📄 earth_science

An air quality, meteorological and traffic spatio-temporal annotated data set

Este artigo apresenta um conjunto de dados espaço-temporais horários de seis anos de Madri que integra dados de qualidade do ar, meteorológicos e de tráfego de mais de 5.000 sensores para apoiar a pesquisa ambiental urbana e de mobilidade.

Autores originais: David Maria-Arribas, Alejandra Abalo-García, Antonio S. Montemayor, Juan J. Pantrigo, Alfredo Cuesta-Infante

Publicado 2026-07-22

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: David Maria-Arribas, Alejandra Abalo-García, Antonio S. Montemayor, Juan J. Pantrigo, Alfredo Cuesta-Infante

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o ar ao nosso redor como uma sopa gigante e invisível. Às vezes, essa sopa é clara e fresca, mas outras vezes, ela fica espessa com ingredientes invisíveis como o escapamento de carros, poeira de pneus e a fumaça de fábricas. Isso é o que os cientistas chamam de "poluição do ar". Mas essa sopa não fica apenas parada; ela muda constantemente. O vento pode soprar o smog para longe, ou uma chuva forte pode lavá-lo. O sol pode aquecê-la, fazendo com que ela reaja de novas maneiras. Isso é a "meteorologia", ou o estudo do tempo. E o que mais mexe nessa sopa? Nós. Especificamente, nossos carros. Quando o tráfego está intenso, a sopa fica mais espessa com poluição; quando as estradas estão vazias, ela limpa. Esta é a conexão entre "trânsito" e "qualidade do ar".

Por muito tempo, os cientistas tentaram entender essa relação, mas muitas vezes tinham que observar os ingredientes separadamente. Eles podiam ter uma receita para o clima, uma lista para a poluição e um registro para o trânsito, mas essas listas eram frequentemente escritas em língaves diferentes, em velocidades diferentes e para lugares diferentes. É como tentar assar um bolo quando sua farinha é medida em xícaras, seu açúcar em gramas e seus ovos em dúzias, tudo escrito em diferentes pedaços de papel de anos diferentes. Para realmente entendermos como nossas cidades respiram, precisamos misturar esses ingredientes em uma única receita perfeita e sincronizada. É exatamente isso que este novo estudo fez.

O artigo apresenta uma nova e massiva coleção digital chamada METRAQ, que atua como uma gigantesca biblioteca de viagem no tempo para a cidade de Madri, Espanha. Pense nisso como um caderno de detetive super organizado que reúne três histórias diferentes que antes eram contadas separadamente: a história do ar, a história do tempo e a história do trânsito. Os pesquisadores reuniram dados do portal de dados abertos oficial da cidade, vasculhando registros que remontam a 2001 para a qualidade do ar, 2015 para o trânsito e 2019 para o tempo.

A magia do METRAQ não é apenas o fato de possuir muitos dados; é como ele encaixa as peças. A equipe pegou milhões de medições e as forçou a falar a mesma língua. Eles alinharam tudo para a exata mesma hora e para a exata mesma localização. Imagine uma grade de milhares de pequenos sensores espalhados pela cidade. A cada hora do dia, o METRAQ diz a você exatamente como o ar cheirava, o que o tempo estava fazendo e quantos carros estavam passando rapidamente naquele ponto específico. O resultado é um conjunto de dados que cobre 72 meses (seis anos) onde todas as três histórias se sobrepõem perfeitamente.

Dentro desta biblioteca digital, você pode encontrar 14 tipos diferentes de poluentes do ar (como os gases invisíveis do escapamento dos carros e as minúsculas partículas de poeira dos pneus), 7 variáveis meteorológicas diferentes (como velocidade do vento, temperatura e quanta chuva caiu) e informações de tráfego derivadas de mais de 5.000 sensores. Os pesquisadores não apenas copiaram e colaram; eles limparam os dados, verificaram erros e até preencheram as lacunas ausentes. Se um sensor quebrou por uma hora, eles usaram matemática para adivinhar qual seria o valor provável, marcando essas suposições claramente para que ninguém se confunda. Eles até descobriram como estimar os níveis de tráfego em locais onde não havia sensores de trânsito, usando os dados de sensores próximos para pintar um quadro completo.

O artigo não diz apenas: "Aqui estão os dados". Ele também prova que os dados funcionam. Os autores realizaram vários testes para ver se esse novo conjunto de dados poderia ajudar computadores a aprender a prever o futuro. Eles tentaram adivinhar como seria a qualidade do ar no dia seguinte com base nos dados de hoje, e tentaram adivinhar qual era a qualidade do ar em um ponto específico quando o sensor naquele local estava quebrado. Nesses testes, o conjunto de dados teve um bom desempenho, mostrando que é uma ferramenta confiável para cientistas e programas de computador.

Então, qual é a grande conclusão? O artigo sugere que, ao combinar dados de ar, tempo e trânsito em um pacote sincronizado e de alta qualidade, podemos finalmente estudar a qualidade do ar urbano com muito mais precisão. Ele não afirma ter resolvido a poluição do ar para sempre, mas fornece o melhor mapa e bússola possíveis para qualquer pessoa que tente navegar na complexa relação entre nossos carros, nosso clima e o ar que respiramos. Ele transforma uma pilha bagunçada de notas separadas em uma história única e coerente que pode nos ajudar a construir cidades mais limpas e saudáveis.

Resumo Técnico: METRAQ – Um Conjunto de Dados Espaçotemporal Anotado de Qualidade do Ar, Meteorologia e Tráfego

Definição do Problema
A qualidade do ar urbano é um fenômeno complexo impulsionado pela interação entre a poluição do ar, condições meteorológicas e atividade de tráfego. Embora existam conjuntos de dados individuais para esses domínios, há uma carência de conjuntos de dados integrados, de longo prazo e espaço-temporais que alinhem essas fontes heterogêneas em uma resolução e localização comuns. Os conjuntos de dados existentes frequentemente sofrem com cobertura temporal limitada, falta de dados de tráfego ou resolução temporal grosseira (por exemplo, agregados diários), dificultando o desenvolvimento de modelos robustos para avaliação da qualidade do ar urbano, análise de exposição e previsão espaço-temporal.

Metodologia
Os autores apresentam o METRAQ, um conjunto de dados curado construído por meio de um fluxo de trabalho Extract–Load–Transform (ELT) utilizando dados abertos da Câmara Municipal de Madrid, Espanha. A metodologia envolve três estágios primários:

Extração e Carregamento de Dados:
- Fontes: Dados de qualidade do ar (horários, desde 2001), dados meteorológicos (horários, desde 2019) e dados de tráfego (intervalos de 15 minutos, desde 2015) foram extraídos do Portal de Dados Abertos de Madrid.
- Normalização: Arquivos CSV originais de largura diária (contendo 24 campos horários por linha) foram transformados em um formato "longo", onde cada linha representa uma única observação indexada por estação, magnitude e carimbo de tempo (timestamp).
- Preservação de Validade: As bandeiras (flags) de validade originais foram preservadas. Uma etapa secundária de controle de qualidade aplicou limites de plausibilidade física (ex: $T \ge -55^\circ C$ , $AP \ge 700$ mb) para sinalizar valores fisicamente impossíveis como inválidos.
Imputação e Aumento de Dados:
- Imputação Temporal: Para as séries de qualidade do ar e meteorológicas, valores horários ausentes foram identificados. Se uma série estação-magnitude-ano tivesse pelo menos 50% de dados válidos, os valores ausentes foram preenchidos usando interpolação linear bidirecional.
- Interpolação Espacial (Meteorologia): Variáveis meteorológicas foram atribuídas às localizações das Estações de Monitoramento de Qualidade do Ar (AQMS). Se uma estação fosse co-localizada, os valores foram copiados; caso contrário, os valores foram estimados usando Krigagem Ordinária (se $\ge 12$ estações), Ponderação pelo Inverso da Distância (se $\ge 4$ estações) ou interpolação pelo vizinho mais próximo.
- Aumento de Tráfego: Dados de tráfego de 5.027 sensores foram agregados para resolução horária e interpolados espacialmente para as localizações das AQMS. Cinco variantes de interpolação foram geradas para três variáveis de tráfego (Intensidade, Ocupação, Velocidade Média): Funções de Base Radial (Multiquadrática, Gaussiana, Linear), Ponderação pelo Inverso da Distância e Krigagem Ordinária.
Montagem do Conjunto de Dados:
- O conjunto de dados final consiste em 24 arquivos CSV anuais (2001–2024) contendo 64.881.744 linhas.
- Inclui 36 magnitudes: 14 poluentes de qualidade do ar, 7 variáveis meteorológicas e 15 variáveis derivadas de tráfego (3 variáveis base $\times$ 5 métodos de interpolação).
- Uma bandeira (is_interpolated) distingue entre valores observados e gerados.

Principais Contribuições
O artigo reivindica quatro contribuições principais:

Integração de Longo Prazo: Um conjunto de dados unificado cobrindo qualidade do ar, meteorologia e tráfego para Madrid, com uma interseção temporal de 72 meses (2019–2024) e dados de qualidade do ar estendendo-se até 2001.
Estrutura Centrada na Estação: Um conjunto de dados de resolução horária alinhando 14 poluentes, 7 parâmetros meteorológicos e variáveis de tráfego derivadas de mais de 5.000 sensores a localizações específicas de AQMS.
Interseção Temporal: Uma sobreposição de 6 anos (72 meses) de todas as três fontes de dados, facilitando a análise conjunta da qualidade do ar urbano e mobilidade.
Validação Técnica: Os autores fornecem fluxos de trabalho de validação técnica de base para previsão multivariada, imputação temporal e imputação espacial para demonstrar a usabilidade e reprodutibilidade do conjunto de dados.

Resultados e Validação Técnica
O artigo não propõe novos modelos preditivos, mas valida a utilidade do conjunto de dados através de experimentos de base:

Previsão: Usando o sensor 28079008 e 8 poluentes (2010–2024), o conjunto de dados foi testado com modelos incluindo iTransformer, TimeMixer, TimeXer, MLP e XGBoost. Resultados (MSE/MAE) são fornecidos para comprimentos de previsão de 96, 192, 336 e 720 horas.
Imputação Temporal: Usando a mesma configuração, taxas de ausência de 12,5% a 50% foram introduzidas. Os métodos testados incluíram TimesNet, Transformer, interpolação linear e Autoformer. O TimesNet geralmente superou os demais através das taxas de ausência.
Imputação Espacial: Usando dados de NO2 de 2019, o valor em uma estação mantida fora (held-out) (28079035) foi estimado usando dados de outras estações. A Ponderação pelo Inverso da Distância (IDW) alcançou o menor MSE (0,147) em comparação aos métodos RBF e Krigagem.
Decomposição: O artigo inclui análise MSTL (Decomposição Sazonal Múltipla de Tendência usando LOESS) de séries de poluentes com média diária, revelando tendências de longo prazo e componentes de sazonalidade semanal/anual.

Significância
Os autores posicionam o METRAQ como um recurso para apoiar estudos em qualidade do ar urbano, avaliação de exposição, poluição relacionada ao tráfego e modelagem espaço-temporal em ambientes urbanos densos. Ao harmonizar fontes de dados públicos heterogêneos em uma resolução temporal comum e uma estrutura centrada na estação, o conjunto de dados visa preencher a lacuna entre conjuntos de dados "amplos" de múltiplas cidades e conjuntos de dados "profundos" de uma única cidade com integração de variáveis limitada. A inclusão de bandeiras de validade e indicadores de interpolação permite que pesquisadores distingam entre dados observados e derivados, apoiando a reprodutibilidade rigorosa. O conjunto de dados é lançado sob uma licença CC-BY 4.0 com código acompanhante para integração com PyTorch.

Mais como este