Análise de aplicabilidade de aprendizado por ensemble baseado em árvores para modelos de previsão de poluentes atmosféricos

Por que um ar mais limpo precisa de previsões mais inteligentes

Pessoas em grandes cidades frequentemente acordam querendo saber se o ar lá fora é seguro para correr, ir ao trabalho ou deixar crianças brincarem ao ar livre. Aplicativos meteorológicos hoje mostram índices de qualidade do ar ao lado da temperatura, mas esses números só são tão bons quanto os modelos que os sustentam. Este estudo faz uma pergunta prática com consequências reais: quais ferramentas modernas de inteligência artificial fazem o melhor trabalho ao prever vários poluentes atmosféricos importantes simultaneamente, e por quê?

Acompanhando o ar da cidade dia a dia

Os pesquisadores se concentraram em quatro das maiores municipalidades da China — Pequim, Xangai, Tianjin e Chongqing — porque elas abrangem climas e padrões de poluição diferentes, desde nevoeiros de inverno até ozônio no verão. Eles reuniram mais de cinco mil registros diários de 2021 a 2024, cada um combinando medições de seis poluentes-chave (incluindo partículas finas, partículas inaláveis, dióxido de nitrogênio, dióxido de enxofre, monóxido de carbono e ozônio) com dados meteorológicos como temperatura, umidade, vento, precipitação e pressão atmosférica. Para aproveitar ao máximo essas observações, adicionaram pistas extras: como a poluição de dias anteriores pode persistir, como temperatura e vento interagem para dispersar o ar sujo, e como medidas combinadas de partículas e gases podem refletir melhor os riscos à saúde.

Ensinando “árvores” digitais a ler o ar

Em vez de usar modelos meteorológicos tradicionais, baseados fortemente em física, a equipe recorreu a uma família de ferramentas orientadas por dados conhecidas como aprendizado de máquina baseado em árvores. Esses algoritmos tomam decisões dividindo os dados em ramos repetidamente, um pouco como um jogo de vinte perguntas que vai se aproximando da resposta final. O estudo comparou três versões: uma árvore de decisão simples; uma floresta aleatória (random forest), que faz a média dos resultados de muitas árvores para suavizar o ruído; e o gradient boosting, que constrói árvores uma após a outra para corrigir gradualmente erros anteriores. Os cientistas ajustaram cuidadosamente cada método e usaram uma estratégia de teste consciente do tempo para que os modelos aprendessem com dias passados e fossem avaliados em dias posteriores, espelhando as condições reais de previsão.

Quais modelos se destacam para quais poluentes

O confronto revelou que nenhum método único é o melhor para tudo, mas alguns se destacaram. Florestas aleatórias foram excepcionalmente precisas para partículas finas e grossas e para dióxido de enxofre, explicando cerca de 99% da variação em seus níveis — próximo do que os próprios instrumentos conseguem medir. Para monóxido de carbono e dióxido de nitrogênio, uma forma de gradient boosting quase igualou o desempenho da floresta, sugerindo que essa abordagem de correção em etapas é bem adequada a emissões relacionadas ao tráfego e à combustão, que sobem e caem rapidamente. Surpreendentemente, a árvore de decisão simples, apesar de ser a ferramenta mais básica, se saiu bem na previsão de ozônio, um poluente que se forma por química dependente da luz solar e tende a seguir padrões de limiar que as regras de ramificação conseguem capturar.

Espiando dentro da caixa-preta

Para tornar esses modelos poderosos úteis para políticas públicas, os autores precisavam mostrar não apenas quão bem eles prevêem, mas por quê. Eles usaram uma técnica chamada SHAP, que atribui a cada entrada — como temperatura, velocidade do vento ou outro poluente — uma pontuação de contribuição para cada previsão. Essa análise revelou ligações reveladoras. O monóxido de carbono emergiu como um ajudante chave na formação de partículas finas, consistente com seu papel como marcador de queima incompleta que produz vapores formadores de partículas. A temperatura impulsionou fortemente o ozônio, refletindo a forma como dias quentes e ensolarados intensificam sua produção. Ar úmido interagindo com dióxido de enxofre tendia a conter o crescimento de partículas, e ventos fortes ajudavam a limpar partículas muito pequenas até certo limiar, além do qual a mistura turbulenta poderia, na verdade, aprisioná-las localmente. Esses padrões reconectam a matemática a processos atmosféricos reais, oferecendo pistas para controles direcionados.

Do código de pesquisa aos sistemas de alerta da cidade

Apesar da precisão impressionante, os autores observam que os modelos ainda enfrentam dificuldades durante os episódios de poluição mais severos e são limitados por descrições grosseiras de onde as emissões se originam e pela janela de tempo relativamente curta dos dados. Eles propõem combinar simulações tradicionais de meteorologia–química com aprendizado de máquina e usar os insights do SHAP para projetar respostas de emergência mais inteligentes quando houver picos de poluição. O quadro proposto já está sendo usado em um sistema regional de aviso de qualidade do ar que atende Pequim e cidades vizinhas. Em termos práticos, o estudo mostra que inteligência artificial bem escolhida e bem explicada pode dar aos responsáveis municipais alertas mais precoces e confiáveis sobre dias de ar ruim — e orientações mais claras sobre quais fontes combater primeiro.

Citação: Zhu, X., Li, B., Cao, Y. et al. Applicability analysis of tree-based ensemble learning for air pollutant prediction models. Sci Rep 16, 9602 (2026). https://doi.org/10.1038/s41598-025-32652-0

Palavras-chave: previsão da qualidade do ar, poluição do ar urbana, modelos de aprendizado de máquina, random forest, previsão multipoluente