Caracterização do material particulado fino e sua relações com dados epidemiológicos no período 2015-2016 em Manaus, AM, Brasil

Abstract

Resumo: Existem evidencias dos efeitos adversos de eventos de poluição atmosférica sobre a saúde da população em centros urbanos. Por isso, o monitoramento dos poluentes atmosféricos é importante em áreas sob influencia de fontes poluidoras. A cidade de Manaus está inserida em um ambiente de floresta amazônica sendo sazonalmente atingida por plumas atmosféricas emitidas pela queima de biomassa causada pelas mudanças no uso do solo no seu entorno. No entanto, não existe um monitoramento contínuo da qualidade do ar na cidade. O presente trabalho teve o objetivo de monitorar as concentrações de material particulado com diâmetro aerodinâmico menor de 2,5 ?m (MP2,5) diariamente em um ponto amostral inserido no perímetro urbano de Manaus durante o período de 2015-2016, no qual um fenômeno El Niño extremo causou aumento dos focos de queimadas. O MP2,5 ainda foi caracterizado pela quantificação de black carbon (BC), concentrações elementares e íons solúveis. A caracterização do MP2,5 permitiu investigar a interação da atmosfera da cidade com a da floresta amazônica. Os resultados mostram que houve um aumento da concentração de MP2,5 durante períodos com grande número de focos de queimadas enquanto que as concentrações de BC permanecem homogêneas durante o período de amostragem. As especiações químicas confirmam que o íon sulfato e o elemento potássio, quando associados ao MP2,5, podem ser considerados traçadores de plumas de queima de biomassa. Concentrações mais elevadas de elementos crustais durante a estação chuvosa indicam o transporte de poeira do continente africano para bacia amazônica, como já observado em outros estudos. Altas concentrações de fósforo associado ao MP2,5 podem sugerir que Manaus é uma fonte deste nutriente limitante para a floresta. Além disso, foi investigada a correlação entre os dados de concentração de MP2,5 e números de internações hospitalares cardiovasculares e respiratórias por meio de estruturas de Redes Neurais Artificiais (RNAs). Uma análise de correlação de Pearson entre variáveis atmosféricas e números de desfechos mórbidos sugere que os números de internação podem ser, principalmente, influenciados por condições meteorológicas. Dentre as estruturas de RNAs testadas, as não recorrentes (máquinas de aprendizado extremo - ELM e perceptron de múltiplas camadas - MLP) obtiveram bom desempenho. Os resultados indicam que a exposição às condições atmosféricas resulta em internações hospitalares com quatro dias de atraso para doenças cardiovasculares e seis dias de atraso para doenças respiratórias. O uso da ELM pode ser promissor na previsão de desfechos mórbidos devido a variáveis atmosféricas em Manaus por ser uma estrutura que exige baixo esforço computacional quando comparada com a tradicional MLP.

Abstract: There is scientific evidence of the adverse health effects caused by air pollution over urban population. Therefore, air pollutants monitoring is relevant in areas affected by pollution sources. The Manaus city is located in an Amazon forest environment and is seasonally impacted by biomass burning plumes due to land use change in its surroundings. However, there is no continuous air quality monitoring in the city. This work aims to monitor particulate matter with an aerodynamic diameter smaller than 2,5 ?m (PM2,5) on a daily basis over a single site inside Manaus during the period of 2015- 2016, in which a strong El Niño event increased biomass burning. PM2,5 samples were investigated for elemental and soluble ions composition, as well as, Black Carbon (BC) content. PM2,5 chemical composition allowed exploration of urban and forest atmospheres interactions. Results indicated that PM2,5 concentrations increased in biomass burning periods while BC concentrations were constant over the year. Analyses confirmed that sulfate ion and potassium element, when associated to PM2,5 may be considered as biomass burning indicators. Higher concentrations of crustal elements during wet season indicate dust transport from Africa as reported by previous studies. High concentrations of phosphorous associated to PM2,5 may suggest that Manaus is a source of this limiting nutrient to the forest. Furthermore, the correlation between PM2,5 concentration and hospital admission numbers due to respiratory or cardiovascular diseases was investigated by means of Artificial Neural Networks (ANNs) architectures. A Pearson correlation analysis between atmospheric variables and morbid outcomes suggests that hospital admission numbers might be mainly influenced by meteorological conditions. Among tested ANNs architectures, the feedforward ones (extreme learning machines - ELM and multilayer perceptron - MLP) performed well. Results point out that exposure to atmospheric conditions results in hospital admissions with four lag days for cardiovascular diseases and with six lag days for respiratory diseases. The use of ELM may be promising for the prediction of morbid outcomes due to atmospheric variables in Manaus because it is an architecture that requires low computational cost when compared to the traditional MLP.