JULIÁN FELIPE SEGURA...
Transcript of JULIÁN FELIPE SEGURA...
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL CÂMPUS APUCARANA E LONDRINA
JULIÁN FELIPE SEGURA CONTRERAS
CONCENTRAÇÃO DE PARTÍCULAS ATMOSFÉRICAS FINAS EM ÔNIBUS DO
TRANSPORTE PÚBLICO URBANO NO BRASIL
LONDRINA
2017
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL CÂMPUS APUCARANA E LONDRINA
JULIÁN FELIPE SEGURA CONTRERAS
CONCENTRAÇÃO DE PARTÍCULAS ATMOSFÉRICAS FINAS EM
ÔNIBUS DO TRANSPORTE PÚBLICO URBANO NO BRASIL
Dissertação de Mestrado apresentada ao Programa de Pós-
Graduação em Engenharia Ambiental, da Universidade
Tecnológica Federal do Paraná – Câmpus Apucarana/Londrina,
como requisito parcial para obtenção do título de Mestre em
Engenharia Ambiental.
Orientador: Prof. Dr. Admir Créso de Lima Targino
Co-orientador: Prof. Maurício Moreira dos Santos
LONDRINA
2017
TERMO DE LICENCIAMENTO
Esta Dissertação está licenciada sob uma Licença Creative Commons atribuição uso não-
comercial/compartilhamento sob a mesma licença 4.0 Brasil. Para ver uma cópia desta licença,
visite o endereço http://creativecommons.org/licenses/by-nc-sa/4.0/ ou envie uma carta para
Creative Commons, 171 Second Street, Suite 300, San Francisco, Califórnia 94105, USA.
Ministério da Educação
Universidade Tecnológica Federal do Paraná
Pró-reitora de Pesquisa e Pós Graduação
Programa de Pós-Graduação em Engenharia Ambiental
Campus Apucarana/Londrina
TERMO DE APROVAÇÃO
CONCENTRAÇÃO DE PARTÍCULAS ATMOSFÉRICAS FINAS EM
ÔNIBUS DO TRANSPORTE PÚBLICO URBANO NO BRASIL
por
JULIÁN FELIPE SEGURA CONTRERAS
Dissertação de mestrado apresentada no dia 13 de dezembro de 2017 como requisito
parcial para a obtenção do título de MESTRE EM ENGENHARIA AMBIENTAL pelo
Programa de Pós-Graduação em Engenharia Ambiental, Câmpus Apucarana/Londrina,
Universidade Tecnológica Federal do Paraná. O Candidato foi arguido pela Banca
Examinadora composta pelos professores abaixo assinados. Após deliberação, a Banca
Examinadora considerou o trabalho Aprovado .
____________________________
Prof. Dr - Admir Créso de Lima Targino
(UTFPR)
____________________________
Prof. Dra - Patrícia Krecl
(UTFPR Campus Apucarana)
____________________________
Prof. Dr - Andreas Grauer
(UTFPR Campus Curitiba)
___________________________
Profa. Dra Alessandra Furtado da Silva
Coordenadora do Programa de Pós-Graduação em Engenharia Ambiental
O Termo de Aprovação assinado encontra-se na Coordenação do Programa de Pós Graduação em
Engenharia Ambiental
Dedico este trabalho às duas pessoas que me motivam todos os dias
a ser um ser humano melhor, aqueles que me ensinaram a sempre
olhar para frente, meus pais. Dedico também aos meus irmãos, pelo
seu apoio, amor e companhia ao longo da vida. Eu amo vocês.
AGRADECIMENTOS
Primeiro, quero agradecer a Deus por me dar vida, por me preencher com fé e
sabedoria nos momentos em que o espírito mais precisa. Para a Virgem Maria por me
dar proteção dia a dia com seu manto sagrado e aos anjos que me acompanham em
cada passo que eu levo.
Quero dar meus mais especiais e sinceros agradecimentos ao meu orientador
Admir Targino por ter acreditado em mim desde o início e aceitar fazer o mestrado sob
sua direção. Foi um caminho difícil, com bons e maus momentos, com erros e sucessos
durante o processo, mas graças ao seu apoio, compreensão e confiança foi possível
continuar neste caminhar, que com certeza foram uma contribuição inestimável para o
meu aprendizado e crescimento pessoal. Para o meu co-orientador Maurício dos Santos
por toda a sua contribuição e conhecimento para concluir com êxito este trabalho.
Agradeço aos meus pais Jorge e Martha, aos meus irmãos Camilo e Daniela,
que mesmo devido à distância, sempre me apoiaram e me encheram de força para
continuar. Vocês são a maior motivação para que eu possa ser melhor todos os dias.
Para os outros membros da minha família pelo carinho e por serem pessoas
fundamentais na minha vida.
Para todos os membros do Laboratory for Urban Air Pollution and Climate
pela amizade e companheirismo, por toda a ajuda e contribuição para que esse trabalho
pudesse ser realizado, especialmente ao Thiago Landi pela coleta de dados em Curitiba.
Sem dúvida, cheguei a um excelente grupo de pesquisa, no qual aprendi muitas coisas
de cada um de vocês.
Ao CNPq pela concessão de bolsa (no primeiro ano), aquisição de
equipamentos e consumíveis através dos projetos 404146/2013-9 e 400273/2014-4. À
CAPES e ao PPGEA pelo financiamento para poder concluir meus estudos e realizar
esta pesquisa. Ao Prof. Mark David Gibson, da Dalhousie University (Canadá), pelo
empréstimo de equipamentos.
Para meus amigos na Colômbia, porque de longe vocês também me
encorajaram a seguir. Também aos amigos que Londrina me deu, especialmente ao
Arthur e Laerte por me abrir as portas de sua casa para morar aqui. Muito obrigado a
todos vocês por fazer meus dias mais felizes durante dois anos.
Finalmente, agradeço a todas as pessoas que contribuíram, direta ou
indiretamente, para a realização deste trabalho.
RESUMO
SEGURA, J.F. Concentração de partículas atmosféricas finas em ônibus do transporte público urbano no Brasil. 2017. 109 p. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Ambiental (PPGEA), Câmpus Apucarana/Londrina, Universidade Tecnológica Federal do Paraná. Londrina, 2017.
A principal fonte de poluentes atmosféricos em ambientes urbanos é a emissão pela frota veicular motorizada. Embora a proporção de tempo gasto pela população no trânsito seja pequena comparada com outras atividades, as elevadas concentrações de material particulado (MP) contribuem para uma fração significativa da exposição pessoal diária. Pela primeira vez no Brasil, realizou-se o monitoramento de MP fino dentro de ônibus do transporte público urbano comparando uma cidade média (Londrina, PR), uma cidade grande (Curitiba, PR) e uma megacidade (São Paulo,
SP). Medições de black carbon (BC), partículas com diâmetro menor que 2,5 m (MP2,5) e número de partículas (CNP) foram feitas em percursos com tráfego dominado por veículos leves, veículos pesados e motocicletas, e características urbanas semelhantes (vias controladas por semáforos, estruturas de cânions, etc.) Os resultados mostram uma grande variabilidade espacial das concentrações medianas de BC e CNP, e relativamente menor para MP2,5. Os ônibus de Curitiba foram os mais poluídos em termos de BC e MP2,5 e o terminal Cabral foi o mais poluído entre todos os investigados. A frota de ônibus mais velha em Curitiba, combinado com concentrações urbanas de fundo relativamente mais elevadas, podem ter contribuído para valores elevados de MP. Os ônibus de Londrina foram os mais limpos em termos das três métricas medidas, enquanto São Paulo se destacou com concentrações altas de CNP. As concentrações médias de BC, MP2,5 e CNP dentro dos ônibus foram, respectivamente, 5,4 μg m-3, 16,1 μg m-3 e 34.038 # cm-3
em Londrina, 16,9 μg m-3, 31,0 μg m-3 e 45.075 # cm-3 em Curitiba, e 8,9 μg m-3, 29,5 μg m-3 e 53.479 # cm-3 em São Paulo. Constatou-se que na maioria dos casos observados a velocidade de deslocamento do ônibus e fração de veículos pesados tiveram uma relação negativa e positiva, respectivamente, com as concentrações de MP. Uma análise detalhada de uma coleta específica evidenciou que a ocorrência de semáforos e paradas de ônibus causou picos instantâneos das concentrações de MP. Uma metodologia objetiva aplicada para a detecção de hotspots (áreas com concentrações maiores que o percentil 95 de BC, MP2,5 ou CNP) mostrou que os locais preferenciais são as vias onde ocorrem concomitantemente estrutura de cânion, alta fração de veículos pesados, paradas de ônibus e semáforos. Na cidade de São Paulo um hotspot foi detectado na saída do túnel Anhangabaú (causado pelo efeito de pistão) e nas imediações do Terminal Bandeira, localizado nas imediações das Avs. Nove de Julho e 23 de Maio. Os resultados alertam para a ocorrência de valores de MP extremamente altos dentro do transporte público, com possíveis efeitos deletérios na saúde de usuários e trabalhadores do setor. Palavras-chave: Material particulado, variabilidade espacial, atributos urbanos, exposição pessoal.
ABSTRACT SEGURA, J.F. Concentrations of fine atmospheric particles on public urban transit buses in Brazil. 2017. 109 p. Master’s degree. Graduate Program in Environmental Engineering (PPGEA), campus Apucarana/Londrina, Federal University of Technology – Paraná, Londrina, 2017. The main source of air pollutants in urban environments is the emission by the motor vehicle fleet. Although the proportion of time spent by the population in traffic microenviornments is small compared to other activities, high concentrations of particulate matter (PM) contribute to a significant fraction of daily personal exposure. For the first time in Brazil, monitoring of fine PM was carried out on public urban transit buses comparing a mid-sized city (Londrina, PR), a large city (Curitiba, PR) and a megacity (São Paulo, SP). Measurements of black carbon (BC), particles with
a diameter of less than 2.5 m (PM2.5) and particle number concentrations (PNC) were made on routes with traffic dominated by light- and heavy-duty vehicles and motorcycles, and similar urban characteristics (junctions managed by traffic signals, canyon structures, etc.) The results show a large spatial variability of the median concentrations of BC and CNP, and relatively lower for PM2.5. Curitiba's buses were the most polluted in terms of BC and PM2.5 and the Cabral Terminal was the most polluted. The older bus fleet in Curitiba, combined with relatively higher urban background concentrations, may have contributed to larger PM values. The buses in Londrina were the cleanest, whilst São Paulo stood out with high concentrations of CNP. The mean concentrations of BC, PM2.5 and PNC in the buses were, respectively, 5.4 μg m-3, 16.1 μg m-3 and 34038 # cm-3 in Londrina, 16.9 μg m -3, 31.0 μg m-3 and 45075 # cm-3
in Curitiba, and 8.9 μg m-3, 29.5 μg m-3 and 53479 # cm-3 in São Paulo. In most cases the bus speed and heavy-duty vehicle fraction had a negative and positive relation, respectively, with PM concentrations. A detailed analysis of a specific profile showed that the occurrence of traffic signals and bus stops caused instantaneous peaks of PM concentrations. An objective methodology applied to detect hotspots (areas with concentrations greater than the 95th percentile of BC, PM2.5 or PNC) showed that their most likely locations were roads where canyon structure, high fraction of heavy-duty vehicles, bus stops and traffic signals occurred. In the city of São Paulo, a hotspot was detected at the exit of Anhangabaú Tunnel (caused by the piston effect) and near to the Terminal Bandeira, located in the vicinity of two highly-trafficked avenues (9 of July and 23 of May avenues). The results highlight the occurrence of extremely high MP concentrations on public transport, with possible deleterious effects on the health of users and workers within the sector. Keywords: Particulate matter, spatial variability, urban attributes, personal exposure.
LISTA DE FIGURAS
Figura 1- Representação esquemática da distribuição das partículas atmosféricas
por (a) massa (b) número. Fonte: Adaptado de SLEZAKOVA et al. (2013);
COLBECK e LAZARIDIS (2010)................................................................................23
Figura 2- Mapa do Brasil mostrando a localização dos estados do Paraná e São
Paulo e das três cidades estudadas...........................................................................29
Figura 3- Climograma para a cidade de Londrina para o período de 1986-2016.
Fonte: INMET, (2017).................................................................................................30
Figura 4- Climograma para a cidade de Curitiba para o período de 1986-2016. Fonte:
INMET, (2017)............................................................................................................31
Figura 5- Climograma para a cidade de São Paulo para o período de 1986-2016.
Fonte: INMET, (2017).................................................................................................32
Figura 6- Frota de ônibus diesel do transporte público urbano de Londrina, Curitiba e
São Paulo por fase P4, P5, P6 e P7 da PROCONVE. Fonte: TCG, (2016); URBS,
(2017); SPTRANS, (2017)..........................................................................................35
Figura 7- Princípio de funcionamento do Dusttrak 8520. Fonte: Adaptado de TSI,
(2012a).......................................................................................................................36
Figura 8- a) Princípio de funcionamento microaetalômetro AE51. b) Posicionamento
da área onde a amostra é depositada e a área limpa do filtro. Fonte: Adaptado de
ARNOTT et al., (2005); WANG et al., (2014).............................................................40
Figura 9- Princípio de funcionamento do CPC3007. Fonte: Adaptado de TSI,
(2012b).......................................................................................................................41
Figura 10- Trajeto das linhas 113 e 213 ligando a UTFPR com o Terminal Central e o
Shopping Catuaí (Londrina).......................................................................................44
Figura 11- Trajeto da linha 203 ligando o Terminal Cabral com o Terminal Portão
(Curitiba).....................................................................................................................45
Figura 12- Trajeto das linhas 5154-10 e 967A-10 ligando o Terminal Princesa Isabel
com a Rua Pedroso (Troca de ônibus) (São Paulo)...................................................45
Figura 13- Avaliação do tamanho dos buffers para determinação da área de
influência dos atributos urbanos. a) 20 m de raio; b) 40 m de raio............................53
Figura 14- Boxplots das concentrações de BC, MP2,5 e CNP nas três cidades
pesquisadas ..............................................................................................................60
Figura 15- Diagramas de dispersão e coeficientes de determinação entre as
concentrações médias (5 min) de BC, MP2,5 e CNP nas três
cidades.......................................................................................................................62
Figura 16- Histogramas das concentrações do logaritmo de BC, MP2,5 e CNP nas
três cidades ...............................................................................................................63
Figura 17- Perfil das concentrações de BC, MP2,5 e CNP na cidade de São Paulo
para o dia 27 de junho de 2016. Os quadrados azuis indicam paradas de ônibus e os
losangos vermelhos indicam semáforos ...................................................................64
Figura 18- Contagem veicular na cidade de Londrina................................................67
Figura 19- Contagem veicular na cidade de Curitiba.................................................67
Figura 20- Contagem veicular na cidade de São Paulo.............................................68
Figura 21- Distribuição espacial mediana das concentrações de BC (Londrina).......69
Figura 22- Distribuição espacial mediana das concentrações de BC (Curitiba)........70
Figura 23- Distribuição espacial mediana das concentrações de BC (São Paulo) ...71
Figura 24- Distribuição espacial mediana das concentrações de MP2,5 (Londrina)...73
Figura 25- Distribuição espacial mediana das concentrações de MP2,5 (Curitiba).....73
Figura 26- Distribuição espacial mediana das concentrações de MP2,5 (São
Paulo).........................................................................................................................74
Figura 27- Distribuição espacial mediana de CNP (Londrina)...................................75
Figura 28- Distribuição espacial mediana de CNP (Curitiba).....................................76
Figura 29- Distribuição espacial mediana de CNP (São Paulo).................................76
Figura 30- Boxplots das concentrações de BC, MP2,5 e CNP nas paradas e
semáforos na cidade de Londrina, Curitiba e São Paulo...........................................78
Figura 31- Relação entre número de veículos e concentração mediana de
poluentes....................................................................................................................80
Figura 32- Relação entre as concentrações de BC, MP2,5 e CNP e a velocidade do
ônibus.........................................................................................................................82
Figura 33- Hotspots das concentrações de BC, MP2,5 e CNP no centro de
Londrina......................................................................................................................83
Figura 34- Hotspots das concentrações de BC, MP2,5 e CNP na Av. Sete de
Setembro em Curitiba.................................................................................................84
Figura 35- Hotspots das concentrações de BC, MP2,5 e CNP na Rua Santo Amaro
em São Paulo.............................................................................................................85
Figura C1- Hotspots das concentrações de BC, MP2,5 e CNP (Londrina)...............108
Figura C2- Hotspots das concentrações de BC, MP2,5 e CNP (Curitiba).................108
Figura C3- Hotspots das concentrações de BC, MP2,5 e CNP (São Paulo).............109
LISTA DE TABELAS
Tabela 1- Concentrações anuais de MP2,5 em cidades da América Latina...............16
Tabela 2- Concentrações médias de BC e número de partículas em algumas cidades
latino americanas ......................................................................................................19
Tabela 3- Fases estabelecidas pelo PROCONVE para veículos pesados................27
Tabela 4- Emissões de MP, NOx, SOx e CO nas cidades de Londrina, Curitiba e São
Paulo .........................................................................................................................33
Tabela 5- Número total de veículos e porcentagem da frota veicular em Londrina,
São Paulo e Curitiba de acordo com o uso de combustível ......................................34
Tabela 6- Composição da frota veicular e porcentagem por tipo de veículo em
Londrina, São Paulo e Curitiba...................................................................................34
Tabela 7- Informação sobre as amostragens ............................................................43
Tabela 8- Especificações dos equipamentos para este estudo.................................46
Tabela 9- Descrição estatística das concentrações de BC, MP2,5 e CNP dentro dos
ônibus.........................................................................................................................57
Tabela 10- Descrição estatística das concentrações de BC, MP2,5 e CNP nos
terminais ....................................................................................................................58
Tabela 11- Resumo da comparação das concentrações de BC, MP2,5 e CNP dentro
dos ônibus em várias cidades....................................................................................59
Tabela 12- Resultado do teste de Kolmogorov-Smirnov aplicados aos dados de BC,
MP2,5 e CNP para as três cidades..............................................................................62
Tabela 13- Composição da frota veicular e porcentagem por tipo de veículo nos
pontos de contagens em Londrina, Curitiba e São Paulo .........................................68
Tabela 14- Limites das concentrações que definem hotspots ..................................82
Tabela B1- Posição geográfica e horário onde foram realizadas as contagens de
fluxo veicular (veículos h-1) com a respectiva composição da frota
(Londrina).................................................................................................................105
Tabela B2- Posição geográfica e horário onde foram realizadas as contagens de
fluxo veicular (veículos h-1) com a respectiva composição da frota
(Curitiba)...................................................................................................................106
Tabela B3- Posição geográfica e horário onde foram realizadas as contagens de
fluxo veicular (veículos h-1) com a respectiva composição da frota (São
Paulo).......................................................................................................................107
LISTA DE ABREVIATURAS
ATN Atenuação
BC Black carbon
BRT Bus Rapid Transit
CET Companhia de Engenharia de Tráfego
CNP Concentração de número de partículas
CNT Confederação Nacional do Transporte
CONAMA Conselho Nacional do Meio Ambiente
da Diâmetro aerodinâmico
EGNOS Serviço Europeu de Sobreposição de Navegação Geoestacionária
GPS Sistema de Posicionamento Global
IPPUC Instituto de Pesquisa e Planejamento Urbano de Curitiba
MP Material particulado
MP1 Material particulado com diâmetro aerodinâmico menor que 1,0 μm
MP2,5 Material particulado com diâmetro aerodinâmico menor que 2,5 μm
MP10 Material particulado com diâmetro aerodinâmico menor que 10,0 μm
OMS Organização Mundial da Saúde
PBT Peso bruto total
ppm Partes por milhão
PUF Partículas ultrafinas
PROCONVE Programa de Controle de Poluição do Ar por Veículos Automotores
QI Quociente de inteligência
SENAT Serviço Nacional de Aprendizagem do Transporte
SEST Serviço Social do Transporte
SIG Sistema de Informação Geográfica
SIRGAS2000 Sistema de Referência Geocêntrico para as Américas
UTFPR Universidade Tecnológica Federal do Paraná
UTM Universal Transversa de Mercator
VP Veículos pesados
VT Veículos totais
SUMÁRIO
1 INTRODUÇÃO ................................................................................................... 15
1.1 CARACTERÍSTICAS DO MP EM AMBIENTES DOMINADOS POR
TRÁFEGO MOTORIZADO .................................................................................... 22
1.2 CARACTERÍSTICAS DO ÓLEO DIESEL NO BRASIL................................. 25
2 OBJETIVO ......................................................................................................... 28
2.1 OBJETIVO GERAL ...................................................................................... 28
2.2 OBJETIVOS ESPECÍFICOS ........................................................................ 28
3 METODOLOGIA ................................................................................................ 29
3.1 ÁREA DE ESTUDO...................................................................................... 29
3.2 METODOLOGIA DE MEDIÇÃO ................................................................... 35
3.2.1 Instrumentos utilizados .......................................................................... 35
3.3 SELEÇÃO DAS ROTAS E COLETA DE DADOS ........................................ 41
3.4 CARACTERIZAÇÃO DO FLUXO VEICULAR AO LONGO DAS ROTAS
INVESTIGADAS .................................................................................................... 43
3.5 EXECUÇÃO DA AMOSTRAGEM ................................................................ 46
3.6 TRATAMENTO DOS DADOS ...................................................................... 47
3.6.1 Validação dos dados ............................................................................. 47
3.6.2 Descrição estatística .............................................................................. 49
3.7 DISTRIBUIÇÃO ESPACIAL DOS POLUENTES AO LONGO DOS
TRAJETOS ............................................................................................................ 51
3.7.1 Definição de hotspot .............................................................................. 51
3.7.2 Determinação de zonas de influência .................................................... 52
4 RESULTADOS ................................................................................................... 54
4.1 ANÁLISE ESTATÍSTICA DAS CONCENTRAÇÕES DE POLUENTES ....... 54
4.2 PERFIL DA VARIAÇÃO DE CONCENTRAÇÃO DE PARTÍCULAS ............ 63
4.3 ANÁLISE ESPACIAL .................................................................................... 66
4.3.1 Densidade do tráfego ............................................................................ 66
4.3.2 Distribuição espacial das concentrações de BC .................................... 69
4.3.3 Distribuição espacial das concentrações de MP2,5 ................................ 71
4.3.4 Distribuição espacial das concentrações de número de partículas ....... 74
4.4 RELAÇÃO ENTRE AS CONCENTRAÇÕES DE POLUENTES COM OS
ATRIBUTOS URBANOS E CARACTERÍSTICAS DO TRÁFEGO ......................... 77
4.4.1 Relação entre concentração de poluentes com semáforos e paradas de
ônibus 77
4.4.2 Relação entre concentração de poluentes e número de veículos ......... 79
4.4.3 Relação entre concentração de poluentes e velocidade do tráfego ...... 80
4.4.4 Fatores determinantes dos hotspots ...................................................... 82
5 CONCLUSÕES .................................................................................................. 86
5.1 SUGESTÕES PARA TRABALHOS FUTUROS ........................................... 89
REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................... 90
APÊNDICE A: Relatório de eventos.........................................................….........104
APÊNDICE B: Contagem veicular.........................................................................105
APÊNDICE C: Hotspots em Londrina, Curitiba e São Paulo..............................108
15
1 INTRODUÇÃO
Nas últimas décadas, as cidades tiveram um acelerado desenvolvimento
espacial e crescimento populacional. Estima-se que 56% da população mundial viva
em centros urbanos. No caso da América Latina e Caribe, 80% da população vive
em áreas urbanas, tornando-as as regiões mais urbanizadas do mundo em
desenvolvimento (UN, 2014). Essa urbanização geralmente ocorre mais
rapidamente em regiões em processos de transformação e crescimento econômico,
porém, muitas vezes acompanhado de falta de planejamento e crescimento urbano
desordenado, especialmente em regiões metropolitanas de países em
desenvolvimento.
Com o aumento da população urbana, surge a necessidade de atender a
demanda por bens e serviços para que a sociedade possa desenvolver suas
atividades cotidianas. No entanto, responder a essas necessidades envolve
disponibilizar recursos, serviços industriais, produção de energia, transporte,
construção de moradias e infraestrutura, que podem causar efeitos negativos sobre
o ambiente urbano. Uma das consequências da industrialização e expansão urbana
é a emissão de poluentes atmosféricos, principalmente por atividades que envolvem
a queima de combustíveis fósseis.
A poluição do ar urbana continua aumentando em megacidades (com
população superior a 10 milhões de habitantes) de países em desenvolvimento
(CHOW et al., 2004). O material particulado (MP) é uma das variáveis mais
comumente usadas para quantificar o nível de poluição do ar urbano. O MP é
geralmente classificado de acordo com o tamanho da partícula, e para tal usa-se o
diâmetro aerodinâmico (da) como métrica, que corresponde ao diâmetro de uma
esfera com densidade de 1 g cm-3 que se deposita com a mesma velocidade
terminal que a partícula de interesse (HINDS, 1999). Do ponto de vista técnico-
experimental, define-se a concentração em massa de MP de acordo com o tamanho
do mecanismo de corte que o coleta. Assim, a massa de MP que passa por um
ciclone ou impactador com diâmetro aerodinâmico de corte de 10, 2,5 e 1 µm, é
chamado de MP10, MP2,5 e MP1..
Na América Latina, as cidades com maiores níveis de MP são a Cidade do
México, Santiago do Chile, São Paulo e Bogotá (GREEN e SÁNCHEZ, 2013). No
16
entanto, 10 das 11 cidades da América Latina que medem MP2,5 excedem o limite
anual de 10 μg m-3 proposto pela Organização Mundial da Saúde (OMS). A Tabela 1
mostra as concentrações médias anuais de MP2,5 em algumas cidades de América
Latina.
Tabela 1- Concentrações anuais de MP2,5 em cidades da América Latina.
Cidade MP2,5
(μg m-3)
Bogotá 35,1
Lima 31,5
Cidade de México 26,2
Santiago 26,0
Medellín 29,0
Montevidéu 28,0
Monterrey 25,9
Quito 17,8
São Paulo 28,1
Curitiba 14,4
Porto Alegre 13,4 Fonte: MIRANDA et al., 2012; GREEN e SÁNCHEZ, 2013.
Na Europa, as emissões de alguns poluentes atmosféricos diminuíram
substancialmente nas últimas décadas devido a regulações mais estritas para
emissão e padrões de qualidade do ar. Entre os anos 2000 a 2014, as
concentrações de dióxido de enxofre (SO2), óxidos de nitrogênio (NOx) e MP2,5
diminuíram 69%, 39%, 17%, respectivamente (EEA, 2016).
No entanto, uma redução nas emissões não implica necessariamente em
uma redução significativa na concentração de certos poluentes. Isto é devido a que
os níveis de emissão dependem da fonte ou setor económico, assim, para reduzir
emissões devem-se regular os setores que mais emitem, como a agricultura. Nos
centros urbanos da Europa, por exemplo, as fontes antropogênicas ainda
contribuem para concentrações relativamente altas de MP2,5 e NOx. Embora, com o
surgimento de regulamentações mais restritas, no ano de 2014 aproximadamente
8% da população dos 28 países da União Europeia esteve exposta a concentrações
de MP2,5 acima do nível recomendado pela OMS. Países como França, Alemanha,
Itália e Holanda, apresentaram médias anuais de 14,5 μg m-3, 14,2 μg m-3, 18,2 μg
m-3, 14,3 μg m-3, respectivamente (EEA, 2016). Mesmo tendo ultrapassado os
17
valores sugeridos pela OMS, as concentrações de MP2,5 ainda são
consideravelmente menores em comparação as concentrações encontradas na
América Latina.
Em cidades da China, a situação é mais crítica, onde foram relatadas
concentrações médias anuais de MP2,5 maiores que 150 μg m-3 (XIE et al., 2015).
As atividades humanas são as principais fontes de poluição do ar em
ambientes urbanos, afetando tanto as cidades grandes e megacidades como
cidades de porte médio (com população entre 100.000 a 500.000 habitantes, no
caso do Brasil) (STAMM et al., 2013). No Brasil, a população em cidades dessa
categoria aumentou consideravelmente nos últimos anos, de acordo com o Censo
Demográfico de 2010 (IBGE, 2013). As cidades de porte médio cresceram
significantemente desde a década de 1970, quando abrigavam 15% da população
total no país e passaram a abrigar 25% da população no ano 2010; por outro lado,
as cidades pequenas e grandes apresentaram um declínio na população. A
migração de pessoas dessas cidades para as cidades médias ocorreu devido à
descentralização industrial, investimentos na infraestrutura e mobilidade da fronteira
agrícola (STAMM, 2013).
As emissões antrópicas em ambientes urbanos podem variar em magnitude
de acordo com as regiões, especialmente nas áreas industrializadas e com alta
densidade veicular. Esse efeito imprime uma grande variabilidade espacial na
qualidade do ar, mas de forma geral, leva à presença predominantemente de
monóxido de carbono (CO), ozônio (O3), amônia (NH3), NOx, SO2 e MP (RAES et
al., 2000; ZHANG et al., 2016). Em ambientes urbanos, o MP é grandemente emitido
pelos escapamentos dos veículos, e podem contribuir com mais de 30% do MP2,5, e
também por parte do MP10 oriundo do desgaste de pneus, freios e da poeira
ressuspensa nas ruas devido à turbulência mecânica (WÅHLIN et al., 2006). As
contribuições ao MP por categoria de fonte variam substancialmente entre regiões.
O tráfego é um dos principais contribuintes para o MP2,5 em ambientes urbanos em
várias regiões, incluindo Índia (37%), sudeste Asiático (36%), sudoeste da Europa
(35%), Brasil (34%) e Oceania (26%). Já em outras regiões, como Canadá, Estados
Unidos e Coreia do Sul, 62%, 46% e 45%, respectivamente, das concentrações de
MP2,5 vem de fontes antropogênicas não especificadas, principalmente pela
formação de partículas secundárias (KARAGULIAN et al., 2015).
18
A importância do estudo e controle da poluição atmosférica é suportada
peloimpacto negativo sobre o sistema cardiorrespiratório do ser humano, que
deteriora a qualidade de vida (JANSSEN et al., 2011; HOEK et al., 2013; GRAHAME
et al., 2014). De acordo com a OMS, 90% da população mundial está exposta a
valores médios anuais de concentrações de MP superiores aos limites
recomendados pela própria organização (20 µg m-3 para MP10 e 10 µg m-3 para
MP2,5), de modo que três milhões de mortes por ano estão associadas com a
exposição ao MP em ambientes externos (WHO, 2016). No entanto, BEELEN et al.
(2014) sugerem que efeitos adversos significativos à saúde humana devido à
exposição a MP2,5 ocorrem em concentrações bem abaixo dos limites aceitos pela
União Europeia (média anual de 25 μg m-3), e sugerem que se adotem os padrões
recomendados pela OMS para obter benefícios significativos para a saúde.
Os diversos efeitos na saúde devem-se ao fato que o MP é uma mistura
complexa de espécies orgânicas e inorgânicas que não se distribuem
uniformemente no espectro de tamanho de partículas, e cuja abundância depende
das fontes predominantes nos locais de amostragem. Dessa forma, vários autores
defendem que é primordial determinar não apenas a massa de MP, mas também de
componentes específicos dentro da matriz (e.g., ROHR e WYZGA, 2012). Essa
especiação pode ser feita do ponto de vista de análise química bem como através
da quantificação de certos componentes e marcadores dentro da massa de MP2,5.
Nesse sentido, nos últimos anos a comunidade científica focou-se em partículas de
black carbon (BC), já que elas formam uma parte substancial do MP2,5 emitidas por
processos de combustão (ANDREAE e GELENCSÉR, 2006). Globalmente, as
queimas de biomassa ao ar livre, o transporte, as indústrias e atividades domésticas
têm contribuições importantes para as emissões de BC, sendo aproximadamente
45%, 20%, 10% e 25%, respectivamente (BOND et al., 2004). Nas cidades de
países latinos americanos, o setor de transporte (especialmente a frota que utiliza
combustível diesel) é o maior contribuinte para as emissões de BC (LAMARQUE et
al., 2010).
Além do BC, as partículas ultrafinas (PUF, com diâmetro inferior a 100 nm)
vêm sendo estudadas nos últimos anos devido à sua abundância em ambientes
urbanos e a relação direta com efeitos adversos na saúde. Essas partículas podem
ter origem primária, proveniente principalmente de emissões por processos de
combustão, e secundárias, quando são formadas na atmosfera através de
19
processos de conversão de gás para partículas (KULMALA et al., 2004; KELLY e
FUSSELL, 2012). A principal fonte de emissão das PUF em cidades são a
combustão da gasolina e diesel (KUMAR et al., 2014) e fontes industriais que
queimam carvão e óleo em seus processos. Diversos estudos realizados em cidades
latino-americanas encontraram concentrações altas de BC e número de partículas
em microambientes urbanos.
Dessa forma, caracterizar a variabilidade espaço-temporal das
concentrações do número de partículas torna-se relevante devido à alta densidade
populacional nas cidades e a alta probabilidade dos riscos da exposição para a
saúde humana. A Tabela 2 mostra as concentrações médias reportadas por alguns
estudos urbanos e valores de referência em ambientes suburbanos (última linha),
para comparação.
Tabela 2- Concentrações médias de BC e número de partículas em algumas cidades latino
americanas.
BC (μg m-3)
Tipo de ambiente
Referência CNP
(# cm-3) Tipo de
ambiente Referência
3,6 Cânion urbano
(Londrina)
KRECL et al. (2016)
101.000
(0,010-0,42 m)*
Cânion urbano (Porto Alegre)
SCHNEIDER et al., 2015
11,9 Rua central (Santiago do Chile)
GRAMSCH et al. (2013)
36.300
(0,010-0,7 m)*
Rua central (Santiago do Chile)
GRAMSCH et al., 2009
Entre 16,0 e 38,0
Ciclovias (Bogotá)
FRANCO et al. (2016)
23.869
(0,010-1,0 m)*
Centro urbano
(Londrina) SANTOS, 2016
3,1
Área residencial e industrial (Cidade do
México)
RETAMA et al. (2015)
17.469
(0,010-1.0 m)*
Cânion urbano
(Londrina)
P. Krecl (comunicação
pessoal)
3,0 Centro urbano
(Temuco)
OLIVARES et al. (2014)
28.800
(0,025-0,5 m)*
Centro urbano
(Temuco)
OLIVARES et al., 2014
Entre 0,69 e 1,38
Área suburbana (Londrina)
TARGINO & KRECL (2016)
4.692
(0,010-1,0 m)*
Área suburbana (Londrina)
P. Krecl (comunicação
pessoal)
* Diâmetros inferior e superior detectados pelo equipamento.
20
As concentrações de poluentes atmosféricos em microambientes urbanos
com circulação de transporte motorizado são altamente variáveis e influenciadas por
alguns fatores, tais como: tipo de veículo, tipo de combustível, densidade de fluxo
veicular, padrões de condução, entre outros. Muitos estudos quantificaram os níveis
de poluição nas ruas e sua relação com os atributos urbanos (semáforos, paradas
de ônibus, declividade das vias) e com os padrões de condução (PANDIAN et al.,
2009; DONS et al., 2013; GOEL e KUMAR, 2014; WU et al., 2015; TARGINO et al.,
2016). Mais especificamente, WU et al. (2015) avaliaram as características
topográficas das ruas, as características meteorológicas e do tráfego com a variação
das concentrações de MP2,5, BC e CNP, demostrando que a variação dos poluentes
está principalmente determinada pela proximidade com o tráfego. TARGINO et al.
(2016) identificaram que as concentrações de MP2,5 e BC estão relacionadas com o
volume de tráfego, especialmente com veículos pesados a diesel, e têm uma grande
variabilidade espacial em poucos metros. HANKEY e MARSHALL (2015)
determinaram que as concentrações de PUF e BC decaem cerca de 20% ao se
distanciar poucos metros de ruas principais em direção a ruas adjacentes de menos
trânsito em Mineápolis (EUA). Essa variabilidade espacial é um dos grandes
desafios para a estimativa acurada de exposição pessoal a poluentes atmosféricos,
já que cálculos de exposição que usam medições de concentrações realizadas em
estações de monitoramento fixas tendem a ser sobrestimados ou subestimados,
dependendo da localização da estação (SEXTON e RYAN, 1998).
A variabilidade espacial dos poluentes atmosféricos observada a nível de rua
também afeta os níveis de poluição do ar dentro de transportes que circulam em
ambientes urbanos, já que as concentrações dentro dos veículos são influenciadas
pelas emissões da frota ao redor (YANG et al., 2015; LIM et al., 2015). A
disponibilidade de equipamentos portáteis e economicamente acessíveis nos últimos
anos, permite monitorar as concentrações dos poluentes atmosféricos com alta
resolução espaço-temporal. Essa abordagem é extremamente relevante já que os
cidadãos gastam em média entre 6 e 10% do dia em algum meio de transporte ou
em ambientes influenciados por emissões veiculares (e.g., FONDELLI et al., 2008;
DONS et al., 2012; CARVALHO, 2017).
Embora a proporção de tempo gasto nesses microambientes seja pequena
comparada com outras atividades diárias, a dose inalada e exposição diárias podem
ser elevadas. A exposição pessoal é definida como o contato com uma
21
concentração instantânea do poluente durante um determinado período, enquanto a
dose é definida como a quantidade do poluente que cruza uma fronteira física (pele,
células epiteliais e alveolares) e é absorvido pelo organismo (OTT,
1982).CARVALHO (2017) determinou que um grupo de voluntários estudado em
Londrina (PR) recebeu 20% da dose inalada diária de BC e 17% da exposição
pessoal em ambientes de transporte motorizado.
Estudos que quantificaram os níveis de concentrações de poluentes dentro
de meios de transporte públicos determinaram ainda que a exposição pessoal dos
usuários é altamente heterogênea e é mais elevada para os usuários de transporte
de massa (e.g., HUANG et al., 2012; ONAT e STAAKEEVA, 2013; MORENO et al.,
2015; VELASCO e TAN, 2016; RIVAS et al., 2017). MORENO et al. (2015)
mostraram que a concentração de número de partículas é mais elevada em ônibus
urbano do que em bondes ou em ciclovias em Barcelona. RIVAS et al. (2017)
encontraram concentrações de BC mais altas em ônibus do que em carros em
Londres. BETANCOURT et al. (2017) e FONDELLI et al. (2008) determinaram que a
exposição a partículas é significantemente menor para usuários de carros do que de
ônibus em Bogotá e Florença, respectivamente.
No caso de ônibus, isso é parcialmente atribuído a eventos, como paradas e
abertura das portas e janelas que aumentam a entrada de poluição externa.
VELASCO e TAN (2016) avaliaram que as pessoas dentro do ônibus estão expostas
a concentrações de CNP entre 1,5 e oito vezes maiores do que no ambiente
exterior, enfatizando que essa situação ocorre especialmente quando o ônibus faz
paradas. SOLOMON et al. (2001) encontraram que os usuários de ônibus estão
expostos a concentrações até oito vezes maiores de BC e CNP que os usuários de
carros devido à proximidade com o escapamento e a que os ônibus estão sujeitos a
maior infiltração do ar exterior por janelas abertas e abertura das portas.
A exposição heterogênea à poluição atmosférica em diferentes meios de
transportes pode ser classificada como um caso de justiça ambiental, definida como
a exposição injusta e desproporcional de populações pobres, minoritárias e
desprotegidas a produtos químicos tóxicos, ar e água contaminados, locais de
trabalho inseguros e outros riscos ambientais (LANDRIGAN et al., 2010). A justiça
ambiental em transportes motorizados no Brasil radica em que as pessoas que
usam o transporte público são de rendas baixas ou vulneráveis (PEREIRA e
SCHWANEN, 2013). Enquanto em países desenvolvidos a população tem a
22
possibilidade de escolher o meio de transporte baseado em parâmetros como
eficiência, conforto ou mesmo fatores de risco, nos países em desenvolvimento a
exposição à poluição do ar não só é heterogênea como também desigual.
Embora esta dissertação não trate diretamente de justiça ambiental, é
importante avaliar os níveis de poluição dentro do transporte motorizado público e
estabelecer os locais e situações onde os níveis de poluentes alcançam valores que
possam ser prejudiciais aos usuários e trabalhadores do setor.
1.1 CARACTERÍSTICAS DO MP EM AMBIENTES DOMINADOS POR TRÁFEGO
MOTORIZADO
O MP oriundo da queima de combustíveis em um motor de combustão
interna a diesel pode ser classificado em três grupos de acordo com o modo (ou
tamanho): nucleação, acumulação e grosso (EASTWOOD, 2008). O modo de
nucleação contem partículas de diâmetro entre 3 e 30 nm que se formam a partir de
processo binário entre o ácido sulfúrico (H2SO4) e vapor de água (H2O), bem como
processos que envolvem vapores orgânicos e hidrocarbonetos que se condensam
na exaustão ao encontrar um ambiente mais frio (KITTELSON, 1998; KHALEK et al.,
2000).
Subsequentemente, essas partículas embrionárias crescem por processos
de condensação e coagulação (KULMALA et al., 2004). As concentrações das
partículas de nucleação têm uma grande variabilidade espacial quando recém-
emitidas, diminuindo rapidamente com a distância da fonte. As partículas no modo
de acumulação encontram-se entre 20 e 500 nm e consistem de aglomerados de
material carbonáceo com vapores que se adsorvem à superfície. A maior parte da
massa do MP está nesse modo. A moda grossa, contém entre 5 e 20% da massa
das partículas e consiste de partículas do modo de acumulação que se depositam
no sistema de exaustão, bem como partículas oriundas de vapores de óleos
lubrificantes. A Figura 1 mostra as distribuições típicas de MP por massa e número
das partículas distinguindo os modos de partículas suspendidas totais (PST),
partículas grossas (MP10), finas (MP2,5) e ultrafinas (MP0,1).
23
da (m)
Figura 1- Representação esquemática da distribuição das partículas atmosféricas por (a) massa (b) número. Fonte: Adaptado de SLEZAKOVA et al. (2013); COLBECK e LAZARIDIS (2010).
A importância de estudar outras características do MP2,5 e não apenas
quantificar a massa, radica principalmente em que sua toxicidade que pode variar já
que sua composição química e o tamanho do MP variam de acordo com as fontes
de emissão. De forma geral, o MP está composto por matéria orgânica e inorgânica,
com elementos como Enxofre (S), Ferro (Fe), Zinco (Zn), Potássio (K), Alumínio (Al),
Sódio (Na), Chumbo (Pb), Cobre (Cu), Mercúrio (Hg), entre outros (JACOBSON,
2002). A fração inorgânica se origina especialmente da resuspensão de poeira
oriunda da abrasão do asfalto, desgaste de pneus e dos freios (e.g., DAHL et al.,
2006). No entanto, as proporções dessas espécies variam substancialmente de
acordo com a fonte de emissão, o local onde são emitidas e as transformações
físico-químicas que ocorrem na atmosfera (SEINDFELD e PANDIS, 1998). Em
termos de saúde humana, a patogenicidade do MP está determinada pelo seu
tamanho, composição química, solubilidade e sua capacidade de produzir oxigênio
Co
nce
ntr
ação
em
mas
sa
dM
/d lo
gDp
Co
nce
ntr
ação
em
nú
mer
o
dN
/d lo
gDp
24
reativo (XING et al., 2016). Estudos epidemiológicos demonstram a relação direta
entre níveis altos de MP10 e MP2,5 e inflamações nas vias respiratórias (POPE et al.,
1995b; GRUNIG et al., 2014) e câncer de pulmão (POPE et al., 2002; XING et al.,
2016).
No caso dos poluentes relacionados ao tráfego, é recomendável medir
traçadores específicos desse tipo de ambiente, como as PUF e o BC (HOEK et al.,
2013). As PUF contem menos de 10% da massa do MP, mas representam cerca de
90% das partículas encontradas em ambientes urbanos dominados por trânsito
(KUMAR et al., 2014; FUZZI et al., 2015). Seu tamanho nanométrico facilita a
penetração no sistema respiratório profundo, alcançando os alvéolos pulmonares e o
sistema nervoso central, causando doenças cardiorrespiratórias e câncer pulmonar
(OSTRO et al., 2015). Além disso, as PUF têm o potencial de penetrar o cérebro
humano diretamente através do nervo olfatórico (MAHER et al., 2016).
O BC é definido como o componente carbonáceo do material particulado,
formado pela combustão incompleta de combustíveis fósseis, madeira, carvão e
qualquer tipo de material que contenha carbono. O BC é um dos principais
componentes do MP emitido pela combustão do diesel com um modo próximo de
200 nm no espectro de distribuição da concentração em massa (NING et al., 2013).
O BC é composto de fractais de diâmetro entre 30 e 50 nm, que absorvem radiação
solar e terrestre nos comprimentos de onda entre 280 e 2500 nm (LACK et al.,
2014), possuem uma temperatura de vaporização próxima dos 4000 K e são
insolúveis em água e em alguns solventes orgânicos (PETZOLD et al., 2013). A
relevância de estudos sobre partículas de BC na atmosfera se justifica através de
duas disciplinas da ciência: Clima e Saúde Pública. BOND et al. (2013) descrevem
as partículas de BC como o segundo principal agente de aquecimento da atmosfera
da Terra, classificando-as como poluente climático de vida curta, devido ao seu curto
tempo de residência na baixa atmosfera (alguns dias ou semanas). O BC também é
um dos indicadores mais prominentes dos efeitos negativos das partículas sobre a
saúde humana e são classificadas como cancerígenas (SILVERMAN et al., 2012).
Sua morfologia porosa facilita a adsorção de substâncias tóxicas que são
transportadas para o sistema respiratório. SUGLIA et al. (2008) avaliaram a
associação das partículas de BC com a cognição de crianças determinando que
exposições a largo prazo diminuem o vocabulário em 2 pontos, a aprendizagem em
6,5 pontos e o quociente de inteligência (QI) em 3,4 pontos.
25
No Brasil, aproximadamente 4,2 milhões de veículos utilizam diesel, dos
quais 9,2% são ônibus (considerando que a totalidade da frota de ônibus usa esse
combustível). Assim, com o aumento da frota veicular que utiliza a diesel, os
usuários ficam expostos a uma complexa mistura de partículas e gases, como MP2,5,
BC, PUF, SOx, NOx, hidrocarbonetos aromáticos policíclicos (HAP), entre outros. A
maioria deles classificados como poluentes que podem ter efeitos tóxicos,
mutagênicos e cancerígenos que afetam a saúde humana e a qualidade do ar
(WIERZBICKA et al., 2014).
Esta dissertação de mestrado tratará da avaliação das concentrações de
MP2,5, BC e PUF dentro de ônibus do transporte público em três cidades do Brasil.
Este é um estudo pioneiro no qual se comparam os níveis de poluentes atmosféricos
em uma cidade de porte médio (Londrina, PR), em uma cidade grande (Curitiba, PR)
e na megacidade de São Paulo.
1.2 CARACTERÍSTICAS DO ÓLEO DIESEL NO BRASIL
No Brasil, o combustível mais utilizado pelos veículos pesados (acima de
3.856 kg) é o diesel. Nos anos 1980, não existia regulamentação para o consumo
desse combustível e os veículos utilizavam diesel com 13.000 ppm de enxofre
(S13000). O conteúdo de enxofre é um parâmetro de grande relevância para a
caracterização da qualidade do combustível e a quantificação das emissões
oriundas da combustão no motor. O enxofre no combustível tem sido apontado por
vários estudos como um dos responsáveis pela formação de PUF (e.g., MARICQ et
al., 2002; SHI e HARRISON, 1999). Na exaustão dos veículos a diesel, a
abundância de oxigênio pode oxidar o SO2 (formado na combustão) em SO3, que
por sua vez se dissolve no vapor de água formando vapor de H2SO4, cuja
concentração depende do teor de S no combustível. Subsequentemente, a
nucleação binária com a participação de H2SO4 e H2O leva à formação de partículas.
Quanto maior a quantidade de enxofre no combustível, maior a quantidade de PUF
formadas pela nucleação binária.
Na década de 1990, a Confederação Nacional do Transporte (CNT), o
Serviço Social do Transporte (SEST) e o Serviço Nacional de Aprendizagem do
Transporte (SENAT) reuniram esforços para melhorar a qualidade do diesel
26
produzido no país e conseguir cumprir os limites estabelecidos pelo Programa de
Controle de Poluição do Ar por Veículos Automotores (PROCONVE). Em 1994, dois
tipos de diesel com diferentes concentrações de enxofre começaram a ser
comercializados no Brasil, segundo a região de consumo: diesel com um menor teor
de enxofre nas regiões metropolitanas (S2000), e diesel com maiores concentrações
de enxofre no interior (3500 ppm) (ANP, 2001). Em 2009, o diesel metropolitano
passou a ter 500 ppm de enxofre e o diesel no interior do país ficou com 1.800 ppm.
Nas maiores regiões metropolitanas existe a oferta do diesel com 10 ppm. A fase P7
da PROCONVE foi implantada por meio da Resolução nº 403 de 2008 do CONAMA,
que estabeleceu limites ainda mais rígidos de emissão, que implica a
disponibilização ao mercado de um óleo diesel com teor aproximado de 10 ppm de
enxofre e que contenha um 7% de biodiesel (CNT, 2012).
O PROCONVE estabeleceu limites para os fatores de emissão de alguns
poluentes emitidos por veículos, entre eles CO, NOx, hidrocarbonetos (HC), MP e
SOx de veículos leves e de veículos pesados. O controle pelo PROCONVE se dá a
partir da classificação dos veículos em razão de seu peso bruto total (PBT) e
tomando como exemplo os padrões EURO, adotado pela União Europeia. Para isso,
estabeleceram-se as fases caracterizadas por (L1-L5) para veículos leves e (P1-P7)
para veículos pesados para que atendam os padrões de qualidade do ar do Brasil
(JOSEPH, 2009). A Tabela 3 mostra as fases, os períodos de implantação, metas e
limites de emissão de poluentes propostos pelo PROCONVE para veículos pesados
e sua equivalência com os padrões EURO I a EURO IV.
27
Tabela 3- Fases estabelecidas pelo PROCONVE para veículos pesados.
Fase Implantação Metas
Limites de emissão (g kWh-1)
CO THC NOx MP BS
(ELR) m-1
P1 1990-1993
Início de controles de
emissão gasosa
14,00 3,50 18,00 - -
P2 1990-1993
Início de controles de emissão MP
11,20 2,45 14,40 0,60 -
P3 (EURO I) 1994-1997
Redução de emissões de NOx, CO e
HC
4,90 1,23 9,00 0,40 -
P4 (EURO II) 1998-2002
Redução mais
rigorosa dos limites da P3
4,00 1,10 7,00 0,15 -
P5 (EURO III) 2003-2008
Redução das emissões de MP, NOx e
HC
2,10 0,66 5,00 0,10 -
P6 (EURO IV)
2009-2011
Redução mais
rigorosa dos limites de
MP, NOx e HC
1,50 0,46 3,50 0,02 0,8
P7 (EURO V) 2012 Redução dos
limites de NOx
1,50 0,46 2,00 0,02 0,5
*THC: Hidrocarbonetos totais **BS: Black Smoke, opacidade Fonte: Adaptado de MMA, 2016.
28
2 OBJETIVO
2.1 OBJETIVO GERAL
Determinar a variabilidade espaço-temporal das concentrações de partículas
finas (BC, MP2,5 e CNP) em ônibus do transporte público em três cidades do Brasil:
Londrina (PR), Curitiba (PR) e São Paulo (SP).
2.2 OBJETIVOS ESPECÍFICOS
Analisar a variabilidade temporal das concentrações de partículas finas
dentro da cabine de ônibus do transporte público urbano.
Analisar a distribuição espacial dos dados de partículas finas coletadas
a bordo de ônibus e identificar para cada cidade as áreas mais poluídas dos trechos
percorridos.
Determinar se existe uma relação entre as concentrações de BC, MP2,5
e CNP e atributos urbanos, características das rotas e velocidade de condução.
Analisar as diferenças entre os fatores que influenciam as
concentrações nas três cidades.
Identificar os fatores determinantes na formação de áreas
extremamente poluídas (hotspots) em termos de BC, MP2,5 e CNP.
29
3 METODOLOGIA
3.1 ÁREA DE ESTUDO
O estudo foi realizado na região metropolitana de três cidades brasileiras:
Londrina (PR), Curitiba (PR) e São Paulo (SP), cuja localização está indicada na
Figura 2.
Figura 2- Mapa do Brasil mostrando a localização dos estados do Paraná e São Paulo e das três
cidades estudadas.
Essas cidades possuem as seguintes características em termos de
população, localização e clima.
a) Londrina
Londrina é uma cidade de médio porte localizada no norte do estado do
Paraná (latitude 23°22’S; longitude 51°10'W), e com uma população estimada de
553.393 habitantes, sendo a segunda maior cidade do estado em população (IBGE,
2016a). De acordo com classificação de Köppen, Londrina possui um clima
subtropical úmido mesotérmico (Cfa), apresentando verões quentes e chuvosos, e
geadas pouco frequentes no inverno. No período de 1986-2016, a temperatura
30
média anual foi de 21,8 ºC, apresentando médias máximas e mínimas anuais de
27,3 ºC e 16,0 ºC respectivamente, e umidade relativa média anual de 74,4%. A
precipitação acumulada média anual no período foi de 1.650 mm, sendo dezembro,
janeiro e fevereiro os meses mais chuvosos e junho, julho, agosto os meses menos
chuvosos (INMET, 2017). Os meses com maior isolação são março, abril e agosto
com mais de 210 horas por mês. Os ventos predominantes são de leste e nordeste
com velocidade média de 2,6 m s-1, mudando de direção na primavera e verão,
passando a soprar de oeste e sudoeste (IAPAR, 2014).
A Figura 3 mostra o climograma para a cidade de Londrina com dados
coletados entre 1986 e 2016.
Figura 3- Climograma para a cidade de Londrina para o período de 1986-2016. Fonte: INMET,
(2017).
Na cidade de Londrina as emissões de MP e NOx provêm principalmente de
fontes industriais, enquanto que as emissões de CO e SOx são oriundas
principalmente de fontes móveis (IAP, 2013) como mostrado na Tabela 4. Londrina
também apresenta frequentes queimadas de lixo doméstico, principalmente em
locais afastados da área central, o que contribui para o aumento das concentrações
de partículas finas e gases (TARGINO e KRECL, 2016). As emissões por essas
fontes esporádicas não foram contabilizadas.
31
b) Curitiba
Curitiba (latitude 25°25’S; longitude 49°16’W) é a capital do estado do
Paraná e possui uma população estimada de 1.893.997 (IBGE, 2016a). O clima de
Curitiba é oceânico, temperado e úmido (Cfb). Entre os anos de 1986 a 2016, a
temperatura média anual foi de 17,8 ºC, e apresentou médias máximas e mínimas
anuais de 23,1 ºC e 12,5 ºC respectivamente, e a umidade relativa média anual foi
de 80,8%. O mês com maior isolação é agosto com 180 horas. Os meses mais
chuvosos são dezembro e janeiro e os mais secos são maio e agosto, apresentando
uma precipitação média de 1.672,7 mm (INMET, 2017). A Figura 4 mostra o
climograma para a cidade de Curitiba com dados coletados entre 1996 e 2016.
Figura 4- Climograma para a cidade de Curitiba para o período de 1986-2016. Fonte: INMET, (2017).
Em Curitiba, a poluição do ar ocorre principalmente devido às emissões
veiculares especialmente de SOx, CO e NOx, seguida por processos industriais
principalmente com as emissões de MP.
c) São Paulo
São Paulo é uma megacidade com uma população estimada de 12.038.175
habitantes (IBGE, 2016a), localizada no sudeste do estado do São Paulo (latitude
32
23º32’S; longitude 46º38’W). Como Londrina, a cidade possui clima Cfa, com
diminuição de chuvas no inverno e aumento da temperatura no verão. Nos últimos
30, anos a temperatura média anual foi de 20,4 °C, apresentando média máxima
anual de 24,9 °C e média mínima anual de 15,5 ºC. A umidade relativa média anual
foi de 73,2%. A isolação foi maior ocorre nos meses de abril e agosto com mais de
180 horas. A precipitação acumulada média anual é de 1.651,3 mm, concentrados
principalmente no verão, sendo janeiro o mês mais chuvoso (INMET, 2017). A Figura
5 mostra o climograma para a cidade de São Paulo com dados coletados durante os
últimos 30 anos completos.
Figura 5- Climograma para a cidade de São Paulo para o período de 1986-2016. Fonte: INMET, (2017).
A maior contribuição para a poluição do ar na cidade de São Paulo é devida
principalmente a emissões das fontes móveis com emissões de NOx e CO e por
processos industriais as emissões de SOx e MP.
A Tabela 4 mostra as contribuições das emissões industrial e veicular de
MP, NOx, SOx e CO nas três cidades estudadas. Os valores são aproximados, pois
existem outras fontes de poluição que contribuem, mas não foram contabilizadas
(por exemplo, queima de resíduos domésticos).
33
Tabela 4- Emissões de MP, NOx, SOx e CO nas cidades de Londrina, Curitiba e São Paulo.
Cidade MP (t/ano) NOx (t/ano) SOx (t/ano) CO (t/ano)
Indústria Veículos Indústria Veículos Indústria Veículos Indústria Veículos
Londrina 464 230 627 452 618 2.164 568 31.367
Curitiba 2.035 793 1.508 5.525 172 554 10.105 62.457
São Paulo 3.570 1.480 26.100 54.330 5.590 1.560 4.180 162.900
Fonte: Adaptado de IAP, (2013); CETESB, (2016).
Embora as cidades de Londrina, Curitiba e São Paulo apresentem grandes
diferenças no tamanho da população e números de veículos, existe semelhança na
forma como a frota veicular está dividida, especialmente em termos de carros,
ônibus e caminhões (Tabela 5). Segundo o IBGE (2016b), a distribuição da frota
veicular é bem similar nas três cidades, especialmente em termos da porcentagem
de ônibus urbanos, que se encontra entre 0,8% e 1,1%. Além disso, as três cidades
apresentam simultaneamente transporte público coletivo, transporte pesado e
veículos particulares, concentrados entre 07h e 09h e entre 18h e 20h, de acordo
com os resultados das pesquisas de contagem de tráfego pela Companhia de
Engenharia de Tráfego (CET), Instituto de Pesquisa Planejamento Urbano de
Curitiba (IPUCC), e contagens manuais feitas em Londrina em 2016.
A cidade de Londrina possui uma frota de 370.846 veículos, distribuídos nas
seguintes categorias principais: 242.855 veículos leves (até 3.856 kg), 81.952
motocicletas, 14.591 veículos pesados (acima de 3.856 kg), dos quais 2.934 são
ônibus (IBGE, 2016b). A frota veicular da cidade aumentou 85% na última década,
com crescimento mais substancial nos veículos leves (78%) e motocicletas (68%)
(IBGE, 2016b).
Curitiba tem uma frota veicular de 1.473.210 veículos distribuídos em:
1.251.176 veículos leves, 159.242 motocicletas, 62.792 veículos pesados, dos quais
11.496 são ônibus (IBGE, 2016b).
São Paulo concentra a maior frota de veículos do país, composta por mais
de sete milhões de veículos distribuídos da seguinte forma: 5.722.643 veículos
leves, 1.004.470 motocicletas, 164.952 veículos pesados dos quais 15.000 ônibus
são (IBGE, 2016b). As Tabelas 5 e 6 apresentam um sumário das características da
34
frota veicular das três cidades de acordo com o uso de combustível e da composição
da frota por tipo de veículo.
Com respeito ao número de passageiros que se deslocam em ônibus nas
três cidades, segundo a Prefeitura de Londrina (2016), URBS (2017) e Prefeitura de
São Paulo (2016), 160.800 passageiros utilizam diariamente ônibus em Londrina,
1.511.743 em Curitiba e 3.455.713 em São Paulo.
Tabela 5- Número total de veículos e porcentagem da frota veicular em Londrina, São Paulo e
Curitiba de acordo com o uso de combustível.
Cidade Frota total Gasolina Flex* Diesel Etanol
Londrina 370.846 52,0% 33,0% 7,0% 4,3%
São Paulo 7.501.480 50,4% 40,0% 6,0% 6,6%
Curitiba 1.473.210 75,2% 17,4% 7,4% 5,1%
* Flex: uso de álcool, gasolina ou mistura desses. Fonte: TARGINO e KRECL, (2016); CETESB, (2014); DETRAN, (2016).
Tabela 6- Composição da frota veicular e porcentagem por tipo de veículo em Londrina, São Paulo e
Curitiba.
Cidade
Frota
total
Carros
Motocicletas
Ônibus
Caminhões
Londrina 370.846 73,9% 22,1% 0,8% 3,1%
São Paulo 7.501.480 83,5% 13,4% 1,1% 2,0%
Curitiba 1.473.210 84,9% 10,8% 0,8% 3,5%
Fonte: IBGE, (2016b).
A Figura 6 mostra a divisão da frota dos ônibus do transporte público urbano
nas três cidades de acordo com as fases do PROCONVE. Pode-se observar que a
frota dos ônibus é dominada pela tecnologia P5, com 6.198 ônibus em São Paulo,
311 em Londrina e 1.226 em Curitiba. São Paulo e Londrina possuem uma menor
fração de ônibus na fase P7 (30% e 26%, respectivamente), enquanto a fração de
ônibus nessa fase em Curitiba é insignificante. A frota de Curitiba ainda conta com
145 ônibus de tecnologia mais antiga (P4). É importante ressaltar que a fase P6 não
foi implementada no Brasil, já que não cumpria com os limites de emissão
estabelecidos.
35
Figura 6- Frota de ônibus diesel do transporte público urbano de Londrina, Curitiba e São Paulo por
fase P4, P5, P6 e P7 da PROCONVE. Fonte: TCG (2016); URBS (2017); SPTRANS (2017).
3.2 METODOLOGIA DE MEDIÇÃO
Os dados de concentrações de MP2,5, BC e CNP foram medidas dentro de
ônibus de transporte público das cidades utilizando três equipamentos ópticos
portáteis e um receptor de sistema de posicionamento global (GPS) para o
georreferenciamento do trajeto.
3.2.1 Instrumentos utilizados
a) Concentração de MP2,5
O DustTrak (DT) modelo 8520 (TSI, EUA) é um equipamento que mede as
concentrações de MP em tempo real. O equipamento aspira o ar ambiente contendo
partículas por meio de uma bomba com uma vazão de entrada de 1,7 L min-1. As
partículas no fluxo de ar atravessam um impactador que impede que partículas com
diâmetro aerodinâmico maior que 2,5 µm entrem no equipamento. O fluxo de ar
contendo a amostra das partículas passa através de uma câmara de detecção que é
iluminada por um diodo laser de comprimento de onda de 780 nm. A radiação
36
interage com as partículas que espalham luz em todas as direções. Posteriormente,
um fotodetector localizado em um ângulo de 90° do laser detecta a quantidade da
radiação espalhada pela partícula. Para um aerossol monodisperso, uma partícula
dispersa uma quantidade fixa de radiação; duas partículas dispersam duas vezes
mais radiação; e assim sucessivamente. A radiação dispersa depende também do
tamanho de partícula.
Esse método determina o volume das partículas com base na intensidade da
radiação detectada e assumindo que as mesmas são esféricas. Através de
algoritmos do próprio equipamento, O DT utiliza o volume para determinar a massa
das partículas usando densidade (ρ) de 2,6 g cm-3, obtida por testes laboratório com
partículas do tipo Arizona Test Dust. No entanto, ao ser calibrado com este método,
as medições do DT podem sobrestimar as medidas gravimétricas de partículas em
suspensão no ar, quando a densidade das partículas no ar no local de amostragem
difere significativamente da densidade do aerossol do teste (CHUNG et al., 2001),
como é o caso do aerossol urbano. Assim, faz-se necessário aplicar um fator de
correção para as concentrações de MP de acordo as caraterísticas do aerossol
local. Esse aspecto será discutido na seção 3.4 A Figura 7 mostra o princípio de
funcionamento do equipamento.
Figura 7- Princípio de funcionamento do Dusttrak 8520. Fonte: Adaptado de TSI, (2012a).
37
b) Concentração de black carbon
O MicroAeth® modelo AE51 (AethLabs, EUA) é um aetalômetro portátil cujo
princípio de funcionamento está baseado na absorção de radiação eletromagnética
por partículas, utilizando a lei de Beer-Lambert. O AE51 aspira o ar ambiente por
meio de uma bomba com uma vazão constante Q. As partículas em suspensão no
ar são depositadas em um filtro de borosilicato revestido de teflon com área A
(A=0,0707 cm²) instalado dentro do instrumento. Um feixe de radiação
eletromagnética com comprimento de onda (λ) de 880 nm ilumina o filtro enquanto
um detector registra a radiação que o atravessa. Esse método registra as mudanças
na atenuação (ATN) do feixe e compara com uma porção do filtro não exposta à
amostra (branco). Assim, se houver variações da fonte de radiação as duas medidas
serão afetadas igualmente. No AE51 supõe-se que o aumento da ATN é devido à
absorção de radiação pelas partículas de BC que é acumulado no filtro em um
determinado tempo (Δt). Assim, a atenuação do feixe de radiação através do filtro
(ATN) é calculada segundo HANSSEN et al., (1984):
(1),
onde I0(λ) é a intensidade de radiação de referência e I(λ) é a intensidade de
radiação atenuada depois de passar o filtro.
Após calcular a variação da atenuação (ΔATN) em um determinado intervalo
de tempo (𝛥𝑡), calcula-se o coeficiente de extinção (bext), dado pela seguinte
equação:
(2),
Por sua vez, dentro do cálculo da variação da ATN existe uma pequena
porção de radiação que pode ser espalhada ou absorvida por outros materiais.
Assim, o bext obtido se relaciona com o coeficiente de absorção das partículas
(babs,part) utilizando a equação:
38
(3),
onde:
babs,ar = coeficiente de absorção do ar;
babs,filtro = coeficiente de absorção do filtro;
besp,ar = coeficiente de espalhamento do ar;
besp,filtro = coeficiente de espalhamento do filtro;
besp,part = coeficiente de espalhamento da partícula.
No entanto, os coeficientes babs,ar, babs,filtro e besp,ar são desprezíveis, devido
às seguintes condições:
Para o babs,ar, os componentes gasosos do ar absorvem muito pouco no
comprimento de onda utilizado.
O besp,filtro gerado pelo próprio filtro é caracterizado pelo fabricante e é
corrigido internamente no equipamento.
Para o babs,filtro, o filtro de quartzo não absorve nos comprimentos de onda que
o monitor opera.
Para o besp,ar, devido à pequena distância percorrida pela radiação dentro da
câmera óptica.
O babs,part está relacionado com o espalhamento de radiação pelas partículas, e é
geralmente avaliado com o aetalômetro operando em paralelo com outros
equipamentos, por exemplo um nefelômetro. Neste estudo, o babs,part não foi avaliado
devido à falta de instrumento.
Nesse caso, a equação (2) pode ser re-escrita como:
(4),
onde babs,part foi re-escrito como babs para simplificar a notação.
39
O método assume que babs é linear e proporcional à concentração de BC e
que não há outro material de absorção na amostra. Não obstante, existem partículas
que são recolhidas pelo equipamento além do BC e que podem espalhar ou
absorver radiação afetando assim ΔATN (MOOSMÜLLER et al., 2009). Esse efeito
poderia alterar a interpretação dos resultados já que o instrumento estaria
informando concentração de BC quando na verdade o resultado estaria contaminado
por outros absorvedores.
A concentração em massa de BC (µg m-3) está relacionada com o babs
através da seção transversal de absorção (σabs) (HANSEN et al., 1984). Por tanto a
concentração de BC é calculada a partir da taxa de mudança de atenuação (ΔATN):
(5),
onde σabs = 12,5 m2 g-1 para λ= 880 nm, valores definidos pelo fabricante.
Outro efeito que pode afetar os dados é o shadowing effect, produzido pelo
acúmulo de partículas no filtro e tornando-o mais escuro (aumentando ATN). Esse
efeito afeta a linearidade entre o coeficiente de absorção e a concentração do BC
medido podendo invalidar a Eq. 5, o que causa uma subestimação das
concentrações de BC (VIRKULLA et al., 2007). O efeito pode ser minimizado
monitorando o valor de ATN durante a operação do AE51 e realizando a troca de
filtros antes que a ATN alcance valores altos (tipicamente, 75%).
A Figura 8a mostra o princípio de funcionamento do equipamento, e a Figura
8b mostra o posicionamento da área onde a amostra de partículas é depositada e a
área limpa do filtro.
40
a)
b)
Figura 8- a) Princípio de funcionamento microaetalômetro AE51. b) posicionamento da área onde a
amostra é depositada e a área limpa do filtro. Fonte: Adaptado de ARNOTT et al., (2005); WANG et
al., (2014).
c) Concentração do número de partículas
O contador de partículas modelo 3007 (CPC-3007) (TSI, EUA) opera
succionando de forma contínua uma amostra de aerossol com uma vazão de 700
cm3 min-1. Parte desse fluxo (100 cm3 min-1) é desviado para uma câmara saturada
de vapor de álcool isopropílico a temperatura entre 35 a 40°C. Juntos, a amostra e o
vapor de álcool passam para um condensador arrefecido (T = 10 °C) em que o vapor
de álcool alcança a supersaturação e se condensa sobre as partículas que servem
como núcleos de condensação. Uma vez que a condensação começa, as partículas
crescem rapidamente e passam por um detector óptico que detecta as partículas de
tamanho entre 10 nm até 1 µm, que são posteriormente contadas numa faixa de
concentração de 0-100.000 partículas por cm-3 (# cm-3). Como cerca de 90% das
partículas encontradas em ambientes urbanos dominados por trânsito estão abaixo
de 100 nm (WALLACE et al., 2011; KUMAR, 2014;), neste estudo considerar-se-á
que as partículas medidas pelo CPC-3007 são PUF. A Figura 9 mostra o princípio de
funcionamento do equipamento.
41
Figura 9- Princípio de funcionamento do CPC-3007. Fonte: Adaptado de TSI, (2012b).
d) Dados de posicionamento geográfico
O GPS modelo DG-100 (Globalsat, Taiwan) é um dispositivo que recebe
informação geográfica utilizando o sistema EGNOS (European Geostationary
Navigation Overlay Service), que consiste de uma rede de satélites geoestacionários
e uma rede de estações terrestres responsáveis de monitorar os sinais de GPS
proporcionando uma precisão nos sinais inferior a três metros (EGNOS, s.d.), no
entanto, esta precisão pode diminuir em lugares como tuneis ou áreas com prédios
altos. O GPS D-100 armazena informações de latitude, longitude, altitude e
velocidade de deslocamento, além de data e hora, em intervalos estabelecidos (1 s,
10 s e 30 s).
3.3 SELEÇÃO DAS ROTAS E COLETA DE DADOS
As concentrações de MP2,5, BC, CNP e a posição geográfica foram medidas
simultaneamente em ônibus do transporte público urbano. As rotas foram definidas a
partir de consulta nas páginas em internet da rede de transporte público de cada
cidade, onde se estimou a duração do trajeto e o itinerário. Um pré-requisito para o
42
desenho das rotas foi que as mesmas passassem por setores da cidade com
presença do mesmo tipo de tráfego (veículos particulares, ônibus, motocicletas) e
atributos urbanos semelhantes (vias controladas por semáforos, estruturas de
cânions, etc.). Além disso, considerou-se que a duração das rotas fosse semelhante
para assim obter tempos de medições similares nas três cidades.
Para cada cidade, as coletas de dados foram realizadas em dias de semana
e sempre começaram na mesma hora (Tabela 7) (não se levou em consideração os
horários de pico) para evitar a variabilidade horária nos padrões de tráfego, durando
entre 100 e 120 minutos dependendo da rota. Em todas as cidades, as coletas foram
realizadas em ônibus operando sem ar condicionado, com ventilação natural através
das janelas que eram abertas e fechadas de acordo com a decisão dos passageiros.
A Tabela 6 mostra a informação do planejamento das rotas e a coleta de dados
realizada nas três cidades
a) Londrina
Os percorridos das rotas foram realizados com a linha de ônibus 113 com
início na Universidade Tecnológica Federal do Paraná (UTFPR) até o Terminal
Central. Subsequentemente tomava-se a linha 213 que liga o Terminal Central com
o Shopping Catuaí. Para fazer o trajeto de regresso, o pesquisador permanecia
dentro do ônibus no terminal do Shopping Catuaí e retornava à UTFPR usando as
mesmas linhas de ônibus via Terminal Central (Figura 10). Os ônibus de Londrina
possuem três portas dobráveis para embarque e desembarque.
b) Curitiba
O trajeto começava tomando a linha 203 na estação tubo Catedral da Fé
para se deslocar até o Terminal Portão. No Terminal Portão, o pesquisador iniciava
o percorrido de volta na mesma linha até o Terminal Cabral. Finalmente, sem descer
do ônibus, o pesquisador voltava até a estação tubo Catedral da Fé (Figura 11). Os
ônibus nesses trajetos faziam parte do sistema de transporte BRT (Bus Rapid
Transit), operado com ônibus biarticulados de peso bruto 40,5 toneladas, e
contavam com dois vagões rígidos unidos por um sistema composto de uma cortina
sanfonada e cinco portas dobráveis.
43
c) São Paulo
Os percorridos das rotas foram realizados tomando a linha de ônibus 5154-
10 começando no Terminal Princesa Isabel até a Avenida Brigadeiro Luís Antônio,
esquina com Rua Pedroso (sentido horário na Figura 12). Neste ponto, o
pesquisador descia e tomava a linha 967A-10 para voltar novamente até Terminal
Princesa Isabel. Como em Londrina, os ônibus onde se realizaram as coletas em
São Paulo possuem três portas dobráveis para embarque e desembarque.
Tabela 7- Informação sobre as amostragens.
Cidade Linhas
de ônibus
Distância percorrida
(Km)
Data das coletas (2016)
Horas das coletas
Número de dias de coleta
Londrina 113 e 213 12,3 Km 20 a 24 de
junho Das 9h45min
às 12h 5
Curitiba 203 10,0 Km 25 a 29 de
julho Das 13h45min
às 16h 5
São Paulo 5154-10 e 967A-10
9,7 Km 27 a 30 de
junho Das 14h às
16h 4
3.4 CARACTERIZAÇÃO DO FLUXO VEICULAR AO LONGO DAS ROTAS
INVESTIGADAS
Em Londrina, realizou-se a contagem manual de tráfego durante as horas
coincidentes com a coleta de dados. O número de veículos foi contado durante uma
hora em dois intervalos de 15 minutos fazendo uma pausa também de 15 minutos
entre os intervalos, classificando-os também por tipo de veículo: automóveis, motos,
ônibus e caminhões. O número de veículos por hora foi integrado multiplicando cada
contagem de 15 minutos por dois.
Em Curitiba, a informação de contagem de fluxo veicular foi obtida do
Instituto de Pesquisa e Planejamento Urbano de Curitiba (IPUCC), categorizados
nas mesmas classes como em Londrina. As contagens do IPUCC foram realizadas
com intervalos de 15 minutos a cada hora das 7h às 20h. Em alguns pontos as
contagens foram realizadas só durante as horas pico de manhã (7h às 9h) e da
tarde (16h às 18h).
44
Em São Paulo, a caracterização do fluxo veicular foi feita de duas formas: (i)
contagem do volume de tráfego classificado em automóveis, motocicletas, ônibus e
caminhões do relatório da Companhia de Engenharia de Tráfego (CET, 2013). A
informação foi coletada manualmente a cada 15 minutos pela manhã (entre 07h e
10h) e à tarde (entre 17h e 20h); (ii) para complementar os dados da CET,
realizaram-se contagem manual em outros pontos utilizando a mesma metodologia
da contagem de Londrina.
As Figuras 10, 11 e 12 indicam o posicionamento dos locais de contagem e
as rotas percorridas nas três cidades.
Figura 10- Trajeto das linhas 113 e 213 ligando a UTFPR com o Terminal Central e o Shopping
Catuaí (Londrina).
45
Figura 11- Trajeto da linha 203 ligando o Terminal Cabral com o Terminal Portão (Curitiba).
Figura 12- Trajeto das linhas 5154-10 e 967A-10 ligando o Terminal Princesa Isabel com a Rua
Pedroso (troca de ônibus) (São Paulo).
46
3.5 EXECUÇÃO DA AMOSTRAGEM
Os equipamentos foram instalados dentro uma bolsa acolchoada com
plástico bolha para proteger e reduzir a vibração. Cada equipamento tinha seu
próprio tubo de entrada de ar do ambiente, que foi deixado do lado exterior da bolsa
para sucção. A supervisão do equipamento era constante, para verificar se as
entradas do ar ambiente não estavam obstruídas. Durante as coletas, a bolsa foi
mantida sobre o colo do pesquisador, mantendo certa distância do chão (60 cm
aproximadamente) para o seu bom funcionamento. Os instrumentos foram operados
com as configurações descritas na Tabela 8.
Tabela 8- Especificações dos equipamentos para este estudo.
Equipamento Variável Frequência de medição
Vazão (L min-1)
DT 8520 MP2,5 1 s 1,70
AE51 BC 10 s 0,15
CPC-3007 CNP 1 s 0,70
GPS Latitude, longitude, altitude e velocidade
1 s
-
Antes de cada sessão de coleta de dados, os equipamentos foram assim
preparados e configurados. Para o DT, foi realizada a limpeza e lubrificação do
impactador, limpeza da câmara óptica e aferição do zero usando um filtro HEPA. A
atenuação do filtro do AE51 foi checada diariamente e o filtro foi trocado antes de
alcançar 75% e dessa forma diminuir o efeito do sombreamento (VIRKKULA et al.,
2007). Para o CPC-3007, verificou-se que o cartucho tinha o nível de álcool
isopropílico necessário para o funcionamento, e realizou-se a aferição do zero
usando um filtro HEPA. Os fluxos do DT e do AE51 foram medidos diariamente com
um fluxímetro calibrado de fábrica (modelo 4100, TSI, EUA). Os equipamentos foram
configurados utilizando software próprio e os relógios foram sincronizados com um
computador conectado à internet imediatamente antes de cada coleta para
assegurar a exatidão da hora. Os quatro equipamentos foram ligados ao mesmo
tempo e com cinco minutos de antecedência do início da coleta para assegurar que
funcionavam corretamente.
47
Para cada trajeto, anotaram-se em um formulário específico (Apêndice A) a
data, localização, hora de começo e hora de fim da amostragem, bem com
informação do ônibus (número de rota, número de ônibus e número da placa).
Registraram-se características ao longo do trajeto como paradas de ônibus,
semáforos, abertura das portas dianteiras e/ou traseiras, tipo de rua (cânion urbano,
rural), declividade (subida ou baixada) e presença de rotatórias.
3.6 TRATAMENTO DOS DADOS
Os dados dos poluentes atmosféricos e GPS foram combinados utilizando
um programa computacional que fez a varredura de cada arquivo de dados para
identificar os horários coincidentes. Desta forma, criaram-se matrizes de dados
georreferenciados para cada dia de coleta contendo: hora da coleta, dados do GPS
(latitude, longitude velocidade de deslocamento e elevação) e concentrações de BC,
MP2,5 e CNP. Os horários sem dados de latitude e longitude devido à falha dos GPS
foram descartados.
3.6.1 Validação dos dados
a) DustTrak
As concentrações de MP2,5 reportadas pelo DT são maiores que as
concentrações reais quando as medições são feitas em ambientes urbanos (TASIC
et al., 2012, WALLACE et al., 2011). Isso ocorre pois o método de operação primeiro
determina o volume da partícula baseado na intensidade da luz espalhada na
câmara óptica, e subsequentemente usa a densidade do Arizona Test Dust (ρ=2,6 g
cm-3) para obter a massa. No entanto, os aerossóis urbanos têm densidade menor
do que os aerossóis usados para calibração do DT. Por exemplo, YIN et al. (2015)
determinaram valores de ρ entre 1,36 e 1,6 g cm-3 em Xangai e PITZ et al. (2003)
encontraram ρ=1,60 g cm-3 em Erfurt.
Uma forma de corrigir os dados do DT é através da operação do DT
simultaneamente com um amostrador no qual as partículas são coletadas em um
filtro e a massa é determinada por métodos gravimétricos. Em Londrina e Curitiba
foram realizadas medições gravimétricas simultâneas com a amostragem do DT
48
para fins de calibração. Em ambas as cidades, filtros de quartzo foram expostos
durante 14 e 18 dias, respectivamente, com resolução de 24 horas. Os filtros foram
armazenados em um dissecador por 24 horas antes de cada pesagem, para diminuir
o efeito da umidade. A massa dos filtros foi determinada usando uma balança
analítica de precisão (MSA2.7S-000-DF, Sartorius, Alemanha), equipado com um
eletrodo para remoção de cargas eletrostáticas dos filtros seguindo o protocolo 0500
NIOSH (NMAM, s.f.). No caso de Londrina a correlação entre os dados de DT e a
análise gravimétrica resultou em um fator de correção de 2,03 enquanto para
Curitiba, o fator foi de 2,04. Dessa forma, os dados de MP2,5 para ambas cidades
foram divididos pelos seus respectivos fatores de correção.
O experimento em São Paulo não contou com análise gravimétrica, de forma
que se adotou a seguinte abordagem para a determinação do fator de correção.
Sabendo que i) os valores de correção encontrados na literatura estão entre 1,65 e
2,78 (MCNAMARA et al., 2011; WALLACE et al. 2011) e ii) considerando que a
relação BC/MP2,5 para a cidade de São Paulo está entre 20% e 30% (OLIVEIRA,
2007; MIRANDA et al., 2012), buscaram-se valores de fator de correção entre os
limites da literatura e que assegurassem a razão BC/MP2,5. Desta forma, utilizou-se
o valor de 2,2.
b) AE51
As concentrações de BC também podem ser medidas erroneamente,
especialmente quando as amostragens são realizadas com uma frequência muito
alta (por exemplo, 1s) ou em locais com concentrações de BC menores do que o
limite de detecção do equipamento. Nessas situações, a presença de ruído
instrumental pode superar os valores medidos de ATN. Como o cálculo da
concentração de BC é baseado em diferenças sucessivas da ATN, se não houver
massa suficiente de BC entre duas medições consecutivas, ocorrerá valores
negativos de ATN e, consequentemente, de BC (HAGLER et al., 2011)
Para corrigir os dados das concentrações negativas de BC, foi aplicado o
algortimo de Redução de Ruído Otimizado (ONA, por sua sigla em inglês), que
reduz substancialmente os dados negativos tomando três parâmetros dos dados
originais do AE51: a hora (frequência medição), as concentrações de BC e a ATN. O
algoritmo utiliza a seguinte equação:
49
∑ | |
(6),
onde, i é a i-ésima medição de BC e i+1 é medição subsequente.
O algoritmo altera minimamente a variação da atenuação obtida e associada
a cada concentração negativa de BC durante o tempo de amostragem realizado. Em
seguida, para cada ponto onde foi corrigido o ruído e que corresponde a uma nova
ATN, o algoritmo ONA faz uma média das concentrações originais de BC e aplica
esse valor médio a cada registro como uma concentração suavizada.
c) CPC-3007
O CPC-3007 detecta partículas de diâmetro entre 10 nm e 1 µm em uma
faixa de concentração de 0 a 100.000 # cm-3. Para concentrações acima de 100.000
# cm-3, as medidas perdem a precisão devido a um “erro de coincidência”, que
subestima a concentração de partículas quando uma partícula entra na câmara e
outra partícula ainda está sendo detectada. Se isso ocorre, o CPC não detecta a
partícula resultando em uma subestimação da concentração de partículas.
WESTERDAHL et al. (2005) realizaram um estudo em uma rodovia de Califórnia,
EUA, comparando as concentrações do CPC-3007 com o CPC 3022A (TSI, EUA),
que tem o mesmo princípio de operação mas que possui um limite de detecção
superior (107 # cm-3, iniciando em 7 nm). Eles obtiveram a seguinte relação para
corrigir as concentrações do CPC-3007 acima de 100.000 # cm-3:
(7),
onde, x é a concentração reportada pelo CPC-3007 e y é a concentração corrigida.
3.6.2 Descrição estatística
(a) Estatística descritiva e caracterização dos conjuntos de dados
Os dados das concentrações de MP2,5, BC e CNP serão apresentados
usando estatística descritiva, onde se mostrarão medidas de tendência, dispersão,
50
mínimos, máximos e percentis dentro do ônibus e em microambientes específicos,
tais como terminais de ônibus. Os resumos estatísticos serão em forma de tabelas e
como gráficos de caixa e bigodes (boxplot).
As relações entre os poluentes atmosféricos serão apresentadas usando o
coeficiente de correlação de Pearson para estabelecer o grau de associação linear
entre duas variáveis. O coeficiente gera valores entre 0 e 1, sendo 1 uma excelente
correlação linear e valores perto de 0 indicam falta de correlação.
(b) Testes estatísticos
i) Teste de normalidade
Para tratar corretamente um conjunto de dados é necessário informações
sobre sua distribuição de probabilidade. Tradicionalmente, testes paramétricos
(como t-student) usados para avaliar a similaridade entre séries de dados
consideram que a população tem distribuição normal. Dessa forma, aplicar-se-á o
teste de Kolmogorov-Smirnov para determinar a normalidade das séries de dados de
MP2,5, BC e CNP. O teste avalia duas hipóteses:
Hipótese nula (H0): os dados tem uma distribuição normal.
Hipótese alternativa (H1): não há evidências estatísticas suficientes para
aceitar H0.
Em resumo, este teste mede a máxima diferença absoluta entre a função de
distribuição acumulada assumida para os dados (no caso, a distribuição normal), e a
função de distribuição empírica dos dados. Esta diferença é avaliada com um valor
crítico (p), para um dado nível de significância ().
ii) Teste de Wilcoxon-Mann-Whitney
O teste de Wilcoxon-Mann-Whitney é um teste não paramétrico que avalia a
similaridade entre séries de dados baseado nas medianas das populações. O teste é
usado quando a distribuição de probabilidade não é conhecida ou quando se
estabelece que os dados não são normalmente distribuídos. O teste avalia duas
hipóteses (MARTINS, 2009):
51
Hipótese nula (H0): as duas populações avaliadas tem a mesma mediana.
Hipótese alterativa (H1): não há evidências estatísticas suficientes para
aceitar H0.
3.7 DISTRIBUIÇÃO ESPACIAL DOS POLUENTES AO LONGO DOS TRAJETOS
Para armazenamento, processamento, visualização e análise de dados
georreferenciados, utilizaram-se técnicas de SIG (Sistema de Informação
Geográfica). Os mapas de distribuição dos poluentes são apresentados no sistema
de referência geodésico SIRGAS2000 (Sistema de Referência Geocêntrico para as
Américas) e projeção cartográfica de referência espacial UTM22S (Universal
Transversal Marcador Zona 22 Sul) para Londrina e Curitiba e UTM23S para São
Paulo.
Devido à alta variabilidade espacial dos poluentes a nível de rua, os dados
foram agregados em intervalos espaciais fixos para produzir os mapas. TARGINO et
al. (2016; 2018) criaram polígonos de 65 m de comprimento ao longo das rotas
estudadas em um estudo anterior em Londrina. Esse comprimento corresponde ao
comprimento de meia quadra e meia interseção tipicamente encontrado no desenho
urbano da cidade.
Neste estudo, adotou-se esse comprimento de polígono, mesmo que o
comprimento das quadras e interseções não possua o mesmo tamanho nas três
cidades. Para facilitar a comparação dos resultados, todos os dados coletados e
georreferenciados dentro de cada área polígonal individual foram utilizados para
calcular as concentrações agregadas de BC, MP2,5 e CNP.
Para verificar a influência de atributos das rotas sobre as concentrações de
poluentes, as localizações de semáforos e paradas de ônibus foram determinadas
usando o Google Earth bem as anotações feitas durante as coletas (Apêndice A).
3.7.1 Definição de hotspot
Um hotspot de poluição atmosférica é considerado um ponto fixo no espaço
no qual as concentrações tendem a ser consistentemente mais altas do que nas
regiões adjacentes. Segundo a EPA (2012), as concentrações devem exceder de
52
dois a três desvios padrão a média do poluente para que o local seja considerado
um hotspot. SHRESTHA et al. (2016) definiram hotspot como um ponto com
concentrações de MP10 e NO2 maiores que 2,5 vezes o desvio padrão. UNAL et al.
(2004) definiram hotspot em termos da emissão de poluentes veiculares e
estabeleceram um hotspot como uma localização fixa não superior a 482 m de
comprimento ao longo de uma rota na qual as emissões máximas são pelo menos o
dobro das emissões médias. Finalmente, KOTZ et al. (2016) e BELL et al. (2013)
definiram hotspots como locais onde as concentrações estavam acima do percentil
97 e 85, respectivamente. Como os dados de MP em geral não tem uma distribuição
normal (e.g., ADAMS et al., 2001; KRECL et al., 2014; TARGINO et al., 2016; 2018),
neste estudo optou-se por não usar definições que levem em consideração o desvio
padrão, já que essa métrica de medida de dispersão não é aplicável a dados que
não seguem uma distribuição normal. Aqui, define-se hotspot como um ponto ao
longo da rota no qual as concentrações são maiores que o percentil 95 do conjunto
de dados.
3.7.2 Determinação de zonas de influência
Para determinar as concentrações de poluentes ao redor de hotspots ou de
determinados atributos urbanos (como ponto de contagem de veículo, semáforo,
etc.) foram criados buffers de raios 10 m, 20 m, 30 m e 40 m ao redor de cada
atributo com o objetivo de testar o tamanho adequado para os cálculos de médias
agregadas. Um buffer é uma técnica de geoprocessamento empregada para estudos
de raio de influência, que indica como as concentrações de poluição do ar são
afetadas pelas fontes que se encontram dentro do perímetro (EUM et al., 2015).
A Figura 13 ilustra exemplos de buffers de 20 e 40 m ao redor de semáforos
(círculos violetas) e paradas de ônibus (círculos azuis). Todos dos dados de
poluentes inseridos dentro de cada buffer são usados para o cálculo de médias e
medianas agregadas. Um buffer com raio pequeno (Figura 13a) pode não conter
dados de poluentes (pontos verdes) suficientes para o cálculo representativos de
indicadores estatísticos, enquanto um buffer de raio maior (Figura 13b) pode se
sobrepor a outros buffers, ocasionando que o dado do poluente seja incluído em
múltiplos cálculos. Dessa forma, utilizar-se-á o teste de Wilcoxon-Mann-Whitney
53
para avaliar se existem diferenças estatisticamente significativas entre as medianas
calculadas com buffers de diferentes tamanhos para decidir sobre o tamanho a ser
utilizado.
Figura 13- Avaliação do tamanho dos buffers para determinação da área de influência dos atributos
urbanos. a) 20 m de raio; b) 40 m de raio.
54
4 RESULTADOS
4.1 ANÁLISE ESTATÍSTICA DAS CONCENTRAÇÕES DE POLUENTES
a) Estatística descritiva
A descrição estatística das concentrações de poluentes é apresentada nos
trajetos percorridos (Tabela 9) e separadamente para as paradas nos terminais
(Tabela 10). Em termos de concentrações médias e medianas de todos os poluentes
observados, as cabines dos ônibus de Londrina foram as menos poluídas, enquanto
os ônibus de São Paulo foram os mais poluídos com relação à CNP (Tabela 9). Os
ônibus de Curitiba foram os mais poluídos com relação à BC e MP2,5, com valores
médios de 16,9 e 31,0 μg m-3, contra 8,9 e 29,5 μg m-3 em São Paulo. Nesse
contexto, os dados de BC, MP2,5 e CNP dentro da cabine dos ônibus alcançaram
valores máximos extremos em Curitiba, com picos coincidentes de 429,4 μg m-3, 2,7
mg m-3 e 608.919 # cm-3 observados no dia 26 de julho às 14h:47min na Rua Pres.
Faria.
Como ilustrado na Figura 6, a frota de ônibus em Curitiba é a mais antiga,
com uma alta proporção de ônibus com tecnologia P5 (EURO III) (fabricados entre
2004 e 2011) e uma fração insignificante de P7 (EURO V) (a partir de 2012). Ônibus
com tecnologia P5 e peso entre 7,5 e 16 toneladas tem fatores de emissão de MP
de 0,131 g km-1, enquanto os ônibus P7 têm fatores de emissão de 0,032 g km-1, o
que os torna consideravelmente mais limpos (MMA, 2011). No entanto, a poluição
do ar dentro da cabine de um ônibus não depende apenas da tecnologia do ônibus,
mas é uma combinação de vários fatores, entre os mais importantes (considerando
que os ônibus trafegam sem ar condicionado e com janelas abertas): i) poluição da
exaustão do próprio ônibus (auto-poluição); ii) penetração de partículas através de
janelas e portas oriundas das emissões dos veículos ao redor do ônibus (YANG et
al., 2015; LIM et al., 2015; TARGINO et al., 2018).
Dessa forma, um aspecto importante que deve ser considerado é a
caraterística da frota veicular nas vias onde os ônibus trafegam. A comparação entre
cidades deve ser feita com cautela já que, de acordo com DE NAZELLE et al.
(2017), a qualidade do combustível e tecnologia predominante da frota de cada
55
cidade, bem como o tipo de ventilação do ônibus também devem ser levados em
consideração.
De maneira geral, as concentrações médias e medianas dos três poluentes
nos terminais estudados foram menores ou comparáveis às da cabine dos ônibus
(Tabela 10). Embora as emissões de poluentes nos terminais sejam
predominantemente produzidas por ônibus, as plataformas onde foram coletados os
dados estavam localizadas em recintos horizontais abertos, ou seja, que facilitam a
dispersão e diluição dos poluentes. TARGINO et al. (2018) também observaram
concentrações de BC menores no nível superior do Terminal Central de Londrina,
comparado com ruas adjacentes de intenso tráfego e atribuíram esse
comportamento à localização do nível superior, com menos obstrução e maior
circulação de ar.
O terminal Cabral em Curitiba foi o mais poluído com concentrações médias
de BC de 18,6 μg m-3, MP2,5 de 32,8 μg m-3 e CNP de 43.250 # cm-3. Em dias de
semana, esse terminal é atendido por 1.200 ônibus por dia, enquanto o terminal
Portão é atendido por 754 ônibus por dia. Comparativamente, o volume diário de
ônibus no nível onde foram feitas as medidas no Terminal Central de Londrina é
semelhante ao Cabral (1.160) (TARGINO et al., 2018). No entanto, como nesse
terminal circulam apenas quatro modelos (microônibus, midi, convencional e padrão)
com capacidades, pesos brutos e fatores de emissão inferiores aos articulados e
biarticulados que servem os terminais de Curitiba, o impacto sobre a qualidade do ar
é menor no terminal de Londrina.
Outro aspecto que deve ser considerado é que as concentrações urbanas de
fundo são maiores em Curitiba do que em Londrina. Por exemplo, GIDHAGEN et al.
(2017) encontraram concentrações médias de BC de 2,3 μg m-3 em Curitiba,
enquanto KRECL et al. (2016) reportaram uma concentração média de 0,93 μg m-3
para Londrina. Os altos valores das concentrações de fundo em Curitiba podem
contribuir substancialmente para o incremento das concentrações observadas nos
terminais e nos ônibus. Esse aspecto deve ser considerado também para a cidade
de São Paulo. No entanto, em uma busca bibliográfica não foi identificado nenhum
trabalho que explicitamente informasse as concentrações de fundo de partículas
finas para São Paulo.
A Tabela 11 mostra valores médios das concentrações de BC, MP2,5 e CNP
coletados em estudos semelhantes a este, indicando que os valores encontrados
56
neste estudo estão dentro dos limites de concentrações observados para outras
cidades. No entanto, as concentrações médias de BC em Curitiba foram
consideravelmente mais altas comparadas com os outros estudos. Já em outras
cidades como Istambul (Turquia), Arnhem (Holanda) e Barcelona (Espanha)
encontraram-se médias maiores de MP2,5 e CNP, o que demonstra que as
concentrações de partículas atmosféricas são muito variáveis entre cidades.
57
Tabela 9- Descrição estatística das concentrações de BC, MP2,5 e CNP dentro dos ônibus.
Londrina Curitiba São Paulo
BC MP2,5 CNP BC MP2,5 CNP BC MP2,5 CNP
(µg m-3) (# cm-3) (µg m-3) (# cm-3) (µg m-3) (# cm-3)
Número de dados válidos
2.667 26.887 22.582 2.329 23.309 23.339 1.194 11.940 11.926
Mínimo 0,1 0,5 1.646 0,1 2,0 5.693 2,4 1,3 739
Máximo 107,9 340,1 231.302 429,4 2.734 608.919 160,7 236,8 256.616
Média 5,4 16,1 34.038 16,9 31,0 45.075 8,9 29,5 53.479
Desv. padrão 7,6 10,3 24.049 19,6 52,7 31.635 5,6 11,3 22.902
Mediana 3,4 14,5 28.764 10,9 26,5 39.377 7,3 28,6 48.997
Percentil 5 0,9 5,5 7.694 1,7 12,2 13.729 3,2 15,9 27.445
Percentil 95 16,8 30,5 78.092 50,4 62,7 93.442 20,4 45,9 94.937
58
Tabela 10- Descrição estatística das concentrações de BC, MP2,5 e CNP nos terminais.
Londrina Curitiba São Paulo
Terminal Central Terminal Cabral Terminal Portão Terminal P. Isabel Rua Pedroso
BC MP2,5 CNP BC MP2,5 CNP BC MP2,5 CNP BC MP2,5 CNP BC MP2,5 CNP
(µg m-3) (# cm-3) (µg m-3) (# cm-3) (µg m-3) (# cm-3) (µg m-3) (# cm-3) (µg m-3) (# cm-3)
Número de dados válidos
1.350 13.500 10.680 126 1.260 1.260 66 660 660 209 2.088 2.088 480 4.800 4.800
Mínimo 0,1 0,5 5.097 1,5 7,1 7.649 1,1 1,0 8.074 1,7 0,5 17.636 0,6 3,2 17.691
Máximo 67,8 113,5 203.559 71,1 220,3 433.415 30,4 262,1 133.942 160,7 423,6 269.985 77,6 2.518 107a
Média 2,8 13,3 21.597 18,6 32,8 43.250 8,0 29,1 32.707 8,8 25,0 40.052 5,2 35,9 54.300
Desv. padrão
3,3 8,0 14.943 15,9 20,0 31.552 7,7 17,9 17.289 13,9 21,6 22.105 5,6 94,0 71.322
Mediana 2,1 12,0 18.311 11,2 30,1 41.726 4,4 26,0 29.453 5,7 23,2 34.683 3,8 23,6 37.152
Percentil 5 0,4 4,5 8.118 2,3 10,2 12.044 1,7 12,2 9.955 2,6 10,0 21.032 1,5 9,5 24.676
Percentil 95
6,9 28,0 43.618 44,9 62,2 81.239 24,6 51,8 59.647 21,0 39,1 78.879 12,3 72,5 134.888
a Este valor deve ser observado com cautela, pois o limite máximo de detecção do CPC-3007 é 100.000 # cm
-3 e do CPC-3022A (usado na correção de
WESTERDAHL et al., 2005) é de 107 # cm
-3.
59
Tabela 11- Resumo da comparação das concentrações de BC, MP2,5 e CNP dentro dos ônibus em
varias cidades. Os números em parênteses indicam o desvio padrão (quando disponível).
Cidade Poluente Concentração média Referência
Arnhem
BC 9,0 μg m-3
ZUURBIER et al. (2010) MP2,5 73 μg m-3
CNP 43.235 # cm-3
Barcelona
BC 7,6 μg m-3 (3,6)
DE NAZELLE et al. (2012) MP2,5 25,9 μg m-3
CNP 55.204 # cm-3
Brisbane BC 2,4 μg m-3 (2,8)
WILLIAMS e KNIBBS (2016)
Hong Kong BC 11,6 μg m-3 (7,6)
YANG et al. (2015) MP2,5 8,2 μg m-3
Londres BC 5,4 μg m-3 RIVAS et al. (2017)
Xangai BC 7,3 μg m-3 (1,9) LI et al. (2015)
Londrina BC 9,6 μg m-3 (12,2) TARGINO et al. (2018)
Istambul MP2,5 84,5 μg m-3 ONAT e STAKEEVA
(2013) CNP 209.000 # cm-3
Londrina
BC 5,4 μg m-3 (7,6)
Este estudo
MP2,5 16,1 μg m-3 (10,3)
CNP 34.038 # cm-3 (24.049)
Curitiba
BC 16,9 μg m-3 (19,6)
MP2,5 31,0 μg m-3 (52,7)
CNP 45.075 # cm-3 (31.635)
São Paulo
BC 8,9 μg m-3 (5,6)
MP2,5 29,5 μg m-3 (11,3)
CNP 53.479 # cm-3 (22.902)
60
A Figura 14 mostra os boxplots das concentrações de BC, MP2,5 e CNP nas
três cidades pesquisadas. O limite das caixas é o intervalo interquartil (percentis 25
e 75) e os extremos das barras (bigodes) são os percentis 5 e 95, a linha dentro da
caixa são as medianas das concentrações. Os máximos foram excluídos para
facilitar a visualização das distribuições.
Os boxplots mostram que a dispersão da concentração de todos os
poluentes dentro dos ônibus é maior em Curitiba, indicando a maior
heterogeneidade e alta variabilidade espacial dos dados ao longo do percurso. A
análise da Figura 14 permite ainda observar que os valores de CNP são altamente
variáveis para as três cidades, o que é refletido em um alto desvio padrão (Tabela
9).
Figura 14- Boxplots das concentrações de BC, MP2,5 e CNP nas três cidades pesquisadas.
As diferenças nos intervalos interquartil de BC, MP2,5 e CNP para cada cidade
(especialmente para Londrina e São Paulo) sugerem que os processos que
governam as concentrações não atuam concomitantemente sobre as três variáveis.
Por exemplo, um evento que leve a um aumento das concentrações de BC poderá
causar um aumento de CNP –considerando que as partículas emitidas pelo
escapamento estão principalmente nos modos de nucleação e acumulação. No
entanto, a contribuição em massa para MP2,5 pode não ser significativa. De forma
análoga, a resuspensão de partículas pode causar concentrações altas de MP2,5 e
MP10, mas não de BC. KENDRICK et al. (2015) mostraram que as concentrações de
61
MP2,5 tem pouca correlação com variáveis de trânsito e, dessa forma, menor
associação com partículas oriundas de processos de combustão.
A Figura 15 mostra os diagramas de dispersão e coeficientes de
determinação (R2) entre as concentrações médias (cada cinco minutos) de BC,
MP2,5 e CNP para as três cidades. Observa-se que as menores correlações ocorrem
entre o MP2,5 e as CNP com R2 de 0,036, 0,086 e 0,180 para Londrina, Curitiba e
São Paulo, respectivamente. Esta correlação é um resultado esperado, pois, como
mencionado anteriormente, as partículas ultrafinas contribuem pouco para a massa
de MP2,5.
Com respeito às correlações entre BC e CNP, se evidencia que R2 também foi
baixo, especialmente em Curitiba (R2=0,048). Os resultados são contrários aos
estudos feitos por WU et al. (2015) em Edimburgo, que encontraram correlações
entre 0,44 e 0,77. Uma quantidade substancial do número de PUF pode ser pelas
partículas secundárias que estão sendo formadas durante a exaustão (MORAWSKA
et al., 2008) e com pouca capacidade de absorção de radiação no mesmo
comprimento de onda das partículas de BC. Dessa forma, essas partículas são
detectadas facilmente pelo CPC-3007, mas não pelo AE51, ocasionando uma baixa
correlação entres as concentrações. Considerando que a diluição é o principal
processo de transformação das partículas em um escala temporal de poucos
minutos (KETZEL e BERKOWICZ, 2004) entre o que se observa na rua (WU et al.
2015) e as concentrações medidas dentro do ônibus, então a diferença em
propriedades ópticas parece ser uma das principais causas para discrepância entre
os resultados desses estudos em comparação aos obtidos pela presente pesquisa.
A correlação entre BC e MP2,5 foi um pouco mais alta em Curitiba (R2= 0,590),
seguida por Londrina (R2=0,413). No entanto, essas correlações podem indicar que
o MP2,5 não se originam diretamente da exaustão dos veículos e que a presença de
outras fontes de poluição ou variáveis meteorológicas podem contribuir
simultaneamente para as concentrações de BC e MP2,5 (GONG et al., 2015;
PATTON et al., 2014).
62
Figura 15- Diagramas de dispersão e coeficientes de determinação entre as concentrações médias
(5 min) de BC, MP2,5 e CNP nas três cidades.
b) Teste de Normalidade
Aplicou-se o teste de Kolmogorov-Smirnov com um nível de significância de
5% às concentrações de BC, MP2,5 e CNP, cujos resultados estão mostrados na
Tabela 11. O valor do parâmetro h=0 indica que a hipótese nula é verdadeira e um
valor de h=1 indica que a hipótese nula não pode ser provada. O valor do parâmetro
p indica que quanto mais próximo de 0, menor a probabilidade de observar uma
distribuição normal. Em todos os casos, o teste rejeitou a hipótese nula, de forma
que as concentrações dos poluentes não apresentam uma distribuição normal.
Tabela 12- Resultado do teste de Kolmogorov-Smirnov aplicados aos dados de BC, MP2,5 e CNP
para as três cidades.
Cidade BC MP2,5 CNP
h p h p h p
Londrina 1 0 1 0 1 0
Curitiba 1 0 1 0 1 0
São Paulo 1 0 1 0 1 0
A Figura 16 mostra os histogramas de frequência das distribuições
logarítmicas das concentrações de BC, MP2,5 e CNP. A função de densidade normal
está sobreposta aos histogramas como uma linha vermelha. Para avaliar a simetria
das distribuições foram calculados os valores de curtose e assimetria. O valor da
63
curtose k=3 determina uma distribuição normal e valores de assimetria s entre -0,5 e
0,5 indicam uma simetria de ambos os lados da curva. Observa-se que as
distribuições apresentam uma simetria similar a uma função normal, evidenciando
que as concentrações de partículas finas podem ser aproximadas por uma função
log-normal. Os valores de s variaram entre -0,58 a 0,32 e os valores de k entre 2,57
e 5,47, exceto a distribuição das concentrações de BC em Londrina com valores de -
0,73 e 6,85 para s e k, respectivamente, indicando uma assimetria moderada e uma
curtose mais alongada com respeito a uma distribuição normal. Os histogramas que
mais se aproximaram a uma distribuição normal foram os de log(BC) em São Paulo
(s=0,32 e k=2,69) e log(CNP) em Curitiba (s=0,01 e k=3,7).
Figura 16- Histogramas das concentrações do logaritmo de BC, MP2,5 e CNP nas três cidades.
4.2 PERFIL DA VARIAÇÃO DE CONCENTRAÇÃO DE PARTÍCULAS
Para ilustrar o comportamento espaço-temporal das concentrações de BC,
MP2,5 e CNP em um trajeto de ônibus, escolheu-se a coleta realizada na cidade de
São Paulo no dia 27 de julho de 2016 (Figura 17). As concentrações dos três
poluentes apresentaram uma alta variabilidade, ocorrendo em escalas de poucos
segundos (por exemplo, entre as 15h04min e 15h05min as concentrações de BC
variaram de 3,4 μg m-3 para 22,2 μg m-3, as de MP2,5 de 19,2 μg m-3 para 38,6 μg m-3
e as de CNP de 30.733 # m-3 para 50.087 # m-3. O percurso iniciou às 14h:34min no
Terminal Princesa Isabel, onde se observam concentrações relativamente baixas
64
dos três poluentes, ou seja, de aproximadamente 3,2 μg m-3, 16,8 μg m-3, 24.964 #
cm-3 para BC, MP2,5 e CNP respectivamente. As concentrações começaram a subir
às 14h37min quando o ônibus saiu do terminal e faz uma parada em um semáforo.
A partir desse momento observa-se uma sequência de picos nas concentrações dos
três poluentes que dependem da região geográfica.
Figura 17- Perfil das concentrações de BC, MP2,5 e CNP na cidade de São Paulo para o dia 27 de junho de 2016. Os quadrados azuis indicam paradas de ônibus e os losangos vermelhos indicam
semáforos.
O perfil não indica uma dominância entre os picos das concentrações
ocasionados por um atributo urbano especifico (parada de ônibus, semáforos ou
morfologia da rua), no entanto existe uma repetição na ocorrência de picos próximo
a paradas de ônibus (quadrados azuis) e semáforos (losangos vermelhos). Cabe
destacar que durante todo o percorrido foram registrados mais ocorrências de
paradas de ônibus e semáforos, no entanto apenas alguns deles estão
apresentados na figura. Esses efeitos também foram reportados em diversos
estudos (e.g. LI et al., 2015; LIM et al., 2015) que relacionam o incremento das
concentrações de partículas na cabine do ônibus com paradas em interseções
controladas por semáforos. Nessa situação, os veículos circulam com velocidade
relativamente baixa ou permanecem parados, contribuindo para o acumulo de
poluentes nos cruzamentos, que podem penetrar a cabine através das janelas
65
quando o ônibus inicia o movimento. LIM et al. (2015) também sugerem que uma
distância menor a 50 m entre os semáforos e as paradas de ônibus podem influir
nos picos das concentrações devido à infiltração da poluição do ar no momento de
abrir e fechar as portas do ônibus, enquanto outros veículos perto do ônibus se
encontram esperando ao semáforo mudar de vermelho para verde.
O maior pico de CNP foi de 163.842 # cm-3 entre às 14h50min e 14h51min
quando o ônibus passou pelo túnel do Anhangabaú. As concentrações de BC e
MP2,5 não acompanharam esse pico, o que pode indicar que o aumento em CNP foi
devido a partículas finas não oriundas da combustão e que contribuem pouco para a
massa de MP2,5 e não possuem propriedades de absorção para serem detectadas
com o AE51. Por outro lado, KRECL et al. (2014) observaram um aumento nas
concentrações de BC em um túnel na cidade de Estocolmo, com um incremento
médio de até cinco vezes comparado com vias principais adjacentes. Neste estudo,
o pico máximo das concentrações de BC em semáforos e paradas de ônibus foi de
40,8 μg m-3 e de 24,2 μg m-3, às 14h38min e às 15h22min respectivamente. Para
MP2,5, os picos máximos para semáforos e paradas de ônibus foram de 51,8 μg m-3
e 49,8 μg m-3, às 14h57min e às 14h49min, respectivamente. TARGINO et al. (2018)
observaram incremento nas concentrações de BC dentro da cabine de ônibus ao se
aproximar de semáforos e paradas de ônibus em Londrina, alcançando picos de até
23,0 μg m-3.
Em geral, os incrementos nas concentrações dos poluentes foram mais
evidentes quando o ônibus passou por um cânion urbano na Av. Duque de Caixas
onde as concentrações dos três poluentes aumentaram simultaneamente. Nesse
sentido, RAKOWSKA et al. (2014) compararam as concentrações de BC, MP2,5 e
PUF em três cânions urbanos de Hong Kong com diferentes morfologias e fluxos
veiculares, e encontraram concentrações de 67,8 μg m-3 para BC, 53,0 μg m-3 para
MP2,5 e 60.273 # cm-3 para CNP no cânion com menor fluxo total de veículos, mas
dominado por veículos pesados a diesel, o que indica o impacto substancial do
cânion urbano na acumulação desses poluentes. Além disso, ZWACK et al. (2011)
em um estudo realizado em Manhattan em um cânion urbano, indicaram que as
concentrações de PUF e MP2,5 atingiram valores de 11% e 8% respectivamente,
acima das concentrações fora desse ambiente.
Além da contribuição das fontes de emissão presentes no local de
amostragem, o incremento simultâneo de poluentes atmosféricos no ambiente
66
ocorre devido à morfologia da rua, que neste caso pode afetar sua dispersão pelos
ventos quando possuem orientação perpendicular ao sentido do cânion, produzindo
considerados potenciais hotspots de poluição do ar (ZWACK et al., 2015; KRECL et
al., 2016). O aspecto de circulação atmosférica a microescala não foi investigado no
presente trabalho.
Com respeito à dispersão entre as concentrações médias (cada 30 segundos)
de BC, MP2,5 e CNP, a correlação mais alta foi entre o BC e MP2,5 com R2=0,570,
enquanto as correlações entre BC e CNP e entre MP2,5 e CNP foram baixas, com R2
de 0,156 e 0,109, respectivamente. A análise visual da Figura 20 evidencia que as
curvas de BC e MP2,5 se acompanham durante o percurso, enquanto em vários
momentos a curva de CNP se distancia consideravelmente (por exemplo, próximo
das 14h43min, 14h50min e 15h12min), o que causa baixas correlações. Esses
eventos podem estar relacionados com formação de partículas nanométricas que
contribuem pouco para a massa de MP2,5 e BC.
4.3 ANÁLISE ESPACIAL
4.3.1 Densidade do tráfego
As Figuras 18, 19 e 20 mostram o fluxo de tráfego e a composição da frota
para a cidade de Londrina, Curitiba e São Paulo, respectivamente.
Em Londrina, a maior densidade de tráfego foi observada no centro da
cidade, especialmente na Rua Sergipe (972 veículos h-1 no ponto 5) e na Av.
Higienópolis (pontos 8 e 9) com 1.330 e 2.342 veículos h-1, respectivamente. A maior
densidade de tráfego em Curitiba foi observada na Av. Sete de Setembro com 936,
849 e 1.240 veículos nos pontos 3, 5 e 6, respectivamente.
A maior densidade veicular na cidade de São Paulo ocorreu na zona oeste,
especialmente nos pontos de contagem 1, 4, 5 e 13 com 3.156, 2.304, 1.804 e 7.403
veículos h-1, respectivamente, e um ponto na zona leste (Av. Prestes Maia, ponto 8)
com 2.986 veículos h-1.
67
Figura 18- Contagem veicular na cidade de Londrina.
Figura 19- Contagem veicular na cidade de Curitiba.
68
Figura 20- Contagem veicular na cidade de São Paulo.
A Tabela 13 apresenta a composição média da frota por tipo de veículo para
os locais selecionados para a pesquisa, e são comparáveis com a composição da
frota nas estimativas para toda a cidade (Tabela 6), especialmente para a categoria
carros e motocicletas. Observa-se que o carro é o tipo de veículo dominante,
seguido por motocicletas, ônibus e caminhões. O Apêndice B mostra os nomes das
ruas e posição geográfica onde foram realizadas as contagens, bem como o número
de veículos por categoria e total para cada ponto.
Tabela 13- Composição da frota veicular e porcentagem por tipo de veículo nos pontos de contagens
em Londrina, Curitiba e São Paulo.
Cidade Carros
(%) Motocicletas
(%) Ônibus
(%) Caminhões
(%)
Londrina 82,2 12,8 2,9 2,1
Curitiba 85,2 6,4 7,8 0,6
São Paulo 81,5 15,8 2,2 0,5
69
4.3.2 Distribuição espacial das concentrações de BC
As Figuras 21, 22 e 23 mostram a distribuição espacial das medianas
agregadas dos dados de BC coletados nas três cidades. A maior parte do trajeto em
Londrina apresentou concentrações abaixo de 5,0 μg m-3, observadas
especialmente na zona leste, com pouca circulação de veículos (total de 534 e 156
veículos h-1, nos pontos 2 e 3, respectivamente). As maiores concentrações de BC
foram observadas na Av. Leste-Oeste, imediações do Terminal Central, Rua Sergipe
e em alguns pontos da Av. Higienópolis. Além de ter uma configuração de cânion em
alguns setores, a Rua Sergipe é via de escoamento de 21 linhas de ônibus do
transporte público que a usam para chegar ao Terminal Central com um fluxo de
mais de 75 ônibus h-1 em horário de pico.
Figura 21- Distribuição espacial mediana das concentrações de BC (Londrina).
Para Curitiba (Figura 22), observa-se que quase todo o trajeto
apresentou concentrações de BC acima de 10,0 μg m-3, especialmente na Av. Rep.
Argentina, Av. João Gualberto, Av. Sete de Setembro e na Tv. da Lapa. O setor
nordeste da Av. Sete de Setembro e Tv. da Lapa apresentaram valores acima de
70
20,0 μg m-3. Os pontos de contagem 3, 4, 5 e 6 da Av. Sete de Setembro indicaram
uma fração de ônibus acima da média da cidade (4,1%, 3,6%, 22,3% e 5,4%).
Figura 22- Distribuição espacial mediana das concentrações de BC (Curitiba).
Na cidade de São Paulo (Figura 23), as concentrações apresentaram uma
maior variabilidade espacial, com valores predominantemente entre 5,0 e 10,0 μg m-
3. Duas áreas a noroeste e sudoeste se destacaram e apresentaram valores acima
de 10,0 μg m-3, superando os 20,0 μg m-3 em alguns pontos. Essas duas áreas
estão caracterizadas pela saída do túnel do Anhangabaú com comprimento de
aproximadamente 582 m (área sudeste) e um cânion urbano na Av. Duque de
Caixas (área noroeste). A contagem na Av. Duque de Caxias (pontos 3 e 4)
indicaram 579 veículos h-1 (dos quais, 15% ônibus) e 2.304 veículos h-1 (dos quais,
3,2% ônibus). A área com concentrações acima de 20,0 μg m-3 após a saída do
túnel corresponde à região do terminal Bandeira que recebe 2.000 ônibus por dia e
está localizado em uma área de confluência entre as avenidas 23 de Maio e 9 de
Julho, umas das mais movimentas de São Paulo. A Av. 23 de Maio em particular faz
parte do corredor Norte-Sul, e é a principal ligação entre os bairros da região sul
71
com à região central da cidade. Contagem de veículos entre às 17:00 e 18:00 hs em
dois pontos da Av. 9 de Julho próximo a este terminal mostrou um volume entre
1.600 e 2.500 veículos h-1 (com fração de veículos pesados entre 4,9 e 6,2%).
Embora não haja informação de contagem disponível para a Av. 23 de Maio próximo
à rota investigada, a CET reportou um volume de 8.140 veículos h-1 próximo ao
viaduto da Beneficência Portuguesa.
Figura 23- Distribuição espacial mediana das concentrações de BC (São Paulo).
4.3.3 Distribuição espacial das concentrações de MP2,5
Com respeito às concentrações de MP2,5, observa-se que nas três cidades a
variabilidade das concentrações foi menor e com distribuição espacial mais
homogênea comparado com as distribuições espaciais de BC. O trajeto em Londrina
(Figura 24) apresentou concentrações predominantemente entre 12,0 e 18,0 μg m-3,
com exceção da área próxima ao Terminal Central e Rua Sergipe que, semelhante
ao que ocorreu com a distribuição espacial de BC, apresentaram os maiores valores.
Nesses setores as concentrações de MP2,5 excederam 18,0 μg m-3 e em alguns
pontos foram maiores que 24,0 μg m-3.
72
A cidade de Curitiba (Figura 25) apresentou concentrações de MP2,5 com
valores predominantemente entre 20,0 e 40,0 μg m-3 durante a maior parte do
trajeto, com picos acima de 40,0 μg m-3 na Av. Sete de Setembro. Esse setor de
valores elevados de MP2,5 coincide com pontos de concentrações altas de BC. O
trecho central da Av. Sete de Setembro tem edifícios altos com estrutura de cânion
com alta circulação de veículos, além da canaleta do ônibus expresso, o que
contribui para altas concentrações de MP devido a emissões por fontes de exaustão
e não exaustão.
As concentrações de MP2,5 também foram menos variáveis em São Paulo
(Figura 26), com valores entre 20,0 e 40,0 μg m-3. Nota-se que o setor leste do
trajeto teve concentrações maiores que o setor oeste, apesar de não haver uma
densidade de tráfego substancialmente diferente entre os setores. De fato, os pontos
de contagem 7, 8, 9 e 10 no setor leste têm número total de veículos de 2.986, 668,
912, 789 veículos h-1 respectivamente, enquanto os pontos 1, 2, 3, 4 e 13 no setor
oeste têm 3.156, 782, 579, 2.304 e 7.403 veículos h-1 respectivamente. Isso reforça
resultados de outros estudos (e.g., KENDRICK et al., 2015) que encontraram pouca
relação entre MP2,5 e volume de trânsito, e sugerem que as concentrações de MP2,5
tem uma dependência maior com fatores meteorológicos e fontes regionais de
poluição. A variabilidade espacial também pode ser devida aos processos de
formação secundária de MP2,5 que geralmente são mais lentos e cujo efeito não
pode ser medido perto da fonte.
73
Figura 24- Distribuição espacial mediana das concentrações de MP2,5 (Londrina).
Figura 25- Distribuição espacial mediana das concentrações de MP2,5 (Curitiba).
74
Figura 26- Distribuição espacial mediana das concentrações de MP2,5 (São Paulo).
4.3.4 Distribuição espacial das concentrações de número de partículas
Finalmente, as Figuras 27, 28 e 29 mostram a distribuição espacial das
CNP. Nas três cidades, os pontos onde os valores das CNP foram maiores também
coincidem com os pontos com alto fluxo veicular especialmente veículos pesados.
Semelhante às distribuições das concentrações de BC e MP2,5, Londrina foi a cidade
que apresentou as concentrações mais baixas durante todo o percurso, com
exceção no centro da cidade próximo ao Terminal Central com valores das CNP até
duas vezes maiores quando comparado com a maioria do trajeto, o que indica que a
Rua Sergipe é um ambiente muito poluído para as pessoas que se deslocam em
ônibus.
No caso de Curitiba (Figura 28), ao contrário do que ocorreu com as
concentrações de BC e MP2,5, o trajeto apresentou resultados bastante variáveis ao
longo do trajeto, com CNP entre 20.000 e 60.000 # cm-3, mais restritas à Av. Sete de
Setembro, Trav. da Lapa e ao Terminal Portão.
Os valores das CNP foram maiores em São Paulo com vários pontos
excedendo 80.000 # cm-3, especificamente na saída do túnel e no cânion urbano
75
mencionados anteriormente. Embora ambientes com geometria fechada possam
favorecer o acumulo de poluentes, no caso de túneis um fenômeno conhecido como
efeito de pistão pode contribuir para aliviar o aumento das concentrações. O veículo
ao entrar no túnel empurra o ar para os lados e para frente causando um transporte
de poluentes para fora do túnel. O efeito é mais pronunciado com velocidades mais
altas de circulação e com maior volume de veículos, já que essa situação aumenta a
área da seção transversal total dos veículos em relação à seção transversal do túnel
(CHEN et al., 1998). Esse efeito é máximo em túneis por onde trafegam trens. O
efeito de pistão poderia explicar parcialmente porque as concentrações de BC, MP2,5
e CNP não foram substancialmente elevadas dentro do túnel Anhangabaú, mas sim
na saída do mesmo. MA et al. (2011) mostraram que a razão entre as concentrações
de NOx e CO fora de um túnel e no meio do túnel em Taiwan ficaram entre 1,2 e 2,0
e entre 1,6 e 1,7, respectivamente. Neste estudo encontraram-se razões entre as
concentrações de BC, MP2,5 e CNP fora e dentro do túnel de 1,49, 1,16 e 1,51.
Figura 27- Distribuição espacial mediana das CNP (Londrina).
76
Figura 28- Distribuição espacial mediana das CNP (Curitiba).
Figura 29- Distribuição espacial mediana das CNP (São Paulo).
77
4.4 RELAÇÃO ENTRE AS CONCENTRAÇÕES DE POLUENTES COM OS
ATRIBUTOS URBANOS E CARACTERÍSTICAS DO TRÁFEGO
4.4.1 Relação entre concentração de poluentes com semáforos e paradas de ônibus
De acordo com o teste de Wilcoxon-Mann-Whitney aplicado sobre as
concentrações de MP, não se observaram diferenças estatisticamente significativas
entre os valores medianos obtidos dentro de buffers de raios 20, 30 e 40 m. Porém,
como mencionado na seção 3.6, um raio muito pequeno pode não conter dados
suficientes para uma análise criteriosa; ao mesmo tempo, um buffer maior pode se
sobrepor a outros buffers. Dessa forma, optou-se por usar buffers de raio 30 m.
A Figura 30 mostra os boxplots das concentrações medianas de BC, MP2,5 e
CNP calculadas dentro de buffers ao redor de paradas de ônibus e semáforos para
cada cidade. O limite das caixas é o intervalo interquartil (percentis 25 e 75) e os
extremos das barras (bigodes) são os percentis 5 e 95, a linha dentro da caixa são
as medianas das concentrações. Os máximos foram excluídos para facilitar a
visualização das distribuições.
Observa-se que em Londrina, as concentrações dos três poluentes em
ambos os atributos foram de duas a três vezes menores que em Curitiba e São
Paulo, o que reafirma que a poluição dentro dos ônibus nessa cidade é menor
mesmo próximo a atributos urbanos que tornam o trânsito mais lento, favorecendo o
acúmulo de poluentes e deteriorando a qualidade do ar, especialmente os
semáforos. Por outro lado, é possível observar que tanto nas paradas de ônibus
como nos semáforos, as concentrações de BC e MP2,5 foram maiores em Curitiba,
enquanto as CNP foram maiores em São Paulo. As concentrações elevadas de CNP
também se sobressaíram em São Paulo, como mostrado nas seções anteriores,
evidenciando que essa métrica é uma das mais críticas dentro das analisadas neste
estudo.
Com respeito à influência de cada atributo nas concentrações dos poluentes,
com a aplicação do Teste de Wilcoxon-Mann-Whitney entre as medianas das
paradas de ônibus e os semáforos foi obtido um h=0, pelo qual foi possível identificar
que não há uma diferença estatisticamente significativa entre as duas medianas
entre os dois atributos. No entanto, os boxplots mostram que há uma tendência de
ocorrência de valores maiores nos semáforos do que em paradas. Por exemplo, com
78
valores medianos de BC de 4,5 μg m-3, 13,9 μg m-3 e 7,5 μg m-3 nos semáforos de
Londrina, Curitiba e São Paulo, contra 3,3 μg m-3, 12,4 μg m-3 e 7,1 μg m-3 nas
paradas. Embora o início da marcha do veículo (seja na parada de ônibus ou no
semáforo) causem um aumento nas emissões de partículas finas (JAYARATNE et
al., 2009), os maiores valores nos semáforos podem estar governados pela
geometria do cruzamento. Enquanto o veículo se encontra parado esperando o sinal
mudar para verde, por outras ruas perto ao semáforo estão transitando veículos,
contribuindo para a sustentação de concentrações elevadas. Esse trânsito contribui
para aumentar o raio de influência atingindo zonas maiores ao redor do semáforo
(GOEL e KUMAR, 2015)..
A maioria das paradas de ônibus observadas neste estudo ocorreu no meio
da quadra. No entanto, sua localização é um parâmetro que deve ser considerado
ao estudar sua influência sobre a concentração dos poluentes na região. De acordo
com MOORE et al. (2012), a concentração média de MP2,5 foi de 60,1 μg m-3 em
uma parada de ônibus a 3,7 m de um cruzamento na cidade de Portland e de 24,1
μg m-3 a 21 m.
A Figura 30 ilustra com detalhe as medianas das outras métricas para fins
de comparação.
Figura 30- Boxplots das concentrações medianas de BC, MP2,5 e CNP nas paradas e semáforos na
cidade de Londrina, Curitiba e São Paulo.
79
4.4.2 Relação entre concentração de poluentes e número de veículos
Alguns estudos estabeleceram aumento das concentrações de poluentes
medidos a nível de rua com o aumento do fluxo de tráfego veicular. WU et al. (2015)
observaram que as concentrações de BC e CNP em Edimburgo estavam fortemente
influenciadas por pontos de alto fluxo veicular, e TARGINO et al. (2016) encontraram
um aumento das concentrações de BC com o aumento do fluxo de veículos
pesados.
No entanto, resta investigar se as relações encontradas a nível de rua se
aplicam às medições feitas dentro de cabines de ônibus. Poucos estudos relataram
esse efeito, exceto por TARGINO et al. (2018) que observaram que as
concentrações de BC dentro de ônibus a diesel aumentam quando o ônibus trafega
em áreas com maior fluxo de veículos pesados. Além disso, e LIM et al. (2015)
observaram concentrações mais altas de PUF quando os ônibus ingressavam em
áreas com maior circulação veicular em Auckland (embora, os autores não
mostraram dados específicos de contagem).
Para investigar a relação entre as concentrações de partículas finas nos
ônibus e o volume de tráfego veicular, calcularam-se as concentrações medianas de
BC, MP2,5 e CNP utilizando dados capturados em buffers de raio 30 m em cada
ponto de contagem. Subsequentemente, agruparam-se os pontos de contagem em
categorias de veículos totais (VT) com densidade entre <250 e > 1250 veículos h-1 e
veículos pesados (VP) entre <20 e >80 veículos h-1.
A Figura 31 mostra a relação entre os três poluentes e a densidade veicular.
De forma geral, as concentrações dos três poluentes não apresentaram uma relação
positiva com VT, exceto para Curitiba onde as concentrações de BC e CNP
aumentaram a partir da categoria 250-500 veículos h-1. Em Londrina,
particularmente, a falta de dependência é mais evidente para MP2,5 e BC, cujas
concentrações permaneceram entre 13,0 e 18,0 μg m-3 e entre 4,0 e 7,0 μg m-3,
respectivamente.
O aumento das concentrações torna-se mais evidente quando se avalia e
densidade de VP, especialmente para BC e MP2,5 em Curitiba e São Paulo. Nessa
última, as concentrações de MP2,5 e BC subiram de 24,8 para 35,6 μg m-3 e de 5,5
para 18,0 μg m-3, respectivamente. TARGINO et al. (2018) também encontraram
uma tendência positiva de incremento das concentrações de BC e o fluxo de VP e
80
uma relação mais fraca com o fluxo de veículos leves e totais em Londrina. Embora
os VP sejam uma proporção pequena da frota total, eles contribuem
significativamente mais para as concentrações de MP, especialmente de BC, e
principalmente em cidades com frotas de ônibus mais antigas, como Curitiba. No
entanto, o limitado número de pontos de contagem e número de amostras de
poluentes em algumas categorias de fluxo veicular pode ter afetado a identificação
da relação entre eles. Além disso, a falta de uma relação robusta entre o fluxo
veicular e as concentrações de poluentes sugere que outros parâmetros locais,
como características das ruas, declive, velocidade de deslocamento, e variáveis
meteorológicas podem ter um papel fundamental. Como o número de pontos de
contagem em cada cidade era relativamente limitado, não foi possível realizar uma
segunda classificação que incluísse, por exemplo, tipologia de rua e densidade
veicular.
Figura 31- Relação entre número de veículos e concentração mediana de poluentes.
4.4.3 Relação entre concentração de poluentes e velocidade do tráfego
Para investigar o efeito da velocidade de condução com as concentrações de
poluentes, dividiu-se o conjunto de dados em faixas de velocidade do ônibus usando
os dados do GPS. Excluíram-se os dados coletados quando o ônibus não estava em
81
movimento (por exemplo, parados em sinais de trânsito) já que as emissões (e
consequentemente as concentrações) aumentam no momento da partida devido à
maior potência requerida pelo motor no arranque (JAYARATNE et al., 2009). A
Figura 32 mostra que as concentrações dos três poluentes em Londrina tiverem um
comportamento similar e diminuíram com o aumento da velocidade. TARGINO et al.
(2018), ZHANG et al. (2010) e ALM et al. (1999) encontraram tendências
semelhantes quando correlacionaram concentrações de poluentes atmosféricos
dentro de veículos motorizados com a velocidade deslocamento em Londrina,
Beeville (EUA) e Kuopio (Finlândia). Esse comportamento pode ser atribuído a dois
efeitos: a) a velocidade de condução geralmente é menor em áreas centrais com
maior densidade veicular, o que reduz a troca de ar facilitando o acumulo de
poluentes dentro dos veículos; b) o trânsito flui mais rápido em áreas periféricas
onde as emissões de veículos motorizados também são menores, de forma que a
contribuição do trânsito ao redor do ônibus é minimizada.
No caso de Curitiba, as CNP diminuíram com o aumento da velocidade,
enquanto que as concentrações de BC e MP2,5 aumentaram até a faixa entre 30 e 35
km h-1. O sistema BRT em Curitiba é operado com ônibus biarticulados e articulados
com peso bruto de 30 e 40,5 toneladas, respectivamente. Esses veículos com peso
maior do que um ônibus urbano convencional (18 toneladas) circulam na canaleta
em ambos os sentidos, o que pode contribuir para a geração de maior turbulência
mecânica e resuspensão de MP não oriundo da exaustão dos motores.
O aumento nas concentrações de BC pode estar relacionado com a idade da
frota de ônibus de Curitiba que tem tecnologia predominantemente P5. Em São
Paulo, as concentrações de BC e MP2,5 mostraram uma mesma tendência negativa
entre 5 e 35 km h-1 e entre 5 e 40 km h-1 respectivamente. No entanto, quando foram
ultrapassadas essas velocidades as concentrações aumentaram rapidamente. De
acordo com o relatório de eventos e os dados georreferenciados, a velocidade se
manteve entre 35 e 50 km h-1 dentro do túnel do Anhangabaú até chegar à Av.
Brigadeiro Luís Antônio. Embora, os poluentes tendam a diminuir com o aumento da
velocidade, neste caso, o ônibus atravessando um ambiente contaminado e com
pouca dispersão está sujeito à transferência de poluentes para dentro da cabine
através das janelas abertas. Em geral, das nove situações de concentração de
poluentes estudadas, seis mostraram uma clara tendência de diminuição dos níveis
com o aumento da velocidade do ônibus.
82
Figura 32- Relação entre as concentrações de BC, MP2,5 e CNP e a velocidade do ônibus.
4.4.4 Fatores determinantes dos hotspots
Para identificação e mapeamento dos hotspots, buscaram-se valores de
concentrações dos poluentes atmosféricos acima do percentil 95 (Tabela 14). Os
hotspots foram identificados quando a concentração de pelo menos um poluente de
ultrapassava seu respectivo percentil 95.
Tabela 14- Limites das concentrações que definem hotspots.
Cidade BC
(μg m-3)
MP2,5
(μg m-3)
CNP
(# cm-3)
Londrina 11,0 21,0 57.800
Curitiba 29,0 37,0 57.700
São Paulo 18,0 40,0 89.800
As Figuras 33, 34 e 35 mostram exemplos de hotspots em Londrina, Curitiba
e São Paulo, sucessivamente. Todos os hotspots identificados estão ilustrados no
Apêndice C.
Em Londrina, a maioria dos hotspots foi encontrada no centro da cidade, nas
imediações da Rua Sergipe. Em alguns pontos, os hotspots dos três poluentes
83
coincidem. Observa-se que esse setor da cidade está dominado por interseções
com semáforos e algumas paradas de ônibus. Por outro lado, em outras vias, como
na Av. Higienópolis, mesmo ocorrendo uma densidade relativamente alta de
semáforos e paradas em ambos os lados da avenida, não foram detectados
hotspots.
JAYARATNE et al. (2009) avaliaram a relação entre o aumento das CNP e
cruzamentos sinalizados e encontraram uma forte relação entre as emissões
elevadas de CNP e as interseções especialmente em vias com uma maior fração de
veículos pesados a diesel. Isto suporta os resultados encontrados neste estudo, já
que além da densidade de semáforos, pela Rua Sergipe transitam 21 linhas de
ônibus (com um fluxo aproximadamente de 75 ônibus h-1 em horário de pico) que se
dirigem ao Terminal Central. No entanto, outro aspecto que se deve levar a
consideração é que a Rua Sergipe é um cânion urbano, e esta configuração da via
tem uma maior influência sobre os hotspots, reduzindo a dispersão dos poluentes.
Figura 33- Hotspots das concentrações de BC, MP2,5 e CNP no centro de Londrina.
Na Figura 34 observa-se que a maioria dos hotspots de Curitiba ocorreu na
Av. Sete de Setembro, que também apresenta uma alta densidade de semáforos e
algumas paradas de ônibus. Vários hotspots de BC e CNP também foram
84
identificados na Tv. da Lapa onde há cruzamentos controlados por semáforos. Outro
aspecto, como mencionado anteriormente, é que a Av. Sete de Setembro também
apresenta um alto fluxo de veículos pesados, contribuindo para a poluição do ar
nesse setor. De igual forma, a morfologia da avenida pode estar sendo o fator
determinante, já que os ônibus expressos transitam em ambos os sentidos por uma
canaleta na metade da avenida, aumentando as concentrações de MP2,5, CNP e BC
devido a emissões por fontes de exaustão e não exaustão.
Figura 34- Hotspots das concentrações de BC, MP2,5 e CNP na Av. Sete de Setembro em Curitiba.
A cidade de São Paulo apresentou uma situação diferenciada em
comparação às outras cidades investigadas. A maioria dos hotspots, especialmente
das concentrações de CNP, se apresentou na saída do túnel do Anhangabaú e nas
imediações do Terminal Bandeira. Esses setores não apresentam nem alta
densidade de semáforos nem de paradas de ônibus. No entanto, como discutido
anteriormente, o efeito de pistão pode ser um dos fatores mais determinantes na
ocorrência de hotspots na saída do túnel, enquanto o trânsito de ônibus no Terminal
Bandeira e proximidade das Avs. 9 de Julho e 23 de Maio levam ao surgimento de
uma região de alta concentração de BC, MP2,5 e CNP. Este resultado sugere que em
85
determinadas configurações urbanas os hotspots podem surgir devido a uma
combinação de fatores locais, bem como devido à influência de áreas relativamente
próximas. Por exemplo, GOEL e KUMAR (2015) determinaram que a área de
influência em cruzamentos de veículos altamente movimentados pode chegar a
distâncias entre 129 m e 379 m para CNP.
Figura 35- Hotspots das concentrações de BC, MP2,5 e CNP na Rua Santo Amaro em São Paulo.
86
5 CONCLUSÕES
Pela primeira vez no Brasil, realizou-se monitoramento das concentrações
de material particulado dentro de ônibus do transporte público urbano, comparando
uma cidade de porte médio, uma cidade grande e uma megacidade. Os resultados
deste estudo evidenciaram a grande variabilidade espacial nas concentrações de
BC, MP2,5 e CNP tanto na mesma cidade como ao comparar as três cidades.
Apesar de ser a maior cidade do país e possuir a maior frota veicular, as
cabines dos ônibus de São Paulo não foram as mais poluídas, exceto pela
concentração média do número de partículas que superou as de Londrina e Curitiba.
As cabines dos ônibus de Curitiba foram as mais poluídas em termos de BC e MP2,5,
enquanto Londrina apresentou os valores mas baixos nas concentrações dos três
poluentes. As concentrações médias de BC, MP2,5 e CNP foram de 5,4 μg m-3, 16,1
μg m-3 e 34.038 # cm-3 em Londrina, 16,9 μg m-3, 31,0 μg m-3 e 45.075 # cm-3 em
Curitiba, 8,9 μg m-3, 29,5 μg m-3 e 53.479 # cm-3 em São Paulo, respectivamente. Os
valores encontrados neste estudo estão dentro de intervalos reportados por outros
estudos semelhantes, exceto por Curitiba que também apresentou os maiores
valores máximo dos três poluentes. O comportamento observado em Curitiba pode
ser devido principalmente a que a frota de ônibus é a mais antiga, com uma fração
considerável com tecnologias P5 e P4. Outro fator a ser considerado, é que o nível
da concentração urbana de fundo em Curitiba também já é relativamente alto, o que
contribui para um incremento substancial nas concentrações de contaminantes
medidos dentro dos ônibus.
A distribuição espacial do material particulado foi altamente variável para BC
e CNP e menos para MP2,5. Em Londrina, as concentrações de BC, MP2,5 e CNP se
mantiveram abaixo de 5,0 μg m-3, 18,0 μg m-3 e 40.000 # cm-3, respectivamente, com
exceção da região no centro e imediações do Terminal Central e na Rua Sergipe
(cânion urbano) por onde transitam 21 linhas de ônibus a diesel. Em Curitiba,
observaram-se concentrações de BC excedendo 20,0 μg m-3, de MP2,5 entre 20,0 e
40,0 μg m-3 e de CNP entre 20.000 e 60.000 # cm-3. Esses valores foram altos
principalmente na Av. Sete de Setembro por onde circula uma fração de ônibus
acima da média da cidade (entre 4,1 e 22,3% em alguns pontos), e onde há uma
canaleta em ambos os sentidos que contribui para altas concentrações de material
particulado devido a emissões por fontes de exaustão e não exaustão. Em São
87
Paulo, a maior parte das concentrações de BC ficou entre 5,0 e 10,0 μg m-3 e de
CNP entre 40.000 e 60.000 # cm-3, enquanto as concentrações de MP2,5
permaneceram mais homogêneas. Os setores mais poluídos com concentrações
altas dos três poluentes foram observados em um cânion e na saída do túnel
Anhangabaú.
Além da contaminação oriunda do escapamento do próprio ônibus, o volume
de trânsito ao redor também contribuiu para os níveis de poluição dentro do ônibus.
Esse aspecto ficou evidente ao se comparar as concentrações em áreas das
cidades com diferentes volumes de trânsito. Observou-se que o número de veículos
(especialmente os veículos pesados), configuração de vias, velocidade de
deslocamento do ônibus e atributos urbanos (como paradas de ônibus e semáforos)
tiveram uma influência sobre as concentrações. Embora os carros sejam o tipo de
veículo dominante, as concentrações dos três poluentes não apresentam uma
tendência positiva clara com essa variável, mas sim com o número de veículos
pesados. Sendo maiores emissores de material particulado do que veículos leves,
ônibus e caminhões a diesel contribuem significativamente mais para as
concentrações ambientais através de processos de exaustão e não exaustão. Essa
relação foi mais evidente para BC e CNP e mais fraca para MP2,5, o que sugere que
fatores meteorológicos e contribuição de fontes regionais podem exercer mais
influencia sobre esse parâmetro.
Observou-se ainda uma clara tendência de diminuição dos níveis com o
aumento da velocidade do ônibus, o que pode ser atribuído a maior ventilação e
troca de ar através das janelas, já que os ônibus estudados não contavam com ar
condicionado.
Uma análise espaço-temporal de um perfil coletado em um dia específico em
São Paulo evidenciou que semáforos e paradas de ônibus exercem influência sobre
as concentrações, com aumento nos valores quando o ônibus realizou paradas
nesses atributos urbanos. Os picos de concentrações de BC, MP2,5 e CNP nesses
locais foram atribuídos à penetração do ar exterior ao abrir e fechar as portas, e
quando os ônibus iniciaram movimento ao sair da parada ou semáforo, emitindo
mais partículas devido ao esforço do motor no arranque.
A metodologia utilizada para definir os hotspots como pontos onde as
concentrações de BC, MP2,5 ou CNP estão acima do percentil 95 de cada variável,
mostrou satisfatória para identificar os locais mais poluídos ao longo das rotas. Nas
88
três cidades, os hotspots ocorreram em áreas com alta densidade de fluxo veicular
combinado com a ocorrência de semáforos e paradas de ônibus em vias com
configuração de cânion. Em São Paulo, identificou-se ainda um hotspot na saída do
túnel Anhangabaú, estendendo-se até o terminal de ônibus Bandeiras. Essa
ocorrência foi atribuída ao efeito de pistão que favorece a extração dos poluentes
para fora do túnel e à proximidade com as Avs. Nove de Julho e 23 de Maio.
Encontraram-se razões entre as concentrações de BC, MP2,5 e CNP fora e dentro do
túnel de 1,49, 1,16 e 1,51.
Com estes resultados é possível concluir que embora as cidades tenham
caraterísticas e tamanhos diferentes, um microambiente como a cabine do ônibus
pode se tornar um ambiente extremamente poluído em alguns setores da cidade.
Assim, uma parte da população sem acesso a transporte privado está sujeita à
elevada exposição a poluentes atmosféricos durante os deslocamentos diários, já
que o transporte público utiliza combustíveis que poluem mais, como o diesel, Esse
aspecto caracteriza como uma problemática de injustiça ambiental nos centros
urbanos, afetando a saúde das pessoas que utilizam esses veículos, e de motoristas
e cobradores que passam a jornada laboral nesses microambientes. Pessoas que
exercem essas ocupações estão sujeitas a uma elevada dose diária de poluentes, o
que a curto prazo pode causar doenças cardiorrespiratórias, e a longo prazo causar
doenças crônicas reduzindo a expectativa de vida.
Realizar um estudo com uma área de abrangência maior seria inviável
dentro do prazo de uma dissertação de mestrado. No entanto, o presente estudo
forneceu elementos para identificar áreas e atributos urbanos que favorecem a
ocorrência de concentrações elevadas de material particulado fino dentro de ônibus
do transporte público, de forma que os resultados podem ser estendidos para
regiões das cidades com frota veicular, tecnologias, combustível e configurações
urbanas semelhantes. Mais especificamente, a combinação de frota de ônibus
antiga, alta densidade veicular e urbanização que dificulte a circulação de poluentes
devem ser combatidas para melhorar a qualidade do ar a nível de rua e dentro das
cabines de ônibus urbanos.
89
5.1 SUGESTÕES PARA TRABALHOS FUTUROS
Tendo em conta que as cabines dos ônibus são microambientes onde há
uma alta circulação de pessoas, os dados aqui apresentados podem ser utilizados
para avaliar a exposição pessoal aos poluentes BC, MP2,5 e CNP e os efeitos sobre
a saúde humana, levando em consideração cenários com diferentes perfis de
usuários trabalhadores (motoristas e cobradores) que passam a maioria do tempo
nesse microambiente.
Para entender melhor a variabilidade das concentrações dos poluentes nas
cidades, recomenda-se analisar outras variáveis como tipologia da rua e dados
meteorológicos para determinar outros fatores que influenciam a formação de
hotspots. Um novo estudo poderia incluir o monitoramento de outros poluentes com
efeitos nocivos à saúde humana, como compostos orgânicos voláteis, monóxido de
carbono e óxidos de nitrogênio.
Do ponto de vista de saúde pública e planejamento urbano, sugere-se
realizar um estudo comparando ônibus semelhantes aos deste estudo com outros de
tecnologia mais limpas (como ônibus elétrico), e avaliar a eficácia de diminuir a
exposição pessoal a poluentes atmosféricos ao substituir tecnologias convencionais
por novas tecnologias.
90
REFERÊNCIAS BIBLIOGRÁFICAS
ADAMS, H.S.; NIEUWENHUIJSEN, M.J.; COLVILE, R.N.; MCMULLEN, M.A.; KHANDELWAL, P. Fine particle (PM2.5) personal exposure levels in transport microenvironments, London, UK. Science of the Total Environment, v. 279, p. 29-44, 2001. ALM S.; JANTUNEN, M.J.; VARTIAINEN, M. Urban commuter exposure to particle matter and carbon monoxide inside an automobile. Journal of Exposure Analysis and Environmental Epidemiology, v. 9, n° 3, p. 237-244, 1999. ANDRADE, M.F; KUMAR, P.; FREITAS, E; YNOUE, R.Y.; MARTINS, J.; MARTINS, L.D; NOGUEIRA, T.; PEREZ-MARTINEZ, P.; MIRANDA, R.M.; ALBUQUERQUE, T,; GONÇALVES, F.L.T;. OYAMA, B.; ZHANG, Y. Air quality in the megacity of Sao Paulo: Evolution over the last 30 years and future perspectives. Atmospheric Environment, v. 159, p. 66-82, 2017. ANDREAE, M.O.; GELENCSÉR, A. Black carbon or brown carbon? The nature of light –absorbing carbonaceous aerosols. Atmospheric Chemistry and Physics, v. 6, p. 3131-3148, 2006. Agência Nacional de Petróleo – ANP. Portaria ANP N° 310/2001. 2001. Disponível em: < http://www.anp.gov.br/wwwanp/legislacao/qualidade > Acesso em 09 de novembro de 2017. ARNOTT, W.P.; HAMASHA, K.; MOOSMULLER, H.; SHERIDAN, P.J.; OGREN, J.A. Towards aerosol light-absorption measurements with a 7-wavelength aethalometer: Evaluation with a photoacoustic instrument and 3-wavelength nephelometer. Aerosol Science and Technology, v. 39, n°1, p. 17-29, 2005. BEELEN, B.; RAASCHOU-NIELSEN, O.; STAFOGGIA, M.; ANDERSEN, Z.J.; WEINMAYR, G.; HOFFMANN, B.; WOLF, K.; SAMOLI, E.; FISCHER, P.; NIEUWENHUIJSEN, M.; VINEIS, P.; XUN, W.W.; KATSOUYANNI, K.; DIMAKOPOULOU, K.; OUDIN, A.; FORSBERG, B.; MODIG, L.; HAVULINNA, A.S.; LANKI, T.; TURUNEN, A.; OFTEDAL, B.; NYSTAD, W.; NAFSTAD, P.; DE FAIRE, U.; PEDERSEN, N.L.; ÖSTENSON, C.G.; FRATIGLIONI, L.; PENELL, J.; KOREK, M.; PERSHAGEN, G.; ERIKSEN, K.T.; OVERVAD, K.; ELLERMANN, T.; EEFTENS, M.; PEETERS, P.H.; MELIEFSTE, K.; WANG, M.; BUENO DE MESQUITA, B.; SUGIRI, D.; KRÄMER, U.; HEINRICH, J.; DE HOOGH, K.; KEY, T.; PETERS, A.; HAMPEL, R.; CONCIN, H.; NAGEL, G.; INEICHEN, A.; SCHAFFNER, E.; PROBST HENSCH, N.; KÜNZLI, N.; SCHINDLER, C.; SCHIKOWSKI, T.; ADAM, M.; PHULERIA, H.; VILIER, A.; CLAVEL CHAPELON, F.; DECLERCQ, C.; GRIONI, S.; KROGH, V.; TSAI, M.Y.; RICCERI, F.; SACERDOTE, C.; GALASSI, C.; MIGLIORE, E.; RANZI, A.; CESARONI, G.; BADALONI, C.; FORASTIERE, F.; TAMAYO, I.; AMIANO, P.; DORRONSORO, M.; KATSOULIS, M.; TRICHOPOULOU, A.; BRUNEKREEF, B.; HOEK, G. Effects of long-term exposure to air pollution on natural-cause mortality: an analysis of 22 European cohorts within the multicentre ESCAPE project. Lancet, v. 383, p. 785-795, 2014.
91
BELL, K.E.. Identification and characterization of fine particulate matter hot spots on an urban arterial corridor integrating probe vehicle, traffic and land use data. 2013. Tese de Doutorado. Portland State University. Estados Unidos. BETANCOURT, R.M.; GALVIS, B.; BALACHANDRAN, S.: RAMOS-BONILLA, J.P.; SARMIENTO, O.L.; GALLO-MURCIA, S.M.; CONTRERAS, Y. Exposure to fine particulate, black carbon, and particle number concentration in transportation microenvironments. Atmospheric Environment, v.157, p.135-145, 2017. BOND, T.C.; STREETS, D.G.; YARBER, K.F.; NELSON, S.M.; WOO, J.H.; KLIMONT, Z. A Technology-Based Global Inventory of Black and Organic Carbon Emissions from Combustion. Journal of Geophysical Research, v. 109, D14203, 2004. BOND, T.C; DOHERTY, S.J.; FAHEY, D.W.; FORSTER, P.M.; BERNTSEN, T.; DEANGELO, B.J.; FLANNER, M.G.; GHAN, S.; KÄRCHER, B.; KOCH, D.; KINNE, S.; KONDO, Y.; QUINN, P.K.; SAROFIM, M.C.; SCHULTZ, M.G.; SCHULZ, M.; VENKATARAMAN, C.; ZHANG, H.; ZHANG, S.; BELLOUIN, N.; GUTTIKUNDA, S.K.; HOPKE, P.K.; JACOBSON, M.Z.; KAISER, J.W.; KLIMONT, Z.; LOHMANN, U.; SCHWARZ, J.P.; SHINDELL, D.; STORELVMO, T.; WARREN,S.G.; ZENDER, C.S. Bounding the role of black carbon in the climate system: A scientific assessment. Journal of Geophysical Research-Atmospheres, v. 118, n° 11, p. 5380-5552, 2013. CARVALHO, A.M. Monitoramento da exposição pessoal ao poluente atmosférico black carbon. 2017. 94 p. Dissertação (Mestrado). Programa de Pós-Graduação em Engenharia Ambiental (PPGEA), Câmpus Apucarana/Londrina, Universidade Tecnológica Federal do Paraná. Londrina, 2017. CETESB – Companhia Ambiental do Estado do São Paulo. Plano de Controle de Polução Veicular 2014-2016. Disponível em: < http://www.cetesb.sp.gov.br/wp-content/uploads/sites/11/2014/12/pcpv-2014.pdf > Acesso em 17 de novembro de 2017. CETESB – Companhia Ambiental do Estado do São Paulo, 2016. Relatório de qualidade do ar no Estado de São Paulo 2015. São Paulo. CHEN, T.Y.; LEE, Y.T.; HSU, C.C. Investigations of piston-effect and jet fan-effect in model vehicle tunnels. Journal of Wind Engineering and Industrial Aerodynamics, v. 73, n° 2, p. 99-110, 1998. CHUNG, A.; CHANG, D.P.Y.; KLEEMAN, M.K.; PERRY, K.D.; CAHILL, T.A.; DUTCHER, D.; MCDOUGALL, E.M.; STROUD, K. Comparison of real-time instruments used to monitor airborne particulate matter. Journal of the Air & Waste Management Association, v. 51, n° 1, p. 109-120, 2001. CHOW, J.C.; WATSON, J.G.; SHAH, J.J.; KLANG, C.S.; LOH, C.; LEV-ON, M.; LENTS, J.M.; MOLINA, M.J.; MOLINA, L.T. Megacities and atmospheric pollution. Journal of the Air & Waste Management Association, v. 54, n° 10, p. 1226-1235, 2004.
92
COLBECK, I.; LAZARIDIS, M. Aerosols and environmental pollution. Naturwissenschaften, v. 97, p. 117-131, 2010. Confederação Nacional do Transporte – CNT. Os impactos da má qualidade do óleo diesel brasileiro. Brasilia, 2012. Disponível em < http://cms.cnt.org.br/Imagens%20CNT/Site%202015/Pesquisas%20PDF/Os%20impactos%20da%20m%C3%A1%20qualidade%20do%20%C3%B3leo%20diesel%20brasileiro.pdf > Acesso em 17 de novembro de 2017. DAHL, A.; GHARIBI, A.; SWIETLICKI, E.; GUDMUNDSSON, A.; BOHGARD, M.; LJUNGMAN, A.; BLOMQVIST, G.; GUSTAFSSON, M. Traffic-generated emissions of ultrafine particles from pavement–tire interface. Atmospheric Environment, v. 40, n° 7, p. 1314-1323, 2006. DETRAN-PR - DEPARTAMENTO DE TRÁNSITO DO PARANÁ. Anuário estatístico 2014. Disponível em: < http://www.detran.pr.gov.br/arquivos/File/estatisticasdetransito/anuario/Anuario2014.pdf > Acesso em 18 de novembro de 2017. DE NAZELLE, A.; FRUIN, S.; WESTERDAHL, D.; MARTINEZ, D.; RIPOLL, A.; KUBESCH, N.; NIEUWENHUIJSEN, M. A travel mode comparison of commuters' exposures to air pollutants in Barcelona. Atmospheric Environment, v. 59, p. 151-159, 2012. DE NAZELLE, A.; BODE, O.; ORJUELA J.P. Comparison of air pollution exposures in active vs. passive travel modes in European cities: a quantitative review. Environment International, v. 99, p. 151-160, 2017. DONS, E.; INT PANIS, L.; VAN POPPEL, M. THEUNIS, J. WETS, G. Personal exposure to black carbon in transport microenvironments. Atmospheric Environment, v. 55, p. 392-398, 2012. DONS, E.; TEMMERMAN, P.; VAN POPPEL, M.; BELLEMANS, T.; WETS, G.; INT PANIS, L. Street characteristics and traffic factors determining road users' exposure to black carbon. Science of the Total Environment, v. 447, p. 72-79, 2013. EASTWOOD, P. Particulate Emissions from Vehicles. John Wiley and Sons, 2008. EEA - European Environment Agency. Air quality in Europe: 2016 report. Luxemburgo. 2016. EGNOS. What is GPS?. Disponível em < https://www.egnos-portal.eu/discover-egnos/about-egnos/what-gps > Acesso em 7 de setembro de 2017. EPA - ENVIRONMENTAL PROTECTION AGENCY. Federal Register. v. 77, n° 32, p. 1-211, 2012.
93
EUM, Y.; SONG, I.; KIM, H.C.; LEEM, J.H.; KIM, S.Y. Computation of geographic variables for air pollution prediction models in South Korea. Environmental Health and Toxicology, v. 30, p. 1-14, 2015. EMEP - European Monitoring and Evaluation Programme. Air pollutant emission inventory guidebook. 2016. Disponível em: < https://eea.europa.eu/publications/emep-eea-guidenook-2016 > Acesso em: 13 de novembro de 2017. FONDELLI, M.C.; CHELLINI, E.; YLI-TUOMI, T.; CENNI, I.; GASPARRINI, A.; NAVA, S.; GARCIA-ORELLANA, I.; LUPI, A.; GRECHI, D.; MALLONE, S.; JANTUNEN, M. Fine particle concentrations in buses and taxis in Florence, Italy. Atmospheric Environment, v. 42, 8185–8193, 2008. FRANCO, J.F.; SEGURA, J.F.; MURA, I. Air pollution alongside bike-paths in Bogotá-Colombia. Frontiers in Environmental Science, v. 4, p. 1-10, 2016. FUZZI, S.; BALTENSPERGER, U.; CARSLAW, K.; DECESARI, S.; DENIER, H.; FACCHINI, M.C.; NEMITZ, E. Particulate matter, air quality and climate: lessons learned and future needs. Atmospheric Chemistry and Physics, v.15, n°14, p. 8217-8299, 2015. GIDHAGEN, L.; AMORIM, J.H.; SEGERSSON, D.; MENDONÇA, F.; GODOI, R.; CASTELHANO, F.; POLEZER, G.; MALUCELLI, F.; WOLF, A.; ESQUIVEL, G.; SILVA, D.; RIBEIRO, J.; KRECL, P.; TARGINO, A.C.; FELIX, E.; ALONSO, M. Emissions and impact on air quality of particulate matter and black carbon in Curitiba, Paraná, Brazil. Project Report, Swedish Meteorological and Hydrological Institute, 2017. GOEL, A.; KUMAR, P. A review of fundamental drivers governing the emissions, dispersion and exposure to vehicle-emitted nanoparticles at signalized traffic intersections. Atmospheric Environment, v. 97, p. 316-331, 2014. GOEL, A.; KUMAR, P. Zone of influence for particle number concentrations at signalized traffic intersections. Atmospheric Environment, v. 123, p. 25-38, 2015. GONG, W.; ZHANG, T.; ZHU, Z.; MA, Y.; MA, X; WANG, W. Characteristics of PM1.0, PM2.5, and PM10, and their relation to black carbon in Wuhan, Central China. Atmosphere, v. 6, p. 1377-1387, 2015. GRAMSCH, E.; GIDHAGEN, L.; WAHLIN, P.; OYOLA, P.; MORENO, F. Predominance of soot-mode ultrafine particles in Santiago de Chile: Possible sources. Atmospheric Environment, v. 43, n° 14, p. 2260-2267, 2009. GRAMSCH, E.; LE NIR, G.; ARAYAA, M.; RUBIO, M.A.; MORENO, F.; OYOLA, P. Influence of large changes in public transportation (Transantiago) on the black carbon pollution near streets. Atmospheric Environment, v. 65, p. 153-163, 2013.
94
GRAHAME, T.J.; KLEMM, R.; SCHLESINGER, R.B. Public health and components of particulate matter: The changing assessment of black carbon, Journal of the Air & Waste Management Association, v. 64, n° 6, p. 620-660, 2014. GREEN, J.; SÁNCHEZ, S. Air quality in Latin America: an overview. Clean Air Institute, 2013. GRUNIG, G.; MARSH, L.M.; ESMAEIL, N.; JACKSON, K.; GORDON, T.; REIBMAN, J.; KWAPISZEWSKA, G.; PARK, S.H. Perspective: ambient air pollution: inflammatory response and effects on the lung’s vasculature. Pulmonary Circulation, v. 4, n° 1, p. 25-35, 2014. HANKEY, S.; MARSHALL, J.D. Land use regression models of on-road particulate air pollution (particle number, black carbon, PM2.5, particle size) using mobile monitoring. Environmental, Science and Technology, v. 49, n° 15, p. 9194-9202, 2015. HANSEN, A.D.; ROSEN, H.; NOVAKOV, T. The aethalometer - An instrument for the real-time measurement of optical absorption by aerosol particles. Science of The Total Environment, v. 36, p. 191-196, 1984. HAGLER, G.S.W.; YELVERTON, T.L.B.; VEDANTHAM, R.; HANSEN, A.D.A.; TURNER, J.R. Post-processing method to reduce noise while preserving high time resolution in aethalometer real-time black carbon data. Aerosol and Air Quality Research, v. 11, p. 539-546, 2011. HINDS, W.C. Aerosol technology: properties, behavior, and measurement of airborne particles. John Wiley & Sons, p. 424, ISBN 0-471-19410-7, 1999. HOEK, G.; KRISHNAN, R.M.; BEELEN, R.; PETERS, A.; OSTRO, B.; BRUNEKREEF, B.; KAUFMAN, J.D. Long-term air pollution exposure and cardio- respiratory mortality: a review. Environmental Health, v. 12, n° 1, p. 43-59, 2013. HUANG, J.; DENG, F.; WU, S.; GUO, X. Comparisons of personal exposure to PM2.5 and CO by different commuting modes in Beijing, China. Science of the Total Environment, v. 425, p. 52–59, 2012. IAPAR- Instituto Agronômico do Paraná. 2014. Disponível em < http://www.iapar.br/arquivos/Image/agrometeorolgia/Mudancas_Climaticas/tendencia_temp_Londrina.pdf > Acesso em 18 de outubro de 2017. IAP – Instituto Inventário estadual de emissões atmosféricas de poluentes (MP, CO, NOx, SOx) e proposta para revisão e ampliação da rede de monitoramento da qualidade do ar do estado do paraná relatório final - 2013. Disponível em: < http://www.iap.pr.gov.br/arquivos/File/Monitoramento/INVENTARIO/INVENTARIO_ESTADUAL_DE_EMISSOES_ATM_versaofinal.pdf > Acesso em 17 de novembro de 2017.
95
IBGE - Instituto brasileiro de geografia e estatística. Informação população. 2016a. Disponível em: < http://cidades.ibge.gov.br/xtras/perfil.php?codmun=411370 > Acesso em 07 de novembro de 2016. IBGE - Instituto brasileiro de geografia e estatística. Frota Veicular. 2016b. Disponível em: < http://cidades.ibge.gov.br/painel/frota.php?lang=&codmun=411370&search=parana|londrina|infogr%E1ficos:-frota-municipal-de-ve%EDculos%27 > Acesso em 07 de novembro de 2016. IBGE – Instituto Brasileiro de Geografia e Estatística (2013). Atlas do censo demográfico 2010: Características Demográficas. Disponível em: < http://biblioteca.ibge.gov.br/visualizacao/livros/liv64529_cap3.pdf > Acesso em: 06 de junho de 2017. INMET – Instituo Nacional de Meteorologia. BDMEP Serie Histórica, Dados mensais. 2017. Disponível em: < http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep > Acesso em 08 de maio de 2017. JACOBSON, M. Z. Atmospheric Pollution: History, Science, and Regulation. Cambridge University Press, p. 399, ISBN 0-521-81171-6, 2002. JANSSEN, N.A.H.; HOEK, G.; SIMIC-LAWSON, M.; FISCHER, P; VAN BREE, L.; TEN BRINK, H.; KEUKEN, M.; ATKINSON, R.W.; ANDERSON, H.R.; BRUNEKREEF, B.; CASSEE, F.R. Black carbon as an additional indicator of the adverse health effects of airborne particles compared with PM10 and PM2.5. Environmental Health Perspectives, v. 119, n° 12, p. 1691-1699, 2011. JAYARATNE, E.R.; WANG, L.; HEUFF, D.; MORAWSKA, L.; FERREIRA, L. Increase in particle number emissions from motor vehicles due to interruption of steady traffic flow. Transportation Research Part D: Transport and Environment, v. 14, n° 7, p. 521-526, 2009. JOSEPH, H. Proconve: As fases passadas e futuras. Seminário sobre Emissões de Veículos Diesel. ANFAVEA. São Paulo. 2009. Disponível em: < http://www.anfavea.com.br/documentos/SeminarioItem1.pdf > Acesso em 01 de setembro de 2017. KARAGULIAN, F.; BELIS, C.A.; DORA, C.F.C.; PRÜSS-USTÜN, A.M.; BONJOUR, S.; ADAIR-ROHANI, H.; AMANN, M. Contributions to cities' ambient particulate matter (PM): A systematic review of local source contributions at global level. Atmospheric Environment, v. 120, p. 475-483, 2015. KELLY, F.J.; FUSSELL, J.C. Size, source and chemical composition as determinants of toxicity attributable to ambient particulate matter. Atmospheric Environment, v. 60, p. 504-526, 2012. KENDRICK, C.M.; KOONCE, P.; GEORGE, L.A. Diurnal and seasonal variations of NO, NO2 and PM2.5 mass as a function of traffic volumes alongside an urban arterial. Atmospheric Environment, v. 122, p. 133-141, 2015.
96
KETZEL, M.; BERKOWICZ, R. Modeling the fate of ultrafine particles from exhaust pipe to rural background: an analysis of time scales for dilution, coagulation and deposition. Atmospheric Environment, v. 38, p. 2639-2652, 2004. KHALEK, I.A.; KITTELSON, D.B.; BREAR, F. Nanoparticle growth during dilution and cooling of diesel exhaust: Experimental investigation and theoretical assessment. SAE technical paper, 2000. KITTELSON, D.B. Engines and nanoparticles: a review. Journal of Aerosol Science. v. 29, n° 5-6, p. 575-588, 1998. KOTZ, A.J.; KITTELSON, D.B.; NORTHROP, W.F. Lagrangian hotspots of in-use nox emissions from transit buses. Environmental Science and Technology, p. A-G, 2016. KRECL, P.; JOHANSSON, C.; STRÖM, J.; LÖVENHEIM, B.; GALLET, J.C. A feasibility study of mapping light-absorbing carbon using a taxi fleet as a mobile platform. Tellus B: Chemical and Physical Meteorology, 66, 23533, 2014. KRECL P.; TARGINO, A.C.; WIESE, L.; KETZEL, M.; CORREA, M.P. Screening of short-lived climate pollutants in a street canyon in a mid-sized city in Brazil. Atmospheric Pollution Research, v. 7, p. 1022-1036, 2016. KRECL, P.; JOHANSSON, C.; TARGINO, A.C.; STRÖM, J.; BURMAN. L. Trends in black carbon and size-resolved particle number concentrations and vehicle emission factors under real-world conditions. Atmospheric Environment, v. 165, p. 155-168, 2017. KULMALA, M.; VEHKAMÄKI, H.; PETÄJÄ, T.; DAL MASO, M.; LAURI, A.; KERMINEN, V.M.; BIRMILIC, W.; MCMURRY, P.H. Formation and growth rates of ultrafine atmospheric particles: a review of observations. Journal of Aerosol Science, v. 35, p. 143-176, 2004. KUMAR, P.; MORAWSKA, L.; BIRMILI, W.; PAASONEN, P.; HU, M.; KULMALA, M.; HARRISON, R.M.; NORFORD, L.; BRITTER, R. Ultrafine particles in cities. Environment International, v. 66, p. 1-10, 2014. LACK, D.A.; MOOSMÜLLER, H.; MCMEEKING, G.R.; CHAKRABARTY, R.K.; BAUMGARDNER, D. Characterizing elemental, equivalent black, and refractory black carbon aerosol particles: a review of techniques, their limitations and uncertainties. Analytical and Bioanalytical Chemistry, v. 406, p. 99–122, 2014. LAMARQUE, J.F.; BOND, T.C.; EYRING, V.; GRANIER, C.; HEIL, A.; KLIMONT, Z.; LEE, D.; LIOUSSE, C.; MIEVILLE, A.; OWEN, B.; SCHULTZ, M.G.; SHINDELL, D.; SMITH, S.J.; STEHFEST, E.; VAN AARDENNE, J.; COOPER, O.R.; KAINUMA15, M.; MAHOWALD, N.; MCCONNELL, J.R.; NAIK, V.; RIAHI, K.; VAN VUUREN, D.P. Historical (1850–2000) gridded anthropogenic and biomass burning emissions of reactive gases and aerosols: methodology and application. Atmospheric Chemistry and Physics, v. 10, p. 7017-7039, 2010.
97
LANDRIGAN, P.J.; RAUH, V.A.; GALVEZ, M.P. Environmental justice and the health of children. Mount Sinai Journal of Medicine, v. 77, n° 2, p. 178-187, 2010. LEE, J.T.; SON, J.Y.; CHO, Y.S. The adverse effects of fine particle air pollution on respiratory function in the elderly. Science of the Total Environment, v. 385, p. 28-36, 2007. LI, B,; LEI, X.; XIU, G.; GAO, C.; GAO, S.; QIANA, N. Personal exposure to black carbon during commuting in peak and off-peak hours in Shanghai. Science of the Total Environment, v. 524-525, p. 237-245, 2015. LIM, S.; DIRKS, K.N.; SALMOND, J.A.; XIE, S. Determinants of spikes in ultrafine particle concentration whilst commuting by bus. Atmospheric Environment, v. 112, p. 1-8, 2015. MA, C.M.; HONG, G.B.; CHANG, C.T. Influence of traffic flow patterns on air quality inside the longest tunnel in Asia. Aerosol and Air Quality Resarch, v. 11, n° 1, p. 44-50, 2011. MAHER, B.A.; AHMED, I.A.M.; KARLOUKOVSKI, V.; MACLAREN, D.A.; FOULDS, P.G.; ALLSOP, D.; MANN, D.M.A.; TORRES-JARDÓN, R.; CALDERON-GARCIDUENAS, L. Magnetite pollution nanoparticles in the human brain. Proceedings of the National Academy of Sciences, v. 113, n° 39, p. 10797-10801, 2016. MARICQ, M.M.; CHASE, R.E.; XU, N.; PODSIADLIK, D.H. The effects of the catalytic converter and fuel sulfur level on motor vehicle particulate matter emissions: gasoline vehicles. Environmental, Science and Technology, v. 36, n° 2, 276-282, 2002. MARTINS, G.A. Estatística geral e aplicada. 3. ed. São Paulo: Atlas, 2009. MCNAMARA, M.L.; NOONAN, C.W.; WARD, T.J. Correction factor for continuous monitoring of wood smoke fine particulate matter. Aerosol and Air Quality Research. v. 11, p.315-322, 2011. MIRANDA, R.M., ANDRADE, M.F., FORNARO, A., ASTOLFO, R., ANDRE, P.A., SALDIVA, P. Urban air pollution: a representative survey of PM2.5 mass concentrations in six Brazilian cities. Air Quality, Atmosphere & Health, v. 5, n° 1, p. 63-77, 2012. MOORE, A.; FIGLIOZZI, M.; MONSERE, C.M. Air quality at bus stops empirical analysis of exposure to particulate matter at bus stop shelters. Transportation Research Record: Journal of the Transportation Research Board, n. 2270, p. 76-86, 2012. MOOSMÜLLER, H.; CHAKRABARTY, R.K.; ARNOTT, W.P. Aerosol light absorption and its measurement: a review. Journal of Quantitative Spectroscopy and Radiative Transfer. v. 110, n° 11, p. 844-878, 2009.
98
MORAWSKA, L.; RISTOVSKI, Z.; JAYARATNE, E.R.; KEOGH, D.U.; LING, X. Ambient nano and ultrafine particles from motor vehicle emissions: characteristics, ambient processing and implications on human exposure. Atmospheric Environment, v. 42, p. 8113-8138, 2008. MORENO, T.; RECHE, C.; RIVAS, I.; MINGUILLÓN, M.C.; MARTINS, V.; VARGAS, C.; BUONANNO, G.; PARGA, J.; PANDOLFI, M.; BRINES, M.; EALO, M.; FONSECA, A.S.; AMATO, F.; SOSA, G.; CAPDEVILA, M.; DE MIGUEL, E.; QUEROL, X.; GIBBONS, W. Urban air quality comparison for bus, tram, subway and pedestrian commutes in Barcelona. Environmental Research, v. 142, p. 495–510, 2015. NING, Z.; CHAN, K.L.; WONG, K.C.; WESTERDAHL, D.; MOČNIK, G.; ZHOU, J.H.; CHEUNG, C.S. Black carbon mass size distributions of diesel exhaust and urban aerosols measured using differential mobility analyzer in tandem with Aethalometer. Atmospheric environment, v. 80, p. 31-40, 2013. NYSTRÖM, A.K.; SVARTENGREN, M.; GRUNEWALD, J.; POUSETTE, C.; RÖDIN, I.; LUNDIN, A.; SKÖLD, C.M.; EKLUND, A.; LARSSON, B.M. Health effects of a subway environment in healthy volunteers. European Respiratory Journal, v. 36, p. 240-248, 2010. OLIVARES, G.; STRÖM, J.; JOHANSSON, C.; GIDHAGEN, L. Estimates of black carbon and size-resolved particle number emission factors from residential wood burning based on ambient monitoring and model simulations, Journal of the Air & Waste Management Association, v. 58, n° 6, 838-848, 2008. OLIVEIRA, M.G.L. Evolução das distribuições de tamanho em massa e número do aerossol atmosférico em São Paulo. 2007. 138 p. Dissertação (Mestrado). Instituto de Astronomia, Geofísica e Ciências Atmosféricas – IAG. Departamento de Ciências Atmosféricas – DCA, Universidade de São Paulo – USP. São Paulo, 2007. ONAT, B.; STAAKEEVA, B. Personal exposure of commuters in public transport to PM2.5 and fine particle counts. Atmospheric Pollution Research, v. 4, p. 329-335, 2013. OSTRO, B.; TOBIAS, A.; KARANASIOU, A.; SAMOLI, E.; QUEROL, X.; RODOPOULOU, S.; BASAGAÑA, X.; ELEFTHERIADIS, K.; DIAPOULI, E.; VRATOLIS, S.; JACQUEMIN, B.; KATSOUYANNI, K.; SUNYER, J.; FORASTIERE, F.; STAFOGGIA, M. The risks of acute exposure to black carbon in Southern Europe: results from the MED-PARTICLES Project. Occupational and Environmental Medicine, v. 72, p. 123-129, 2015. OTT, W.R. Concepts of human exposure to air pollution. Environment International, v.7, n°3, p. 179-196, 1982. PANDIAN, S.; GOKHALE, S.; GHOSHAL, A.K. Evaluating effects of traffic and vehicle characteristics on vehicular emissions near traffic intersections. Transportation Research Part D, v. 14, p. 180-196, 2009.
99
PATTINSON, W.; LONGLEY, I.; KINGHAM, S. Using mobile monitoring to visualise diurnal variation of traffic pollutants across two near-highway neighbourhoods. Atmospheric Environment, v. 94, p. 782-792, 2014. PATTON, A.P.; PERKINSA, J.; ZAMOREB, W.; LEVYC, J.I.; BRUGGED, D.; DURANT, J.L. Spatial and temporal differences in traffic-related air pollution in three urban neighborhoods near an interstate highway. Atmospheric Environment, v. 99, p. 309-321, 2014. PEREIRA, R.H.; SCHWANEN, T. Commute time in Brazil (1992-2009): differences between metropolitan areas, by income levels and gender. Texto para Discussão, Instituto de Pesquisa Econômica Aplicada (IPEA), 2013. PETZOLD, A.; OGREN, J.A.; FIEBIG, M.; LAJ, P.; LI, S.-M.; BALTENSPERGER, U.; HOLZER-POPP, T.; KINNE, S.; PAPPALARDO, G.; SUGIMOTO, N.; WEHRLI, C.; WIEDENSOHLER, A.; ZHANG, X.-Y. Recommendations for reporting “black carbon” measurements. Atmospheric Chemistry and Physics, v. 13, p. 8365-8379, 2013. PITZ, M.; CYRYS, J.; KARG, E.; WIEDENSOHLER, A.; WICHMANN, H.E.; HEINRICH, J. Variability of apparent particle density of an urban aerosol. Environmental, Science and Technology, v. 37, p. 4336-4342, 2003. POPE, C.A.; BATES, D.V.; RAIZENNE, M.E. Health effects of particulate air pollution: time for reassessment? Environmental Health Perspectives, v. 103, p. 472-480, 1995. POPE, C.A.; BURNET, R.; THUN, M.J.; CALLE, E.E.; KREWSKI, D.; ITO, K.; THURSTON, G.D. Lung cancer, cardiopulmonary mortality, and long term exposure to fine particulate air pollution. Journal of the American Medical Association, v. 287, n° 9, p. 1132-1141, 2002. Prefeitura de São Paulo. Indicadores. Secretaria Municipal de Mobilidade e Transporte. Disponível em. < http://www.sptrans.com.br/indicadores/ > Acesso em: 13 de novembro de 2017. RAES, F.; VAN DINGENEN, R.; VIGNATI, E.; WILSON, J. PUTAUD, J.P.; SEINFELD, J.H.; ADAMS, P. Formation and cycling of aerosols in the global troposphere. Atmospheric Environment, v. 34, p. 4215-4240, 2000. RETAMA, A.; BAUMGARDNER, D.; RAGA, G.B.; MCMEEKING, G.R.; WALKER, J.W. Seasonal and diurnal trends in black carbon properties and co-pollutants in Mexico City. Atmospheric Chemistry and Physics, v. 15, n° 16, p. 9693-9709, 2015. RIVAS, I.; KUMAR, P.; HAGEN-ZANKER, A. Exposure to air pollutants during commuting in London: Are there inequalities among different socio-economic groups? Environment International, v. 101, p. 143-157, 2017.
100
ROHR, A.C.; WYZGA, R.E. Attributing health effects to individual particulate matter constituents. Atmospheric Environment, v. 62, p. 130-152, 2012. SANTOS, D.H. Análise espacial da concentração de poluentes oriundos de emissões veiculares. Relatório de iniciação cientifica. Universidade Tecnológica Federal do Paraná, 2016. SCHNEIDER, I.L.; TEIXEIRA, E.C.; OLIVEIRA, L.F.S.; WIEGAND, F. Atmospheric particle number concentration and size distribution in a traffic–impacted area. Atmospheric Pollution Research, v. 6, p. 877-885, 2015. SPTRANS - Secretaria Municipal de Mobilidade e Transportes. Rede de ônibus São Paulo. Disponível em: < http://www.sptrans.com.br/rede-onibus/ > Acesso em: 13 de novembro de 2017. SEINFELD, J.H.; PANDIS, S.N. 1998. Atmospheric Chemistry and Physics: From air pollution to climate change. John Wiley & Sons, 1998. SEXTON, K.; RYAN, P.B. Assessment of human air exposure to air pollution: Methods, measurements and models. Air Pollution, the Automobile and Public Health, p. 207-238, 1998. SHI, J.P.; HARRISON, R.M. Investigation of ultrafine particle formation during diesel exhaust dilution. Environmental, Science and Technology, v. 33, n° 21, p. 3730-3736, 1999. SHRESTHA, R.; FLACKE, J.; MARTINEZ, J.; VAN MAARSEVEEN, M. Environmental Health Related Socio-Spatial Inequalities: Identifying “Hotspots” of Environmental Burdens and Social Vulnerability. International Journal of Environmental Research and Public Health, v. 13, p. 691-714, 2016. SILVERMAN, D.T.; SAMANIC, C.M.; LUBIN, J.H.; BLAIR, A.E.; STEWART, P.A.; VERMEULEN, R.; COBLE, J.B.; ROTHMAN, N.; SCHLEIFF, P.L.; TRAVIS, W.D.; ZIEGLER, R.G.; WACHOLDER, S.; ATTFIELD, M.D. The diesel exhaust in miners study: A nested case–control study of lung cancer and diesel exhaust. Journal of the National Cancer Institute, v. 104, n°. 11, p. 1-14, 2012. SLEZAKOVA, K.; MORAIS, S.; PEREIRA, M.C. Atmospheric Nanoparticles and Their Impacts on Public Health. Current Topics in Public Health. Cap. 23, p. 503-529, 2013. STAMM, C.; ANDRONIO, J.; STADUTO, R.; FERRERA DE LIMA, J.; WADI, Y.M. A população urbana e a difusão das cidades de porte médio no Brasil. Interações (Campo Grande), v. 14, n. 2, p. 251-265, 2013. SOLOMON, G.M.; CAMPBELL, T.R.; FEUER, G.R.; MASTERS, J.; SAMKIAN, A.; ANN PAUL, K. No breathing in the aisles: diesel exhaust inside school buses. Natural Resources Defense Council and Coalition for Clean Air. P. 1-67, 2001.
101
SUGLIA, S.F.; GRYPARIS, A.; WRIGHT, R.O.; SCHWARTZ, J.; WRIGHT, R.J. Association of black carbon with cognition among children in a prospective birth cohort study. American Journal of Epidemiology, v.167, p. 280-286, 2008. TARGINO A.C.; GIBSON, M.D.; KRECL, P.; COSTA RODRIGUES, M.V.; MOREIRA DOS SANTOS, M. DE PAULA CORREA, M. Hotspots of black carbon and PM2.5 in an urban area and relationships to traffic characteristics. Environmental Pollution, v. 218, p. 475-486, 2016. TARGINO, A.C.; KRECL, P. Local and regional contributions to black carbon aerosols in a mid-sized city in southern Brazil. Aerosol and Air Quality Research. v. 16, p. 125–137, 2016. TARGINO, A.C.; RODRIGUES, M.V.C.; KRECL, P.; CIPOLI, Y.A.; RIBEIRO, J.P.M. Commuter exposure to black carbon particles on diesel buses, on bicycles and on foot: a case study in a Brazilian city. Environmental Science and Pollution Research, v. 25, p. 1132–1146, 2018. TASIC, V.; JOVASEVIC-STOJANOVIC, M.; VARDOULAKIS, S.; MILOSEVIC, N.; KOVACEVIC, R.; PETROVIC, J. Comparative assessment of a real-time particle monitor against reference gravimetric method for PM10 and PM2.5 in indoor air. Atmospheric Environment, v. 54, p. 358-364, 2012. TSI Incorporated. Dusttrak™ aerosol monitor: Theory of operation. 2012a. TSI Incorporated. Hand-held condensation particle counter model 3007. 2012b. UN - UNITED NATION. World Urbanization Prospects: The 2014 Revision. United Nations Population Division, 2014. UNAL, A.; FREY, H.C.; ROUPHAIL, N.M. Quantification of highway vehicle emissions hot spots based upon on-board measurements. Journal of the Air & Waste Management Association, v. 54, n° 2, p. 130-140, 2004. URBANIZAÇÃO DE CURITIBA – URBS. URBS em números. 2017. Disponível em: < https://www.urbs.curitiba.pr.gov.br/institucional/urbs-em-numeros > Acesso em: 13 de novembro de 2017. VELASCO, E.; TAN, S.H. Particles exposure while sitting at bus stops of hot and humid Singapore. Atmospheric Environment, v. 142, p. 251-263, 2016. VIRKKULA, A.; MÄKELÄ, T.; HILLAMO, R.; YLI-TUOMI, T.; HIRSIKKO, A.; HÄMERI, K.; KOPONEN, I.K. A simple procedure for correcting loading effects of aethalometer data. Journal of the Air & Waste Management Association. v. 57, n° 10, p. 1214-1222, 2007. WÅHLIN, P.; BERKOWICZ, R.; PALMGREN, F. Characterisation of traffic-generated particulate matter in Copenhagen. Atmospheric Environment, v. 40, n° 12, p. 2151-2159, 2006.
102
WALLACE, L.A.; WHEELER, A.J.; KEARNEY, J.; VAN RYSWYK, K.; YOU, H.; KULKA, R.H.; RASMUSSEN, P.E.; BROOK, J.R.; XU, X. Validation of continuous particle monitors for personal, indoor, and outdoor exposures. Journal of Exposure Science and Environmental Epidemiology. v. 21, p. 49-64, 2011. WANG, Q.; YANG, F.; WEI, L.; ZHENG, G.; FAN, Z.; RAJAGOPALAN, S.; BROOK, R.D.; DUAN, F.; HE, K.; SUN, Y.; BROOK, J.R. Measurement of particle sulfate from micro-aethalometer filters. Atmospheric Environment, v. 95, p. 520-524, 2014. WESTERDAHL, D.; FRUINA, S.; SAX, T.; FINE, P.M.; SIOUTAS, C. Mobile platform measurements of ultrafine particles and associated pollutant concentrations on freeways and residential streets in Los Angeles. Atmospheric Environment, v. 39, p. 3597-3610, 2005. WIERZBICKA, A.; NILSSON, P.T.; RISSLER, J.; SALLSTEN, G; XU, Y.; PAGELS, J.K.; ALBIN, M.; ÖSTERBERG, K.; STRANDBERG, B.; ERIKSSON, A; BOHGARD, M.; BERGEMALM-RYNELL, K.; GUDMUNDSSON, A. Detailed diesel exhaust characteristics including particle surface area and lung deposited dose for better understanding of health effects in human chamber exposure studies. Atmospheric Environment, v. 86, p. 212-219, 2014. WILLIAMS, R.D.; KNIBBS, L.D. Daily personal exposure to black carbon: A pilot study. Atmospheric Environment, v. 132, p. 296-299, 2016. WHO – World Health Organization. Ambient air pollution: a global assessment of exposure and burden of disease. 2016. WU, H.; REIS, S.; LIN, C.; BEVERLAND, I.J.; HEAL, M.R. Identifying drivers for the intra-urban spatial variability of airborne particulate matter components and their interrelationships. Atmospheric Environment, v. 112, p. 306-316, 2015. XIE, Y.; ZHAO, B.; ZHANG, L.; LUO, R. Spatiotemporal variations of PM2.5 and PM10 concentrations between 31 Chinese cities and their relationships with SO2, NO2, CO and O3. Particuology, v. 20, p.141-149, 2015. XING, Y.F; XU, Y.H.; SHI, M.H.; LIAN, Y.X. The impact of PM2.5 on the human respiratory system. Journal of Thoracic Disease, v. 8, n° 1, p. E69-E74, 2016. YANG, F.; KAUL, D.; WONG, K.C.; WESTERDAHL, D.; SUN, L.; HO, K.F.; TIAN, L.; BRIMBLECOMBE, P.; NING, Z. Heterogeneity of passenger exposure to air pollutants in public transport microenvironments. Atmospheric Environment, v. 109, p. 42-51, 2015. YIN, Z.; YE, X.; JIANG, S.; TAO, Y.; SHI, Y.; YANG, X.; CHEN, J. Size-resolved effective density of urban aerosols in Shanghai. Atmospheric Environment, v. 100, p. 133-140, 2015.
103
ZHANG Q.; ZHU Y. Measurements of ultrafine particle and other vehicular pollutants inside school buses in South Texas. Atmospheric Environment, v. 44, p. 253-261, 2010. ZHANG, J.; ZHANG, L.Y.; DU, M.; ZHANG, W.; HUANG, X.; ZHANG, Y.Q.; YANG, Y.Y.; ZHANG, J.M.; DENG, S.H.; SHEN, F.; LI, Y.W.; XIAO, H. Identifying the major air pollutants base on factor and cluster analysis, a case study in 74 Chinese cities. Atmospheric Environment, v. 144, p. 37-46, 2016. ZUURBIER, M.; HOEK, G.; OLDENWENING, M.; LENTERS, V.; MELIEFSTE, K.; VAN DEN HAZEL, P.; BRUNEKREEF, B. Commuters' exposure to particulate matter air pollution is affected by mode of transport, fuel type, and route. Environmental Health Perspectives, v. 118, p. 783-787, 2010. ZWACK, L.M.; PACIOREK, C.J.; SPENGLER, J.D.; LEVY, J.I. Characterizing local traffic contributions to particulate air pollution in street canyons using mobile monitoring techniques. Atmospheric Environment, v. 45, p. 2507-2514, 2011.
104
APÊNDICE A: Relatório de eventos
Nome: . Data: . Local: . N° Rota: N° Ônibus: Matrícula: Condições meteorológicas: _______________________________________________________________ Parada de ônibus: _______________________________________________________________ Semáforo: _______________________________________________________________ Porta da frente: _______________________________________________________________ Porta traseira: _______________________________________________________________ Declividade: _______________________________________________________________ Configuração de rua: _______________________________________________________________ Rotatória: _______________________________________________________________ Outro:
105
APÊNDICE B: Contagem veicular
Tabela B1- Posição geográfica e horário onde foram realizadas as contagens de fluxo veicular (veículos h-1) com a respectiva composição da frota
(Londrina).
Ponto Nome da Rua Hora Lat.(°) Lon.(°) Carros Motos Ônibus Caminhões Total
1 Universidade Tecnológica Federal do Paraná 9h às 10h -23,30795 -51,1139 102 9 6 17 134
2 Av. Pioneiros, entre R. José Juliani e R. Flávio Ribeiro 17h às 18h -23,31129 -51,125 400 116 4 14 534
3 Rua dos Coqueiros em frente do SEST 17h às 18h -23,31538 -51,1404 100 48 2 6 156
4 Av. Theodoro Victoreli, em frente ao Boulevard 17h às 18h -23,31143 -51,1457 532 156 8 20 716
5 Rua Sergipe entre Minas Gerais e Mato Grosso 9h às 10h -23,30978 -51,1571 734 182 52 4 972
6 Av. São Paulo entre Rua Sergipe e Av. Paraná 8h às 9h -23,31033 -51,1602 386 74 14 4 478
7 Rua Pio XII entre Rua Hugo Cabral e Rua Pernambuco 8h às 9h -23,31201 -51,1634 512 36 32 8 588
8 Av. Higienópolis entre Rua Pará e Rua Goiás 8h às 9h -23,31496 -51,1655 1076 148 70 36 1330
9 Av. Higienópolis com JK 9h às 10h -23,32054 -51,1665 1996 274 50 22 2342
10 Av. Leônia Milito, Rua João Wycliff na frente de Muffato 9h às 10h -23,33486 -51,1722 606 60 8 32 706
11 Shopping Catuaí 9h às 10h -23,34382 -51,1859 1102 76 18 30 1226
106
Tabela B2- Posição geográfica e horário onde foram realizadas as contagens de fluxo veicular (veículos h-1) com a respectiva composição da frota
(Curitiba).
Ponto Nome da Rua Hora Lat.(°) Lon.(°) Carros Motos Ônibus Caminhões Total
1 Rua Vital Brasil x Rua Guararapes 17h às 18h -25,46435 -49,2912 793 0 4 6 803
2 Avenida Silva Jardim x Avenida República Argentina
17h às 18h -25,44736 -49,2876 217 17 39 2 275
3 Avenida Sete de Setembro x Rua Coronel Dulcídio
17h às 18h -25,44321 -49,281 631 46 29 6 712
4 Avenida Sete de Setembro x Rua Lamenha Lins
17h às 18h -25,44097 -49,2751 730 53 29 3 815
5 Avenida Sete de Setembro x Rua Desembargador Westphalen
17h às 18h -25,43897 -49,2699 714 65 53 6 838
6 Avenida Sete de Setembro x Rua Barão do Rio Branco
17h às 18h -25,43737 -49,2658 1071 96 67 6 1240
7 Rua Alfredo Bufren x R Pres. Farias 17h às 18h -25,4286 -49,26825 622 77 85 5 789
8 Rua Inácio Lustosa x R Pres. Farias 17h às 18h -25,42433 -49,2689 9 1 39 0 49
9 Avenida João Gualberto x R Pé Antônio 17h às 18h -25,42258 -49,2667 285 28 22 1 336
10 Rua dos Funcionários x Avenida Paraná (Terminal Cabral)
17h às 18h -25,40603 -49,2522 2 0 95 2 99
107
Tabela B3- Posição geográfica e horário onde foram realizadas as contagens de fluxo veicular (veículos h-1) com a respectiva composição da frota (São
Paulo).
Ponto Nome da Rua Hora Lat.(°) Lon.(°) Carros Motos Ônibus Caminhões Total
1 Rua da Consolação, entre Rua Caio Prado e Marquês de Paranaguá
17h às 18h -23,54808 -46,6491 2240 783 127 6 3156
2 R. Rêgo Freitas entre R. Marquês de Itu e R. General Jardim
13h às 14h -23,54394 -46,6466 606 156 18 2 782
3 Av. Duque de Caxias com Av. São João 17h às 18h -23,53875 -46,6466 440 49 87 3 579
4 Av. Duque de Caxias entre Alameda Barão de Limeira e R. Conselheiro Nébias
14h às 15h -23,53782 -46,64445 1862 348 74 20 2304
5 Av. Rio Branco entre R. Helvétia e Av. Duque de Caixas 15h às 16h -23,5356 -46,643 1486 276 38 4 1804
6 Rua Mauá entre R. do Triunfo e Largo General Osório 13h às 14h -23,5351 -46,6388 360 66 12 2 440
7 Rua Brigadeiro Tobias entre R. Mauá e R. Washington Luís
14h às 15h -23,53715 -46,6344 816 150 26 4 996
8 Av. Prestes Maia entre R. Capitão Mor Jerônimo Leitão e R. Riskallah Jorge
15h às 16h -23,54179 -46,6346 2488 414 68 16 2986
9 R. Santo Amaro entre V. Jacareí e R. Dr. Nestor Esteves Natividade
13h às 14h -23,55209 -46,6406 596 60 10 2 668
10 Av. Brigadeiro Luís Antônio, entre R. Humaitá e R. Major Diogo
17h às 18h -23,55878 -46,642 727 118 64 3 912
11 R. Pedroso entre Av. Brigadeiro Luís Antônio e R. Dr. Alfredo Ellis
14h às 15h -23,56174 -46,6443 826 90 6 4 926
12 R. Rui Barbosa entre R. Manoel Dutra e R. Conselheiro Carrão
15h às 16h -23,55676 -46,6455 1048 106 4 10 1168
13 Ligação Leste-Oeste, sobre a Av. 9 de Julho 17h ás 18h -23,55147 -46,6467 6178 1207 8 10 7403
108
APÊNDICE C: Hotspots em Londrina, Curitiba e São Paulo.
Figura C1- Hotspots das concentrações de BC, MP2,5 e CNP (Londrina).
Figura C2- Hotspots das concentrações de BC, MP2,5 e CNP (Curitiba).
109
Figura C3- Hotspots das concentrações de BC, MP2,5 e CNP (São Paulo).