Condições metereológicas sinópticas e de mesoscala durante episódios de poluição atmosférica por matéria particulada na área da grande Lisboa

O presente estudo analisa a associação entre partículas inaláveis (PM10) à superfície e determinadas situações meteorológicas, com base em dados (1999-2003) de concentração de partículas finas e grosseiras de estações de qualidade do ar da região de Lisboa e observações meteorológicas. Associaram-se os episódios de poluição a situações sinópticas, com base em cartas de superfície do modelo do Centro Europeu de previsão a médio prazo (ECMWF). Os episódios que ocorrem com maior frequência no Inverno estão associados a um anticiclone. Depressões de origem térmica e vales que se estendem do Norte de África ocorrem poucas vezes, mas a probabilidade de se verificar um episódio com essas situações é elevada. Para cinco destes episódios analisaram-se campos do modelo ECMWF (escala sinóptica) e do modelo ALADIN (mesoscala). As elevadas concentrações de partículas associadas aos episódios estudados resultaram de uma forte influência do nível850 hPa, corroborados pelo modelo de retro-trajectórias do KNMI. ABSTRACT; The present study analyses the relationship between particles (PM10) and specific meteorological patterns based on fine and coarse particles concentration data (1999 to 2003) from the Lisbon area air quality network and meteorological observations. Associations were established between PM10 events and synoptic patterns based on surface fields from European Centre for Medium-Range Weather Forecast (ECMWF) Model. Winter events occur mainly under high pressure conditions. Thermal lows and troughs over North Africa affecting the lberian Península occur less frequently; however, the probability of a PM event with this synoptic pattern is high. Meteorological fields from the ECMWF model (synoptic scale) and the ALADIN model (mesoscale) were analyzed for five of these episodes. The 850 hPa level is quite relevant for determining high PM10 concentrations at the surface, as confirmed by KNMI trajectory model.