Qualidade do Ar em São Paulo 🌎🌿

Análise da qualidade do ar em São Paulo, focando na variação dos níveis de dióxido de nitrogênio (NO₂) ao longo do dia em diferentes regiões da cidade e do estado.

---

📖 Sobre

Este projeto nasceu da necessidade de compreender como a poluição atmosférica se comporta em São Paulo — uma das maiores metrópoles do mundo.
Seu principal objetivo é identificar padrões de concentração de NO₂, entender suas causas e sugerir ações para melhorar a qualidade do ar.

🎯 Objetivos

• Identificar momentos críticos de poluição.
• Apoiar políticas públicas de mobilidade e meio ambiente.
• Incentivar práticas sustentáveis em transporte e indústria.

🎯 Uso Pretendido

• Base para estudos acadêmicos e ambientais.
• Apoio à tomada de decisão para projetos de melhoria da qualidade do ar.
• Exercício de desenvolvimento de habilidades em análise e visualização de dados.

---

💡 Motivação

São Paulo enfrenta grandes desafios relacionados à poluição do ar, que impactam diretamente a saúde da população e a qualidade de vida urbana.
Compreender os padrões de emissão pode orientar medidas eficazes de mitigação.

---

🌟 Origem do Projeto

O projeto surgiu a partir da exploração de bases públicas de dados ambientais e do desejo de aplicar conceitos de ciência de dados para resolver problemas reais que afetam o cotidiano da população.

---

📊 Dataset

• Fonte: Kaggle - SP Air Quality
• Período: De 5 de agosto de 2013 a 9 de setembro de 2020
• Características:
  • Medições horárias de poluentes: Benzene, CO, PM10, PM2.5, NO₂, O₃, SO₂, Toluene e TRS.
  • 11 colunas, incluindo informações de data/hora (Datetime) e estação de coleta (Station).

---

🛠️ Tecnologias Utilizadas

• Python 3.8+
• Pandas — biblioteca de manipulação de dados
• Matplotlib — biblioteca de visualização básica
• Seaborn — biblioteca de visualização estatística
• Datetime — módulo de manipulação de datas e horas

---

⚙️ Descrição do Processo

📌 Limpeza dos Dados

• Imputação de valores ausentes de NO₂ com a mediana por estação de coleta.
• Remoção de outliers utilizando o intervalo interquartil (IQR) de cada estação de coleta.

📌 Manipulação dos Dados

• Extração da hora (Hour) da coluna Datetime.
• Criação da coluna Region, agrupando estações em:
  • Capital
  • Região Metropolitana
  • Interior
  • Vale do Paraíba
  • Litoral

📌 Visualização dos Dados

• Gráficos de linha para observar tendências horárias segmentadas por região.

---

📈 Resultados

Padrões Identificados:

• Picos de NO₂: 6h–10h (manhã) e 17h–20h (final da tarde e noite).
• Menores níveis: 1h–5h (madrugada) e 11h–15h (início da tarde).
• Regiões mais críticas: Capital, Região Metropolitana e Litoral.

---

🚧 Limitações

• A base de dados abrange apenas algumas regiões específicas.
• A análise focou exclusivamente no poluente NO₂, sem considerar interações entre outros poluentes.
• Fatores meteorológicos (como vento e chuva) não foram incorporados à análise.

---

🧗 Desafios Encontrados

• Tratamento de grande volume de dados ausentes.
• Definição adequada de limites para remoção de outliers.
• Agrupamento lógico das estações para análises regionais consistentes.

---

📝 Conclusão

A análise revelou que a concentração de NO₂ em São Paulo tende a acompanhar o fluxo de veículos nos horários de pico, variando de acordo com a região analisada.
Esses resultados reforçam a importância de iniciativas que promovam alternativas de mobilidade mais sustentáveis e práticas urbanas que reduzam a emissão de poluentes.

Embora este estudo tenha focado especificamente no dióxido de nitrogênio, ele oferece insights iniciais que podem servir de base para análises futuras mais abrangentes, incluindo outros poluentes e fatores climáticos.
A expectativa é que, com o apoio de dados e políticas bem direcionadas, seja possível construir cidades cada vez mais saudáveis e sustentáveis.

---

🙌 Créditos

• Desenvolvimento e Análise: Felipe Ramos Pinheiro
• Fonte de Dados: Amanda LK (Kaggle)
• Inspiração: Estudos acadêmicos em meio ambiente e sustentabilidade urbana.