loop() {
Serial.println("Sampling...");
MQ131.sample();
Serial.print("Concentration O3 : ");
Serial.print(MQ131.getO3(PPM));
Serial.println(" ppm");
Serial.print(MQ131.getO3(PPB));
Serial.println(" ppb");
Serial.print(MQ131.getO3(MG_M3));
Serial.println(" mg/m3");
Serial.print(MQ131.getO3(UG_M3));
Serial.println(" ug/m3");
delay(60000);
}
Anexo C: Código medição de Material Particulado
#include "PMS.h"
84
PMS pms(Serial);
PMS::DATA data;
void setup()
{
Serial.begin(9600); // GPIO1, GPIO3 (TX/RX pin on ESP-12E
Development Board)
Serial1.begin(9600); // GPIO2 (D4 pin on ESP-12E Development Board)
}
void loop()
{
if (pms.read(data))
{
Serial1.print("PM 1.0 (ug/m3): ");
Serial1.println(data.PM_AE_UG_1_0);


Serial1.println();
}
}

Qualquer Coisa...

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Qualquer Coisa...

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO AMAZONAS - UFAM

Projeto Final de Curso

Sistema de monitoramento da qualidade do ar

Abdel Fadyl Chabi

Ficha catalográfica elaborada automaticamente de acordo com os dados fornecidos

Chabi, Abdel Fadyl

Orientador: Celso Barbosa Carvalho

1. LoRa. 2. LoRaWAN. 3. Poluição. 4. Esp32. 5.

Sistema de monitoramento da qualidade do ar

Projeto de Final de Curso,

Aprovado em 26 de novembro de 2021.

Departamento de Eletrônica e Computação - UFAM

Departamento de Eletrônica e Computação - UFAM

Departamento de Eletrônica e Computação - UFAM

Ao meu professor orientador, Celso Carvalho pela paciência e por me orientar

Às instituições que ofereceram infraestrutura e apoiaram a pesquisa como: o

Palavras-chaves: LoRa, LoRaWAN, Poluição, ESP32, PROIOT,

Keywords: LoRa, LoRaWAN, Pollution, ESP32, PROIOT, monitoring.

Tabela 1 Padrões de qualidade do ar ----------------------------------------------------- 18

Tabela 2 Índices de qualidade do ar para MP10, MP2.5 e O3 --------------------- 21

Tabela 3 Efeitos da qualidade do ar sobre a saúde ----------------------------------- 22

Tabela 4 Parâmetros de comunicação da rede LoRa --------------------------------- 27

Tabela 5 Parâmetros técnicos do sensor da ESP32. --------------------------------- 29

Tabela 6 Parâmetros técnicos do sensor de ozônio MQ-131. ---------------------- 30

Tabela 7 Parâmetros técnicos do sensor de material particulado PMS7003. - 32

Tabela 8 Parâmetros técnicos do sensor de temperatura DTH22. ---------------- 34

Tabela 9 Parâmetros técnicos da fonte ajustável ------------------------------------- 36

Tabela 10 Mapa dos pinos do DHT22 ---------------------------------------------------- 38

Tabela 11 Mapa dos pinos do PMS7003 ------------------------------------------------ 41

Tabela 12 Valores de RSSI e SNR nas medições ------------------------------------- 60

Tabela 13 Valores medidos indoor -------------------------------------------------------- 62

Tabela 14 Valores medidos Ufam --------------------------------------------------------- 64

Tabela 15 Valores medidos complexo viário Gilberto mestrinho ------------------ 65

Figura 1 Camadas da Rede LoRa. --------------------------------------------------------- 24

Figura 2 Estrutura da arquitetura de rede LoRa. --------------------------------------- 26

Figura 3 Módulo ESP32 ----------------------------------------------------------------------- 28

Figura 4 sensor de ozônio (O3). ------------------------------------------------------------ 30

Figura 5 princípio de funcionamento do PMS7003. ----------------------------------- 31

Figura 6 sensor de material particulado PMS7003 ----------------------------------- 33

Figura 7 sensor de temperatura e umidade DTH22 ---------------------------------- 34

Figura 8 Fonte Ajustável ---------------------------------------------------------------------- 35

Figura 9 Arquitetura do sistema ------------------------------------------------------------ 36

Figura 10 Circuito da calibração do MQ131 --------------------------------------------- 40

Figura 11 Dados da calibração do MQ131 ---------------------------------------------- 40

Figura 12 Exemplos de mensagens NMEA $GPGGA e $GPRMC --------------- 43

Figura 13 Chaves do dispositivo ------------------------------------------------------------ 45

Figura 14 Variáveis do payload no código ---------------------------------------------- 46

Figura 15 Variáveis do payload na proiot. ----------------------------------------------- 47

Figura 16 Protótipo LoRa desenvolvido. -------------------------------------------------- 48

Figura 17 Dados em tempo real.------------------------------------------------------------ 49

Figura 18 Visualização do payload. -------------------------------------------------------- 49

Figura 19 Dados decodificados.------------------------------------------------------------ 50

Figura 20 Exibição dos dados indoors. --------------------------------------------------- 51

Figura 21 Ambiente de medição outdoor na Ufam ------------------------------------ 52

Figura 22 Uplinks em tempo real (medições ufam) ------------------------------------ 52

Figura 23 Payload recebido e decodificado (medições ufam) --------------------- 53

Figura 25 Ambiente de medição outdoor no complexo viário Gilberto mestrinho

Figura 26 Uplinks em tempo real (medições complexo viário Gilberto mestrinho)

Figura 27 Payload recebido e decodificado (medições complexo viário Gilberto

Figura 28 Exibição dos dados (medições complexo viário Gilberto mestrinho)

Figura 29 Gateway medições indoor------------------------------------------------------ 57

Figura 30 Distância dispositivo – gateway medições Indoor ----------------------- 57

Figura 31 Gateway medições outdoor ufam -------------------------------------------- 58