Impacto da Imputação de Dados na Predição da Qualidade do Ar: Um Estudo de Caso em Congonhas-MG

• João A. S. Silva UNICAMP / PUC Minas http://orcid.org/0000-0002-8707-5050
• Felipe D. Cunha PUC Minas https://orcid.org/0000-0002-8882-2572

DOI: https://doi.org/10.5753/courb.2025.8700

Resumo

O número de pessoas afetadas por doenças relacionadas à baixa qualidade do ar tem aumentado significativamente ao longo dos anos, totalizando aproximadamente 6, 7 milhões de mortes anuais em todo o mundo. No entanto, ainda há uma carência de aplicações específicas voltadas para a previsão da qualidade do ar com o objetivo de alertar a população sobre riscos iminentes. Diante desse cenário, a literatura apresenta diversas técnicas de aprendizado de máquina que podem ser utilizadas para prever a qualidade do ar. Contudo, para que essas técnicas sejam eficazes, é fundamental que as bases de dados estejam completas, sem a presença de valores ausentes. Este trabalho investiga o impacto da imputação de dados ausentes na predição da qualidade do ar na cidade de Congonhas-MG. Os resultados obtidos indicam que, embora existam métodos simples de imputação e algoritmos capazes de lidar com dados incompletos, a aplicação de técnicas adequadas para preencher essas lacunas tende a melhorar significativamente a precisão das predições da qualidade do ar. Isso possibilita alertar a população de forma mais eficiente sobre os riscos associados à exposição a poluentes atmosféricos.

Palavras-chave: Análise e Mineração de Dados para Ambientes Urbanos, Cidades Inteligentes, Computação Urbana para o Desenvolvimento Econômico, Computação Urbana para Proteção e Segurança Pública, Detecção de Anomalias e Descoberta de Eventos em Áreas Urbanas, E-Health e m-Health, Green Computing em Ambientes Urbanos, Infraestruturas de Sensoriamento Urbano, Internet das Coisas, Melhoria da Qualidade de Vida na Cidade Utilizando Serviços Móveis e Big Data, Proteção do Meio Ambiente com Computação Urbana, Sensoriamento Participativo/Oportunístico, Visualização de Dados Urbanos

Referências

Alwateer, M., Atlam, E.-S., Abd El-Raouf, M. M., Ghoneim, O. A., and Gad, I. (2024). Missing data imputation: A comprehensive review. Journal of Computer and Communications, 12(11), 53–75.

Andrade, P., da Luz, J., and Campos, A. (2016). Cumulative impact assessment on air quality from multiple open pit mines. Clean Technologies and Environmental Policy, 18, 483–492.

Anil Jadhav, D. P. and Ramanathan, K. (2019). Comparison of performance of data imputation methods for numeric dataset. Applied Artificial Intelligence, 33(10), 913–933.

Braga, A. L. F., Pereira, L. A. A., Procópio, M., André, P. A. d., and Saldiva, P. H. d. N. (2007). Associação entre poluição atmosférica e doenças respiratórias e cardiovasculares na cidade de Itabira, Minas Gerais, Brasil. Cadernos de Saúde Pública, 23(suppl 4), S570–S578.

Campos, G., Cunha, F., and Villas, L. (2021). Análise de poluição atmosférica utilizando modelos de sensoriamento virtual. In Anais do V Workshop de Computação Urbana (pp. 29–42). Porto Alegre, RS, Brasil: SBC.

Doreswamy, Gad, I., and Manjunatha, B. (2017). Performance evaluation of predictive models for missing data imputation in weather data. In Proceedings of the 2017 International Conference on Advances in Computing, Communications and Informatics (ICACCI) (pp. 1327–1334).

Hua, V., Nguyen, T., Dao, M.-S., Nguyen, H. D., and Nguyen, B. T. (2024). The impact of data imputation on air quality prediction problem. PLOS ONE, 19(9), 1–39.

Jornal Estado de Minas (2021). Nuvem de poeira encobre congonhas e revolta: ’muito ruim abrir os olhos’. [link]. Acesso em: 2024-03-19.

Kebalepile, M. M., Dzikiti, L. N., and Voyi, K. (2024). Using diverse data sources to impute missing air quality data collected in a resource-limited setting. Atmosphere, 15(3).

Khan, S. and Hoque, A. (2020). SICE: An improved missing data imputation technique. Journal of Big Data, 7(37).

Lelieveld, J., Haines, A., Burnett, R., Tonne, C., Klingmüller, K., Münzel, T., and Pozzer, A. (2023). Air pollution deaths attributable to fossil fuels: Observational and modelling study. BMJ, 383.

Liaw, A. and Wiener, M. (2002). Classification and regression by randomForest. R News, 2, 18–22. [link].

Little, R. J. A. (1988). A test of missing completely at random for multivariate data with missing values. Journal of the American Statistical Association, 83(404), 1198–1202.

Liu, R. A., Wei, Y., Qiu, X., Kosheleva, A., and Schwartz, J. D. (2022). Short term exposure to air pollution and mortality in the US: A double negative control analysis. Environmental Health, 21(1), 81.

Luiz, C. D. Santolim, Flávio Curbani, T. J. M. (2017). Air quality assessment and design of the monitoring network of Congonhas, MG, Brazil. In Proceedings of the 3rd CMAS South America - Air Pollution Conference, Brazil.

Morozesk, M., da Costa Souza, I., Fernandes, M. N., and Soares, D. C. F. (2021). Airborne particulate matter in an iron mining city: Characterization, cell uptake and cytotoxicity effects of nanoparticles from PM2.5, PM10 and PM20 on human lung cells. Environmental Advances, 6, 100125.

Rubin, D. B. (1987). Multiple imputation for nonresponse in surveys. John Wiley & Sons.

Rubin, D. B. (1996). Multiple imputation after 18+ years. Journal of the American Statistical Association, 91(434), 473–489.

van Buuren, S. and Groothuis-Oudshoorn, K. (2011). MICE: Multivariate imputation by chained equations in R. Journal of Statistical Software, 45(3), 1–67.

World Health Organization (2022). Ambient (outdoor) air pollution. [link]. Acesso em: 2024-03-19.