Arquivo do Trabalho - IAG - USP

5 ! ( @! /
Os resultados observados na tabela mostram que com a retenção de 4 fatores, estes
conseguem explicar pouco mais de 81% da variância total dos dados. A alta comunalidade
para todos os elementos, acima de 0,65, indica uma boa explicação da variabilidade dos dados
pelos fatores ajustados. Nessa mesma tabela, os valores destacados em negrito indicam os
maiores pesos, que possibilitam a identificação das fontes.
O Fator 1 teve os maiores pesos para Al, Si, Ca, Ti e Fe, sendo que esse agrupamento
indica que uma possível fonte é a ressuspensão da poeira do solo. Já os fatores 2 e 4 estão
associados às emissões veiculares, pois neles se agruparam, no fator 2, P, Mn e Cu, e ainda
com participações menos significativas de Br, Pb, e no fator 4, Cl, K, Cr, Zn, Br, BC e MP2.5.
Embora dividida em dois fatores, a contribuição da frota veicular não foi claramente distinta,
ou seja, não foi possível separar veículos leves dos pesados. Os elementos: S, V, Pb tiveram o
maior peso no fator 3, identificando assim, como possível fonte, a queima de óleo
combustível, mais especificamente, a utilização de caldeiras, pois o ponto de amostragem
ficava muito próximo ao hospital das Clínicas. Os resultados obtidos dessa análise foram
resumidos na tabela 6.2.
Tabela 6.2: Associação de possíveis fontes com os elementos-traço indicadores de cada tipo
de poluição.
(! ) + * / ) !
+ " '& !
) " A ! + $ ' !
+! . - + -+ " '& !
Ainda, com o objetivo de se obter a participação porcentual de cada fonte, foram
realizados cálculos de regressão do PM2.5 nos scores absolutos, de acordo com as equações
(3.7) a (3.9). A partir dos pesos dos fatores obtidos de cada elemento, fez-se uma regressão
múltipla, onde a variável dependente era o PM2,5, estando os resultados apresentados na