Avaliação de abordagens de apportionment de fontes em tempo real em seis cidades chinesas usando o conjunto instrumental AXA (ACSM, Xact, Aethalometer)

Por que o rastreamento rápido da poluição importa

A poluição do ar costuma ser tratada como um único número em um aplicativo meteorológico, mas o que realmente importa é quem e o que está gerando essas partículas poluentes no ar, minuto a minuto. Em muitas cidades chinesas, um nevoeiro denso no inverno pode se formar rapidamente, forçando autoridades a decidir em horas se restringem o tráfego, fecham fábricas ou reduzem outras atividades. Até agora, essas decisões têm sido tomadas em grande parte sem informações em tempo real sobre quais fontes são realmente responsáveis. Este estudo apresenta e testa um novo sistema capaz de desvendar os principais contribuintes para partículas finas prejudiciais quase em tempo real em seis grandes cidades chinesas.

Uma nova forma de “imprimir digital” o ar poluído

Os pesquisadores construíram um sistema de apportionment de fontes quase em tempo real, essencialmente um analisador inteligente que não só mede quanto material particulado (PM2,5) há no ar, mas também determina de onde ele vem em poucos minutos. O sistema acopla três instrumentos contínuos, chamados em conjunto de conjunto AXA: um acompanha partículas orgânicas e íons principais, outro mede elementos-traço como metais, e um terceiro foca no carbono negro que absorve luz. Cada tipo de fonte — tráfego, carvão, biomassa, poeira ou emissões industriais — deixa sua própria impressão química nessas medições. Software especializado então usa essas impressões para separar automaticamente a poluição mista em contribuições de cada fonte, sem precisar de um especialista supervisionando o processo.

Testando o sistema em seis cidades

Para verificar se essa abordagem funciona fora do laboratório, a equipe conduziu campanhas de monitoramento de vários meses entre 2020 e 2022 em Pequim, Langfang, Shijiazhuang, Xi’an, Wuhan e Chongqing. Primeiro, realizaram análises “offline” mais cuidadosas e lentas nos conjuntos completos de dados para identificar as fontes principais e seus perfis químicos em cada cidade. Esses resultados offline serviram como referência. Depois configuraram o modelo em tempo real com esses perfis de fonte e o deixaram processar os dados como se estivesse rodando ao vivo, adicionando novas medições um passo de tempo por vez. Nas duas últimas cidades, Shijiazhuang e Wuhan, o modelo também foi operado em genuíno quase tempo real, fornecendo divisões de fontes atualizadas em minutos após cada medição.

O que aprenderam sobre o próprio nevoeiro

Em todas as seis cidades, o estudo confirma que poluentes secundários — partículas formadas no ar a partir de gases como óxidos de nitrogênio, dióxido de enxofre, compostos orgânicos voláteis e amônia — são os principais motores do PM2,5, frequentemente compondo metade ou mais da massa de partículas finas. Nitrato, sulfato e material orgânico rico em oxigênio foram especialmente importantes. Emissões primárias, como fumaça de queima de carvão e biomassa, desgaste e escapamento de veículos e atividades industriais, ainda contribuíram de forma substancial, tipicamente em torno de 10–30% da massa, e em alguns casos mais durante eventos específicos. Langfang, por exemplo, experimentou tempestades de poeira durante a campanha, fazendo com que poeira mineral transportada pelo vento dominasse os níveis de partículas por períodos prolongados. Padrões sazonais também foram claros: o aquecimento no inverno aumentou a fumaça de combustíveis sólidos, enquanto períodos ensolarados favoreceram o acúmulo de partículas secundárias formadas na atmosfera.

Quão confiável é a separação de fontes em tempo real?

A questão-chave era se o sistema rápido e automatizado poderia igualar o trabalho offline mais cuidadoso. Os autores compararam os dois conjuntos de resultados de várias formas. Quando o modelo em tempo real usou impressões de fonte otimizadas derivadas da análise lenta, suas estimativas de cada fonte principal acompanharam a referência muito de perto, com concordância estatística (R²) acima de 0,82 para todas as fontes principais. Eles então desafiaram o sistema treinando-o com apenas dois terços dos dados e testando-o no terço restante, imitando a implantação em um novo período que ele nunca havia “visto”. Mesmo nessas condições, o modelo reproduziu bem a maioria das fontes, embora fontes altamente variáveis, como cozinha e queima de biomassa, tenham sido um pouco menos precisas. Um teste mais exigente, usando impressões genéricas médias “multi‑cidade” em vez de locais, produziu resultados mistos, ressaltando que configuração local e detalhes instrumentais ainda importam para o melhor desempenho.

Limites, desafios e o panorama maior

O estudo também destaca vários desafios. Fontes de poluição e condições atmosféricas mudam com a estação, de modo que um modelo ajustado às emissões de aquecimento de inverno pode não descrever a química do verão com precisão. Instrumentos em sites diferentes nem sempre mediram o mesmo conjunto de poluentes, o que pode afetar o quão bem fontes individuais podem ser separadas. E porque o sistema foi projetado para operar sem intervenção humana, ele troca alguma flexibilidade — por exemplo, retunings manuais frequentes de perfis de fonte — por robustez e facilidade de uso por não especialistas em redes de monitoramento de rotina.

O que isso significa para um ar mais limpo nas cidades

Para um leitor leigo, a conclusão é que este trabalho mostra que agora é possível obter uma divisão quase em tempo real de quem está poluindo o ar em grandes cidades — não apenas quão ruim está o ar. O novo modelo baseado no AXA pode, em minutos, estimar quanto das partículas finas em uma dada hora provém do tráfego, de combustíveis sólidos como carvão e biomassa, de poeira ou da formação secundária na atmosfera, e faz isso com precisão próxima à de métodos muito mais lentos e conduzidos por especialistas. Embora sejam necessários testes adicionais ao longo de ciclos anuais completos, tais ferramentas poderiam ajudar as autoridades a responder com mais precisão durante episódios de nevoeiro — direcionando o setor certo no momento certo — apoiando, em última instância, melhores desfechos de saúde e uma gestão da qualidade do ar mais eficiente.

Citação: Manousakas, M.I., Cui, T., Wang, Q. et al. Evaluation of real-time source apportionment approaches in six Chinese cities using the AXA (ACSM, Xact, Aethalometer) instrumental set-up. Sci Rep 16, 9890 (2026). https://doi.org/10.1038/s41598-026-38154-x

Palavras-chave: poluição do ar, material particulado, monitoramento em tempo real, apportionment de fontes, cidades chinesas