Poluição do Ar - RMSP

Esta aplicação web foi desenvolvida como parte da disciplina Laboratório Avançado de Ciência de Dados (MAC0476) do Instituto de Matemática e Estatística da Universidade de São Paulo. Seu objetivo é apresentar a distribuição espacial e temporal de diversos indicadores poluentes e meteorológicos na Região Metropolitana de São Paulo (RMSP), utilizando dados do sistema QUALAR da CETESB.

A aplicação é composta por:

• Backend: Desenvolvido em Flask (Python), responsável por processar os dados.
• Frontend: Construído em Angular, oferece uma interface intuitiva para visualização dos dados.
• Banco de Dados: MySQL, armazenando os dados coletados e processados.

Toda a aplicação é executada utilizando Docker para simplificar o processo de execução e garantir consistência entre os ambientes de desenvolvimento e produção.

Índice

1. Requisitos
2. Instruções de Instalação e Execução
3. Arquitetura da Aplicação
4. Tipos de Gráficos Disponíveis
5. Autores do Projeto
6. Contribuições e Agradecimentos

Requisitos

Para executar esta aplicação, você precisa ter:

• Docker instalado no sistema.

Caso não tenha o Docker instalado, siga as instruções oficiais de instalação aqui.

Instruções de Instalação e Execução

Construir e subir os contêineres

1. Clone este repositório:

   git clone https://gitlab.com/mjurgensen/poluicao-ar-rmsp
   cd poluicao-ar-rmsp

2. Construa as imagens e suba os contêineres usando Docker Compose:

   sudo docker compose up --build

3. Após a inicialização bem-sucedida, acesse a aplicação em http://127.0.0.1:80.

Alterações no código e reconstrução

Caso sejam realizadas alterações no código, siga os passos abaixo para garantir que as mudanças sejam refletidas nos contêineres:

1. Pare os contêineres em execução:

   sudo docker compose down

2. Reconstrua as imagens e suba os contêineres novamente:

   sudo docker compose up --build

Arquitetura da Aplicação

Backend (Flask)

• Processa e organiza os dados extraídos do QUALAR.
• Expõe APIs RESTful para consumo pelo frontend.

Frontend (Angular)

• Interface que permite ao usuário visualizar gráficos e informações detalhadas.
• Gráficos de distribuição espacial e temporal baseados nos dados fornecidos.

Banco de Dados (MySQL)

• Estrutura otimizada para armazenar e consultar os dados processados.
• Modelo de dados desenvolvido em colaboração com especialistas.

Tipos de Gráficos Disponíveis

Ao acessar a página da aplicação, são oferecidos ao usuário dois diferentes tipos de gráficos a serem visualizados, permitindo uma análise detalhada dos dados ambientais. Nesse sentido, deve-se escolher uma das duas opções abaixo, considerando suas múltiplas variações:

Gráfico de Linha

Os gráficos de linha mostram a variação temporal de um poluente específico em diferentes escalas temporais. As opções incluem:

1. Anual
   Apresenta a média anual do poluente para cada ano entre 2000 e 2024.

2. Mensal
   Exibe as médias mensais do poluente para um mês específico ao longo de vários anos.
   Exemplo: As médias de março de 2000 a 2024.

3. Mensal Total
   Mostra a média geral de cada mês considerando todo o conjunto de dados.
   Exemplo: Médias gerais para janeiro, fevereiro, março, etc., ao longo de todos os anos disponíveis.

4. Diária
   Apresenta as médias diárias do poluente para cada dia de um mês específico em um determinado ano.
   Exemplo: As médias dos dias 1, 2, ..., 30 de novembro de 2023.

5. Horária
   Mostra a média geral de cada horário (0h, 1h, 2h, etc.) para todos os dias de um mês específico.
   Exemplo: Médias horárias para o mês de março.

Nota: Os gráficos de linha permitem a exibição das concentrações de mais de um indicador ao mesmo tempo. No entanto, é importante destacar que nem todo indicador é mensurado em uma mesma unidade de medida, de tal forma que é indicado apenas exibir ao mesmo tempo indicadores que estão na mesma unidade de medida.

Mapa de Calor

Os mapas de calor representam visualmente as concentrações dos poluentes em uma determinada região e período. Essas concentrações são obtidas por meio da interpolação espacial dos valores coletados pelas 37 estações na Região Metropolitana de São Paulo.

Quando há mais de um mapa para um conjunto de dados, o usuário pode navegar entre eles utilizando uma barra interativa ("navegador de mapas").

As opções de escalas temporais incluem:

1. Anual
   Gera um mapa de calor para cada ano (médias anuais) dentro de um intervalo definido pelo usuário.
   Parâmetros: Ano de início e ano final.

2. Mensal
   Gera mapas de calor mensais (médias mensais) para os 12 meses de um ano especificado.
   Parâmetros: Ano.

3. Diária
   Produz mapas de calor diários (médias diárias) para todos os dias de um mês em um ano fornecido.
   Parâmetros: Mês e ano.

4. Horária
   Gera mapas de calor por hora (médias horárias) para todas as 24 horas de um dia específico.
   Parâmetros: Dia, mês e ano.

5. Instantâneo
   Cria um único mapa de calor para uma hora específica em um dia específico (média horária).
   Parâmetros: Hora, dia, mês e ano.

Nota: Os mapas de calor permitem a exibição de apenas um indicador por vez.

Sobre a interpolação

Para que seja feita a interpolação dos pontos da Região Metropolitana de São Paulo para exibição do mapa de calor, dois métodos foram implementados:

1. k-Nearest Neighbors (kNN)
   Calcula a média ponderada das k estações mais próximas ao ponto de interpolação. O peso de uma estação é inversamente proporcional à sua distância para o ponto.

Parâmetros do kNN:

• k = número de vizinhos a considerar

2. Krigagem
   Considera não só a proximidade (médias ponderadas), mas também a correlação espacial entre os pontos (modela a variabilidade espacial).

Parâmetros da Krigagem:

• method = define o tipo de krigagem (ordinary ou universal)
• variogram_model = especifica o modelo de variograma usado para representar a variabilidade espacial (linear, power, gaussian ou spherical)
• nlags = número de intervalos usados para calcular o variograma experimental
• weight = aplica pesos aos pares no variograma, geralmente com base na contagem de pontos (true ou false).

Nem todos os pontos no mapa são interpolados. Pontos distantes das estações de coleta de dados não são interpolados para garantir que apenas informações com maior grau de confiabilidade sejam exibidas. Por isso, é comum haver áreas no mapa sem informações.

Um ponto é considerado distante (e, portanto, não interpolado) se estiver fora do raio de confiança de todas as estações de coleta. O raio de confiança é o limite ao redor de uma estação dentro do qual os dados fornecidos por ela são considerados confiáveis. Esses raios variam conforme a estação e o indicador, podendo ir de 1 quilômetro a dezenas de quilômetros.

Em resumo, todos os pontos interpolados estão dentro do raio de pelo menos uma estação. Para esses pontos, a interpolação considera não apenas as estações cujos raios incluem o ponto, mas também todas as que o método selecionado determinar como relevantes, ponderadas pela distância.

Autores do Projeto

• Matheus Sanches Jurgensen
• André Nogueira Ribeiro
• Tobias Rossi Müller
• Kaique Nunes de Oliveira
• Gabriel Jacob Perin

Contribuições e Agradecimentos

Agradecemos às seguintes pessoas por sua valiosa contribuição durante o desenvolvimento deste projeto:

• Professor Fabio Kon ([email protected]): Pela excelente condução da disciplina MAC0476, permitindo que este projeto fosse desenvolvido como parte do aprendizado acadêmico.
• Professora Flávia Noronha Dutra Ribeiro ([email protected]): Por sugerir este projeto de grande impacto e por todo o suporte oferecido ao longo do desenvolvimento.
• Professora Kelly Rosa Braghetto ([email protected]): Por seu apoio essencial na modelagem do banco de dados.