Innovative Methods for Multi-source Air Dust Pollution Monitoring using Remote Sensing: A Comparative Study of Chalkidiki (Greece) and Ihalainen (Finland)

O ar que respiramos é uma mistura complexa de gases e minúsculas partículas sólidas ou líquidas suspensas nele. Algumas dessas partículas ocorrem naturalmente, levantadas pelo vento de desertos ou liberadas por vulcões, enquanto outras são criadas por atividades humanas, como a queima de combustíveis, a condução de veículos ou a escavação da terra em busca de minerais. Quando essas partículas são pequenas o suficiente para serem inaladas, elas podem irritar os pulmões, desencadear asma e contribuir para doenças graves do coração e dos pulmões ao longo do tempo. Como essas partículas são invisíveis a olho nu e podem viajar longas distâncias, rastreá-las é difícil. Os cientistas tradicionalmente dependiam de sensores físicos colocados no solo para medir a poluição, mas esses sensores são caros para construir e manter, deixando vastas áreas do mundo sem medições diretas. Para preencher essas lacunas, pesquisadores recorreram a satélites orbitando acima e a poderosos modelos computacionais que simulam como a atmosfera se move e muda. Essas ferramentas oferecem uma maneira de visualizar a poluição em regiões inteiras, mas não são perfeitas; os satélites podem ser bloqueados por nuvens e os modelos computacionais frequentemente suavizam os detalhes locais agudos da poluição que ocorrem logo ao lado de uma fábrica ou de uma mina.

Este estudo propôs-se a testar o quão bem essas ferramentas de alta tecnologia funcionam quando aplicadas a duas regiões de mineração muito diferentes: uma na região quente e seca da Grécia e outra na paisagem fria e florestada da Finlândia. Os pesquisadores focaram em um tipo específico de poluição chamado PM10, que se refere a partículas de poeira menores que dez micrômetros — aproximadamente a largura de um fio de cabelo humano. Eles queriam saber se os dados de satélites e modelos computacionais poderiam rastrear com precisão a poeira gerada pelas operações de mineração nesses ambientes contrastantes e se esses métodos poderiam ajudar a prever a qualidade do ar futura. Ao comparar os dados de satélite e de modelo com as medições reais feitas por sensores terrestres em ambos os locais, a equipe visou criar um método confiável e escalável para monitorar a poluição por poeira em áreas onde as redes de monitoramento tradicionais são escassas ou inexistentes.

Os pesquisadores examinaram dois locais distintos para ver como diferentes climas e tipos de mineração afetam os níveis de poeira. O primeiro site foi em Chalkidiki, Grécia, uma área com clima mediterrâneo caracterizado por verões quentes e secos e terreno complexo. Aqui, operações de mineração extraem metais como ouro, prata, chumbo e zinco. O segundo site foi em Ihalainen, Finlândia, uma região com clima boreal frio onde uma empresa minera calcário e produz cal. Enquanto o site grego lida com poeira contendo metais e intrusões frequentes de areia do deserto do Saara, o site finlandês lida com poeira de carbonato e problemas sazonais, como a poeira das estradas que fica solta quando a neve derrete. A equipe reuniu dados de 2013 a 2024, combinando leituras horárias de doze estações terrestres na Grécia e sete na Finlândia com dados de duas fontes principais: o Serviço de Monitoramento da Atmosfera Copernicus, que usa modelos computacionais para estimar níveis de poluição, e o MODIS, um instrumento de satélite que mede quanta luz solar é bloqueada pela poeira na atmosfera.

Quando os pesquisadores compararam as medições terrestres com os dados de satélite e de modelo, descobriram que os resultados variavam significamente dependendo da localização e da ferramenta utilizada. Na Grécia, os sensores terrestres registraram níveis de poeira muito mais altos, com concentrações atingindo até 347 microgramas por metro cúbico, comparado a um máximo de 132 microgramas por metro cúbico na Finlândia. Os dados terrestres também mostraram que a poluição na Grécia era altamente irregular; algumas áreas próximas às minas tinham níveis de poeira muito mais altos do que outras a apenas alguns quilômetros de distância. Na Finlândia, a poluição era mais uniforme em toda a região. O modelo computacional do serviço Copernicus provou ser a ferramenta mais confiável para rastrear mudanças ao longo do tempo. Ele correspondeu bem aos padrões observados no solo, capturando o aumento e a queda dos níveis de poeira com uma forte correlação. No entanto, o modelo tendia a subestimar os picos mais altos de poluição, provavelmente porque suas células de grade eram grandes demais para capturar os surtos intensos e localizados de poeira logo ao lado do equipamento de mineração. Os dados de satélite, que medem a quantidade total de poeira em uma coluna de ar do solo ao espaço, foram menos eficazes. Eles frequentemente perdiam dados devido a nuvens ou tinham dificuldade em distinguir entre a poeira alta na atmosfera e a poeira perto do solo, levando a conexões mais fracas com as medições terrestres reais.

O estudo também observou como a poluição mudou a longo prazo e se poderia ser prevista. Ao decompor os anos de dados em tendências e padrões sazonais, os pesquisadores observaram que a qualidade do ar tem melhorado gradualmente em ambos os locais. Na Finlândia, o declínio nos níveis de poeira foi particularmente perceptível, com as medições terrestres mostrando uma queda de cerca de 5 a 10 microgramas por metro cúbico durante o período de estudo. Na Grécia, a tendência foi mais estável, com uma ligeira diminuição geral. Os padrões sazonais foram distintos para cada localização: a Finlândia viu seus níveis mais altos de poeira na primavera, quando o degelo expõe a poeira seca das estradas, enquanto a Grécia viu picos no verão e início do outono, impulsionados pelas condições secas e pela poeira soprando do Norte da África. Para testar se esses padrões poderiam ser usados para prever a qualidade do ar futura, a equipe testou diferentes abordagens matemáticas. Eles descobriram que, para prever tendências de longo prazo, um modelo estatístico projetado para lidar com ciclos sazonais funcionava melhor. Para prever o que aconteceria no futuro muito próximo, como o dia seguinte, um método de aprendizado de máquina que aprendia com padrões de dados passados teve um desempenho superior.

As descobertas sugerem que, embora os satélites e os modelos computacionais não possam substituir a precisão dos sensores terrestres, eles são ferramentas poderosas para preencher as lacunas onde os sensores estão ausentes. Os modelos computacionais, em particular, oferecem um panorama consistente da qualidade do ar através de grandes regiões e ao longo de longos períodos, tornando-os valiosos para entender o impacto geral da mineração no meio ambiente. No entanto, como esses modelos suavizam os detalhes, eles podem perder os piores picos de poluição que ocorrem logo ao lado de uma mina. O estudo conclui que a melhor abordagem é combinar a visão ampla dos modelos com os dados específicos e precisos das estações terrestres. Este método híbrico permite uma compreensão mais completa da poluição por poeira, ajudando a proteger a saúde pública e a orientar políticas ambientais mesmo em áreas remotas ou de difícil monitoramento. A pesquisa demonstra que, com a combinação certa de ferramentas, é possível rastrear e gerenciar a qualidade do ar em regiões de mineração de forma eficaz, independentemente de o clima ser quente e seco ou frio e com neve.