View
0
Download
0
Category
Preview:
Citation preview
UNIVERSIDADE DO VALE DO ITAJAÍ - UNIVALI
CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR - CTTMar
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA AMBIENTAL
ADÃO DANIEL DA SILVA
VALIDAÇÃO NORMATIVA DO SISTEMA DE MONITORAMENTO DA
QUALIDADE DO AR E PREVISÃO POR MODELAGEM DE CONCENTRAÇÃO DE
MATERIAL PARTICULADO TOTAL EM SUSPENSÃO E DE DIÓXIDO DE
ENXOFRE EM UM COMPLEXO TERMOELÉTRICO DE SANTA CATARINA –
BRASIL
Itajaí, SC
Fevereiro de 2018
ADÃO DANIEL DA SILVA
VALIDAÇÃO NORMATIVA DO SISTEMA DE MONITORAMENTO DA
QUALIDADE DO AR E PREVISÃO POR MODELAGEM DE CONCENTRAÇÃO DE
MATERIAL PARTICULADO TOTAL EM SUSPENSÃO E DE DIÓXIDO DE
ENXOFRE EM UM COMPLEXO TERMOELÉTRICO DE SANTA CATARINA –
BRASIL
Dissertação apresentada ao Programa de Pós-Graduação em Ciências e Tecnologia Ambiental, como requisito para obtenção do grau de Mestre em Ciência Tecnologia Ambiental.
Orientador: Dr. Francisco Carlos Deschamps
Itajaí, SC
Fevereiro de 2018
AGRADECIMENTOS
A nomeação das pessoas e instituições que contribuíram para a realização deste
trabalho é tarefa de envergadura e corre o risco da imperdoável omissão de alguns. Adoto a
menção àqueles que suportaram diretamente a elaboração e o convívio comigo como forma
de homenagear a todos.
Agradeço a todos os professores e instituições, fazendo referência aos professores:
Prof. Dr. Marcus Polette, Prof. Dr. Claudemir Marcos Radestki, Prof. Dr. Vander
Kaufmann e Prof. Dr. Francisco Carlos Deschamps.
Agradeço aos colegas, amigos, familiares, irmãos, e filhos, homenageando aos
meus inspiradores pais, João Carlos da Silva (in memoriam) e Reacilva Nunes da Silva (in
memoriam), e a minha esposa Marilei Bilistki Grams que foi o amparo direto desta
conquista e bem representa a todos que não nomeio, mas que tenho em eterna gratidão.
Muito obrigado.
LISTA DE ABREVIAÇÕES E SIGLAS
AERMOD - American Meteorological Society/Environmental Protection Agency
Regulatory Model;
AQMP - Air Quality Maintenance Planning;
ANEEL - Agência Nacional de Energia Elétrica;
ASOS - Automated Surface Observing Station;
BDMEP- Banco de Dados Meteorológicos para Ensino e Pesquisa;
CCT - Clean Coal Technologies;
CD144 - Card Deck 144 Format;
CETESB - Companhia Ambiental do Estado de São Paulo;
CONAMA - Conselho Nacional de Meio Ambiente;
CONSEMA - Conselho Estadual de Meio Ambiente;
EMA - Estação Meteorológica Elevada;
EMS - Estação Meteorológica de Superfície;
EOLSS - Encyclopedia of Life Support Systems;
EPA - Environmental Protection Agency;
EPE - Empresa de Pesquisa Energética;
EUA - Estados Unidos da América;
FATMA - Fundação do Meio Ambiente do Estado de Santa Catarina;
HI-VOL - Amostrador de Grandes Volumes;
IBAMA - Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais
Renováveis;
ICEA - Instituto de Controle do Espaço Aéreo;
IEA - International Energy Agency;
IMA - Instituto do Meio Ambiente do Estado de Santa Catarina;
INEA - Instituto Estadual do Ambiente do Estado do Rio de Janeiro;
INMET - Instituto Nacional de Meteorologia;
INMETRO - Instituto Nacional de Metrologia, Qualidade e Tecnologia;
INPE - Instituto Nacional de Pesquisas Espaciais;
IPCC - Intergovernmental Panel on Climate Change;
ISC3 - Industrial Source Complex Model versão 3;
LBL - Lawrence Berkeley Laboratory;
MDS - Modelo Digital de Superfície;
MDT - Modelo Digital de Terreno;
MME - Ministério de Minas e Energia;
MPTS - Material Particulado Total em Suspensão;
MTE - Ministério do Trabalho e Emprego;
NBR - Norma Brasileira Regulamentadora;
NED - National Elevated Data;
NLCD - National Land Cover Data;
NSPS - New Source Performance Standards;
OMM - Organização Mundial de Meteorologia;
OMS - Organização Mundial da Saúde;
ONS - Operador Nacional do Sistema Elétrico;
PNMA - Política Nacional de Meio Ambiente;
PROCONVE - Programa de Controle de Poluição do Ar por Veículos
Automotores;
PROMOT - Programa de Controle da Poluição do Ar por Motociclos e Veículos
Similares;
PRONAR - Programa Nacional de Controle da Qualidade do Ar;
PSD - Prevention of Significant Deterioration;
PSI - Pollutant Standarts Index;
QGIS - Quantum Geographic Information System;
ROM - Run-of-mine;
SAMSON - Solar and Meteorologial Surface Observation Network;
SC - Santa Catarina;
SCRAM - Suport Center for Regulatory Models;
SCS - Supplemental Control Systems;
SIPs - State Implementation Plans;
TCP - Transportation Control Plans;
UE - União Eurpeia;
UTLA - Unidade Termelétrica A;
UTLB - Unidade Termelétrica B;
UTLC - Unidade Termelétrica C;
VMP – Valor Máximo Permitido;
WEO - World Energy Outlook;
WMO - World Meteorological Organization;
WMS - Web Map Service.
SUMÁRIO
1. REVISÃO BIBLIOGRÁFICA .............................................................................................. 15
1.1. INTRODUÇÃO ......................................................................................... 15
1.2. CARVÃO E GERAÇÃO DE ENERGIA .................................................... 19
1.3. CARVÃO E QUALIDADE DO AR ........................................................... 23
1.3.1. Padrões de Qualidade do Ar ..................................................................... 24
1.3.2. Índices de Qualidade do Ar ...................................................................... 26
1.3.3. Modelo de Dispersão Atmosférica ........................................................... 28
2. OBJETIVOS ......................................................................................................................... 31
2.1. OBJETIVO GERAL ................................................................................. 31
2.2. OBJETIVOS ESPECÍFICOS .................................................................... 31
3. MATERIAIS E MÉTODOS .................................................................................................. 32
3.1. SUBSTÂNCIAS MONITORADAS NAS ESTAÇÕES AUTOMÁTICAS .... 32
3.2. EQUIPAMENTOS DE MONITORAMENTO DE MPTS E SO2 ................. 32
3.3. LOCALIZAÇÃO DAS ESTAÇÕES DE MONITORAMENTO .................. 34
3.4. AQUISIÇÃO DOS DADOS DE MONITORAMENTO .............................. 37
3.5. APLICAÇÃO DO MODELO DE DISPERSÃO ATMOSFÉRICA ............. 38
3.5.1. Condições de Operação das Unidades Geradoras ..................................... 41
3.5.2. Pré-processador BPIPPRM ...................................................................... 42
3.5.3. Pré-processador AERMAP ...................................................................... 45
3.5.4. Programa AERGRID ............................................................................... 45
3.5.5. Programa TERRAIN DATA .................................................................... 47
3.5.6. Pré-processador AERSURFACE ............................................................. 48
3.5.7. Pré-processador AERMINUTE ................................................................ 49
3.5.8. Pré-processador AERMET ....................................................................... 49
3.5.9. Processador AERMOD ............................................................................ 52
3.5.10. Pós-processador AERPLOT ................................................................... 52
3.5.11. Análise Comparativa dos Dados do AERMOD com os da Rede ............. 53
4. RESULTADOS E DISCUSSÃO ........................................................................................... 56
4.1. ANÁLISE COMPARATIVA DOS DADOS DA REDE ............................... 56
4.2. VALIDAÇÃO NORMATIVA .................................................................... 58
4.2.1. Discussão da Legislação .......................................................................... 58
4.2.2. Área em Estudo e seu Enquadramento ..................................................... 61
4.2.3. Seleção de Estações MPTS e SO2 pelo Procedimento da EPA .................. 66
4.2.4. Comparando os Métodos de Seleção das Estações.................................... 72
4.2.5. Considerações sobre a Aplicação do Modelo............................................ 74
4.2.6. Resultados da Comparação dos Dados da Rede com os do AERMOD ..... 76
4.3. CONSIDERAÇÕES FINAIS ..................................................................... 80
5. CONCLUSÕES .................................................................................................................... 82
6. BIBLIOGRAFIA .................................................................................................................. 83
LISTA DE FIGURAS
Figura 1 – Relação entre a concentração de Partículas Totais em Suspensão no ar e
o Índice de Qualidade do ar, ressaltando-se os limites para os diferentes níveis de
classificação ......................................................................................................................... 27
Figura 2 – Abrigo e Amostrador de Grandes Volumes do tipo presente nas estações
de monitoramento do presente trabalho ................................................................................ 33
Figura 3 – Imagem e características do analisador de SO2 - Horiba modelo PG 250 -
usado no programa de monitoramento do complexo termoelétrico Jorge Lacerda ................. 33
Figura 4 – Localização do município de Capivari de Baixo, SC ................................ 34
Figura 5 – Localização das estações de monitoramento da qualidade do ar do
complexo termoelétrico Jorge Lacerda, Capivari de Baixo, SC ............................................ 36
Figura 6 – Vista parcial da estação Vila Moema localizada no município de
Tubarão, SC ......................................................................................................................... 36
Figura 7 – Fonte Direta, Fonte Indireta e Fonte Penetrante na Camada Limite
Convectiva ........................................................................................................................... 38
Figura 8 – Efeito da Cavitação .................................................................................. 42
Figura 9 – Downwash e GEPt ................................................................................... 43
Figura 10 – Arquivo de entrada no BPIPPRM e imagem parcial das instalações ....... 44
Figura 11 – Arquivo Resultante do BPIPPRM .......................................................... 44
Figura 12 – Grades limites dos receptores do AERGRID na interface amigável do
programa.............................................................................................................................. 46
Figura 13 – Pontos receptores gerados pelo AERGRID na interface amigável do
programa.............................................................................................................................. 46
Figura 14 – Imagem da região com delimitação da área do domínio ......................... 47
Figura 15 – Rosa dos ventos da estação Urussanga/SC do período de 06/08/2016 a
04/06/2017 ........................................................................................................................... 52
Figura 16 – Concentrações diárias médias de MPTS das estações de monitoramento
no período do inverno e da primavera .................................................................................. 56
Figura 17 – Concentrações diárias médias de MPTS das estações de monitoramento
no período do verão e do outono .......................................................................................... 56
Figura 18 – Concentrações diárias médias de SO2 das estações de monitoramento
no período do inverno e da primavera .................................................................................. 57
Figura 19 – Concentrações diárias médias de SO2 das estações de monitoramento
no período do verão e do outono .......................................................................................... 57
Figura 20 – Concentrações médias diárias de MPTS das estações comparadas ao
padrão primário qualidade ar ................................................................................................ 63
Figura 21 – Concentrações diárias médias de MPTS das estações comparadas aos
níveis de atenção, alerta e emergência, constantes da legislação ........................................... 64
Figura 22- Valores de SO2 determinados no sistema de monitoramento em
comparação ao estabelecido como padrão primário qualidade ar .......................................... 65
Figura 23 - Valores de SO2 determinados no sistema de monitoramento em
comparação aos níveis de atenção, alerta e emergência, constantes da legislação ................. 66
Figura 24 – Fluxograma para locação de estações de MPTS ..................................... 68
Figura 25 – Fluxograma para locação de estações próximas de escala média para
SO2 ...................................................................................................................................... 71
Figura 26 – Perfil das concentrações de MPTS distribuídas em pontos distantes da
fonte de emissão .................................................................................................................. 76
Figura 27 – Perfil das concentrações de SO2 distribuídas em pontos distantes da
fonte de emissão .................................................................................................................. 78
LISTA DE TABELAS
Tabela 1: Balanço Mundial de Energia em Exajoule numa base de valor calorífico
líquido aplicando o método equivalente direto ..................................................................... 21
Tabela 2 – Potencial de geração de energia elétrica em MW com o carvão nacional . 22
Tabela 3 – Número de estações de monitoramento da qualidade do ar no Brasil e no
mundo e sua relação com a área e população ........................................................................ 24
Tabela 4 - Padrões de qualidade do ar vigentes no Brasil para material particulado e
dióxido de enxofre ............................................................................................................... 25
Tabela 5 – Critérios de classificação para episódios agudos de poluição do ar........... 25
Tabela 6 - Estrutura do índice de qualidade do ar para material particulado e
dióxido de enxofre adotado pela CETESB ........................................................................... 27
Tabela 7 – Descrição dos Efeitos à Saúde pelo Material Particulado com Diâmetro
Menor que 10 micrômetros (MP10) e pelo SO2 ..................................................................... 28
Tabela 8 - Parâmetros monitorados nas estações Capivari de Baixo, Vila Moema e
São Bernardo que compõem a rede de monitoramento da qualidade do ar do complexo
termoelétrico Jorge Lacerda localizado em Santa Catarina ................................................... 32
Tabela 9 – Características do complexo termoelétrico Jorge Lacerda ........................ 35
Tabela 10 – Demonstrativo da forma de apresentação das medidas dos parâmetros
monitorados, no caso MPTS, que compõem o banco de dados gerado pelo sistema de
monitoramento da qualidade do ar do complexo termoelétrico Jorge Lacerda, Capivari de
Baixo, SC ............................................................................................................................ 37
Tabela 11 – Dados de operação da UTLA ................................................................. 41
Tabela 12 – Dados de operação da UTLB ................................................................. 41
Tabela 13 – Dados de operação da UTLC ................................................................. 41
Tabela 14 – Parâmetros meteorológicos utilizados como entrada no AERMOD ........ 50
Tabela 15 – Representação parcial de dados da estação meteorológica de Urussanga
utilizados nas simulações do modelo AERMOD .................................................................. 51
Tabela 16 – Resumo dos parâmetros estatísticos de validação das estimativas entre
valores previstos e observados ............................................................................................. 54
Tabela 17 – Classificação de Hopkins para o índice de correlação de Pearson (r) ...... 55
Tabela 18 – Limites máximos de emissão MPTS de acordo com a potência da
termoelétrica ........................................................................................................................ 61
Tabela 19 – Aplicações dos critérios de escala e de objetivos ao programa de
monitoramento de MPTS. As marcações com X indicam que os critérios foram atendidos ... 67
Tabela 20 - Objetivos de localização, usos dos dados e tipos de localizações das
estações de monitoramento associados à escala de representação ......................................... 70
Tabela 21 - Comparativo dos critérios de seleção de localização ............................... 72
Tabela 22 – Estatística dos resultados do monitoramento e do AERMOD aplicado
para o material particulado (MPTS) com os índices de concordância para cada estação de
amostragem ......................................................................................................................... 77
Tabela 23 – Estatística descritiva dos resultados do monitoramento e dos resultados
do AERMOD de SO2 com os índices de concordância para cada estação de amostragem ..... 79
RESUMO
O uso de combustíveis fósseis como base da atual matriz energética compromete o
meio ambiente, com consequências na saúde da população. O carvão mineral, que
desempenha papel preponderante no cenário mundial, tem participação reduzida no Brasil,
cujas reservas estão concentradas no sul do país, bem como seu parque de geração
termoelétrico. No presente trabalho, foi validado o sistema de monitoramento da qualidade
do ar do complexo termoelétrico Jorge Lacerda, localizado no município de Capivari de
Baixo, no estado de Santa Catarina. Inicialmente, foram avaliadas a localização das
estações de monitoramento da qualidade do ar e a disposição da instrumentação nas
determinações de MPTS e SO2, frente à legislação vigente. Também, testou-se o
AERMOD, um modelo de pluma de estado estacionário que incorpora a dispersão do ar
com base na estrutura de turbulência da camada limite planetária e conceitos de escala. O
modelo foi aplicado para reproduzir os resultados das variáveis estudadas, usando dados
climáticos de estações meteorológicas próximas da fonte de emissão, como forma de
auxiliar na previsão de eventos extremos, bem como na gestão e fiscalização do
empreendimento. Observou-se que os valores médios das emissões de MPTS e SO2 estão
bem abaixo daqueles considerados críticos para comprometer a saúde humana. A rede
formada por três estações de coleta de dados é bastante representativa para o programa de
monitoramento da qualidade do ar estabelecido no complexo termoelétrico. A localização
das estações apresenta-se adequada do ponto de vista da legislação vigente, mas,
adequações são sugeridas na disposição da instrumentação em duas delas. A aplicação do
modelo de simulação AERMOD, com uso de dados atmosféricos de estações
meteorológicas próximas ao complexo, foi bastante representativa, gerando valores
estimados próximos aos medidos pela instrumentação instalada nas estações de
monitoramento. Dessa forma, além da rede de monitoramento formada por estações e
instrumentação adequada, a adoção simultânea de um modelo preditivo pode
complementar o sistema de gestão de complexos termoelétricos já existentes ou mesmo
melhorando projetos dos futuros empreendimentos que possam vir a ser operados no país.
Palavras-chave: Carvão, MPTS, SO2, PRONAR, Modelagem, AERMOD.
ABSCTRACT
The use of fossil fuels as the basis of the current energy mix has a negative effect
on the environment, with consequences on the health of the population. Mineral coal,
which plays an important role in the global energy mix, has very low production in Brazil,
despite the vast reserves in the southern region of the country, where most of the coal
power generation units are situated. This work validates the air quality monitoring system
of Jorge Lacerda, a thermoelectric complex located in Capivari de Baixo, in the state of
Santa Catarina. Initially, monitoring site locations, and TSP and SO2 sampler placements
were evaluated, to ensure compliance with the legislation. AERMOD, a steady-state plume
model that incorporates air dispersion based on planetary boundary layer turbulence
structure and scaling concepts, was also tested. This model was applied to reproduce the
results of the variables studied, using climatic data from the meteorological stations located
closed to sources of the emission, in order to provide consistent forecasts for critical TSP
and SO2 concentration events, and for management and control of plant emissions. It was
observed that TSP and SO2 average emissions values were well below those considered
critical to human health. The data collection network, consisting of three sites, is quite
representative of the air quality monitoring program established by the thermoelectric
complex. Site sampler locations comply well with the environmental legislation, but
adjustments to instrumentation placement at two of the stations are suggested. The
application of the AERMOD simulation model, using atmospheric data from nearby
stations of the complex, generated very representative TPS and SO2 concentration values,
that were close to those measured by the instrumentation installed in the monitoring
stations. Thus, in addition to the monitoring network formed by stations and its adequate
instrumentation, it can be affirmed that simultaneous adoption of a predictive model can
complement the thermoelectric complex management system.
Keywords: Coal, TSP, SO2, PRONAR, Modeling, AERMOD.
15
1. REVISÃO BIBLIOGRÁFICA
1.1. INTRODUÇÃO
A poluição do ar é questão de interesse público devido aos efeitos adversos na
saúde humana, no ambiente e nos bens materiais. Por essa razão o Brasil adota um
conjunto de leis (Lei Federal n.º 6.938/1981, conhecida como Lei da Política Nacional de
Meio Ambiente - PNMA), com objetivo de fornecer uma base jurídica que permita reduzir
a poluição do ar e suas consequências para níveis aceitáveis. Entretanto, passados mais de
28 anos da edição desta lei e 19 anos da edição da Resolução n.º 003/90 do Conselho
Nacional de Meio Ambiente (CONAMA), que define os padrões de qualidade ar, o
Ministério de Meio Ambiente, ao preparar a 1ª Conferência Nacional de Saúde Ambiental,
reconhecia, ainda no ano de 2009 (MMA, 2009), que, relativamente aos padrões de
qualidade do ar e aos limites de emissão, a quase totalidade dos estados (exceção feita a
RO, PR, SP e MG) não havia adotado números mais restritivos do que aqueles definidos
pelo CONAMA. O mesmo valeu para o enquadramento em áreas críticas de poluição de
acordo com o padrão primário e secundário de qualidade do ar, à exceção de alguns
estados, como PR, SP, MG e RJ, que fizeram algum tipo de enquadramento, mas que não
necessariamente o desdobraram em estratégias de controle associadas ao planejamento
territorial-setorial. Até aquela data, nenhum estado tinha concluído a elaboração do plano
de emergência para episódios críticos de poluição do ar previsto na Resolução CONAMA
n.° 003/1990. O primeiro e último diagnóstico da rede de monitoramento da qualidade do
ar no Brasil realizado em 2013 (MMA, 2013), infelizmente, continuou a verificar que os
problemas persistiam devido à descontinuidade das ações.
A avaliação de impactos ambientais, que é um instrumento da PNMA, conforme o
artigo 9º, III, da PNMA, tem, na monitoração de substâncias contidas nos efluentes, uma
forma de caracterizar a qualidade do corpo receptor, na região de dispersão, e, assim,
contribuir no atendimento dos objetivos traçados na PNMA. Entre esses objetivos
destacam-se a compatibilização do desenvolvimento econômico-social com a preservação
da qualidade do meio ambiente e do equilíbrio ecológico e a difusão de tecnologias de
manejo do meio ambiente, à divulgação de dados e informações ambientais e à formação
de uma consciência pública sobre a necessidade de preservação da qualidade ambiental e
do equilíbrio ecológico, conforme previstos nos incisos I e V do artigo 4º da Lei Federal n.º
16
6.938/81, orientados pelos princípios gerais da legislação ambiental brasileira, presentes na
Constituição da República Federativa do Brasil.
A saúde humana, principal preocupação da legislação vigente, é afetada pelos
níveis de concentração de poluentes aéreos como o material particulado total em suspensão
(MPTS) e o dióxido de enxofre (SO2), isoladamente ou em conjunto. É difícil avaliar os
efeitos destes poluentes, pois, à exceção de casos isolados, como aqueles do Vale do
Meuse na Bélgica, em 1930, de Donora no estado da Pensilvânia/EUA, em 1948, e da
cidade de Londres/Inglaterra, em 1952 (KAGAWA, 2003), as situações de concentrações
críticas podem ser mimetizadas por outras causas ou pela falta de identificação precisa da
causa da doença ou do óbito dos atingidos.
Uma verificação rápida dos efeitos do MPTS, quanto ao seu significado para a
saúde humana na estrutura de índice de qualidade do ar fornecida pela CETESB (2013),
sugere que concentrações inferiores a 80 µg/m³ não apresentam riscos práticos à saúde.
Entretanto, à medida que as concentrações aumentam, os riscos são incrementados a ponto
de atingir não apenas os grupos mais sensíveis, mas toda a população. Pessoas sensíveis,
como crianças, idosos e pessoas com doenças respiratórias podem apresentar sintomas
como tosse seca e cansaço quando submetidas a níveis de concentrações entre 80 µg/m³ e
240 µg/m³. Ultrapassado o nível anterior de 240 µg/m³, mas, ainda, inferior a 365 µg/m³,
os efeitos, antes restritos às pessoas sensíveis, os efeitos atingem toda a população. Níveis
superiores a 625 µg/m³ causam sérios riscos de manifestação de doenças respiratórias e
cardiovasculares de forma indiscriminada, com a possibilidade de óbitos prematuros entre
as pessoas dos grupos sensíveis.
O mecanismo de lesão nas vias aéreas e nos pulmões ocorre, porque há danos às
células causadas pela oxidação de moléculas nos poluentes. Estes danos levam à
inflamação, à citotoxicidade e à morte das células. A exposição à fração de material
particulado denominada PM2.5 aumenta as emergências e admissões hospitalares para
doenças respiratórias com sintomas de infecções e doença pulmonar obstrutiva crônica.
Estudos epidemiológico feitos na Austrália e Nova Zelândia (BARNET et al., 2005) ,
México , Canadá (VILLARREAL et al., 2008) e Europa (CHEN et al., 2004), confirmam
que esses efeitos sobre a saúde no aparelho respiratório, sendo vistos em todo o mundo
entre comunidades expostas às PM2.5 (POPE et al., 2002). Além de doenças respiratórias, a
exposição prolongada a PM2.5 está causalmente ligada ao desenvolvimento de câncer de
pulmão (DE HARTOG et al., 2003).
17
As elevadas concentrações de SO2 aumentam a gravidade e a incidência de
sintomas respiratórios daqueles que moram nas proximidades das fontes de emissão,
particularmente crianças com asma. Para adultos e crianças que são suscetíveis, a inalação
causa inflamação e hipersensibilidade das vias aéreas, agrava a bronquite e diminui a
função pulmonar (EPA, 2009). Existe uma associação significativa entre a concentração de
SO2 e o risco de morte por doença do coração e do pulmão. Para cada aumento de 10 ppb
na concentração de SO2, existe um aumento de 0,4% a 2% no risco de óbito. A associação,
destes dois irritantes primários MPTS e SO2, pode potencializar algumas doenças do
sistema respiratório.
O Programa Nacional de Controle da Qualidade do Ar (PRONAR), especificado na
Resolução CONAMA n.º 005/1989 conforme previsão da PNMA estabelece padrões
ambientais para proteção da saúde e bem-estar das populações e melhoria da qualidade de
vida com o objetivo de permitir o desenvolvimento econômico e social do País de forma
ambientalmente segura, pela limitação dos níveis de emissão de poluentes por fontes de
poluição atmosférica (BRASIL, 1989). A estratégia básica do PRONAR é limitar as
emissões por tipologia de fontes e de poluentes prioritários e usar padrões de qualidade do
ar como ação complementar de controle para mitigar os efeitos negativos causados por
alguns poluentes atmosféricos, identificados na Resolução CONAMA n.º 003/1990, que
podem afetar a saúde, a segurança e o bem-estar da população, bem como ocasionar danos
à flora e à fauna, aos materiais e ao meio ambiente em geral (BRASIL, 1990). A avaliação
permanente das ações de controle estabelecidas no PRONAR pretende não permitir a
ultrapassagem de níveis máximos toleráveis de concentração de poluentes atmosféricos
como meta de curto e médio prazo e atingir, no longo prazo, concentrações de poluentes
atmosféricos abaixo das quais se prevê o mínimo efeito adverso sobre o meio ambiente em
geral.
A presente dissertação insere-se neste esforço de avaliação ao validar
normativamente o posicionamento das estações de monitoramento de MPTS e de SO2
(MCEWAN, 1975). Isto foi realizado por meio de um estudo de caso considerando o
programa estabelecido para monitorar as emissões de efluentes aéreos do complexo de
usinas termelétricas na região de Capivari de Baixo/SC, pertencente à ENGIE Energia
Brasil. A seleção de pontos de tomada de amostras não foi submetida, anteriormente, as
este tipo de verificação que pode melhor caracterizar a real qualidade do ar ambiente na
região.
18
O complexo termoelétrico à base de carvão mineral, com mais de 800 MW de
potência instalada, pelo porte e potencial poluidor, pode comprometer a qualidade do ar e
do meio ambiente como resultado dos efluentes gerados, por isto é justificável a validação
normativa do programa de monitoramento de MPTS e de SO2.
O programa de monitoramento, baseado na atual distribuição das estações de
monitoramento, está implantado desde 1986. Os dados gerados pela rede de
monitoramento, já, contribuíram para orientar ações de melhoria da qualidade do ar na
região, mas ainda são observados episódios críticos de concentração de MPTS e SO2, em
determinadas condições de dispersão atmosférica. Mesmo que os valores observados sejam
inferiores aos limites estabelecidos, eventuais correções, por meio da validação normativa
do sistema de monitoração existente e pelo aproveitamento das previsões de concentrações
de MPTS e SO2, atualmente não disponíveis, com a aplicação do modelo matemático
gaussiano de dispersão de efluentes aéreos AERMOD (American Meteorological
Society/Environmental Protection Agency Regulatory Model), podem garantir a boa
qualidade do ar na região e a operação segura do empreendimento com mitigação do
impacto ambiental.
A pesquisa estabelece como primeira hipótese a ser testada a assertiva de que o
atual programa de monitoração estabelecido está adequado quanto à seleção de estações de
tomada de amostras para monitoração ambiental, com os conceitos gerais e os critérios das
normas técnicas do PRONAR (BRASIL, 1989) e, complementarmente, com as normas de
localização especificadas pela Environmental Protection Agency (EPA) (EPA, 1977). A
confirmação dessa hipótese implica validação dos resultados de monitoramento quanto ao
aspecto de confiança.
A segunda hipótese é a assertiva de que há equivalência de resultados na aplicação
do modelo de dispersão carregado com dados meteorológicos de estações próximas quando
comparados com as observações oriundas do sistema de monitoração do complexo (ZAR,
2010). A confirmação dessa hipótese implica na possibilidade de uso dos dados de
previsão, também, disponibilizados pelos sistemas de meteorologia disponíveis para a
região (SUTTON, 1953). Com os dados inseridos no modelo de dispersão, pode-se
antecipar os episódios críticos de concentração de MPTS e SO2, e, assim, antecipar uma
ação de controle de emissões por meio da redução da produção complexo de usinas
termelétricas, autorizadamente, feita pela anuência do operador nacional do sistema
19
elétrico (ONS), órgão responsável pela coordenação e controle da operação da geração e
transmissão de energia elétrica no sistema interligado nacional.
O estudo, ao analisar o procedimento de tomadas de amostras e distribuição das
estações de coleta para caracterizar a real qualidade do ar ambiente, contribui no
atendimento dos objetivos traçados na PNMA. Busca-se assim, a difusão de tecnologias de
manejo do meio ambiente, a divulgação de dados e informações ambientais e a formação
de uma consciência pública sobre a necessidade de preservação da qualidade do ar como
fator de equilíbrio ecológico, que são objetivos previstos nos incisos I e V do artigo 4º da
PNMA, servem de estímulo à continuidade dos estudos e das reflexões sobre o assunto
tratado na dissertação.
1.2. CARVÃO E GERAÇÃO DE ENERGIA
A Agência Internacional de Energia, por meio da publicação World Energy
Outlook (WEO) (IEA, 2017), apresenta sua visão estratégica sobre as políticas atuais e o
que as decisões de investimento significam para as tendências de longo prazo, em termos
de sustentabilidade do sistema de geração de energia e do meio ambiente. O relatório
considera quatro mudanças determinantes para estabelecer cenários para o ano de 2040 a
partir da situação de 2017: 1) A rápida implantação e a queda dos custos das tecnologias de
“energia limpa”; 2) A crescente eletrificação da energia; 3) A mudança para uma economia
mais orientada para os serviços e uma matriz energética mais limpa na China; 4) A
continuidade da prospecção de gás e óleo de xisto nos Estados Unidos.
Considera-se ainda que a economia global cresça a uma taxa média de 3,4% ao ano,
enquanto a população se expanda dos atuais 7,4 bilhões para mais de 9,0 bilhões em 2040.
Quase 30% do crescimento da demanda deverão vir da Índia, cuja participação no uso
global da energia aumentará para 11% até 2040. Ainda assim, muito abaixo da sua
antecipada participação de 18% na população global. Já, o Sudeste Asiático será outra área
a incrementar sua participação global em termos de demanda por energia, com crescimento
duas vezes maior em relação ao ritmo da China. Em geral, os países em desenvolvimento
na Ásia representaram dois terços do crescimento global da demanda energética, com o
resto proveniente principalmente do Oriente Médio, África e América Latina (IEA, 2017).
Em comparação com os últimos vinte e cinco anos, a forma, como o mundo
atenderá as suas crescentes necessidades de energia, trará dramáticas mudanças no cenário
das novas políticas, quando se espera que o gás natural, o rápido aumento da
20
disponibilidade das energias renováveis e a eficiência energética sejam fatores
determinantes para o que se projeta para 2040.
Preve-se que a demanda de energia global cresça mais lentamente do que no
passado, mas, ainda, aumentaria cerca de 30% até o ano de 2040, equivalente a adicionar
outra China e Índia à demanda global atual (IEA, 2017). Vislumbra-se que a melhoria na
eficiência desempenhará um papel importante na diminuição da pressão do lado da oferta.
Sem isso, o aumento projetado seria mais que o dobro.
As projeções da IEA contam com o rápido crescimento das fontes renováveis de
energia para atender a 40% do aumento da demanda primária e, com isto, atingir em 2040
o fim do crescimento pela demanda do carvão que vem se verificando desde 2000. A
realização do cenário reduziria o crescimento da capacidade de geração de energia a
carvão, que cresceu quase 900 gigawatts (GW) nestes últimos 17 anos, para adições
líquidas, de hoje até 2040, de apenas 400 GW, já considerando no cálculo as plantas em
construção.
Projeções e cenários à parte, o fato é que a matriz energética mundial depende,
essencialmente, das fontes fósseis como pode ser observado na Tabela 1.
Verifica-se que o carvão, a turfa, o gás e o óleo representavam 84,99% de
participação na matriz energética em 2014. Dentre as fontes primárias, o carvão, que ainda
vem ampliando sua participação na matriz, detinha 28,51% do total (BRUCKNER, 2014).
A participação só do carvão na geração de eletricidade é da ordem de 41% do total
das necessidades mundiais. Entretanto, as fontes fósseis, que detêm a maior participação na
matriz energética mundial, apresentam incontestáveis problemas ambientais, em razão dos
efluentes que geram. A questão ambiental na geração de energia é relevante, pois, mesmo
as fontes renováveis e os resíduos com participação de 10,48%, maior expressão no
fornecimento total de energia primária depois das fósseis, e a hidráulica com 2,42%, ainda
têm como ponto fraco o uso do solo que poderia ser destinado, entre outras coisas, à
produção de alimentos. A soma das demais renováveis alcança apenas 2,91% do total e os
motivos para tão pequena participação são variados, com destaques para custo, tecnologia
e escala. O carvão mineral, o mais abundante dos combustíveis fósseis, tem reservas
estimadas em 847,5 bilhões de toneladas, que são suficientes para atender à demanda atual
por mais de 130 anos (ANEEL, 2008, p. 134).
21
Tabela 1: Balanço Mundial de Energia em Exajoule numa base de valor calorífico líquido aplicando o método equivalente direto
Suprimento e Consumo
Carvão e Turfa
Óleo Cru
Derivados Óleo
Gás Nuclear Hidro Geotermal, Solar, etc.
Combustíveis Renováveis e
Resíduos
Eletricidade Calor Total
Produção 150,56 170,38 0 113,84 9,95 12,38 2,91 53,47 0 0,04 513,53
Importação 26,83 96,09 44,12 34,21 0,45 2,12 0 203,82
Exportação -28,52 -92,59 -46,55 -34,6 -0,39 -2,08 0 -204,73
Variação de Estoques -3,34 0,27 0,26 0,75 -0,02 -2,08
Fornecimento Total de Energia Primária (FTEP)
145,53 174,15 -2,17 114,2 9,95 12,38 2,91 53,51 0,04 0,04 510,54
Participação no Total em FTEP 28,51% 34,11% -0,43% 22,37%
1,95% 2,42% 0,57% 10,48% 0,01% 99,99%
Transferências 0 -6,56 7,51 0 0,95
Diferenças Estatísticas -2,07 0,47 -1,13 -0,07 -0,01 -0,02 0,28 0 -2,55
Plantas de Energia Elétrica -82,68 -1,45 -8,44 -29,54 -9,89 -12,38 -1,61 -2,65 65,37 -0,01 -83,28
Plantas Combinadas de Calor e Energia -6,75 -0,94 -12,76 -0,06 0 -0,02 -1,47 6,85 5,86 -9,29
Geração de Eletricidade (TWh) 8698 28 961 4768 2756 3437 450 332 2 21432
% Geração de Eletricidade 40,58% 0,13% 4,49% 22,25%
12,86% 16,04%
2,10% 1,55% 0,01% 100,01%
Plantas de Calor -4,34 -0,03 -0,54 -3,77 -0,34 -0,44 -0,01 7,05 -2,42
Plantas de Gás -0,37 -0,15 0,12 -0,4
Refinarias de Óleo -164,7 162,86 -0,03 -1,87
Transformação do Carvão -9,19 0 -0,13 0 0 -9,32
Plantas de Liquefação -0,68 0,33 0 -0,3 -0,65
Outras Transformações 0 0,01 -0,01 -0,09 -2,22 -0,01 -2,32
Energia de Consumo da Própria Indústria -3,61 -0,42 -8,81 -11,53 -0,01 -0,56 -6,1 -1,43 -32,47
Perdas -0,11 -0,34 -0,02 -1,03 -0,01 -0,01 -6,08 -0,89 -8,49
Total do Consumo Final -107,73 -173,18 151,33 -58,94 -9,95 -12,38 -1,98 -7,35 60,02 10,56 -150,51
Fonte: IPCC Fifth Assessment Report: Energy Systems, Cap. 7, Tabela 7.1, p. 520, 2014. Adaptada pelo Autor.
22
No Brasil, as principais reservas de carvão mineral estão localizadas no Sul,
notadamente no Rio Grande do Sul, que detém mais de 90% das reservas nacionais. Já
Santa Catarina detém reservas menores, mas com carvão de melhor qualidade em termos
rendimento e de percentual de resíduos. O Balanço Energético Nacional de 2017 descreve
que, ao contrário de muitas nações desenvolvidas, a contribuição do carvão mineral na
matriz energética brasileira, da ordem de 5,5%, é ainda bastante restrita (BEN, 2017). Os
altos teores de cinza e enxofre (da ordem de 50% e 2,5%) e a forma precária de exploração
são os principais responsáveis pelo baixo índice de aproveitamento do carvão no Brasil.
O Plano Nacional de Energia 2030 - PNE 2030 - (MME:EPE, 2007), que ainda não
foi atualizado, projetou o potencial de geração de energia elétrica usando apenas as
reservas estimadas de forma conservadora por Borba (2001). O autor calculou essas
reservas em 930 milhões de toneladas, embora, para as reservas viáveis e pré-viáveis, o
volume seja bem maior. Foram ainda associados outros aspectos importantes para a
quantificação do potencial de geração, como o uso do carvão extraído das minas na forma
bruta, run-of-mine (ROM), e o carvão beneficiado. A Tabela 2 sumariza o cálculo
realizado.
Tabela 2 – Potencial de geração de energia elétrica em MW com o carvão nacional
Cenário Tipo de Carvão
Rendimento 35% 40% 45%
Conservador ROM 32.000 36.500 41.000 Beneficiado 46.000 52.500 59.000 Progresso ROM 30.000 34.500 38.500 Beneficiado 43.000 49.000 55.500 Fonte: Plano Nacional de Energia 2030. Adaptada pelo Autor.
Ressalta-se que, mesmo com limitações, ainda é muito grande o potencial de
geração termelétrica com o carvão nacional. Há disponibilidade para instalação de pelo
menos 64 usinas, que operariam com um fator de capacidade médio de 60% por quase 35
anos, considerando a potência unitária de referência de 500 MW. O incremento da geração
elétrica não deve, contudo, atingir este potencial, porque o processo da extração e de
beneficiamento até a combustão provocam significativos impactos socioambientais.
Estima-se que o carvão seja responsável por 30% e 35% do total das emissões de CO2
lançados na atmosfera.
23
1.3. CARVÃO E QUALIDADE DO AR
A considerável participação do carvão para as emissões globais atrela seu uso
futuro na geração elétrica a investimentos em desenvolvimento de tecnologias limpas
(clean coal technologies, ou CCT), como forma de mitigar os incontestáveis efeitos na
saúde humana (ANEEL, 2008). Markandya e Wilkinson (2007) relacionam a geração de
energia em TWh (1012 watt-hora) com o número de óbitos no mundo devido à poluição
atmosférica causada pela combustão do carvão.
As estimativas atribuem a esta causa 210.000 mortes, quase 2 milhões de doenças
graves e mais de 151 milhões de doenças menores por ano. Este cálculo baseia-se nos
padrões de poluição e densidade populacional.
Os números podem variar entre os países de acordo com a qualidade do ar
ambiente, do tipo de carvão ou da tecnologia aplicada. Na China, estimou-se a taxa de 77
óbitos por TWh para uma usina a carvão que atendesse aos padrões ambientais chineses
BURT et al., (2013). Esta taxa, que é mais de três vezes a estimativa de mortes por TWh
pela combustão de carvão na Europa, quando aplicada aos níveis de geração do complexo
termelétrico de Capivari de Baixo/SC, com seu potencial de geração de 853 MWh (853 10-
6 TWh), aponta para um risco à saúde relativamente baixo.
Os efeitos negativos sobre a saúde humana são causados por contaminantes
provenientes da queima de carvão que incluem: material particulado, dióxido de enxofre
(SO2) e óxidos de nitrogênio.
O mecanismo de lesão nas vias aéreas e nos pulmões ocorre, porque há danos às
células causados pela oxidação de moléculas nos contaminantes. Estes danos levam à
inflamação, à citotoxicidade e à morte das células.
A exposição à fração de material particulado denominada PM2,5 aumenta as
emergências e admissões hospitalares para doenças respiratórias com sintomas de
infecções e doença pulmonar obstrutiva crônica.
Estudos epidemiológicos, na Austrália e Nova Zelândia (BARNET et al., 2005),
México, Canadá (VILLARREAL et al., 2008) e Europa (CHEN et al., 2004), confirmam
esses efeitos sobre a saúde, no aparelho respiratório, sendo observados em todo o mundo
entre comunidades expostas à PM2,5 (POPE et al., 2002).
Além de doenças respiratórias, exposição prolongada à PM2,5 está causalmente
ligada ao desenvolvimento de câncer de pulmão (DE HARTOG, 2003).
24
A exposição ao SO2 emitido pelas plantas de energia de queima de carvão aumenta
a gravidade e a incidência de sintomas respiratórios daqueles que moram nas
proximidades, particularmente crianças com asma. Para adultos e crianças que são
suscetíveis, a inalação de SO2 causa inflamação e hipersensibilidade das vias aéreas,
agrava a bronquite e diminui a função pulmonar (EPA, 2009).
Existe uma associação significativa entre a concentração de SO2 e o risco de morte
por doença do coração e do pulmão. Para cada aumento de 10 ppb na concentração de SO2,
existe um aumento de 0,4% a 2% no risco de óbito.
A adição de tecnologias de controle de poluição em usinas de energia com queima
de carvão e padrões mais rígidos de qualidade do ar, felizmente, contribuíram para o
declínio das concentrações ambientais de SO2 e de material particulado (EPA, 2008).
1.3.1. Padrões de Qualidade do Ar
VORMITTAG et al. (2014), ao estudar a situação do monitoramento do ar no país,
relatou que o Distrito Federal e outros dez estados realizam esse serviço com uma
cobertura que atinge apenas 1,7% dos municípios em todo território nacional.
O Ministério do Meio Ambiente disponibiliza a tabela a seguir que apresenta o
número de estações de monitoramento para 1.000,00 Km² e por 100.000 habitantes no
Brasil e no mundo (MMA, Disponível em: www.mma.gov.br. Acesso em: 25/11/2017).
Tabela 3 – Número de estações de monitoramento da qualidade do ar no Brasil e no mundo
e sua relação com a área e população
País Número de Estações
Áreas dos territórios
(Km²)
População total
Estações/ 1.000 Km²
Estações/ 100.000 hab.
Brasil 252 8.515.767 190.732.694 0,03 1,3 Estado de São Paulo
86 248.222 41.262.199 0,35 2
Estado do Rio de Janeiro
80 43.780 15.989.929 1,8 5
EUA 5.000 9.826.675 318.154.828 0,5 16 Europa 7.500 4.234.000 505.665.739 1,7 14,8 Fonte: VORMITTAG et al. (2014). Adaptada pelo Autor.
A pequena rede de monitoramento objeto deste estudo se revela maior quando
confrontada com os números apresentados na Tabela 3, já que utiliza três estações: uma em
área de 301,7 Km² e de 102.883 habitantes no município de Tubarão/SC (IBGE, 2015),
uma em área de 225,0 Km² e de 3.209 habitantes no município de São Martinho/SC
25
(IBGE, 20190) e uma em área de 53,3 km² e de 23.663 habitantes no município de
Capivari de Baixo/SC (IBGE, 2015).
1.3.1.1. Padrões Nacionais para a Qualidade do Ar
Os padrões nacionais de qualidade do ar fixados na Resolução CONAMA n.º
003/1990 são apresentados na Tabela 4.
Tabela 4 - Padrões de qualidade do ar vigentes no Brasil para material particulado e
dióxido de enxofre
Poluente Tempo de
Amostragem Padrão Primário
µg/m³ Padrão Secundário
µg/m³ Método de Medição
Partículas totais em suspensão
24 horas¹ 240 150 Amostrador de grandes volumes
MGA² 80 60
Dióxido de enxofre
24 horas¹ 365 100 Pararosanilina
MAA³ 80 40 1 – Não deve ser excedido mais que uma vez ao ano. 2 – Média geométrica anual. 3 – Média aritmética anual. Fonte: Qualidade do Ar no Estado de São Paulo – Série Relatórios, CETESB, 2013, p. 21. Adaptada pelo Autor.
A mesma resolução estabelece também os níveis de qualidade do ar para elaboração
do Plano de Emergência para Episódios Críticos de Poluição do Ar (Tabela 5), visando
providências dos governos de Estado e dos Municípios, assim como de entidades privadas
e comunidade geral, com o objetivo de prevenir grave e iminente risco à saúde da
população.
Além de fixar os valores, a resolução do CONAMA n.º 003/1990 estabelece que o
monitoramento da qualidade do ar é atribuição dos Estados, utilizando métodos analíticos
de referência aprovados ou recomendados pelo INMETRO ou IBAMA. Estão definidos
Níveis de Atenção, Alerta e Emergência, para a execução do Plano de Emergência, bem
como a conceituação do que é considerado Episódio Crítico de Poluição do Ar.
Tabela 5 – Critérios de classificação para episódios agudos de poluição do ar
Parâmetro Atenção Alerta Emergência Partículas totais em suspensão (µg/m³) – 24 h 375 625 875 Dióxido de enxofre (µg/m³) – 24 h 800 1.600 2.100 SO2 X MPTS (µg/m³) – 24 h 65.000 261.000 393.000
Fonte: Série Relatórios, CETESB, 2013, p. 22. Adaptada pelo Autor.
26
1.3.1.2. Padrões dos EUA, da OMS e da EU para a Qualidade do Ar
Os padrões adotados no Brasil diferem dos padrões de qualidade adotados pela
Agência de Proteção Ambiental (EPA) para os Estados Unidos da América e os da OMS
que a União Europeia (UE) adota. As diferenças surgem, principalmente, em razão do
tempo de amostragem e da forma de atendimento do padrão, como o período de cálculo da
média e da figura estatística adotada.
O padrão de SO2 adotado pelo EPA de 0,075 ppm, por exemplo, considera um
período amostral de 1 (uma) hora e a forma de atendimento do padrão usa a média de 3
anos do percentil 99 de cada ano, calculado a partir das máximas diárias de 1 hora.
O padrão EPA para material particulados em suspensão considera somente as
partículas inaláveis MP10 (10 μm de diâmetro) com concentração limite para o padrão
primário e secundário de 150 µg/m³ e MP2,5 (2,5 μm de diâmetro) com concentração limite
para o padrão primário e secundário 35 µg/m³, ambas com tempo de amostragem de 24
horas, como no Brasil.
A média de 3 anos do MP10 não pode exceder, mais que uma vez por ano, o limite
de 150 µg/m³ e a média de 3 anos do percentil 98, de cada ano, do MP2,5, calculado a partir
das máximas diárias de 24 horas, não pode exceder o limite de 35 µg/m³. (CETESB, 2013)
A diferenciação de legislação também ocorre com os padrões de qualidade do ar
adotados pela OMS e pela União Europeia, que adotam tempos de amostragem e forma de
atendimento dos padrões de forma diversa da brasileira, o que, evidentemente, se reflete no
valor do padrão. O ponto em comum, mais uma vez, é a existência de padrões de material
particulado especificado para as partículas inaláveis.
1.3.2. Índices de Qualidade do Ar
A CETESB (2018) adota um sistema simplificado de índices de qualidade do ar
para divulgar os dados diariamente obtidos de poluição atmosférica, juntamente com a
previsão meteorológica de 24 h das condições de dispersão dos poluentes, na forma da
Tabela 6.
O índice de qualidade do ar é obtido por uma função linear segmentada, na qual os
pontos de inflexão são os padrões de qualidade do ar (Figura 1). Desta função, que
relaciona a concentração do poluente com o valor índice, resulta um número adimensional,
referido a uma escala com base em padrões de qualidade do ar.
27
Tabela 6 - Estrutura do índice de qualidade do ar para material particulado e dióxido de
enxofre adotado pela CETESB
Qualidade Índice MP10 μg/m³
SO2
μg/m³ Significado
Boa 0≤ ou
≤40
0≤ ou
≤50
0≤ ou
≤20
Moderada 40≤ ou
≤80
50≤ ou
≤100
20≤ ou
≤40
Pessoas de grupos sensíveis (crianças, idosos e pessoas com doenças respiratórias e cardíacas) podem
apresentar sintomas como tosse seca e cansaço. A população, em geral, não é afetada.
Ruim 80≤ ou
≤120
100≤ ou
≤150
40≤ ou
≤365
Toda a população pode apresentar sintomas como tosse seca, cansaço, ardor nos olhos, nariz e garganta.
Pessoas de grupos sensíveis (crianças, idosos e pessoas com doenças respiratórias e cardíacas) podem
apresentar efeitos mais sérios na saúde.
Muito Ruim 120≤
ou ≤200
150≤ ou
≤250
365≤ ou
≤800
Toda a população pode apresentar agravamento dos sintomas como tosse seca, cansaço, ardor nos olhos,
nariz e garganta e ainda apresentar falta de ar e respiração ofegante. Efeitos ainda mais graves à saúde
de grupos sensíveis (crianças, idosos e pessoas com problemas cardiovasculares)
Péssima >200 >250 >800
Toda a população pode apresentar sérios riscos de manifestações de doenças respiratórias e
cardiovasculares. Aumento de mortes prematuras em pessoas de grupos sensíveis.
Fonte: Padrões de Qualidade do Ar. 2018. http://cetesb.sp.gov.br/ar/padroes-de-qualidade-do-ar/. Adaptada pelo Autor.
Figura 1 – Relação entre a concentração de Partículas Totais em Suspensão no ar e o Índice de Qualidade do ar, ressaltando-se os limites para os diferentes níveis de classificação Fonte: Adaptação do Autor
28
A tabela 7 apresenta os principais efeitos à saúde causados por material particulado
e SO2 e os possíveis efeitos por cada poluente sobre a saúde humana.
Tabela 7 – Descrição dos Efeitos à Saúde pelo Material Particulado com Diâmetro Menor
que 10 micrômetros (MP10) e pelo SO2
Qualidade Índice MP10 (µg/m³) SO2 (µg/m³)
Boa 0-40 0-50 0-20
Moderada 41-80
>50 – 100: Pessoas com doenças respiratórias podem
apresentar sintomas como tosse seca e cansaço.
>20 –40: Pessoas com doenças respiratórias podem apresentar
sintomas como tosse seca e cansaço.
Ruim 81-120
>100 - 150: Pessoas com doenças respiratórias ou
cardíacas, idosos e crianças têm os sintomas agravados.
População em geral pode apresentar sintomas como ardor
nos olhos, nariz e garganta, tosse seca e cansaço.
>40 - 365: População em geral pode apresentar sintomas como ardor nos olhos, nariz e garganta, tosse seca e
cansaço. Pessoas com doenças respiratórias ou cardíacas, idosos e
crianças têm os sintomas agravados.
Muito Ruim121-200
>150 - 200: Aumento dos sintomas em crianças e pessoas
com doenças pulmonares e cardiovasculares. Aumento de
sintomas respiratórios na população em geral.
>365 - 800: Aumento dos sintomas em crianças e pessoas com doenças
pulmonares e cardiovasculares. Aumento de sintomas respiratórios
na população em geral.
Péssima >200
≥200: Agravamento dos sintomas respiratórios.
Agravamento de doenças pulmonares, como asma, e
cardiovasculares, como infarto do miocárdio.
≥800: Agravamento dos sintomas respiratórios. Agravamento de
doenças pulmonares, como asma, e cardiovasculares, como infarto do
miocárdio.
Fonte: Padrões de Qualidade do Ar. 2018. http://cetesb.sp.gov.br/ar/padroes-de-qualidade-do-ar/. Adaptada pelo Autor.
1.3.3. Modelo de Dispersão Atmosférica
O AERMOD é um modelo de dispersão gaussiano que foi desenvolvido por
cooperação entre a American Meteorological Society (AMS) e a Environmental Protection
Agency (EPA), em 1995, para incorporar à estrutura do modelo Industrial Source Complex
Model versão 3 (ISC3) as formulações mais recentes sobre a camada limite atmosférica
(EPA, 2004) e dotar de flexibilidade para tratar tanto áreas urbanas quanto rurais, terrenos
planos ou complexos, emissões de superfície ou elevadas, e fontes singulares ou múltiplas
fontes. Trabalhos de Paine et al. (1998) e testes estatísticos realizados por Cox e Tikvart
(1990) foram decisivos para o AERMOD se tornar o modelo regulatório oficial da EPA.
29
Os modelos ISC3 e AERMOD são aceitos no Brasil por alguns órgãos ambientais
estaduais como o Instituto Estadual do Ambiente do Estado do Rio de Janeiro (INEA) e a
Companhia Ambiental do Estado de São Paulo (CETESB), porém não são modelos
padronizados. Velloso et al. (2007), um dos primeiros pesquisadores no país a aplicar o
modelo, fez comparação e de avaliação entre o ISC3 e AERMOD para a dispersão de SO2
na Bacia Aérea III da região metropolitana do Rio de Janeiro. Soares et al. (2009), que o
seguiu, complementou estes estudos de dispersão poluição atmosférica na mesma região.
A continuação da fase de consolidação no uso regulatório prosseguiu com Cunha
(2009) que introduziu os processos de deposição e building downwash, aproveitando
processamento complementar disponível no AERMOD, cujo uso não foi utilizado nos
trabalhos anteriores, considerando a aplicabilidade de seus módulos não regulatórios.
O AERMOD supõe que a pluma se dispersa na direção vertical e horizontal em
regime permanente, tendo a distribuição, em grandes distâncias, por efeito da turbulência
na camada da superfície da Terra (HOLMES e MORAWASKA, 2006). A aplicação do
modelo de dispersão exige que a fonte seja caracterizada por indicações de altura da
chaminé, de temperatura do gás e das taxas de fluxo, mas sempre observando que o
impacto de uma fonte elevada pode ser definido de diferentes maneiras e, por isso, a
definição das áreas de maior impacto dependerá da definição usada. Estes dados básicos
foram obtidos direto da base gerada pelo monitoramento.
As maiores concentrações médias de curto prazo dos contaminantes presentes nos
efluentes aéreos têm maior probabilidade de ocorrer na região mais próxima da fonte do
que as de maior concentração média de longo prazo. A decisão entre estes dois tipos de
impacto, então, é crucial. O uso de modelo de dispersão pode ser usado para identificar os
tipos de áreas tendo por entradas os fatores climatológicos e as características da fonte
elevada. Neste estudo foram usados dados climatológicos disponíveis na estação
meteorológica do INPE em Urussanga/SC – A814 – Código OMM 86970 (Organização
Mundial de Meteorologia) (Lat: -28,51, Long: -49,31, Alt: 48,17 metros, aberta em
01/01/1924) que pertence ao Banco de Dados Meteorológicos para Ensino e Pesquisa
(BDMEP) do Instituto Nacional de Meteorologia (INMET) (Disponível em:
http://www.inmet.gov.br/portal/index.php?r=estacoes/estacoesAutomaticas) do período de
06/08/2016 a 04/06/2017.
Também, é possível fazer estimativas razoáveis sem o uso do modelo, adotando-se
os dados combinados da mais frequente direção e velocidade do vento e da estabilidade
30
atmosférica. Na situação, que é adotada neste estudo, a combinação dos citados fatores
determina a condição de impacto máximo da maior concentração de curto prazo. O modelo
de dispersão utiliza as equações de dispersão da pluma de Weil et al. (1997 apud EPA,
2004, p. 51), tendo por base a altura da fonte de emissão e as referidas condições, a certas
distâncias, para estimar as concentrações máximas com o uso de gráficos fornecidos por
Turner (1969 apud EPA-450/3-77-018, p. 24, 25).
A avaliação do modo como os poluentes atmosféricos são dispersos adota, entre
muitos instrumentos, modelos que simulam os processos de transporte, difusão e diluição
dos poluentes na atmosfera. A análise desses processos exige programas específicos que se
utilizam de equações físico-químicas descritivas de cada um deles, buscando reproduzir a
realidade por meio da solução das equações (MELO, 2011). Tais modelos, para descrever
as concentrações na pluma de poluentes, utilizam a parametrização de Monin-Obukhov na
determinação dos níveis de turbulência e de dispersão (CORRÊA, 2008).
O AERMOD utiliza a inserção de dados obtidos de estação próxima de
meteorologia do Instituto Nacional de Pesquisas Espaciais (INPE), de levantamentos
aerofotogramétricos disponibilizados pelo Sistema de Informações Geográficas de Santa
Catarina (SIGSC), e de informações supervisionadas pela Fundação do Meio Ambiente de
Santa Catarina (FATMA)1 que mantém controle sobre o banco de dados gerados pela
empresa gestora do complexo termoelétrico.
1 A FATMA, no curso desta dissertação, foi extinta pela Lei Estadual n.º 17.354 de 20 de dezembro
de 2017 que a substituiu pelo Instituto do Meio Ambiente do Estado de Santa Catarina (IMA).
31
2. OBJETIVOS
2.1. OBJETIVO GERAL
Validar o sistema de monitoramento da qualidade do ar instalado no complexo
termoelétrico Jorge Lacerda, frente às normas estabelecidas pelo Programa Nacional de
Controle da Qualidade do Ar (PRONAR) e pela Environmental Protection Agency (EPA),
considerando o monitoramento de material particulado total em suspensão (MTPS) e de
dióxido de enxofre (SO2).
2.2. OBJETIVOS ESPECÍFICOS
1) Validar as atuais localizações das estações de monitoramento da qualidade do ar
utilizadas pelo complexo termoelétrico para amostrar os parâmetros material particulado
total em suspensão e dióxido de enxofre;
2) Validar a instrumentação de coleta de dados presente nas estações de monitoramento do
ar, considerando as condições locais frente aos critérios estabelecidos no PRONAR e
EPA/EUA;
3) Aplicar o modelo de dispersão AERMOD como forma de simular a previsão de
episódios críticos de concentrações de material particulado total em suspensão e de dióxido
de enxofre, aprimorando o sistema de controle das emissões do complexo.
32
3. MATERIAIS E MÉTODOS
3.1. SUBSTÂNCIAS MONITORADAS NAS ESTAÇÕES AUTOMÁTICAS
A Tabela 8 apresenta o material e as substâncias analisadas nas estações que, como
se nota, não se limitam as duas deste estudo. A quantidade de parâmetros amostrados,
também, reforça a importância da pesquisa e das observações que se processam para efeito
de projeções para outros sítios de interesse no controle da qualidade do ar.
Tabela 8 - Parâmetros monitorados nas estações Capivari de Baixo, Vila Moema e São
Bernardo que compõem a rede de monitoramento da qualidade do ar do
complexo termoelétrico Jorge Lacerda localizado em Santa Catarina
PARÂMETRO METODOLOGIA Capivari de Baixo
Vila Moema
São Bernardo
Dióxido de enxofre (SO2)
APSA 370, método Ultravioleta, faixa de medição de 0 a 0,5
ppm
X X X
Material Particulado
Inalável (PM10)
Método de Radiação Beta
X X X
Material Particulado
Inalável (PM2,5)
Método de Radiação Beta
X X X
Material Particulado Total
(MPTS)
Método de Radiação Beta
X X X
Fonte: Relatório CTJL_2_Tri_17, p. 10. Adaptada pelo Autor.
3.2. EQUIPAMENTOS DE MONITORAMENTO DE MPTS E SO2
As medidas de concentração de MPTS são feitas por aspiração do ar por meio de
um filtro que retém as partículas. Mede-se o volume de ar amostrado e a massa de
partículas recolhidas, de acordo com os regulamentos publicados no Federal Register
(1971), cuja regulamentação no país é feita pela NBR n.º 9547 de 30 de setembro de 1997.
O aparelho aprovado é chamado de amostrador de grandes volumes, Hi-Vol (Figura 1) na
forma abreviada da língua inglesa, porque a capaz de aspirar o ar, a uma taxa de pelo
menos 1,7 m³.min-l, através de um filtro de fibra de vidro limpo, com dimensões de 20,3
cm por 25,9 cm, previamente dessecado por 24 horas e depois medido a massa por balança
analítica. A diferença de massa, encontrada entre as medidas antes e depois da exposição
do filtro ao fluxo de ar e a medida do volume do deste fluxo, determina a concentração do
33
MPTS no ambiente. A eficiência e a representatividade da amostragem dependem da
velocidade do vento na área de coleta e do tamanho das partículas, segundo o Lawrence
Berkeley Laboratory (LBL, 1975). Baixas velocidades do vento tendem a exluir as
partículas de 100 µm ou menos, enquanto as velocidades mais altas podem carrear ao
amostrador as partículas maiores do que 200 µm.
Figura 2 – Abrigo e Amostrador de Grandes Volumes do tipo presente nas estações de monitoramento do presente trabalho
Fonte: Disponível em: http://www.hi-q.net/images/Products/HVP-4300AFC(yd2cx2).jpg. Consultada em: 12/01/2018.
No presente estudo, a determinação das concentrações de dióxido de enxofre, de
óxidos de nitrogênio e, também, de oxigênio foram determinados pelo analisador PG 250 –
Horiba, que usa o método Non-dispersive Infrared Absorption (NDIR), mostrado na figura
3 (Relatório ENGIE, 2016).
Figura 3 – Imagem e características do analisador de SO2 - Horiba modelo PG 250 - usado
no programa de monitoramento do complexo termoelétrico Jorge Lacerda Fonte: Relatório ENGIE, 2016.
34
3.3. LOCALIZAÇÃO DAS ESTAÇÕES DE MONITORAMENTO
A área do complexo termelétrico está situada em uma planície com altitude média e
doze metros, na cidade de Capivari de Baixo/SC, área leste de latitude 28º26'41"S e
longitude 48º57'28"W, na região sul do Estado de Santa Catarina (Figura 4).
Figura 4 – Localização do município de Capivari de Baixo, SC Fonte: https://mapasapp.com/satelite/santa-catarina/capivari-de-baixo-sc/ Adaptado pelo Autor com Qgis.
Esse complexo, o maior da América Latina do Sul, pode ser visto às margens da
rodovia BR-101 e é composto por três unidades térmicas (UTLA, UTLB e UTLC)
divididas em sete usinas de geração (UTLA – Usinas 1, 2, 3 e 4; UTLB – Usinas 5 e 6; e
UTLC – Usina 7) com potencial de geração de até 853 MW.
A região do empreendimento se destaca pela grande área litorânea, sendo
expressiva a prática pesqueira, a exploração turística e as indústrias ligadas ao sistema
carbonífero. A microrregião geográfica de Tubarão, na qual o complexo está inserido,
possui uma área aproximada de 4.396 km2, localizada ao sul do Estado de Santa Catarina,
limitando-se com as microrregiões geográficas de Florianópolis, de Criciúma, dos Campos
de Lages, do Tabuleiro e com o oceano Atlântico. Os municípios que formam a
microrregião são os seguintes: Armazém, Braço do Norte, Capivari de Baixo, Garopaba,
Grão Pará, Gravatal, Imaruí, Imbituba, Jaguaruna, Laguna, Orleans, Pedras Grandes,
35
Pescaria Brava, Rio Fortuna, Sangão, Santa Rosa de Lima, São Ludgero, São Martinho,
Treze de Maio e Tubarão.
A área do complexo possui quatro fontes estacionárias de emissão de efluentes,
cada qual correspondendo a uma chaminé que atende às unidades termelétricas de geração.
Assim, a UTLA com suas quatro usinas (as mais antigas do complexo) possui uma única
chaminé com 150 m de altura; a UTLB com suas duas usinas possui duas chaminés com
100 m de altura cada; e a UTLC possui uma única chaminé com 204 m de altura. A
empresa possui, ainda na mesma região, uma unidade eólica de geração e uma unidade
piloto de energia solar fotovoltaica.
Tabela 9 – Características do complexo termoelétrico Jorge Lacerda
USINA UTLA UTLB UTLC Potência instalada 232 MW 262 MW 363 MW
Garantia física 122,9 MW 198 MW 329 MW
Unidades
2 Unidades – 50 MW
2 Unidades – 60 MW
2 Unidades – 131 MW
1 Unidade – 363 MW
Sistema de resfriamento
ABERTO ABERTO ABERTO
Início da operação comercial
Março 1965 Novembro 1979 Novembro 1996
Autorização/Concessão ANEEL
30 anos até 28/09/2028
30 anos até 28/09/2028
30 anos até 28/09/2028
Fonte: Relatório CTJL_2_Tri_17, p. 9. Adaptada pelo Autor.
O monitoramento da qualidade do ar na região de influência do complexo é feito
por uma rede composta de três estações de monitoramento automáticas localizadas nos
municípios de Tubarão, São Martinho e Capivari de Baixo, conforme pode ser observado
na Figura 5.
A estação de Capivari de Baixo localiza-se na Rua Monteiro Lobato, Capivari de
Baixo/SC, nas coordenadas 28°26’44,70”S e 48°57’31,83”W, e é a mais próxima do
complexo. Quase não tem interferências urbanas, porque o trânsito no local é moderado e a
área é, eminentemente residencial apenas com comércio de pequeno porte.
A Estação de São Bernardo localiza-se na Rua Antônia Goularte Pereira, São
Martinho/SC, rua transversal à SC-370, nas coordenadas 28°26'45.38"S e 49°1'33.33"W,
em local elevado e com trânsito limitado, visto ser final de trecho viário, o que contribui
para isentá-la de interferências diretas na obtenção das amostras de ar.
36
Figura 5 – Localização das estações de monitoramento da qualidade do ar do complexo termoelétrico Jorge Lacerda, Capivari de Baixo, SC Fonte: Adaptada pelo Autor com Google Earth
A Estação Vila Moema localiza-se na Rua Dr. Otto Feuerschette, Vila Moema,
Tubarão/SC, no local com coordenadas 28º29’01,0”S e 49°00’00”W, ao lado da Câmara
de Vereadores. O local, como se verifica da imagem, apresenta algumas interferências
urbanas, embora não seja excessivo o adensamento populacional, posto que, ainda, é área
residencial com poucas construções elevadas (Figura 6).
Figura 6 – Vista parcial da estação Vila Moema localizada no município de Tubarão, SC Fonte: Adaptada pelo Autor com Google Earth.
37
3.4. AQUISIÇÃO DOS DADOS DE MONITORAMENTO
Os dados utilizados no presente trabalho foram cedidos pela empresa ENGIE,
gestora do complexo termoelétrico, e pela FATMA, atualmente IMA, que fiscaliza as
emissões, mantendo o banco de dados gerados pela ENGIE. O período da pesquisa se
estende de 06/08/2016 a 04/06/2017, e utiliza dados provenientes das três estações
(Capivari, São Bernardo e Vila Moema), que compõe o sistema de monitoramento do
complexo termelétrico.
Note-se que a amostragem é feita de forma contínua, mas os resultados são
apresentados com o valor da medida obtida no período de uma hora sempre iniciando aos
30 minutos da hora anterior e finalizando aos 30 minutos da seguinte. A média diária
obtida para cada estação é calculada para o período, iniciando às 0h30min e terminando ao
final do último horário amostral às 23h30min, e apresentada na indicação horária das 12
horas. A Tabela 10 apresenta a forma como os dados foram recebidos. O mesmo
procedimento é adotado para SO2 compreendendo um maior período, de 01/04/2013 a
05/06/2017.
Tabela 10 – Demonstrativo da forma de apresentação das medidas dos parâmetros
monitorados, no caso MPTS, que compõem o banco de dados gerado pelo
sistema de monitoramento da qualidade do ar do complexo termoelétrico
Jorge Lacerda, Capivari de Baixo, SC
Tractebel Energia - Tubarão - CTJL
Estação Capivari de Baixo
Estação São Bernardo
Estação Vila Moema
Estação Capivari de Baixo
Estação São Bernardo
Estação Vila Moema
Qualidade do Ar Qualidade do Ar Qualidade do Ar Qualidade do Ar Qualidade do Ar Qualidade do Ar
Ar Ambiente Ar Ambiente Ar Ambiente Ar Ambiente Ar Ambiente Ar Ambiente
Partículas Totais em Suspensão
Partículas Totais em Suspensão
Partículas Totais em Suspensão
Partículas Totais em Suspensão
Partículas Totais em Suspensão
Partículas Totais em Suspensão
Frequência Horária com
amostra de 1 Hora a 0,0 m
Frequência Horária com amostra de 1 Hora a 0,0 m
Frequência Horária com amostra de 1 Hora a 0,0 m
Médias de 24 Horas
Médias de 24 Horas
Médias de 24 Horas
Rotina Rotina Rotina Rotina Rotina Rotina
Data Valor
[µg/m3] Flag
Valor [µg/m3]
Flag Valor
[µg/m3] Flag
Valor [µg/m3]
Flag Valor
[µg/m3] Flag
Valor [µg/m3]
Flag
06/08/2016 00:30 40 18 59
06/08/2016 01:30 45 28 55
06/08/2016 02:30 40 27 55
[...]
06/08/2016 12:00 55 VM 77 VM 77 VM
[...]
06/08/2016 21:30 42 68 43
06/08/2016 22:30 42 43 48
06/08/2016 23:30 30 31 33
Fonte: Dados fornecidos por ENGIE Brasil Energia. Adaptada pelo Autor.
38
3.5. APLICAÇÃO DO MODELO DE DISPERSÃO ATMOSFÉRICA
O AERMOD é largamente utilizado para determinar, a partir de fontes selecionadas
em determinado sítio, a concentração de poluentes no ar e a consequente deposição nas
áreas próximas atingidas pelas emissões, sob a influência de outras fontes externas, das
condições e ocupações do solo e das condições meteorológicas da região. Fontes
volumétricas, pontuais e lineares podem ser avaliadas. Neste modelo cria-se, a partir de um
ponto de ancoragem localizado a área de emissão, uma grade de pontos fixos denominados
de receptores. Em tais pontos, submetidos às propriedades do ar ambiente (densidade,
temperatura e velocidades do vento) são calculadas as concentrações e as deposições no
tempo t desejado (SILVA e SARNAGLIA, 2010, apud GOMES, 2012, p.36). O modelo
combina dois casos limites: uma pluma horizontal que impacta no terreno e uma pluma que
acompanha o terreno. A concentração total por receptor é a soma ponderada destas duas
plumas que são separadas por uma linha de corrente crítica de altura HC.
O AERMOD, no tratamento matemático utilizado, assume que a pluma direta é
aquela que primeiro toca o solo e possui reflexões subsequentes entre o nível do solo e o
topo da camada de mistura.
O modelo, também, considera uma pluma indireta e uma pluma penetrante. A fonte
da pluma indireta consiste na assunção de que parte da pluma atinge primeiro a camada
limite convectiva, e a pluma penetrante é a aquela cuja contribuição ultrapassa o topo da
camada limite convectiva (EPA, 2004, p. 47), como mostra a figura a seguir.
Figura 7 – Fonte Direta, Fonte Indireta e Fonte Penetrante na Camada Limite Convectiva Fonte: EPA-454/R-03-004, p. 47. Adaptada pelo Autor.
39
Segundo Weil et al. (1997 apud EPA, 2004, p. 51), a concentração devido à pluma
direta é dada pela seguinte equação:
Cd{xr, yr, z} = � ��
√�� �� Fy . ∑ ∑��
���
����
���� �exp �
(�� ��� – ����)²
��²��� + ��� �
(�� ��� – ����)²
��²����
Cd{xr, yr, z}: Concentração devido à fonte direta;
Q: Vazão mássica de emissão pela chaminé;
Fy: Função de distribuição lateral com meandro;
Fy = = ��
√����exp �
�²
��²���
��: Velocidade do vento;
�zj: Parâmetro de Dispersão Vertical
�x: Coeficiente de dispersão horizontal;
�y: Coeficiente de dispersão vertical;
x, y, z: Distância segundo as direções dos eixos coordenados;
λj: Coeficiente de distribuição;
j: Valor igual à 1 para linha inferior da pluma e igual à 2 para a linha superior da
pluma;
�dj: Altura entre a base da fonte e a linha central da pluma;
�dj = hs + hd + �� � �
�
hs: Altura efetiva da chaminé corrigida para o efeito de recirculação que pode
ocorrer devido à chaminé (stack tip downwash);
hd: Subida da pluma da fonte direta;
fp: Fração do material emitido pela fonte que permanece na camada limite
convectiva;
�� j: Velocidade média vertical da porção da pluma;
u: velocidade do vento no topo da fonte elevada fixa (chaminé);
exp(.): e é a base dos logaritmos naturais.
40
Pressupõe-se uma fonte indireta sobre a camada de mistura para calcular a posição
inicial do material da pluma que não penetrou na camada estável em altitude. A fonte
indireta não é uma imagem da fonte verdadeira, porque não é a reflexão perfeita no topo da
camada de mistura. Por isso, o modelo trata a porção da massa da pluma que primeiro toca
no topo da camada de mistura e suas reflexões subsequentes. A pluma indireta é, pois, um
produto matemático para a representação computacional utilizada no estudo de dispersão
atmosférica.
A concentração devido à pluma indireta é dada pela seguinte equação:
Cd{xr, yr, z} = � ��
√�� �� Fy . ∑ ∑��
���
����
���� �exp �
(�� ��� – ����)²
��²��� + ��� �
(�� ��� – ����)²
��²����
Para a pluma da fonte penetrante, a expressão gaussiana, tanto na direção vertical
como horizontal, tem a mesma forma.
Cd{xr, yr, z} = � (����)
√�� ����� Fy . ∑ �exp � (����� – �������)²
��²��� + ��� �
(�� ��� – �������)²
��²�����
�±�
zieff: altura da superfície de reflexão superior da camada estável;
hep: altura da pluma penetrante.
O cálculo da concentração nos receptores depende dos parâmetros de entrada
necessários para a modelagem como as características da fonte: tipo, vazão, concentração
do poluente e taxa de emissão. Além, de características da região, como: direção e
velocidade do vento (MOTA, 2000, apud GOMES, 2012, p. 36). As características
anteriormente citadas sofrem influência direta das características atmosféricas e geofísicas,
como albedo e rugosidade do solo (CIMORELLI et al., 2004, apud GOMES, 2012, p.36).
O aspecto geral do programa pode ser visualizado na figura disponível em:
https://www.aermodtraining.com/
A forma como o AERMOD processa os arquivos de entrada depende de diversos
pré-processadores que, por sua vez, necessitam de programas específicos para adequar os
bancos de dados exigidos na modelagem matemática. Este estudo parte desses programas
de entrada e encaminha toda a explicação até cada um dos pré-processadores como forma
de simplificar o entendimento do processamento.
41
3.5.1. Condições de Operação das Unidades Geradoras
As usinas utilizam como combustível o carvão CE 4500 e operam com potências de
80% nas unidades 1, 2, 3 e 4 da UTLA; de 80% e 75,7%, respectivamente, nas unidades 5
e 6 da UTLB; e de 68,7% na unidade 7 da UTLC.
Estas informações, que indicam as condições nominais de operação durante o
período de amostragem, e as demais encontradas nas tabelas abaixo, servem como dados
de entrada do modelo matemático gaussiano de dispersão de efluentes aéreos.
Estas condições de operação de cada unidade, combinadas com as características do
relevo e urbanização, submetidas às condições meteorológicas, são os dados mais
relevantes para a determinação das concentrações nos pontos de grade do modelo aplicado.
Tabela 11 – Dados de operação da UTLA
Mês das Amostragens: Março de 2016 Unidade Nº, (Potência MW) UTLA
01(50) UTLA 02 (50)
UTLA 03-A(66)
UTLA 03-B(66)
UTLA 03-(66)
UTLA 04(66)
Geração (MW) 40 40 50 Área da seção do duto, m2 8,75 8,75 4,38 4,38 0,00 Velocidade média do gás, m/s 14,50 13,70 14,90 15,40 0,00 Material particulado, kg/MW 0,27 0,23 0,31 SO2, kg/MW 32,56 33,37 31,57 Temperatura média dos gases, ºC 209,80 207,50 155,60 156,00 155,80
Obs: UTLA 04(66): (-) Unidade fora de operação no semestre. Fonte: FatmaEmi_Dez16, p. 13. Adaptada pelo Autor.
Tabela 12 – Dados de operação da UTLB
Mês das Amostragens: Julho de 2016 Março de 2016 Unidade Nº. (Potência MW) UTLB -5 (131) UTLB -6 (131) Geração (MW) 90 90 Área da seção do duto, m2 22,64 22,64 Velocidade média do gás, m/s 7,80 12,50 Material particulado, kg/MW 0,47 0,90 SO2, kg/MW 20,66 35,30 Temperatura média dos gases, ºC 163,30 155,40 Fonte: FatmaEmi_Dez16, p. 14. Adaptada pelo Autor.
Tabela 13 – Dados de operação da UTLC
Mês das Amostragens: Março de 2016 Unidade Nº. (Potência MW)) UTLC -7-A (363) UTLC -7-B (363) UTLC -7 (363 Geração (MW) 320 Área da seção do duto, m2 16,56 16,56 Velocidade média do gás, m/s 18,90 17,70 Material particulado, kg/MW 0,59 SO2, kg/MW 24,20 SO2, g/106 kcal 9.689,18 Temperatura média dos gases, ºC 164,40 164,10 164,25 Fonte: Fatma Emi_Dez16, p. 15. Adaptada pelo Autor.
42
3.5.2. Pré-processador BPIPPRM
O BPIPPRM não requerer programas auxiliares e gera os parâmetros das
construções que são usados pelo AERMOD para determinar os efeitos do downwash
(mudança do padrão de escoamento de um fluído com aceleração em direção ao solo)
causado pela presença de obstáculos (edifícios vizinhos e orografia de pequena escala)
existentes nas proximidades de fontes pontuais elevadas (chaminés).
A turbulência aerodinâmica causada pela zona de baixa pressão (cavitação) na parte
posterior do obstáculo tende a forçar a pluma em direção do solo, impedindo-a de se
dispersar livremente na atmosfera, o que reduz a altura efetiva da chaminé (H’), podendo,
inclusive, lhe atribuir medida inferior à sua altura física. A ilustração a seguir demonstra
esse efeito.
Figura 8 – Efeito da Cavitação Fonte: Adaptação do Autor de Ingeniería Ambiental - Fundamentos, entornos, tecnogías y sistemas de gestión, Gerard Kiely
O BPIPPRM como pré-processador do AERMOD avalia, pela fórmula prática da
boa engenharia (GEPt – Good Engineering Practice - Report no. EPA-450/4-80-023R), se
as chaminés e os obstáculos adjacentes tendem ou não a ocasionar o downwash para, então,
gerar os parâmetros construções que são usados.
A turbulência aerodinâmica causada pela zona de baixa pressão (cavitação) na parte
posterior do obstáculo tende a forçar a pluma em direção do solo, impedindo-a de se
dispersar livremente na atmosfera, o que reduz a altura efetiva da chaminé (H’), podendo,
inclusive, lhe atribuir medida inferior à sua altura física. A figura a seguir mostra um
Linha Central
da Pluma
43
exemplo de aplicação da fórmula prática e dos efeitos do downwash na pluma devido às
configurações físicas das edificações nas proximidades da fonte.
Figura 9 – Downwash e GEPt Fonte: How to Set Up & Run BPIPPRM – AERMOD Trainning.com. Adaptada pelo Autor
A aplicação do BPIPPRM nas chaminés do complexo termelétrico resultou na
verificação de que a condição de downwash ocorre em pelo menos uma das chaminés
(Stack2), porque sua altura física é idêntica ao valor do GEPt obtido. O arquivo de saída do
BPIPPRM com os parâmetros resultantes BUILDHGT, BUILDWID, BUILDLEN,
XBADJ e YBADJ, que são calculados para 36 vetores de direção do vento tomados na
direção para a qual o vento se dirige, é utilizado como entrada no AERMOD.
O BPIPPRM não requerer programas auxiliares e gera os parâmetros das
construções que são usados pelo AERMOD para determinar os efeitos do downwash
(mudança do padrão de escoamento de um fluído com aceleração em direção ao solo)
causado pela presença de obstáculos (edifícios vizinhos, orografia de pequena escala)
existentes nas proximidades de fontes pontuais elevadas (chaminés).
A aplicação do BPIPPRM nas chaminés do complexo termelétrico resultou na
verificação de que a condição de downwash ocorre em pelo menos uma das chaminés
(Stack2 – chaminé da unidade 5 da UTLB), porque sua altura física é idêntica ao valor do
GEPt obtido.
As figuras a seguir mostram, na primeira, os dados de entrada no BPIPPRM com a
identificação parcial da situação de três das chaminés e, na segunda, o resultado da
aplicação do pré-processador.
44
Figura 10 – Arquivo de entrada no BPIPPRM e imagem parcial das instalações Fonte: BPIPPRM – AERMOD Trainning.com. Adaptada pelo Autor com Google Earth.
Figura 11 – Arquivo Resultante do BPIPPRM Fonte: BPIPPRM – AERMOD Trainning.com. Utilizado pelo Autor.
O arquivo de saída do BPIPPRM com os parâmetros resultantes BUILDHGT,
BUILDWID, BUILDLEN, XBADJ e YBADJ, que são calculados para 36 vetores de
direção do vento tomados na direção para a qual o vento se dirige, é utilizado como entrada
no AERMOD.
45
3.5.3. Pré-processador AERMAP
O AERMAP da EPA é o pré-processador do relevo da superfície terrestre para o
AERMOD. Este processador usa um arquivo modelo digital de superfície (MDS),
disponibilizado pelo Sistema de Informações Geográficas de Santa Catarina (SIGSC), para
determinar a altitude e a altura da elevação da localização de cada ponto receptor de
previsão de concentração e de deposição do poluente avaliado pelo modelo matemático.
O pré-processador AERMAP para precisa do suporte de dois programas auxiliares
para gerar os seus arquivos de entrada. Estes dois programas, descritos nos itens seguintes,
são o AERGRID e o TERRAIN DATA.
O processamento do AERMAP gera dois arquivos de saída, o EX1.RE e o EX1.SO,
que servem de arquivos de entrada para o AERMOD com uma escala de altura para a
posição de cada ponto receptor. BARBON (2008, apud GOMES, 2012, p. 42) explica que
o AERMAP determina a elevação da base das fontes e dos receptores, para um resultado
de modelagem pelo AERMOD mais próximo dos dados de medição. A nomenclatura dos
arquivos, com exceção da primeira parte que é arbitrária, denota por RE (receptor) o
arquivo que contém os receptores atrelados às condições de elevação do terreno e denota
por SO (source) aquele que contém as fontes de emissão com suas respectivas elevações.
3.5.4. Programa AERGRID
O AERGRID é um programa desenvolvido por AERMODtraining.com que foi
agregado ao AERMOD disponibilizado pela EPA. Sua função é gerar uma grade de pontos
receptores na forma de distribuição cartesiana ou polar para funcionar como entrada
juntamente com os dados de hipsometria (elevação do terreno).
São utilizados dois arquivos de entrada de dados: EX1_params e EX1_prop_line. O
primeiro, mostrado na ilustração a seguir, apresenta o ponto de ancoragem do sistema
cartesiano que é criado, as fontes de emissão, e a determinação de espaçamentos dos
pontos da grade (densidade), tanto na linha de limites da propriedade como limites das
sucessivas grades de entorno. O processamento ao final contém um total de 17.296 pontos
receptores dos quais: 310 na linha adotada como limite da propriedade; 9.370 na Grade 1;
5.680 na Grade 2; 1.440 na Grade 3 e 496 na Grade 4. A imagem obtida em dos arquivos
resultante, no caso o EX1_recgrids.KML, pode ser visualizada diretamente no Google
Earth devido à interface amigável do AERMOD, como se verifica a seguir, sem e com os
pontos de grade.
46
Figura 12 – Grades limites dos receptores do AERGRID na interface amigável do programa Fonte: AERGRID – AERMOD. Utilizado pelo Autor.
Figura 13 – Pontos receptores gerados pelo AERGRID na interface amigável do programa Fonte: AERGRID – AERMOD. Utilizado pelo Autor.
O arquivo EX1_recgrids.KML, entretanto, não é o arquivo de entrada para o pré-
processador AERMAP, para isso o AERMOD utiliza o arquivo EX1_AERGRIDE.XY.
Note-se que a densidade de pontos na grade e, também, a localização dependem de
algumas condicionantes. No caso, por exemplo, foram retirados os pontos de receptores de
amostragem internos à propriedade por motivos de regulamentação legal, visto que, a
legislação requer que se identifiquem as concentrações das substâncias dispersas somente
na área externa. As determinações de downwash obtidas pelo BIPPRM também são
consideradas, porque áreas submetidas a esse efeito exigem uma grade mais densa.
47
3.5.5. Programa TERRAIN DATA
O AERMOD é um modelo de dispersão considerado regulatório, porque segue uma
série de parâmetros. A capacidade de modelar a concentração de substâncias sobre
qualquer terreno é um desses parâmetros, ou seja, sobre terrenos planos ou complexos, a
modelagem é capaz de apresentar resultados consistentes. O programa processa dados do
terreno juntamente com a localização dos pontos receptores e das fontes de emissão
produzindo um arquivo de entrada para o pré-processador AERMAP e para o pré-
processador AERSURFACE.
Os dados para carregar o programa Terrain Data foram obtidos no Sistema de
Informações Geográficas de Santa Catarina – SIGSC
(http://sigsc.sc.gov.br/download/index.jsp) que fornece carregamento (download) de
arquivos com Levantamentos Aerofotogramétricos do ano de 2010 do tipo Modelo Digital
de Superfície (MDS) e do tipo Modelo Digital de Terreno (MDT). O primeiro é utilizado
para gerar o arquivo de dado nomeado no AERMOD como EX1_NED.tiff (Imagem TIFF)
que serve de entrada, juntamente com o arquivo gerado no AERGRID, para o pré-
processador AERMAP e o segundo, explicado adiante, serve para preparar a entrada do
programa do AERSURFACE.
Os dados do MDS foram carregados diretamente no programa Quantum
Geographic Information System – QGIS (https://qgis.org/en/site/) que se conecta ao
servidor do SIGSC. A figura mostra a imagem gerada para o arquivo de entrada do Terrain
Data com delimitação da área de domínio definida.
Figura 14 – Imagem da região com delimitação da área do domínio Fonte: Arquivo Modelo Digital de Superfície (MDS) do SIGSC. Utilizado pelo Autor com Qgis.
A obtenção dos dados por meio do SIGSC deve ser realçada, porque é um dos
poucos serviços de carregamento de camadas WMS (Web Map Service) que possui
48
continuidade, outros serviços foram testados, como o do Ministério do Meio Ambiente,
mas não funcionaram adequadamente.
3.5.6. Pré-processador AERSURFACE
3.5.6.1. Programa NLCD
Os dados para carregar o programa National Land Cover Data (NLCD) foram
obtidos no Sistema de Informações Geográficas de Santa Catarina – SIGSC
(http://sigsc.sc.gov.br/download/index.jsp) que fornece carregamento (download) de
arquivos com Levantamentos Aerofotogramétricos do ano de 2010 do tipo Modelo Digital
de Terreno (MDT) que é utilizado para gerar o arquivo de dado nomeado no AERMOD
como EX1_NLCD.tiff (Imagem TIFF) que serve de entrada para o pré-processador
AERSURFACE. Os dados do MDT foram carregados diretamente no programa Quantum
Geographic Information System – QGIS (https://qgis.org/en/site/) que se conecta ao
servidor do SIGSC obtendo imagens com as informações topográficas com resolução de 90
metros.
3.5.6.2. Aspectos do AERSURFACE
O AERSURFACE utiliza as características da superfície da região do Capivari de
Baixo/SC usando dados de cobertura do solo gerados pelo programa NLCD que possui 21
categorias de características as quais são atribuídas um valor. Dentre todas se destacam:
Rugosidade – A altura acima da superfície na qual a velocidade horizontal do vento
é zero baseado no perfil logarítmico (perto de espelhos de água o valor é aproximadamente
zero e perto de áreas florestadas o valor é 1,3 metros);
Albedo – Fração de radiação solar refletida para o espaço pela superfície terrestre
(varia de 0,1 – águas abertas absorvem mais – a 0,9 – neve reflete mais), durante a noite o
albedo é fixado em 1;
Razão de Bowen – Fração do fluxo sensível de calor e o fluxo latente de calor que
indica a umidade da superfície terrestre;
Note-se que essas características são adotadas tomando os dados do local onde se
localiza a estação meteorológica e não do local onde estão as fontes de emissão. O
EX1.AERSURF, arquivo resultante do AERMAP, serve de entrada para o pré-processador
AERMET que ainda requer a entrada de outro pré-processador denominado
AERMINUTE, explicado adiante.
49
3.5.7. Pré-processador AERMINUTE
O pré-processador AERMINUTE é um programa que trabalha dados de estações
meteorológicas, mas não de forma direta, pois precisa da ação antecedente do 1-Minute
Meteorological Data que cria o AERMIN.INP seu arquivo de entrada. O resultado do seu
processamento, o arquivo 1MIN.DAT, serve de entrada, por sua vez, ao pré-processador
AERMET.
O 1-Minute Meteorological Data é um arquivo com extensão DAT cujos dados são
obtidos de estações meteorológicas do tipo Automated Surface Observing Station (ASOS),
como a Estação do Aeroporto Hercílio Luz em Florianópolis (Lat: 2740S; Long: 4833W,
Alt: 6; Fuso: 3, Tipo: Superfície) que pertence ao Sistema de Geração e Disponibilização
de Informações Climatológicas do Instituto de Controle do Espaço Aéreo (ICEA)
(Disponível em: http://clima.icea.gov.br/clima/#). A entrada de dados no programa teve de
ser feita por entrada direta, haja vista, que os dados não estão disponíveis no formato
adequado para compor o arquivo de entrada AERMIN.INP necessário para carregar o pré-
processador AERMINUTE.
3.5.8. Pré-processador AERMET
O pré-processador AERMET processa em três etapas os arquivos provenientes dos
pré-processadores AERSURFACE e AERMINUTE, bem como, dos arquivos de dados das
estações meteorológicas de altitude e de superfície, descritos nos itens seguintes.
A primeira etapa extrai os dados das estações e faz o processamento que afere a
qualidade dos dados meteorológicos carregados. Na segunda etapa, há a interação dos
dados meteorológicos de modo a combinar num único arquivo as informações da estação
de superfície, da estação ASOS do 1-Minute e da estação de altitude. Os dados são
agrupados em períodos de 24 horas e são gerados diversos arquivos. Alguns servem apenas
para controle do processamento, interessando à continuidade do processo apenas dois
arquivos: um com extensão SFC (acrônimo para superfície) e outro com extensão PFL
(acrônimo para perfil). São estes dois arquivos que servem de entrada para o AERMOD
(EPA, 2004b). O AERMOD utiliza esses valores para gerar um perfil de variáveis
meteorológicas, necessário na simulação da dispersão dos poluentes.
O AERMET.pfl apresenta o resultado dos cálculos relativos aos parâmetros da
camada limite e o e o AERMET.sfc contém os dados meteorológicos de superfície. Os
parâmetros presentes nos arquivos são o Fluxo de Calor na Superfície (H); Velocidade de
50
Fricção (u*); Comprimento de Monin-Obukhov (L); Escala de Temperatura Potencial ( *);
Altura da Camada de Mistura (Zi); Escala de Velocidade Convectiva (w*).
3.5.8.1. Dados de Altitude – Upper Air Meteorological Data
Os dados de altitude ou Ar Superior são carregados no Upper Air Meteorological
Data que é um arquivo com extensão FSL cujos dados são obtidos por estações
meteorológicas elevadas (EMA), assim denominadas por obter dados do perfil vertical da
atmosfera, geralmente, por meio de sondas. A pesquisa não detectou uma base consistente
e disponível de dados para compor o arquivo de entrada do pré-processador AERMET, por
isto adotou, como solução de contorno, os dados gerados na Estação de Urussanga/SC –
A814 – Código OMM 86970 (Organização Mundial de Meteorologia).
As observações meteorológicas mínimas necessárias da estação de altitude para as
simulações no pré-processador AERMET são basicamente dois perfis verticais diários da
velocidade do vento, coeficiente de turbulência vertical, temperatura e desvio padrão da
direção do vento. Segundo a EPA (2004b), o AERMET pode processar os seguintes
formatos: CD144 (Card Deck 144 Format), SCRAM (Suport Center for Regulatory
Models) e SAMSON (Solar and Meteorologial Surface Observation Network).
Tabela 14 – Parâmetros meteorológicos utilizados como entrada no AERMOD
Parâmetros Meteorológicos Unidades Altura da Camada Limite Convectiva m Altura da Camada Limite Mecânica m Comprimento de Parametrização de Monin-Obukhov m Velocidade do Vento m/s Direção do Vento º Radiação Solar Global kJ/m² Escala de Velocidade Convectiva m/s Fluxo de Calor Latente W/m² Temperatura do Ar °K Fluxo de Calor Sensível kJ/h Gradiente Vertical de Temperatura Potencial °K Perfis Verticais de Velocidade e Direção do Vento m/s e ° Perfis Verticais de Temperatura do Ar °K Velocidade de Fricção m/s Fonte: FatmaEmi_Dez16, p. 15. Adaptada pelo Autor. Disponível em http://queimadas.cptec.inpe.br/~rqueimadas/material3os/2010_Golder_Estudo_GA_DE3os.pdf. Acesso em: 18/10/2017.
51
3.5.8.2. Dados de Superfície – Hourly Surface Meteorological Data
Os dados de superfície são carregados no Hourly Surface Meteorological Data que
é um arquivo com extensão txt, cujos dados são obtidos de estações meteorológicas do tipo
Estação Meteorológica de Superfície (EMS), cuja denominação advém do fato de obter os
dados no nível do solo. Adotaram-se os dados gerados na Estação de Urussanga/SC para
compor o arquivo de entrada do pré-processador AERMET.
As observações meteorológicas mínimas necessárias da estação de superfície para
as simulações no pré-processador AERMET são basicamente: observações horárias da
velocidade e direção do vento, temperatura ambiente ou de bulbo seco, cobertura de
nuvens ou cobertura total do céu, pressão na superfície (opcional), umidade relativa
(opcional), dados de precipitação e a taxa de precipitação (opcional).
Tabela 15 – Representação parcial de dados da estação meteorológica de Urussanga
utilizados nas simulações do modelo AERMOD
Fonte: Estação de Urussanga/SC – A814 – Código OMM 86970. Adaptada pelo Autor.
Os dados da Estação Meteorológica de Urussanga/SC, parcialmente reproduzidos
na Tabela 16, tomados para o período de um ano, que contém o período menor de
amostragem das estações da rede de monitoramento, estão sumarizados no gráfico da rosa
dos ventos, com conversão de indicação da direção do vento para onde sopra, obtido por
meio do programa WRPLOT cedido por cortesia da Lakes Environmental em:
https://www.weblakes.com/products/wrplot/index.html.
52
Figura 15 – Rosa dos ventos da estação Urussanga/SC do período de 06/08/2016 a 04/06/2017
Fonte: Autor com uso WRPLOT.
3.5.9. Processador AERMOD
O processador AERMOD adota cinco trilhas de processamento nas quais é
necessário especificar as opções de Controle do Processamento; as informações sobre as
Fontes de Emissão; as informações sobre os Receptores; as informações Meteorológicas; e
as opções dos Resultados. As informações e dados que as trilhas requerem são supridas
pelos cinco pré-processadores anteriormente descritos, mesmo, assim, o processamento
exige a aplicação de linguagem batch no prompt de comando do sistema computacional no
qual o AERMOD é processado.
O AERMOD informações e dados são utilizados para calcular os perfis verticais
para a Velocidade do Vento; Gradiente de Temperatura Potencial; Temperatura Potencial;
Turbulência Vertical; e Turbulência Lateral. O AERMOD apresenta como arquivos de
saída os dois arquivos que foram especificados nas opções de resultados. No caso deste
trabalho: EX1_PM_24.PLT, EX1_PM_A.PLT, EX1_SO2_24.PLT, o EX1_SO2_A.PLT.
Estes arquivos servem de entrada para o pós-processador AERPLOT.
3.5.10. Pós-processador AERPLOT
O pós-processador AERPLOT gera um arquivo de saída com extensão KMZ para
cada arquivo de entrada oriundo do AERMOD. A função do arquivo gerado é propiciar
uma visualização direta no Google Earth dos resultados apresentados.
53
3.5.11. Análise Comparativa dos Dados do AERMOD com os da Rede
O tratamento estatístico para comparar os valores calculados pelo AERMOD com
valores medidos pela rede de monitoramento do complexo utiliza alguns índices
estatísticos adotados por Hanna et al. (2001) e Silva et al. (2012) como: Fração das
Previsões que estão presentes em um fator de duas previsões (FAC2 - Fraction of
predictions within a fator of two of the obsevations), Desvio Fracional (FB - Fractional
Bias) e Raiz Quadrada do Erro Médio Normalizado (NRMSE - Normalized Root Mean
Square Error) definidos segundo as equações que seguem.
Os referidos autores sugerem critérios de aceitação dos resultados de medidas de
obtidas por um modelo de dispersão, sendo:
FAC2 a fração dos dados previstos e observados que satisfazem a relação com um
fator 2, que é a hipótese de que a concentração prevista seja o dobro ou a metade da
concentração observada.
FAC2 = ���
���
Onde:
��p: Média dos valores previstos
��o: Média dos valores observados
FB a fração que avalia a superestimação ou subestimação das concentrações médias
observadas. O valor de FB varia dentro do intervalo o -2 < FB < +2.
FB = �������
�,� (���� ���)
NRMSE a avaliação de desempenho do modelo que compara termo a termo os
desvios entre os valores previstos e os observados. Um valor mais próximo a zero indica a
condição ideal.
NRMSE = ����
(��� .���)
Onde:
RMSE: Raiz Quadrada do Erro Médio
54
RMSE = ��∑(��� ��)²
��
Onde:
n: Número de observações
xp: valor previsto
xo: valor previsto
A Tabela 16 apresenta um resumo dos parâmetros estatísticos descritos acima para
a validação das estimativas entre os valores previstos pelo AERMOD e os observados na
rede de monitoramento durante o período da pesquisa.
Tabela 16 – Resumo dos parâmetros estatísticos de validação das estimativas entre valores
previstos e observados
Parâmetros Intervalo Hipótese dos valores previstos serem o
dobro ou a metade dos observados FAC2 0,5 ≤ FAC2 ≥ 2,0
Desvio Fracional FB -2,0 ≤ FB ≥ +2,0 Raiz Quadrada do Erro Médio
Normalizado NRMSE NRMSE ≤ 0,5
Fonte: Autor.
Trabalhos realizados por Silva et al. (2012) e Santos et al. (2011) adotam o índice
de concordância de Wilmott (1985) em análises comparativas de dados observados e
simulados principalmente na área de meteorologia e dispersão de poluentes, por isto este
estudo utilizou este índice de concordância, também, o coeficiente de correlação de
Pearson e o erro médio absoluto EMA.
O Índice de concordância de Wilmott (d) é um número adimensional, variando de
zero até um, que relaciona os valores previstos com os observados.
d = 1 - �∑(��� ��)
∑(|��� ���|�|��� ���|)²�
55
A escala do índice no início, ou seja, no valor zero indica que não há nenhuma
concordância e, no final, com o valor um indica a concordância perfeita entre os valores
previstos e os mensurados.
O Erro Médio Absoluto (EMA) é uma referência da condição estimativa dos
valores previstos. Valores positivos de erro médio absoluto indicam que há os valores
previstos estão superestimados. Valores negativos indicam que os valores estão
subestimados relativamente aos observados.
EMA = �
� ∑ (�p �o)�
���
O Coeficiente de correlação de Pearson (r) é uma relação que indica o grau de
dispersão entre os valores previstos e os observados, como descrito pela equação a seguir.
r = ∑ (��� ���)�
��� .∑ (��� ���)����
�∑ (��� ���)²���� .∑ (��� ���)²�
���
Hopkins (2016) propôs a classificação mostrada na Tabela 17 para melhor apreciar
a correlação de Pearson (r).
Tabela 17 – Classificação de Hopkins para o índice de correlação de Pearson (r)
Coeficiente de Correlação de Pearson (r) Correlação 0,00 – 0,1 Muito baixa 0,1 – 0,3 Baixa 0,3 – 0,5 Moderada 0,5 – 0,7 Alta 0,7 – 0,9 Muito Alta 0,9 – 1,0 Quase Perfeita
Fonte: Autor.
56
4. RESULTADOS E DISCUSSÃO
4.1. ANÁLISE COMPARATIVA DOS DADOS DA REDE
Antecedendo à análise comparativa entre os dados obtidos na rede de
monitoramento e aqueles provenientes do uso do modelo matemático gaussiano de
dispersão de efluentes aéreos, testam-se, pela análise de variança (ANOVA), os resultados
obtidos nas três estações de monitoramento para verificar se as médias obtidas não diferem
num nível de significância de 5%, pois, como se nota dos gráficos de concentração de
MPTS e de SO2 obtidos para cada estação do ano, há, além da variação de medidas nas
amostragens diárias de uma estação, variação entre as amostragens diárias das três
estações.
Figura 16 – Concentrações diárias médias de MPTS das estações de monitoramento no período do inverno e da primavera
Fonte: Autor.
Figura 17 – Concentrações diárias médias de MPTS das estações de monitoramento no período do verão e do outono
Fonte: Autor.
As médias de MPTS nas três estações da rede tendem a ser mais elevadas para o
inverno e a primavera, com a estação Capivari apresentado, respectivamente para estes
períodos do ano, as concentrações médias de 41,4387 μg/m³ e 39,2124 μg/m³, e a estação
Vila Moema apresentando, para os mesmos períodos, as concentrações médias de 62,0109
57
μg/m³ e 47,2796 μg/m³. A estação São Bernardo, que mantém valores de concentrações
com variações menores para todos os períodos, apresenta também para a primavera com a
concentração média de 38,7639 μg/m³.
Figura 18 – Concentrações diárias médias de SO2 das estações de monitoramento no período do inverno e da primavera
Fonte: Autor.
Figura 19 – Concentrações diárias médias de SO2 das estações de monitoramento no período do verão e do outono
Fonte: Autor.
As médias de SO2 nas três estações da rede não apresentam as mesmas tendências
verificadas para o MPTS, pois mostra concentrações mais elevadas para o outono, como
ocorre com a estação Capivari cuja concentração média para este período do ano atinge
36,37727 μg/m³ e com a estação São Bernardo com concentração média de 17,5033 μg/m³.
A estação Vila Moema diverge das demais por apresentar a maior concentração média para
o período da primavera com a concentração média de 50,1927 μg/m³.
A aplicação do teste F permite observar se há a possibilidade de variação
significativa entre os resultados amostrais obtidos pelas três estações de coleta. O resultado
deste teste é importante para demonstrar a consistência amostral da rede instalada e para
permitir o avanço para a comparação entre este conjunto e o gerado pelo modelo.
58
4.2. VALIDAÇÃO NORMATIVA
4.2.1. Discussão da Legislação
Há exigência constitucional para que se definam, através de lei, as atividades ou
obras que são consideradas significativas quanto à degradação que causam e para estes
empreendimentos, assim definidos, os limites de critérios e graus para operarem, conforme
é possível verificar do texto do Art. 225, caput e § 1º, IV da Constituição Federal da
República Federativa do Brasil de 1988.
Demonstrado, portanto, que só a lei pode estabelecer condições e limites para a
instalação de obra ou atividade potencialmente causadora de significativa degradação,
segue que o respeito ao princípio da legalidade impõe que critérios e graus de exigência
sejam definidos por meio de lei para cada atividade ou obra causadora de significativa
degradação. Os padrões ambientais de qualidade do ar ou de emissão de efluentes aéreos
estão entre esses limites de significância, abaixo dos quais há tolerância e acima há
determinadas restrições ou sanções.
A lista de atividades ou de obras de significativo impacto ambiental, contida na Lei
Federal n.º 6.938/81, Anexo VIII, enquadra a atividade de geração termelétrica como
potencialmente poluidora no item 17 Serviços de Utilidade: produção de energia
termoelétrica com PP/Gu (Potencial Poluidor/Grau de Utilização de Recursos Naturais)
Médio. Verifica-se que só é exigível licenciamento, conforme determina o Art. 36, caput
da Lei Federal n.º 9985/2000, porque a atividade é considerada “caso de significativo
impacto ambiental” pela Lei n.º 6.938/81, Anexo VIII. O Art. 12, XIII da Lei Estadual n.º
14.675/2009 de Santa Catarina determina que “compete ao CONSEMA aprovar a listagem
das atividades sujeitas ao licenciamento ambiental, bem como definir os estudos
ambientais necessários.” Igualmente, o Art. 28, X, “b” da mesma lei dispõe taxativamente
como identificar se uma atividade humana é exercida em níveis capazes de direta ou
indiretamente ocasionar danos relevantes à flora, à fauna e a outros recursos naturais. Este
dispositivo diz in verbis: “Para os fins previstos nesta Lei entende-se por: ... X - auditoria
ambiental: realização de avaliações e estudos destinados a verificar: ... b) a existência de
níveis efetivos ou potenciais de degradação ambiental por atividades de pessoas físicas ou
jurídicas”.
A lista de atividades de significativa degradação ao meio ambiente prevista na
Resolução CONAMA n.º 001-A, de 23 de janeiro de 1986, no artigo 2º, XI, inclui a
atividade geração de eletricidade, qualquer que seja a fonte de energia primária, acima de
59
10MW. Isso reafirma que estas são atividades que se submetem ao licenciamento, porém
sem estabelecer critérios de classificação interna para elas como o potencial degradador e o
porte da atividade. A Resolução CONAMA n.º 5, de 15 de junho de 1989, que instituiu o
PRONAR estabeleceu padrões ambientais “para proteção da saúde e bem-estar das
populações e melhoria da qualidade de vida com o objetivo de permitir o desenvolvimento
econômico e social do País de forma ambientalmente segura, pela limitação dos níveis de
emissão de poluentes por fontes de poluição atmosférica.”
A estratégia básica do PRONAR é limitar, as emissões por tipologia de fontes e
poluentes prioritários, e pelo uso dos padrões de qualidade do ar como ação complementar
de controle. Os limites máximos de emissão foram diferenciados em função da
classificação de usos pretendidos para as diversas áreas e, de forma mais rígida, para as
fontes novas de poluição. Considerando a necessidade de uma avaliação permanente das
ações de controle estabelecidas no PRONAR, é estratégica a adoção de padrões de
qualidade do ar como ação complementar e referencial aos limites máximos de emissão
estabelecidos. O PRONAR estabeleceu então dois tipos de padrões de qualidade do ar: os
primários e os secundários, com os seguintes conceitos:
a) São padrões primários de qualidade do ar as concentrações de poluentes que,
ultrapassadas, poderão afetar a saúde da população, podendo ser entendidos como níveis
máximos toleráveis de concentração de poluentes atmosféricos, constituindo-se em metas
de curto e médio prazo.
b) São padrões secundários de qualidade do ar, as concentrações de poluentes
atmosféricos abaixo das quais se prevê o mínimo efeito adverso sobre o bem estar da
população, assim como o mínimo dano à fauna e flora aos materiais e meio ambiente em
geral, podendo ser entendidos como níveis desejados de concentração de poluentes,
constituindo-se em meta de longo prazo.
As áreas de dispersão dos poluentes, também, foram classificadas para prevenir a
deterioração significativa da qualidade do ar nos seguintes tipos de acordo com a seguinte
classificação de usos pretendidos:
Classe I: Áreas de preservação, lazer e turismo, tais como Parques Nacionais e
Estaduais, Reservas e Estações Ecológicas, Estâncias Hidrominerais e Hidrotermais.
Nestas áreas deverá ser mantida a qualidade do ar em nível o mais próximo possível do
verificado sem a intervenção antropogênica.
60
Classe II: Áreas onde o nível de deterioração da qualidade do ar seja limitado pelo
padrão secundário de qualidade.
Classe III: Áreas de desenvolvimento onde o nível de deterioração da qualidade do
ar seja limitado pelo padrão primário de qualidade.
As áreas de Classe I, II e III mencionadas no item 2, subitem 2.3, da Resolução
CONAMA n.º 005/89, na dicção do Art. 7º da Resolução CONAMA n.º 003/90, devem ser
definidas pelos Estados e, enquanto isso não ocorre devem ser adotados os padrões
primários de qualidade do ar estabelecidos na Resolução CONAMA n.º 005/89.
A Resolução CONAMA n.º 008 de 06 de dezembro de 1990 estabelece os limites
máximos de emissão de poluentes do ar (padrões de emissão) em fontes fixas de poluição e
para processos de combustão externa. A Resolução CONAMA n.º 382/2006 estabelece os
limites máximos de emissão de poluentes atmosféricos para fontes fixas, fixados por
poluente e por tipologia de fonte, conforme previsão nos anexos da resolução.
O monitoramento das emissões pode ser realizado por métodos descontínuos ou
contínuos, em conformidade com o órgão ambiental e atendendo necessariamente aos
seguintes critérios.
Caso se opte pelo monitoramento descontínuo de emissões atmosféricas, então este
deve ser feito em condições de operação conforme especificado para cada fonte
individualmente nos anexos da referida resolução. As amostragens devem ser
representativas, considerando as variações típicas de operação do processo; e o limite de
emissão é considerado atendido se, de três resultados de medições descontinuas efetuadas
em uma única campanha, a média aritmética das medições atende aos valores
determinados, admitidos o descarte de um dos resultados quando esse for considerado
discrepante.
As previsões, nos referidos anexos, não conseguem enquadrar o caso em estudo,
mas, para fins de comparação, usam-se os limites previstos no ANEXO IV (Limites de
emissão para poluentes atmosféricos provenientes de processos de geração de calor a partir
da combustão externa de derivados de madeira) e no ANEXO XIII (Limites de emissão
para poluentes atmosféricos gerados nas indústrias siderúrgicas integradas e semi-
integradas e usinas de pelotização de ferro).
Os limites previstos no Anexo IV são da ordem de miligramas, sendo que o menor
valor previsto é 130 mg/Nm³ para fornos e caldeiras de termoelétricas com potência maior
que 70 MW.
61
Tabela 18 – Limites máximos de emissão MPTS de acordo com a potência da
termoelétrica
Potência térmica nominal (MW)
MP(1) NOx(1) (como NO2)
Menor que 10 730 N.A. Entre 10 e 30 520 650 Entre 30 e 70 260 650 Maior que 70 130 650
Fonte: Resolução CONAMA n.º 382/2006, Anexo IV. Adaptada pelo Autor. (1) os resultados devem ser expressos na unidade de concentração mg/Nm3, em base seca e corrigidos a 8% de oxigênio. N.A. - Não aplicável.
Os limites previstos no Anexo XIII são da ordem de miligramas, sendo que o
menor valor previsto é 70mg/Nm³ para MPTS e 700mg/Nm³ para SO2 em qualquer
equipamento de exaustão das caldeiras das centrais termelétricas. A mesma resolução
ainda traz uma série de detalhamentos estabelecendo limites para as fontes de emissão de
complexos industriais ou suas partes.
4.2.2. Área em Estudo e seu Enquadramento
O roteiro teórico adotado nesse estudo agora pode ser sumarizado para esclarecer as
diversas etapas de classificação do local e do efluente avaliados.
4.2.2.1. Enquadramento do Local e dos Efluentes Relativamente ao MPTS
Adota-se a Resolução CONAMA n.º 003/1990, que interpretada com base em
publicações especializadas, estabelece os padrões de qualidade do ar como as
concentrações de poluentes atmosféricos que, ultrapassadas, poderão afetar “a saúde, a
segurança e o bem-estar da população, bem como ocasionar danos à flora e à fauna, aos
materiais e ao meio ambiente em geral”.
A mesma resolução subdivide os padrões de qualidade do ar em dois tipos
conceituais: os Padrões Primários de Qualidade do Ar como concentrações de poluentes
que, ultrapassadas, poderão afetar a saúde da população e os Padrões Secundários de
Qualidade do Ar como as concentrações de poluentes abaixo das quais se prevê o mínimo
efeito adverso sobre o bem-estar da população, assim como o mínimo dano à fauna, à flora,
aos materiais e ao meio ambiente em geral.
A Resolução CONAMA n.º 005/1989, ao instituir o PRONAR estabeleceu padrões
ambientais com o objetivo de limitação dos níveis de emissão de poluentes por fontes de
poluição atmosférica. Estes limites máximos de emissão foram diferenciados em função da
classificação de usos pretendidos para as diversas áreas e, de forma mais rígida, para as
62
fontes novas de poluição. As áreas onde os efluentes se dispersão são classificadas como
sendo do tipo Classe I, Classe II e Classe III2, conforme conceitos previstos pelo Item 2,
Subitem 2.3 da Resolução CONAMA n.º 005/1989, combinado com o que determina Art.
7º da Resolução CONAMA n.º 003/1990. Assim as áreas de Classe I, II e III mencionadas
no item 2, subitem 2.3, da Resolução CONAMA n.º 005/1989, devem ser definidas pelos
Estados e, enquanto isso não ocorrer, devem ser adotados os padrões primários de
qualidade do ar estabelecidos na Resolução CONAMA n.º 005/1989.
Os padrões de qualidade do ar adotados para avaliação da fonte de emissão
proveniente do complexo termelétrico, que é uma fonte do tipo pontual, são, portanto, o
padrão primário de qualidade para Partículas Totais em Suspensão e o Padrão Primário
para SO2.
Os níveis de concentração do padrão primário estão previstos no Art. 3º, I, “a”, 1 e
2 da Resolução CONAMA n.º 005/1989, e seus valores são para MPTS: concentração
média geométrica anual de 80 (oitenta) microgramas por metro cúbico de ar e
concentração média de 24 (vinte e quatro) horas de 240 (duzentos e quarenta) microgramas
por metro cúbico de ar, que não deve ser excedida mais de uma vez por ano.
A área do complexo termelétrico enquadra-se na Classe III e por isso, também se
adota o padrão primário de qualidade do ar.
Observando o conjunto de medidas realizadas no período de 06/08/2016 a
04/06/2017 de amostragens do parâmetro MPTS, verifica-se que a média não ultrapassa o
Padrão Primário estabelecido. Os valores individualmente não ultrapassam também o
Padrão Primário estabelecido, fato que demonstra o atendimento da condição prevista no
Art. 3ª, I, “a” 2 da Resolução CONAMA n.º 003/1990 que autoriza a ultrapassagem do
valor padrão em uma vez ao ano. A média geométrica anual não foi calculada, porque o
conjunto de valores é insuficiente para isso.
O gráfico a seguir ilustra a situação da qualidade do ar relativamente ao MPTS.
2 Classe I: Áreas de preservação, lazer e turismo, tais como Parques Nacionais e Estaduais,
Reservas e Estações Ecológicas, Estâncias Hidrominerais e Hidrotermais. Nestas áreas deverá ser mantida a qualidade do ar em nível o mais próximo possível do verificado sem a intervenção antropogênica.
Classe II: Áreas onde o nível de deterioração da qualidade do ar seja limitado pelo padrão secundário de qualidade.
Classe III: Áreas de desenvolvimento onde o nível de deterioração da qualidade do ar seja limitado pelo padrão primário de qualidade.
Através de Resolução específica do CONAMA serão definidas as áreas Classe I e Classe III, sendo as demais consideradas Classe II.
63
Figura 20 – Concentrações médias diárias de MPTS das estações comparadas ao padrão
primário qualidade ar Fonte: Autor com utilização do programa Statistica.
Outra comparação importante é a que se obtém entre os dados das medições e os
Níveis de Qualidade do Ar para elaboração do Plano de Emergência para Episódios
Críticos de Poluição do Ar. Esses níveis estão previstos no Art. 5º da Resolução
CONAMA n.º 003/1990, que os estabelece, visando providências da empresa e dos
governos de Estado e dos Municípios. A ultrapassagem desses níveis, que recebem a
designação de Alerta, Atenção e Emergência, deve desencadear ações imediatas, conforme
previsão do Plano de Emergência para Episódios Críticos de Poluição do Ar, cujo objetivo
é prevenir grave e iminente risco à saúde da população.
Os lançamentos de efluentes aéreos, por estarem dentro dos limites determinados na
legislação, não se enquadram nas definições de poluição previstas e sim numa condição de
regime normal de operação tolerada pela técnica e referências de controle para a saúde da
população e do meio ambiente. O gráfico a seguir demonstra que os níveis de qualidade do
ar na área de entorno do Complexo Termelétrico, no período analisado, sequer atingiram o
nível de atenção.
64
Figura 21 – Concentrações diárias médias de MPTS das estações comparadas aos níveis de
atenção, alerta e emergência, constantes da legislação Fonte: Autor com utilização do programa Statistica.
A classificação dos efluentes aéreos deve avaliar, também, as seguintes
características do material lançado, no caso o MPTS: inflamabilidade, corrosividade,
reatividade, toxicidade ou patogenicidade, como exige a Norma Brasileira Registrada NBR
n.º 10004/2004 que dispõe sobre a classificação dos resíduos sólidos. Estas características
encontram-se conceituadas nos anexos (1-A, 1-B, 1-C, 2 e 3) da NBR n.º 10004/2004.
Qualquer resíduo que apresente pelo menos uma das propriedades citadas acima será
classificado como resíduo perigoso e deverá ser tratado e/ou disposto em observância com
a legislação ambiental pertinente. Ensaios laboratoriais de solubilização e lixiviação,
citados por Cândido (2016), relataram que as análises dos extratos dos ensaios de
lixiviação de algumas amostras de cinzas volantes oriundas de termelétricas apresentaram
resultados acima dos VMP para análise de Fluoreto (F��), tornando as mesmas
caracterizadas como Resíduo Classe I – Perigoso. Nos ensaios de solubilização, também
citados por Cândido (2016), de todas as amostras de cinzas coletadas, notou-se que todas
as amostras apresentaram pelo menos um parâmetro acima dos VMP, configurando assim
a característica de Resíduo como Classe II A (Não Inerte).
4.2.2.2. Enquadramento do Local e dos Efluentes Relativamente ao SO2
O enquadramento do local e do efluente relativamente ao SO2 adota a mesma
legislação aplicável ao MPTS, por isso é possível classificar a área do complexo
termelétrico na Classe III e a adotar o padrão primário de qualidade do ar. As
65
especificações dos níveis de concentração deste material relativamente ao padrão primário,
previstos estão no Art. 3º, IV, “a”, 1 e 2 da Resolução CONAMA n.º 005/89, são:
concentração média aritmética anual de 80 (oitenta) microgramas por metro cúbico de ar e
concentração média de 24 (vinte e quatro) horas de 365 (trezentos e sessenta e cinco)
microgramas por metro cúbico de ar, que não deve ser excedida mais de uma vez por ano.
A figura 22 ilustra a situação da qualidade do ar, relativamente ao parâmetro SO2,
no local, em comparação com o padrão primário da qualidade do ar.
Figura 22- Valores de SO2 determinados no sistema de monitoramento em comparação ao
estabelecido como padrão primário qualidade ar Fonte: Autor com utilização do programa Statistica.
Observando o conjunto de medidas realizadas no período de abril de 2013 a junho
de 2017 de amostragens do SO2, verifica-se que a média não ultrapassa o Padrão Primário
estabelecido e os valores individualmente considerados, também, não ultrapassam também
o Padrão Primário estabelecido, fato que demonstra o atendimento da condição prevista no
Art. 3ª, I, “a” 2 da Resolução CONAMA 003/1990 que autoriza a ultrapassagem do valor
padrão uma única vez ao ano.
As medidas de concentração de SO2 no ar ambiente, como se verifica da figura
acima, são da ordem de μg/m³. Esta situação de adequação quanto aos padrões de
qualidade do ar gera certo alívio, mas deve sempre haver atenção com o SO2, pois é um
gás tóxico, altamente irritante, não inflamável e incolor e a inalação em altas concentrações
(acima de 150 ppm) produz um acesso violento devido a sua ação nas vias respiratórias,
além de forte irritação nos olhos. Para ter uma comparação de grandezas, embora se trate
66
de situação diversa, a Norma Regulamentadora n.º 15 (NR 15) (Brasil, 2015) determina
que no ambiente de trabalho a concentração máxima para uma exposição semanal seja de
10 mg/m³, visto que, na caracterização desta situação o ambiente é considerado com grau
de insalubridade máximo.
As medidas também não chegam próximas dos níveis de Alerta, Atenção ou
Emergência para desencadear ações imediatas, como é possível verificar pelo gráfico.
Figura 23 - Valores de SO2 determinados no sistema de monitoramento em comparação
aos níveis de atenção, alerta e emergência, constantes da legislação Fonte: Autor com utilização do programa Statistica.
4.2.3. Seleção de Estações MPTS e SO2 pelo Procedimento da EPA
Ott (1976) foi um dos primeiros a classificar os muitos objetivos que verificou na
literatura sobre monitoramento de contaminantes aéreos. A categorização desses propósitos
pelo referido autor é feita de acordo com um sistema de classificação relacionado com uma
base física e a escala que ela representa. O procedimento da EPA para a seleção de
estações de monitoramento adota esse sistema com fases classificatórias das premissas e
condições de amostragem, que, ao final, resultam nos critérios desejados para bem
estabelecer a localização de estações capazes de amostragem efetivamente representativas.
As listas de objetivos, apresentadas a seguir, têm por premissa organizativa o
agrupamento de propósitos gerais do monitoramento com determinadas escalas para atingir
67
a representatividade que se espera das amostragens. Primeiramente são apresentados os
objetivos catalogados das amostragens de MPTS (EPA-450/3-77-018, 1977) a seguir de
SO2 (EPA-450/3-77-013, 1977).
4.2.3.1. Objetivos das Medidas de MPTS
Os objetivos das amostragens de monitoração de MPTS são: avaliar a qualidade do
ar e as tendências da qualidade do ar; desenvolver e avaliar controles em situações críticas
e de longo termo de duração em: “hot spots”, condições urbanas gerais, e condições
estaduais, regionais ou nacionais; proteger a saúde pública e a saúde de animais e plantas;
realizar pesquisa; testar métodos e equipamentos de monitoramento; determinar a
representatividade de estações de monitoramento existentes ou propostas.
Ott (1976) classifica as escalas representativas das amostragens, associadas a tais
objetivos, em: Microescala (Micro Scale), Mesoescala (Middle Scale), Vizinhança
(Neighborhood), Urbana (Urban), Regional (Regional), Nacional (National) e Global
(Global).
A classificação por escala, evidentemente, não limita a amostragem, porque é
provável que os objetivos das medidas MPTS impliquem caracterização da concentração
de contaminantes em uma ou mais escalas. Assim, o ideal é recomendável que algumas
escalas maiores sejam representadas como compósitos de medidas de áreas menores. Os
objetivos e as escalas de monitoramento, explicitados anteriormente, não estão listados,
necessariamente, em ordem de importância. O que interessa é verificar como objetivos e
escalas se relacionam. (EPA-450/3-77-018, 1977)
Tabela 19 – Aplicações dos critérios de escala e de objetivos ao programa de
monitoramento de MPTS. As marcações com X indicam que os critérios
foram atendidos
Objetivo do Monitoramento Escala Média Vizinhança Escala Regional Fonte Orientado
Próximo Estradas
Pequenas Áreas
Partículas Pequenas
Partículas Grandes
Partículas Pequenas
Partículas Grandes
1. Determinar a conformidade aos Padrões Ambientais
(X)+ (X) X* (X) X (X) X
2. Fornecer informações para Avaliações de Impactos Ambientais
(X) (X) X X
3. Avaliar a representatividade de sítios existentes
X X
Fonte: EPA-450/3-77-018, p. 24, 25. Adaptação do Autor. Observação: X* = Aplicações Gerais. (X)+ = Aplicações mais especializadas
68
A identificação destes objetivos determina a escala e o tipo de monitoramento mais
adequado. O uso do diagrama da figura 24 detalha o procedimento para localizar os sítios.
Figura 24 – Fluxograma para locação de estações de MPTS Fonte: Adaptação do Autor de EPA-450/3-77-018, p. 51.
Diferentes objetivos de monitoramento podem ser satisfeitos por medidas de
concentrações de partículas em diferentes faixas de tamanho das partículas do material em
69
suspensão, mas, como isso pode dificultar muito a realização do monitoramento, o método
mais comumente usado adota o critério de considerar apenas duas categorias de partículas:
"pequenas” ou "respiráveis", que são classificadas de acordo com o diâmetro em PM10 (10
μm), PM2,5 (2,5 μm), etc, versus "total".
Nominalmente, o "total" inclui todas as partículas que o sistema Hi-Vol padrão
normalmente coleta. A aplicação mais óbvia desta categoria é atender aos requisitos legais
associados aos padrões de qualidade do ar como no caso ora estudado.
A utilização da Tabela 19 acima permite identificar, com base nos objetivos de
monitoramento, a escala e o tipo de amostragem mais adequada para o monitoramento, e
verificar a adequação destes com os adotados na efetivação da rede existente.
O histórico do programa estabelecido no complexo termelétrico informa que o
primeiro objetivo a ser alcançado é o Objetivo n.º 2 (Fornecer informações para a
preparação de Avaliações de Impacto ao meio ambiente), porque estava em construção a
Unidade C (UTLC).
O segundo objetivo é o n.º 1, ou seja, determinar a conformidade da qualidade do ar
na região do complexo com os padrões de qualidade do ar. Há, portanto, adequação, pois, a
escala de vizinhança e o monitoramento do tipo fonte orientada prevista coincidem com os
utilizados pela rede local.
4.2.3.1. Objetivos das Medidas de SO2
A lista de usos de dados de SO2 pode ser bastante extensa. Entretanto, a literatura
orienta para uma lista mais específica de objetivos de localização que fornece uma relação
direta entre os usos de dados e os procedimentos específicos de seleção de sites, como:
determinação de concentrações de pico em áreas urbanas;
determinação do impacto de fontes individuais em aspectos urbanos;
determinação do impacto de fontes isoladas; avaliação do transporte inter-regional
de SO2;
determinação das concentrações em área de crescimento projetado;
inicialização de ações de mitigação em episódios de emergência;
avaliação das concentrações de base em área rural;
determinação da exposição da população; e
calibração e refinamento do modelo de dispersão.
70
Os objetivos e as escalas de monitoramento, explicitados anteriormente, são
relacionados na tabela seguinte que apresenta as indicações de interação entre esses dois
elementos fundamentais para a seleção da localização das estações de amostragem.
As indicações com “Pr” referem-se às localizações de estações do tipo próximos e
as com “GL” as de nível geral.
Os Xs indicam a escala desejada, que deve ser representada por uma única
amostragem. Os Xs restantes indicam outras escalas que podem ser representadas por uma
única amostragem.
As letras (P) e (F), dentro da coluna do tipo de estação, representam,
respectivamente, se o objetivo da seleção da estação é orientado pelo padrão de
distribuição das concentrações ou se está associada de forma fixa com uma área geográfica
independentemente da concentração de SO2. A tabela 20 serve para orientar a seleção dos
tipos mais apropriados de localização para os fins de monitoramento listados.
Tabela 20 - Objetivos de localização, usos dos dados e tipos de localizações das estações
de monitoramento associados à escala de representação
Objetivos de localização/Usos dos dados
Tipo de localização Escala de Representação I II III IV
1. Determinação do Impacto de Fonte Pontual Individual em Ambiente urbano Multi-Fonte.
Pr (P)
X
2. Iniciação e monitoramento de redução de episódios de emergência. Documentando episódios e iniciando controles de episódios. Informação pública.
GL (P)
X X
3. Calibração e refinamento do modelo de dispersão.
GL Pr (P)
X X
X X
X X
Fonte: Tabela 3-1 em EPA-450/3-77-013, p. 22. Adaptação do Autor.
O que foi descrito para o MPTS como objetivos da rede de estações do complexo
vale para o SO2, assim, os tipos indicados na tabela podem ser associados com um
procedimento básico, como mostra a Figura 25, com variações dependentes dos objetivos
da estação, do tempo de média das concentrações e das condições físicas do local.
71
Figura 25 – Fluxograma para locação de estações próximas de escala média para SO2 Fonte: Adaptação do Autor de EPA-450/3-77-013, p. 54.
72
4.2.4. Comparando os Métodos de Seleção das Estações
A tabela a seguir lista os critérios estabelecidos pela EPA e os critérios observáveis
da rede de monitoramento, cuja extração só foi possível mediante a observação da situação
de fato das instalações.
Tabela 21 - Comparativo dos critérios de seleção de localização
Comparativo dos Critérios de Seleção
Critérios EPA Critérios Prováveis da
Rede Resultado
Ob
jeti
vos
Objetivo n.º 1 (Determinar a conformidade da qualidade
do ar) e Objetivo n.º 2 (Fornecer
informações para a preparação de Avaliações de Impacto ao meio ambiente)
Objetivo n.º 1 (Determinar a conformidade da qualidade
do ar) e Objetivo n.º 2 (Fornecer
informações para a preparação de Avaliações de Impacto ao meio ambiente)
Adequado
Esc
ala
Vizinhança ou Regional Vizinhança ou Regional Adequado
Loc
aliz
ação
E
staç
ão 20 m de rua e 400 de
rodovias Ponto local mais frequente
das mais altas concentrações de curto prazo
Estação Capivari – 20 m da rua
Adequado
Loc
aliz
ação
E
staç
ão 20 m de rua e 400 de
rodovias Ponto local mais frequente
das mais altas concentrações de curto prazo
Estação Vila Moema – menos de 20 m da rua
Inadequado
Loc
aliz
ação
E
staç
ão 20 m de rua e 400 de
rodovias Ponto local mais frequente
das mais altas concentrações de curto prazo
Estação São Bernardo – menos de 20 m da rua
Adequado
Alt
ura
do
Am
ostr
ado
r d
e M
PT
S
2 – 15 m Estação Capivari – menos
de 2 m Inadequado
Alt
ura
do
Am
ostr
ador
d
e M
PT
S
2 – 15 m Estação Vila Moema – Pelo
menos 2 m Adequado
Alt
ura
do
Am
ostr
ado
r d
e M
PT
S
2 – 15 m Estação São Bernardo –
Pelo menos 2 m Adequado
Dis
tân
cia
entr
e A
mos
trad
or
de
MP
TS
e
Ob
stác
ulo
s
Cerca de 2 vezes a altura do obstáculo
Estação Capivari – menos de 2 m
Inadequado
73
Comparativo dos Critérios de Seleção
Critérios EPA Critérios Prováveis da
Rede Resultado
Dis
tân
cia
entr
e A
mos
trad
or
de
MP
TS
e
Ob
stác
ulo
s
Cerca de 2 vezes a altura do obstáculo
Estação Vila Moema – menos de 2 m
Inadequado D
istâ
nci
a en
tre
Am
ostr
ado
r d
e M
PT
S e
O
bst
ácu
los
Cerca de 2 vezes a altura do obstáculo
Estação São Bernardo – menos de 2 m
Inadequado
Alt
ura
do
Am
ostr
ador
d
e S
O2
≤ 0,8 da média Ht do prédio Estação Capivari – ≤ 0,8 da
média Adequado
Alt
ura
do
Am
ostr
ador
d
e S
O2
≤ 0,8 da média Ht do prédio Estação Vila Moema – ≤ 0,8
da média Adequado
Alt
ura
do
Am
ostr
ado
r
de
SO
2
≤ 0,8 da média Ht do prédio Estação São Bernardo – ≤
0,8 da média Adequado
Alt
ura
do
Inle
t d
o A
mos
trad
or
de
SO
2 em
T
rail
er
ht 3 – 5 m acima do solo Estação Capivari – menos
de 2 m Adequado
Alt
ura
do
Inle
t d
o A
mos
trad
or
de
SO
2 em
T
rail
er
ht 3 – 5 m acima do solo Estação Vila Moema – Pelo
menos 2 m Adequado
Alt
ura
do
Inle
t d
o A
mos
trad
or
de
SO
2 em
T
rail
er
ht 3 – 5 m acima do solo Estação São Bernardo –
Pelo menos 2 m Adequado
Resultado Final (Moda) Adequado
Fonte: Autor.
O resultado final da comparação apresenta poucas divergências nos critérios. Os
mais importantes e comuns a MPTS e SO2 são atendidos, como: objetivos, escala e
localização. A exceção é a localização da estação Vila Moema. Os demais critérios tanto
para MPTS como para MPTS e SO2 mostram inadequações em menor número quanto aos
critérios de microlocalização ou posicionamento dos inlets. Dessa maneira, os critérios
estabelecidos pelo PRONAR e EPA/EUA para a instalação e distribuição das estações de
monitoramento do complexo termoelétrico em estudo estão atendidos, como: a
possibilidade de se obter uma lista consistente das considerações e dos procedimentos
74
adotados para a seleção das atuais estações do programa; a seleção dos locais de instalação
das estações; e a adequação das condições de desempenho dos equipamentos de
monitoramento da qualidade do ar.
Os objetivos dos critérios tomados da EPA e os programas deles decorrentes,
quando confrontados com os programas de controle da qualidade do ar no país, tornam
evidente que há falta de programas específicos. Os EUA e o Brasil possuem uma política
nacional de meio ambiente, lá com o Clean Air Amendments de 1970 e aqui com a PNMA
(Lei n.° 6.938/81). Existe o PRONAR que se equivale ao AQMP (air quality maintenance
planning), mas não existe um PSD (prevention of significant deterioration), ou seja, não há
um programa específico para tratar as situações de deterioração significativa do ar, assim
como faltam programas como: TCP (transportation control plans); SCS (supplemental
control systems); e NSPS (new source performance standards). Os planos estaduais,
equivalentes aos SIPs (state implementation plans), existem, mas estão limitados apenas ao
Distrito federal e a outros 10 estados: Bahia, Espírito Santo, Goiás, Mato Groso, Minas
Gerais, Paraná, Rio de Janeiro, Rio Grande do Sul, São Paulo e Sergipe. O primeiro e
último diagnóstico da rede nacional de monitoramento da qualidade do ar, realizado em
2013 (BRASIL. MMA, 2013), confirma a descontinuidade do monitoramento como um
dos problemas mais sérios a enfrentar. A ênfase dos programas como o PROCONVE, o
PROMOT e o do referido diagnóstico da rede nacional são os veículos automotores. As
fontes industriais não estão contempladas.
Conclui-se que tanto a atual localização das três estações quanto a instrumentação
utilizada no monitoramento da qualidade do ar no que toca a MPTS e SO2, estão adequadas
frente aos critérios estabelecidos no PRONAR e EPA/EUA. Uma das estações, entretanto,
precisaria de ajustes na disposição dos instrumentos ou, em uma opção mais radical, na
mudança de local.
4.2.5. Considerações sobre a Aplicação do Modelo
A aplicação do modelo de dispersão AERMOD apresentou limitações, em parte
pela falta de sistematização dos bancos de dados disponíveis para aplicação em pesquisa.
Santa Catarina, particularmente, possui o SIGSC um banco de dados elogiável pela
organização e continuidade na disponibilização dos dados por meio dos arquivos MDS e
MDT de acesso público. O banco de dados do Ministério do Meio Ambiente, por outro
lado, não se mostrou útil na aplicação direta no modelo para fornecer dados de hipsometria
75
ou de uso do solo. A rede de estações meteorológicas não disponibiliza dados de estações
de altitude (ar superior), por isso foi necessário adotar modificações no programa
AERMOD por meio de linguagem de lotes (batch language) para contornar a falta de
dados. Todas estas lacunas são apontadas, não como obstáculos, mas como caminhos de
pesquisa para viabilizar e desenvolver um controle efetivo da qualidade do ar.
A possibilidade de uso dos resultados do modelo de dispersão para realizar
previsões também foi confirmada pelos resultados do teste estatístico realizado com o
conjunto de amostras das estações e do modelo no período de maio de 2016 a junho de
2017.
A adoção de um modelo nacionalmente padronizado como o AERMOD, já, aceito
pelas agências ambientais estaduais INEA e CETESB, pode dotar o ONS de um
instrumento de programação do sistema elétrico relativamente às usinas termelétricas em
casos de eventos críticos previsíveis, haja vista, a disponibilidade de dados de superfície e
de meteorologia, que só necessitam de ajustes na padronização para facilitação da inserção
no modelo para facilitar o processamento do modelo AERMOD usado na validação da
rede de monitoramento.
A aplicação dos procedimentos e da modelagem a outros empreendimentos
semelhantes pode ser feita em qualquer fase: viabilidade, instalação ou operação. Pode
ainda ser estendida por planejadores municipais/regionais ou legisladores/executores de
atividades relacionadas a programas como: planos de manutenção da qualidade do ar,
planos de prevenção de deterioração significativa, e a preparação de relatórios de impacto
ambiental.
Tanto os resultados do modelo matemático quanto dos observados evidenciam que
critérios mais específicos melhoram as condições de localização das estações e de
disposição dos equipamentos para a representação do ponto local mais frequente das mais
altas concentrações de curto prazo. No presente estudo, a localização foi considerada
adequada para duas das estações (São Bernardo e Capivari) e apenas inadequada para a
Estação Vila Moema, em parte porque a instalação está muito próxima da via pública de
área urbana com algumas interferências. É, entretanto, na disposição dos amostradores de
MPTS que aparecem as inadequações. A altura de instalação do amostrador da Estação
Capivari não tende ao critério da altura mínima de dois metros e as três estações têm seus
equipamentos inadequadamente posicionados com relação a obstáculos. A avaliação final
considera adequados os locais de instalação das estações, quanto aos critérios PRONAR e
76
EPA/EUA, tomando a moda dos resultados como parâmetro de medida, mas recomenda a
correção do que foi avaliado como inadequado. A avaliação da melhor localização das
estações de monitoramento do ar, considerando as condições ambientais/atmosféricas
locais e o uso de modelos matemáticos mostra que as três estações bem representam as
condições de ponto local mais frequente das mais altas concentrações de curto prazo, visto
os valores obtidos nas amostragens e suas comparações.
4.2.6. Resultados da Comparação dos Dados da Rede com os do AERMOD
A comparação dos resultados obtidos pelas estações da rede de monitoramento com
os valores previstos para o mesmo período foi realizada com o auxílio dos índices
estatísticos, conforme a literatura especializada especificada nos métodos adotados neste
trabalho.
4.2.6.1. Resultados para MPTS
O perfil de dispersão de MPTS produzido pelo modelo ao longo do território
abrangido pelas estações de amostragem é apresentado na figura 26.
Figura 26 – Perfil das concentrações de MPTS distribuídas em pontos distantes da fonte de emissão
Fonte: Autor.
Os resultados médios do período amostrado obtidos pelas estações da rede de
monitoramento e os valores médios previstos pelo AERMOD, nos pontos de grade
correspondentes às estações, estão na Tabela 22, que apresenta a estatística descritiva de
forma sumarizada para MPTS e os índices estatísticos calculados com a utilização das
77
médias observadas referidas às médias previstas pelo AERMOD em cada estação para o
período amostrado.
Tabela 22 – Estatística dos resultados do monitoramento e do AERMOD aplicado para o
material particulado (MPTS) com os índices de concordância para cada
estação de amostragem
CAPIVARI SÃO BERNARDO VILA MOEMA
MTPS REDE MODELO REDE MODELO REDE MODELO
Média 37,707 41,760 34,252 40,060 44,239 34,373
Mediana 36,604 40,060 33,522 40,060 41,750 33,690
Desvio padrão 11,143 2,827 11,858 1,018 17,304 0,858
Mínimo 14,333 34,500 2,235 38,600 13,733 33,630
Máximo 76,208 41,760 77,261 41,170 96,083 35,620
n1 296,000 299,000 299,000 299,000 298,000 299,000
FAC22 1,107 1,170 0,777
FB3 0,102 0,156 -0,251
NRMSE4 0,005
r5 -0,842
EMA6 -0,002
d7 1,000
1 – Número de Medidas. 2 – (Fraction of predictions within a fator of two of the obsevations): fração dos dados previstos e observados que satisfazem a relação com um fator 2. 3 – (Fractional Bias): Desvio fracional. 4 – (Normalized Root Mean Square Error): Raiz Quadrada do Erro Médio Normalizado. 5 – Coeficiente de correlação de Pearson. 6 – Erro Médio Absoluto. 7 – Índice de concordância de Wilmott. Fonte: Autor
Verifica-se da tabela que o valor 1,1075 obtido para a fração das previsões satisfaz
a hipótese da concentração prevista pelo ARMOD ser o dobro ou a metade da
concentração observada nos pontos receptores, pois a FAC2 encontra-se no intervalo
[0,5;2,0].
A análise dos resultados do índice FB, número adimensional limitado ao intervalo
de -2 a +2 referido na Tabela 16, demonstra que o modelo, em geral para MPTS, subestima
os resultados, pois FB aplicado à média dos resultados de toda a rede indicou um número
negativo próximo ao centro do intervalo do índice. O exame dos resultados deste índice,
por estação de amostragem, revela que a comparação determinante da subestimação foi
fortemente influenciada pelo valor do índice FB calculado para a estação de amostragem
Vila Moema, posto que houvesse superestimação para as demais estações.
O resultado obtido pelo FB, que não deve ser considerado isoladamente, é
corroborado pelos demais índices, pois:
78
- o valor da raiz quadrada do erro médio normalizado obtido atende a condição
NRMSE ≤ 0,5 de acuidade entre os resultados da rede e do modelo;
- o valor do coeficiente de relação de Pearson (r), que mede a força e a direção de
uma relação linear de dados dispersos dentro de um intervalo de [-1;+1], está muito
próximo do limite -1 que indica uma perfeita relação linear no sentido descendente.
- o erro médio absoluto, EMA, também negativo, confirma a subestimação entre os
valores previstos e os amostrados.
- o índice de concordância de Wilmott (d) obtido indica concordância entre os
resultados do modelo e da rede.
4.2.6.2. Resultados para SO2
O perfil de dispersão de SO2 produzido pelo modelo ao longo do território
abrangido pelas estações de amostragem é apresentado na figura 27.
Figura 27 – Perfil das concentrações de SO2 distribuídas em pontos distantes da fonte de emissão
Fonte: Autor.
A análise dos resultados para SO2 também indica a mesma boa concordância obtida
da análise dos índices de correlação de resultados para MPTS. O que se observa,
entretanto, é que há tendência de superestimação dos resultados de SO2 pelo modelo, pois
os valores do índice FB e do erro médio absoluto, EMA, são positivos.
O cálculo de FB aplicado à média dos resultados de toda a rede indicou um número
positivo próximo ao centro do intervalo do índice e o exame dos resultados deste índice,
por estação de amostragem, revela que os valores previstos no modelo não foram tão
79
influenciados pela amostragem da Estação Vila Moema, posto que, nesta houve
subestimação, como ocorreu com o MPTS.
A tabela a seguir apresenta a sumarização dos resultados da comparação para SO2.
Tabela 23 – Estatística descritiva dos resultados do monitoramento e dos resultados do
AERMOD de SO2 com os índices de concordância para cada estação de
amostragem
CAPIVARI SÃO BERNARDO VILA MOEMA
SO2 REDE MODELO REDE MODELO REDE MODELO
Média 27,5919 27,6500 13,1970 26,5200 35,1748 22,2730
Mediana 14,0152 26,5200 9,1082 26,5200 18,1074 22,3100
Desvio padrão 32,7399 1,8724 12,2662 0,6740 41,5126 0,5705
Mínimo 1,3600 22,8400 1,2160 25,5600 0,5169 22,2700
Máximo 228,6336 27,6500 76,5912 27,2600 257,4916 23,5900
n1 300,0000 300,0000 301,0000 301,0000 292,0000 292,0000
FAC22 1,0021 2,0095 0,6332
FB3 0,0021 0,6709 -0,4492
NRMSE4 0,0166
r5 -0,6206
EMA6 0,1598
d7 0,9987 1 – Número de Medidas. 2 – (Fraction of predictions within a fator of two of the obsevations): fração dos
dados previstos e observados que satisfazem a relação com um fator 2. 3 – (Fractional Bias): Desvio fracional. 4 – (Normalized Root Mean Square Error): Raiz Quadrada do Erro Médio Normalizado. 5 – Coeficiente de correlação de Pearson. 6 – Erro Médio Absoluto. 7 – Índice de concordância de Wilmott. Fonte: Autor
4.2.6.3. Considerações sobre os Resultados
Os resultados dos indicadores de consenso citados por Hanna et al. (1991) indica
que, para fins regulatórios nos quais o interesse recai sobre as máximas concentrações, a
modelagem é uma ferramenta adequada.
O modelo de dispersão, entretanto, parece se ajustar melhor para a Estação de
Capivari de Baixo, que está localizada aproximadamente a 1.470 m das fontes de emissão e
para a Estação São Bernardo, que está a 5.870 m das fontes. Nota-se que o mesmo não
acontece para a Estação Vila Moema, cujas médias das medidas de monitoração de MPTS
e de SO2 tendem a se apresentar superiores as das demais estações.
A inadequação da localização da Estação da Vila Moema, no que concerne à
distância da via próxima, parece ser crucial para justificar os valores médios medidos mais
elevados do que nas outras estações, quando o esperado seria que ela apresenta-se os
80
menores valores de acordo com o modelo. A inadequação locacional desta estação,
inclusive, também, parece indicar que este fator prepondera sobre as inadequações de
posicionamento do amostrador ou da tomada de amostragem, porque a Estação de
Capivari, que possui duas falhas nestes critérios, consegue manter resultado maior do que a
Estação São Bernardo, que só possui uma falha. Estas duas últimas estações têm resultados
de modelagem bastante ajustados com os resultados amostrais.
O modelo de dispersão, entretanto, se ajusta melhor para a Estação de Capivari de
Baixo, que está localizada aproximadamente a 1.470 m das fontes de emissão, e para a
Estação São Bernardo, que está a 5.870 m das fontes, quando se comparam
individualmente as médias obtidas pelo modelo e as médias obtidas pela rede para cada
estação. Nota-se que o mesmo não acontece para a Estação Vila Moema, cujas médias das
medidas de monitoração de MPTS e de SO2 sempre se apresentam superiores as das
demais estações.
A aplicação de um modelo de dispersão, como o AERMOD, com a utilização dos
dados de estações meteorológicas próximas, apresentou consistência de resultados
comparável àquela dos dados gerados localmente pelo programa de monitoramento do
complexo termelétrico. O modelo pode auxiliar na gestão das emissões atmosféricas das
termoelétricas, tanto pelo empreendedor quanto para os órgãos ambientais.
4.3. CONSIDERAÇÕES FINAIS
A revisão inicial da legislação resultou na elaboração de um procedimento de
classificação da área de emissão dos efluentes aéreos, que, embora, previsto na legislação,
não encontra um detalhamento sistematizado. Já a especificação dos critérios de seleção
das estações trouxe à luz algumas lacunas importantes na proteção da qualidade do ar que
precisam de atenção da legislação como a falta de um padrão de emissão específico para
termelétricas.
Os objetivos dos critérios tomados da EPA e os programas deles decorrentes,
quando confrontados com os programas de controle da qualidade do ar no país, tornam
evidente que há falta de programas específicos. O Brasil não dispõe de um programa
nacional específico para tratar as situações de deterioração significativa do ar, assim como
faltam programas de controle nacional de cargas, pois a ênfase dos programas como o
PROCONVE e o PROMOT são os veículos automotores e de padrões para novas fontes de
emissão, pois as fontes industriais não estão contempladas.
81
A avaliação geral confirma que as localizações das atuais estações da rede do
complexo atendem aos critérios mais abrangentes de objetivos e escala, embora não atenda
a critérios mais específicos de localização, como a representação do ponto local mais
frequente das mais altas concentrações de curto prazo, para todas as estações, pois, se estes
critérios foram considerados adequados para duas das estações (São Bernardo e Capivari),
não foram para a Estação Vila Moema, porque a instalação está muito próxima da via
pública com tráfego de automóveis, e a disposição dos equipamentos de monitoração não
atende plenamente os critérios de altura mínima e de posicionamento com relação a
obstáculos.
82
5. CONCLUSÕES
A validação do sistema de monitoramento da qualidade do ar instalado no
complexo termoelétrico Jorge Lacerda, frente às normas estabelecidas pelo Programa
Nacional de Controle da Qualidade do Ar (PRONAR) e pela Environmental Protection
Agency (EPA), considerando o monitoramento de material particulado total em suspensão
(MTPS) e de dióxido de enxofre (SO2), confirmou que as localizações das atuais estações
de monitoramento constituem um conjunto coerente. Assim, os critérios mais abrangentes
do objetivo do monitoramento e de escala de seleção do local de instalação de cada estação
foram atendidos, tomando a moda dos resultados como parâmetro de medida. Contudo,
recomenda-se a correção do que foi avaliado como inadequado quanto aos critérios mais
específicos, como por exemplo, a representação do ponto local mais frequente das mais
altas concentrações de curto prazo, pois este critério não foi considerado adequado para a
Estação Vila Moema.
A possibilidade de uso dos resultados do modelo de dispersão para realizar
previsões de concentrações no ar ambiente dos parâmetros estudados também foi
confirmada pelos resultados do teste estatístico realizado com o conjunto de amostras das
estações e com o conjunto obtido pelo modelo no período de maio de 2016 a junho de
2017, como mostram os valores do coeficiente de Pearson (r) e o índice de concordância de
Wilmott (d) obtidos para MTPS, respectivamente, -0,842 e 1,00; e para SO2,
respectivamente, -0,6206 e 0,9987. A adoção de um modelo nacionalmente padronizado
como o AERMOD pode dotar o ONS de um instrumento de programação para o
monitoramento das emissões do sistema elétrico relativamente às usinas termelétricas.
83
6. BIBLIOGRAFIA
ABNT – Associação Brasileira de Normas Técnicas. NBR n.º 10004/2004. resíduos sólidos: classificação. Rio de Janeiro, 2004. ANEEL - Agência Nacional de Energia Elétrica. Atlas de energia elétrica do Brasil / Agência Nacional de Energia Elétrica. 3. ed. – Brasília: Aneel, 2008. BARNET, A.G.; WILLIAMS, G.M.; SCHWARTZ, J.; et al. Air pollution and child respiratory health: A case-crossover study in Australia and New Zealand. Am J. of Resp.Crit.Care Med. 2005. V.171(11):1272-1278. BORBA, R. F. “Balanço Mineral Brasileiro”. Departamento Nacional de Produção Mineral (DNPM). Brasília, 2001. 692p. Disponível em: http://www.dnpm.gov.br/dnpm/paginas/balanco-mineral/arquivos/balanco-mineral-brasileiro-2001. Acesso em: 24/01/2018. BRASIL. Constituição da República Federativa do Brasil. 1988. Disponível em: <http://www.planalto.gov.br/ccivil_03/constituicao/constitui%C3%A7ao.htm>. Acesso em: 25/08/2016. BRASIL. Lei nº 6.938, de 31 de abril de 1981. Disponível em: <http://www.planalto.gov.br/ccivil_03/leis/L6938compilada.htm>. Acesso em: 25/08/2016. BRASIL. Lei n° 9.478 de 6 de Agosto de 1997. Disponível em: <httpwww.planalto.gov.br/ccivil_03/leis/l9478.htm> Acesso em: 25/08/2016. BRASIL. Lei Federal n.º 9.985 de 18 de julho 2000. Disponível em: <http://www.mma.gov.br/port/Conama/legiabre.cfm?codlegi=322>. Acesso em: 25/08/2016. BRASIL. Resolução Conama nº 001 de 23 de janeiro de1986. Disponível em: < http://www.mma.gov.br/port/Conama/res/res86/res0186.html>. Acesso em: 25/08/2016. BRASIL. Resolução CONAMA n.º 005 de 15 de junho de 1989. Disponível em: <http://www.mma.gov.br/port/Conama/res/res89/res0589.html>. Acesso em: 25/08/2016. BRASIL. Resolução Conama n.º 003 de 28 de junho de 1990. Disponível em: <http://www.mma.gov.br/port/Conama/res/res90/res0390.html>. Acesso em: 25/08/2016. BRASIL. Resolução Conama n.º 008 de 06 dezembro de 1990. Disponível em: <http://www.mma.gov.br/port/Conama/res/res90/res0890.html>. Acesso em: 25/08/2016. BRASIL. Resolução Conama n.º 382 de 26 de dezembro de 2006. Disponível em: <http://www.mma.gov.br/port/Conama/legiabre.cfm?codlegi=520>. Acesso em: 25/08/2016. BRASIL. Norma Regulamentadora n.º 15 de 29 de setembro de 2015. Disponível em:http://trabalho.gov.br/seguranca-e-saude-no-trabalho/normatizacao/normas-
84
regulamentadoras/norma-regulamentadora-n-15-atividades-e-operacoes-insalubres. Acesso em: 25/08/2016. BRUCKNER T., et al. 2014: Energy Systems. In: Climate Change 2014: Mitigation of Climate Change. Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Edenhofer, O., R. Pichs-Madruga, Y. Sokona, E. Farahani, S. Kadner, K. Seyboth, A. Adler, I. Baum, S. Brunner, P. Eickemeier, B. Kriemann, J. Savolainen, S. Schlömer, C. von Stechow, T. Zwickel and J.C. Minx (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. BURT, E.; ORRIS, P.; BUCHANAN, S. Scientifc Evidence of Health Effects from Coal Use in Energy Generation. University of Illinois at Chicago and noharm.org ed. 2013. 17p. CÂNDIDO, F. E. A.; SILVA, M. N., SANTOS, A. B.; NASCIMENTO, R. F.; VIDAL, C. B. Caracterização Química das Cinzas do Carvão para Classificação quanto sua Periculosidade. VII Congresso Brasileiro de Gestão Ambiental Campina Grande/PB – 21 a 24/11/2016. Disponível em: http://www.ibeas.org.br/congresso/Trabalhos2016/III-060.pdf. Acesso em: 12 de janeiro de 2018. CETESB – Companhia Ambiental do Estado de São Paulo. Qualidade do ar no estado de São Paulo 2012 / CETESB. - São Paulo: CETESB, 2013. CETESB – Companhia Ambiental do Estado de São Paulo. Padrões de Qualidade do Ar. 2018. Disponível em: http://cetesb.sp.gov.br/ar/padroes-de-qualidade-do-ar/. Acesso em: 12/01/2018 CHEN, Y.; YANG, Q.; KREWSKI, D.; et al. Influence of relatively low level of particulate air pollution on hospitalization for COPD in elderly people. Inhal Toxicol. 2004; 16(1):21-25. COX, W. M.; TIKVART, J. A. A statistical procedure for determining the best performing air quality simulation model. Atmospheric Environment, v. 24A, n. 9, p. 2387-2395, 1990. CORRÊA, E. B. .Avaliação do Sistema Combinado de Modelagem MM5/CALMET na representação da Circulação Atmosférica da Região Metropolitana do Rio de Janeiro. 2008,194 p., Dissertação (Mestrado Engenharia Mecânica) - COPPE/Universidade Federal do Rio de Janeiro, COPPE. CUNHA, B.D. da; PIMENTEL, L.C.G. Modelagem da concentração de poluentes na bacia aérea III via modelo AERMOD considerando processos de deposição. Ciência e Natura, Volume especial, p. 359- 362, 2007. DE HARTOG, J.; HOEK, G.;. PETERS, A.; et al. Effects of fine and ultrafine particles on cardiorespiratory symptoms in elderly subjects with coronary heart disease. The ULTRA Study. Am. J. Epidemiol. 2003. V.157(7):613-623.
85
ENGIE. Relatório de Monitoramento das Emissões – CTJL, 2016. Disponível em: http://www.engieenergia.com.br/wps/wcm/connect/21e8b698-d838-414f-b2fd-9531b4433a19/FatmaEmi_Dez16.pdf?MOD=AJPERES&CACHEID=ROOTWORKSPACE21e8b698-d838-414f-b2fd-9531b4433a19. Acesso em: 12/01/2018. EPA - Environmental Protection Agency. AERMOD: Description of Model Formulation. EPA-EPA-454/R-03-004. Environmental Protection Agency (EPA). North Carolina, USA. 2004. Disponível em: https://www3.epa.gov/scram001/7thconf/aermod/aermod_mfd.pdf. Acesso em 18/10/2017. EPA - Environmental Protection Agency. Air Pollution Meteorology. EPA-450/2-81-014. Environmental Protection Agency (EPA). North Carolina, USA. 1981. EPA - Environmental Protection Agency. Atmospheric Sampling. EPA-450/2-80-004. Environmental Protection Agency (EPA). North Carolina, USA. 1980. EPA - Environmental Protection Agency. Control Techniques for Particulate Emissions from Stationary Sources. EPA-450/3--81. Vol. I and II. Environmental Protection Agency (EPA). North Carolina, USA. 1977. EPA - Environmental Protection Agency. Integrated Science Assessment for Particulate Matter. 2009. 1071p. Disponível em: https://cfpub.epa.gov/ncea/risk/recordisplay.cfm?deid=216546. Acesso em 18/01/2018. EPA - Environmental Protection Agency. Integrated Science Assessment for Sulfur Oxides - Health Criteria. 2008. 479p. Disponível em: https://cfpub.epa.gov/ncea/risk/recordisplay.cfm?deid=198843. Acesso em 18/01/2018. EPA - Environmental Protection Agency. Optimum Site Exposure Criteria for SO2 Monitoring. EPA-450/3-77-013. Environmental Protection Agency (EPA). North Carolina, USA. 1977. EPA - Environmental Protection Agency. Selecting Sites for Monitoring Total Suspended Particulates. EPA-450/3-77-018. Environmental Protection Agency (EPA). North Carolina, USA. 1977. FITZPATRICK, Richard. Euclid’s Elements of Geometry. The Greek text of J.L. Heiberg (1883–1885), 2007. Disponível em: http://webfronter.com/bexley/maths/menu2/Frontpage_files/ICT_Network_resources/Session_6/images/Elements_of_Euclid.pdf. Acesso em: 12/01/2018. GOMES, E. L. M., BIASUTTI, S. Avaliação do desempenho dos modelos de qualidade do ar AERMOD e CALPUFF na região de Anchieta-ES. Vitória/ES. 2012. Disponível em: http://www.engenhariaambiental.ufes.br/sites/ambiental.ufes.br/files/field/anexo/avaliacao_do_desempenho_dos_modelos_de_qualidade_do_ar_aermod_e_calpuff_na_regiao_de_anchieta-es.pdf. Acesso em: 15/08/2017.
86
HANNA, S.R. et al. Evaluation of the ADMS, AERMOD and ISC3 dispersion models with de Optex, Duke, Forest, Kinkaid, Indianapolis and Lovett Field data sets. International Journal of Environment and Pollution, v. 16, n. 1-6, p. 301-314, 2001. HOLMES, N.S; Morawska, L. A review of dispersion modeling and its application to the dispersion of particles: An overview of different dispersion models available. Atmospheric Environment, v. 40, p. 5902–5928, março 2006. HOPKINS, W.G. Correlation coefficient. Disponível em: http://www.sportsci.org/resource/stats/index.html. Acesso em: 12/01/2018. IBGE – Instituto Brasileiro de Geografia e Estatística. Censo 2010. Disponível em: https://cidades.ibge.gov.br/brasil/sc/capivari-de-baixo/panorama. Acesso em: 12/01/2018. IBGE – Instituto Brasileiro de Geografia e Estatística. Censo 2010. Disponível em: https://cidades.ibge.gov.br/brasil/sc/sao-martinho/panorama. Acesso em: 12/01/2018. IBGE – Instituto Brasileiro de Geografia e Estatística. Censo 2010. Disponível em: https://cidades.ibge.gov.br/brasil/sc/tubarao/panorama. Acesso em: 12/01/2018. IEA. World Energy Outlook 2017: A world in transformation. Disponível em: https://www.iea.org/weo2017. Acesso em: 12/01/2018. IEA. Frequently Asked Questions. 2018. Disponível em: http://www.iea.org/about/faqs/coal/. Acesso em: 12/01/2018. IPCC - Intergovernmental Panel on Climate Change. Fourth Assessment Report: Climate Change 2007. Disponível em: https://www.ipcc.ch/publications_and_data/ar4/wg3/en/ch4-ens4-3.html. Acesso em: 12/01/2018. IPCC - Intergovernmental Panel on Climate Change. Fifth Assessment Report: Energy Systems. Cap. 7. Disponível em: https://www.ipcc.ch/pdf/assessment-report/ar5/wg3/ipcc_wg3_ar5_chapter7.pdf. Acesso em: 12/01/2018. JUTZE, G. A. Guidelines for Technical Services of a State Air Pollution Control Agency. APTD-1374, EPA Contract No. 68-02-041, Research Triangle Park, N.C., 1972. 291 pp. Disponível em: https://nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=9101GTRF.TXT. Acesso em: 12/01/2018. KAGAWA, J. Environmental Toxicology and Human Health – Vol. I - Case Study of Air Pollution Episodes in Meuse Valley of Belgium, Donora of Pennsylvania, and London, U.K. Disponível em: http://www.eolss.net/Sample-Chapters/C09/E4-12-02-03.pdf. Acesso em: 12/01/2018. LAWRENCE BERKELEY LABORATORY. Instrumentation for Environmental Monitoring. LBL-1, vol. 1, Part 2, Air Environmental Instrumentation Group, U. Of California, Berkeley, CA. 1975.
87
MARKANDYA, A.; WILKINSON, P. Electricity generation and health. V.370, N. 9591, p.979–990, Sept. 2007. MCEWAN, M. J.; PHILLIPS, L. F. Chemistry of the atmosphere. London: Ed. Arnold, 1975. MELO, A. M. V., Avaliação de Desempenho dos Modelos AERMOD e CALPUFF Associados ao Modelo PRIME. 2011. Dissertação de Mestrado - Universidade Federal do Espírito Santo. Orientadora: Jane Meri Santos. MILARÉ, E. Direito do ambiente: doutrina, jurisprudência, glossário. 5 ed., ref., atual. e ampl. São Paulo: Revista dos Tribunais. 2007. MMA - Ministério de Meio Ambiente. Subsídios à Elaboração da 1ª Conferência Nacional de Saúde Ambiental: Plano Nacional de Qualidade do Ar, Vol I, 2009. Disponível em: https://pt.scribd.com/document/79570808/PNQA-Plano-Nacional-de-Qualidade-do-Ar-2009-SUBSIDIOS-A-ELABORACAO-DA-1%C2%AA-CONFERENCIA-NACIONAL-DE-SAUDE-AMBIENTAL. Acesso em: 25 agosto de 2016. MMA - Ministério de Meio Ambiente. 1º Diagnóstico da rede de monitoramento da qualidade do ar no Brasil. Disponível em: http://www.mma.gov.br/images/arquivo/80060/Diagnostico_Rede_de_Monitoramento_da_Qualidade_do_Ar.pdf. Acesso em: 25/08/2016. MME – Ministério de Minas e Energia. BEN - Balanço Energético Nacional de 2017. Relatório Síntese – Ano base 2016. Disponível em: https://ben.epe.gov.br/downloads/S%C3%ADntese%20do%20Relat%C3%B3rio%20Final_2017_Web.pdf. Acesso em: 12/01/2108. MME:EPE - Ministério de Minas e Energia: Empresa de Pesquisa Energética. Plano Nacional de Energia 2030. Ministério de Minas e Energia; colaboração Empresa de Pesquisa Energética. Brasília: MME: EPE, 2007. 324p. Disponível em: http://bibspi.planejamento.gov.br/handle/iditem/155. Acesso em: 24/01/2018. OTT, W. R.; HUNT JR., W. F. A Quantitative Evaluation of the Pollutant Standards Index. Journal of the Air Pollution Control Association, 26:11, 1050-1054, DOI: 10.1080/00022470.1976.10470358. 1976. PAINE, R.F. et al. Model Evaluation results for AERMOD. Draft Document. December 17, 1998. POPE, C. A.; BURNETT, R.T.; THUN, M.J.; et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution. JAMA. 2002. V.287: 1132–41. SANTA CATARINA. Lei Estadual nº 14.675 de 13/04/2009. Institui o Código Estadual do Meio Ambiente e estabelece outras providências. Disponível em: <http:// http://www. agenciaal.alesc.sc.gov.br/images/uploads/fotonoticia/14675_2009_lei.docx>. Acesso em: 25/08/2016.
88
SANTOS R.S. et al. Avaliação da relação seca/produtividade agrícola em cenário de mudanças climáticas. Revista Brasileira de Meteorologia, v.26, n.2, 313 - 321, 2011. SILVA, A. M.; SARNAGLIA, V. M. Estudo da qualidade do ar na região metropolitana da grande vitória empregando um modelo de dispersão atmosférica – CALPUFF. 2010. Monografia (Engenharia Ambiental). Universidade Federal do Espírito Santo. 2010. SILVA, C.R. et al. Radiação solar estimada com base na temperatura do ar para três regiões de Minas Gerais. Revista Brasileira de Engenharia Agrícola e Ambiental, v.16, n.3, p.281–288, 2012. STULL, R. B. An introduction to Boundary Layer Meteorology. Dordrecht: Academic Publishers, 1988. SOARES, M. S, et al. Avaliação do Desempenho dos Modelos Regulatórios de Qualidade do Ar AERMOD e CALPUFF para a Bacia Aérea III – RJ. VI Brazilian Micrometeorology Workshop, Santa Maria, RS, Brasil, 18-20 novembro 2009. SUTTON, O. G. Micrometeorology: a study of physical process in the lowest layers of the earth's atmosphere. New York: McGraw-Hill, 1953. VELLOSO, M.F.A. Avaliação de modelos gaussianos para fins regulatórios – um estudo para a bacia aérea III da região metropolitana do Rio de Janeiro. Dissertação de mestrado, Engenharia Mecânica Universidade Federal do Rio de Janeiro, COPPE/UFRJ, 2007 VILLARREAL, A.; SUNYER, J.; CADENA, L.; et al. Air pollution, airway inflammation, and lung function in a cohort study of Mexico City schoolchildren. Environ. Health Perspect. 2008. V.116(6):832. VORMITTAG, Evangelina da M. P. A. de Araujo, et al. Monitoramento da Qualidade do Ar No Brasil. 2014. Disponível em: http://www.mma.gov.br/port/conama/processos/C1CB3034/Apresentacao%20Evangelina%202907.pdf. Acesso em: 25/08/2017. ZAR, J. H. Biostatistical Analysis. Upper Saddle River, New Jersey: Prentice Hall Inc. 2010. WMO - World Meteorological Organization. Guide to Meteorological instruments and methods of observation. World Meteorological Organization No 8, 2008. 7 Ed. Disponível em: www.wmo.int/pages/prog/www/IMOP/CIMO-Guide.html. Acesso em: 25/08/2017. YAMADA, V. M. Current Practices in Siting and Physical Sesign of Continuous Air Monitoring Stations. J. Air Poll. Control Assoc., Vol. 20, pp. 209-213. 1970.
Recommended