Processo de Poisson não homogêneo com presença de covariáveis para estimar o número de ultrapasses de concentração de ozônio na Cidade do México

• Ano de defesa: 2025
• Autor(a) principal: Pompei, Maria Isabela de Souza [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Ozônio; Método de Monte Carlo via cadeias de Markov; Processo de Poisson; Ozone; Markov Chain Monte Carlo Methods; Poisson Process
• Link de acesso: https://hdl.handle.net/11449/315137

A poluição do ar é um dos principais riscos ambientais à saúde pública mundial. Entre as principais consequências desta, estão doenças como acidente vascular cerebral, doenças cardíacas, doenças pulmonares crônicas e câncer de pulmão. Em grandes cidades, como a Cidade do México, a preocupação com a concentração de poluentes atmosféricos, especialmente o ozônio, tem crescido devido ao seu impacto direto na saúde humana e no meio ambiente. O ozônio troposférico é um poluente secundário formado por reações químicas entre óxidos de nitrogênio e compostos orgânicos voláteis sob luz solar. Embora o ozônio estratosférico desempenhe um papel vital na proteção contra a radiação ultravioleta, o ozônio ao nível do solo é nocivo, pois causa irritações nas vias respiratórias e danos ao tecido pulmonar, o que afeta particularmente populações vulneráveis como crianças e idosos. Diante desse cenário, a análise do tempo entre ultrapassagens de limiares ambientais nas concentrações de poluentes assim como o número de vezes que este limiar é ultrapassado, se torna essencial para compreender a dinâmica da poluição atmosférica e seus efeitos na saúde pública. O processo de Poisson é uma ferramenta estatística eficaz para modelar a frequência e o intervalo de eventos ao longo do tempo, permitindo a análise de eventos de ultrapassagem de limites de concentração de poluentes. Este estudo propõe utilizar o processo de Poisson não homogêneo com presença de covariáveis para estimar o número de ultrapassagens de concentração de ozônio na Cidade do México, considerando fatores como dióxido de nitrogênio, monóxido de carbono, temperatura, umidade relativa do ar e partículas inaláveis. O uso de métodos computacionais, como a inferência Bayesiana e técnicas de Monte Carlo via cadeias de Markov (MCMC), viabiliza os cálculos necessários para a estimativa dos números de ultrapasses de limiares para o ozônio. A metodologia adotada tem como base o trabalho de Rodrigues, Nicholls, Tarumoto e Tzintzun (2019), que utilizaram um modelo de Poisson não homogêneo com anisotropia espacial e pontos de mudança para analisar dados de poluição do ar no contexto da Cidade do México. A análise do tempo entre eventos de ultrapassagem oferece entendimento sobre como as condições atmosféricas e os níveis de poluentes interagem, a qual permite a identificação das principais covariáveis que influenciam os eventos de ultrapassagem. Em suma, o estudo da poluição do ar e da dinâmica dos eventos de ultrapassagem de concentrações de poluentes é importante para proteger a saúde pública e promover um ambiente mais saudável. A aplicação de métodos estatísticos avançados, como o processo de Poisson, representam uma ferramenta robusta para a análise e a compreensão dos padrões de poluição, que contribuem para o desenvolvimento de estratégias eficazes de controle, mitigação e prevenção.