Artigos

Introdução

A poluição do ar constitui um importante fator de risco à saúde pública, destacando-se o material particulado com diâmetro aerodinâmico inferior a 2.5 micrômetros (PM2,5), que penetra profundamente nos pulmões adentrando na corrente sanguínea, promovendo efeitos adversos cardiovasculares, cerebrovasculares e respiratórios, além de potencialmente afetar outros órgãos e desencadear diversas patologias1. As queimadas, caracterizadas pela queima de biomassa, sejam naturais ou decorrentes de atividades antropogênicas, representam uma significativa fonte emissora desse poluente, contribuindo substancialmente para a degradação da qualidade do ar e seus impactos à saúde2.
Os fatores meteorológicos exercem influência significativa sobre as concentrações de PM2,5, uma vez que a quantidade de poluentes em uma região é determinada não apenas pela intensidade e fontes de emissão, mas também pelas condições atmosféricas, especialmente pela velocidade e direção dos ventos3,4,5. O transporte de PM2,5 pode ocorrer em longas distâncias, afetando a saúde pública em áreas situadas a centenas ou milhares de quilômetros do local de emissão6,7. Embora diversos estudos evidenciem os impactos das queimadas e da poluição do ar na saúde humana, poucos investigam o efeito do transporte transfronteiriço de poluentes, tema predominantemente abordado na Ásia, apesar de sua relevância crucial para a qualidade do ar7,8,9,10.
Nas últimas duas décadas, os países da região amazônica, incluindo Brasil e Bolívia, têm experimentado um aumento significativo na frequência de incêndios, impulsionado por mudanças antropogênicas e climáticas11. As políticas ambientais implementadas por cada nação impactam diretamente a qualidade do ar e a saúde pública das populações locais, tornando a cooperação regional fundamental para mitigar os efeitos da poluição. Nesse contexto, destaca-se a necessidade de políticas intersetoriais que promovam a resiliência climática, reduzam desigualdades sociais e ampliem o financiamento climático, visando uma resposta mais eficaz e integrada aos desafios ambientais e de saúde pública enfrentados pela região12.
O presente estudo teve como objetivo analisar as características da distribuição espacial das concentrações de PM2,5 na região de fronteira entre Brasil e Bolívia durante os períodos de queimadas entre 2015 e 2019, avaliando a influência da dispersão transfronteiriça de poluentes e identificando associações entre o impacto das emissões de PM2,5 em um país e as concentrações observadas no país vizinho.

Métodos

Realizou-se uma análise de série temporal e espacial das concentrações de PM2,5 durante os períodos de queimadas na região de fronteira entre Brasil e Bolívia, no período de 2015 a 2019. A área de estudo abrangeu a faixa terrestre entre os dois países, incluindo os estados brasileiros do Acre, Rondônia, Mato Grosso, Mato Grosso do Sul e os departamentos bolivianos de Beni, Pando e Santa Cruz. Considerando que a faixa de fronteira brasileira possui cerca de 150 km de largura13 e a boliviana, aproximadamente 50 km14, optou-se por padronizar a extensão da área em 150 km a partir da linha fronteiriça em ambos os países.
A unidade de análise foi estruturada em dois níveis temporais (anual e semanal) e dois espaciais (municipal e nacional), totalizando 111 municípios: 78 no Brasil e 33 na Bolívia, conforme ilustrado na Figura 1.

Figura 1. Área do estudo.

Fonte: Autores.

Os dados ambientais referentes às concentrações de PM2,5, bem como à velocidade e direção do vento, foram obtidos por meio de fontes secundárias baseadas em sensoriamento remoto, disponibilizadas pelo Serviço de Monitoramento da Atmosfera (CAMS) do Programa de Observação da Terra da União Europeia (Copernicus) (disponível em: https://atmosphere.copernicus.eu/). As informações sobre queimadas foram extraídas do Programa de Queimadas do Instituto Nacional de Pesquisas Espaciais (INPE) (disponível em: https://terrabrasilis.dpi.inpe.br/queimadas/bdqueimadas/).
As médias anuais de concentração de PM2,5 foram calculadas para cada município, com foco nas semanas em que o número de queimadas excedeu 30% da média anual, correspondendo aos meses de julho a outubro, no período de 2015 a 2019. As bases cartográficas utilizadas para o Brasil foram obtidas do Instituto Brasileiro de Geografia e Estatística (IBGE) (disponível em: https://www.ibge.gov.br), enquanto as da Bolívia foram fornecidas pelo GeoBolívia, módulo central da Infraestrutura de Dados Espaciais do Estado Plurinacional da Bolívia (IDE-EPB) (disponível em: https://geo.gob.bo).
Para caracterizar a direção e a intensidade do transporte atmosférico do PM2,5 entre os países, foram elaborados gráficos do tipo pollution rose, uma variação da wind rose que associa a concentração de poluentes com a direção e a velocidade do vento. Essa ferramenta permite avaliar a frequência das direções do vento ponderada pelas concentrações de poluentes, possibilitando a identificação das direções predominantes de transporte de PM2,5 associadas à intensidade dos ventos, sendo especialmente úteis para representar de forma conjunta variáveis meteorológicas e ambientais, possibilitando inferências sobre o transporte e a origem das massas de ar mais poluídas15. Os gráficos foram gerados separadamente por país e por ano, o que permitiu visualizar os padrões sazonais e transfronteiriços de dispersão de poluentes.
Para análise espacial foram calculados os Índices de Moran Global (I. de Moran Global) para verificar a existência de autocorrelação espacial na concentração de PM2,5 como um todo, quantificando o grau de semelhança ou dissimilaridade entre unidades espaciais vizinhas e o Índice de Moran local (LISA) para identificar padrões locais de autocorrelação espacial, destacando regiões específicas que contribuem significativamente para a autocorrelação global16. Utilizou-se o teste de permutação aleatória com 999 permutações e intervalo de confiança de 95% para a validação dos achados e matriz de vizinhança por distância de 150 km considerando o grande potencial de dispersão do PM2,5 em longas distâncias6,7 e a definição de faixa de fronteira brasileira, com maior extensão que a boliviana, padronizando a distância nos dois países 13,14.
Por fim, para avaliar a influência do PM2,5 de um país nas concentrações do outro, utilizamos como unidades de análise os países e as semanas. A modelagem estatística foi realizada por meio de um Modelo Linear Generalizado (GLM) e de um modelo Distributed Lag Non-Linear Model (DLNM), ambos ajustados com distribuição Gamma, adequada para variáveis contínuas e estritamente positivas como as concentrações de PM2,5. Nos dois modelos foram considerados efeitos defasados (lags) de até cinco semanas, para avaliar o efeito até um mês após o evento. No GLM, os lags foram incluídos como variáveis independentes, permitindo a estimativa dos efeitos individuais de cada semana, com o uso de splines naturais para capturar possíveis relações não lineares entre as variáveis. Já o DLNM utilizou uma abordagem integrada, modelando simultaneamente a exposição e os lags por meio de uma função de base cruzada, o que permite estimar o efeito acumulado da exposição ao longo do tempo de forma suavizada e contínua.
A escolha do uso de dois modelos complementares deve-se ao fato de que eles respondem a perguntas complementares: o GLM permite identificar quais lags específicos apresentam associação significativa com o desfecho, evidenciando efeitos concentrados no tempo, como pode ocorrer em eventos ambientais agudos. Já o DLNM oferece uma visão integrada do efeito ao longo do tempo, sendo especialmente útil para estimar efeitos acumulados ou distribuídos de exposições que podem ter resposta tardia ou contínua. O uso conjunto desses modelos possibilita uma análise mais completa da relação entre as variáveis ambientais transfronteiriças, equilibrando sensibilidade temporal e robustez na estimação dos efeitos.
A qualidade do ajuste foi avaliada por análise gráfica dos resíduos e pelo critério de informação de Akaike (AIC). A multicolinearidade foi verificada pelo Fator de Inflação da Variância (VIF), sendo mantidas no modelo apenas variáveis com VIF inferior a 5. O modelo final é representado pela fórmula:

log(?i )=?0+?_{j=0}^{5} fj(PMi-j)+?_{j=0}^{5} fj(VELVENTOi-j)+?_{j=0}^{5}(DIRVENTOi-j)+fj(SEMANAi)
Onde:
?i é o valor esperado da variável resposta; ?0 é a variável dependente PM2,5 no país; fj função spline natural para cada variável e seu lag; PMi?j concentração de PM2,5 no país vizinho no lag ???? (incluindo o lag 0 = semana corrente); VELVENTOi-j velocidade do vento no lag j; DIRVENTOi-j variável dicotômica para direção do vento no lag ???? (multiplicada por um coeficiente ????????, pois não precisa de spline), SEMANAi são as semanas no estudo.
Utilizamos os programas estatísticos Qgis 3.22.15 para confecção dos mapas, GeoDa 1.22.014 para realização do I. de Moran Global e LISA e o R 4.4.2 para confecção da pollution rose e análise de regressão utilizando os pacotes Openair, MASS e dlnm.
O presente estudo utilizou dados secundários, provenientes de fontes públicas, abertas e de livre acesso, referentes a variáveis ambientais e dados demográficos agregados por município. Não foram utilizados dados individuais nem informações que permitissem a identificação de pessoas, o que dispensou a submissão ao Comitê de Ética em Pesquisa.

Resultados

Inicialmente, realizamos a análise da dispersão do PM2,5 para verificar a ocorrência de transporte transfronteiriço entre Brasil e Bolívia. Conforme apresentado na Figura 2, durante o período de queimadas, a dispersão do PM2,5 no Brasil ocorre em múltiplas direções, destacando-se uma dispersão significativa de ventos do norte para o sul-sudeste (0º a 157,5º), direcionando-se à Bolívia em aproximadamente 33% das semanas, especialmente a partir de 2016. A velocidade média dos ventos no Brasil foi de 25,89 m/s, com picos de até 79,89 m/s.
Na Bolívia, observa-se predomínio da dispersão de ventos em direção ao Brasil, com ventos predominantes do sul ao noroeste (180º a 315º) em todos os anos analisados, apresentando uma média de dispersão para o Brasil em 60% das semanas. A velocidade média dos ventos na Bolívia foi superior à do Brasil, alcançando 32,16 m/s em média e picos de até 102,42 m/s. Não foram observados períodos de calmaria em nenhum dos países durante o intervalo estudado.

Figura 2. Dispersão anual do PM2,5, segundo a direção e velocidade do vento nos períodos de queimadas na fronteira Brasil-Bolívia, 2015-2019.

Fonte: Autores.

Determinamos as características de distribuição espacial das concentrações de PM2,5 na área de fronteira entre Brasil e Bolívia calculando o Índice de Moran Global. Os valores de p se mantiveram < 0,01 com Z-score > 14 em todos os anos, evidenciando que as concentrações de PM2,5 tinham forte autocorrelação espacial positiva significativa, sendo as maiores nos anos de 2015 (I. de Moran 0.701) e 2018 (I. de Moran 0.761). A maioria dos municípios estão concentradas no primeiro e terceiro quadrantes, alto-alto e baixo-baixo respectivamente, reforçando que a presença de clusters espaciais de PM2,5 não estão ocorrendo de forma aleatória. Para identificar as áreas de alta e baixa concentração de poluição por PM2,5, realizou-se o LISA conforme mostrado na Figura 3. O LISA revelou a formação de clusters espaciais significativos de PM2,5.
Os clusters alto-alto se concentraram em todos os anos nos municípios mais ao norte do estado brasileiro de Rondônia (Buritis, Guajará-Mirim, Porto Velho, Nova Mamoré, Campo Novo de Rondônia, Governador Jorge Teixeira) e no departamento boliviano de Beni (Huacaraje, San Joaquín, San Ramón, Magdalena, Puerto Siles, Exaltación, Guayaramerín), principalmente na cidade de Guayaramerín, cidade gêmea com Guajará-mirim, que teve clusters alto-alto em todos os anos exceto no ano de 2019 em que permaneceu no quadrante baixo-alto. Houve ainda áreas no quadrante alto-alto no Acre (Acrelândia, Bujari, Capixaba, Plácido de Castro, Rio Branco, Senador Guimard, Xapuri, Porto Acre) e em Pando (Cobija, Bella Flor, Ingavi, Santos Mercado, Nueva Esperanza) nos anos de 2016 e 2018 e em Santa Cruz (San Miguel, Puerto Suarez, El Carmen Rivero Tórrez, Roboré, San Matías, San José de Chiquitos) e Mato Grosso do Sul (Ladário) em 2019.
Já os clusters baixo-baixo ocorreram em municípios do Acre (Assis Brasil, Brasiléia, Manoel Urbano, Santa Rosa dos Purus, Sena Madureira) e Pando (Bolpebra, Porvenir) em 2015, ao sul de Rondônia (Alto Alegre dos Parecis, Alta Floresta D'Oeste, Corumbiara, Novo Horizonte do Oeste, Parecis, Pimenta Bueno, Primavera de Rondônia, Rolim de Moura, São Felipe D'Oeste, Santa Luzia D'Oeste) em 2019 e mais ao sul do Mato Grosso (Araputanga, Barra do Bugres, Cáceres, Campos de Júlio, Conquista D'Oeste, Curvelândia, Figueirópolis D'Oeste, Glória D'Oeste, Indiavaí, Jauru, Lambari D'Oeste, Mirassol d'Oeste, Nossa Senhora do Livramento, Nova Lacerda, Poconé, Pontes e Lacerda, Porto Esperidião, Porto Estrela, Reserva do Cabaçal, Rio Branco, Salto do Céu, São José dos Quatro Marcos, Sapezal, Tangará da Serra, Vale de São Domingos, Vila Bela da Santíssima Trindade) e Mato Grosso do Sul (Aquidauana, Bodoquena, Bonito, Caracol, Corumbá, Miranda, Ladário, Miranda, Porto Murtinho) em todo período, havendo clusters alto-baixo em 2015 mais ao oeste do Mato Grosso nos municípios de Vale de São Domingos e Figueirópolis D'Oeste e ao leste do estado em 2017 na cidade de Barra do Bugres e 2019 novamente em Barra do Bugres e em Porto Estrela. Em todos os clusters não houve limitação geográfica, havendo clusters tanto alto-alto quanto baixo-baixo envolvendo municípios de ambos os países.
Em relação aos clusters e a dinâmica de dispersão de PM2,5 na região, os quadrantes alto-alto se concentraram ao norte e noroeste envolvendo os estados brasileiros Acre e Rondônia e os departamentos bolivianos Beni e Pando, correspondendo a predominância principal dos ventos no Brasil que se direcionam para esta região e aos ventos da Bolívia para leste e sudeste. Já as áreas no quadrante baixo-baixo se concentraram mais ao sul da região em Mato Grosso, Mato Grosso do Sul e Santa Cruz, não havendo predominância de dispersão do Brasil em direção ao sul, com uma frequência média de 30% da Bolívia para região principalmente nos anos de 2018 e 2019, com intensificação da velocidade do vento nessa direção, mesmos anos em que se identificam clusters alto-alto em Santa Cruz e no Mato Grosso do Sul.

Figura 3. I de Moran Local período de queimadas 2015-2019 na fronteira Brasil-Bolívia.

Fonte: Autores.

Os efeitos acumulados do PM2,5 indicam uma relação crescente entre as concentrações nos dois países, conforme mostrado na Figura 4. À medida que os níveis de PM2,5 aumentam em um dos países, observa-se um aumento acumulado correspondente no outro. Por exemplo, na Figura 4.A quando a concentração de PM2,5 no Brasil atinge 42 µg/m³, o risco acumulado de aumento no PM2,5 da Bolívia já é significativo, com uma razão de risco (RR) de 2. Esse valor continua crescendo e chega a um RR de 6 quando o PM2,5 no Brasil alcança 80 µg/m³, indicando que o risco de aumento do PM2,5 na Bolívia é seis vezes maior quando o PM2,5 do Brasil se encontra nesse valor. Da mesma forma, quando o PM2,5 na Bolívia atinge 62 µg/m³, o RR do acúmulo no Brasil já é significativo, alcançando cerca de 6 com concentrações de 100 µg/m³ (Figura 4.B). Esses resultados reforçam a existência de uma relação dose-resposta entre os níveis de poluição atmosférica nos dois países, evidenciando o transporte e a influência recíproca do PM2,5 transfronteiriço.
No que se refere ao efeito ao longo das semanas, observa-se que, nas concentrações mais baixas em que já se observa um efeito (Brasil: 45 µg/m³; Bolívia: 65 µg/m³), o impacto do PM2,5 oriundo do Brasil é mais pronunciado na semana de exposição, perdendo significância a partir da segunda semana (Figura 4.C). O padrão boliviano é semelhante, com efeito persistente até a terceira semana (Figura 4.D). Em níveis máximos (Brasil: 79 µg/m³; Bolívia: 100 µg/m³), o risco se intensifica: o PM2,5 do Brasil mantém significância até uma semana após a exposição (Figura 4.E), e o da Bolívia, até três semanas (Figura 4.F).

Figura 4. Efeitos acumulados e semanais do PM2,5 durante o período de queimadas entre Brasil e Bolívia (2015–2019).

RR: Razão de Médias (Rate Ratio). PM: Material particulado (particulate matter).
Fonte: Autores.

Essas associações foram confirmadas pelos modelos de regressão apresentados na Tabela 1. Quando o PM2,5 na Bolívia foi considerado variável dependente, o PM2,5 no Brasil, sem defasagem, foi um preditor significativo no GLM (RR 10.96; IC95%: 6.97–17.23), com influência adicional da velocidade do vento com uma (RR 1.60) e duas semanas de defasagem (RR 1.75). Observaram-se associações positivas e negativas com a direção do vento, porém sem significância estatística. No modelo DLNM, observou-se efeito significativo para 45 µg/m³ na semana de exposição (RR 1.12; IC95%: 1.10–1.15) e uma semana após (RR 1.03; IC95%: 1.02–1.05), com aumento expressivo com 79 µg/m³ (RR 2.54 na semana 0; RR 1.31 na semana 1).
De forma semelhante, considerando o Brasil como variável dependente, o PM2,5 da Bolívia foi um preditor forte no GLM (RR 18.51; IC95%: 11.13–30.80). Apesar da ausência de significância estatística com velocidade do vento na Bolívia e os níveis de PM2,5 no Brasil, identificou-se uma tendência de associação positiva crescente ao longo das semanas defasadas (lag 0: 0.87 a lag 5: 1.42). Também foram observadas associações positivas e negativas com a direção do vento, sem significância estatística. No DLNM, com 65 µg/m³, o efeito foi significativo na semana de exposição e até três semanas após (RRs entre 1.06 e 1.01), com correlação negativa apenas cinco semanas após (RR 0.96). No cenário de 100 µg/m³, o RR aumentou progressivamente, com maior impacto na semana 0 (RR 1.65), reduzindo gradualmente até a semana 3 (RR 1.09) e efeito inverso na semana 5 (RR 0.83).

Tabela 1. Associação entre PM2,5 e variáveis meteorológicas do Brasil e da Bolívia no PM2,5 do país vizinho, período de queimadas 2015-2019.

RR: Razão de Médias (Rate Ratio); IC95%: Intervalo de Confiança; *** p < 0,001; ** p < 0,01; * p < 0,05.
Fonte: Autores.

Discussão

Este estudo evidenciou o transporte transfronteiriço de PM2., influenciado por variáveis meteorológicas como velocidade e direção do vento, fundamentais na dispersão de poluentes. Fenômenos semelhantes foram observados na Amazônia, com a migração de poluentes gerados por queimadas, como o monóxido de carbono (CO), para países vizinhos como Peru e Colômbia17, e na tríplice fronteira entre Paraná, Santa Catarina e Misiones (Argentina), onde a composição do PM2,5 indicou emissões por queima de vegetação, com possível contribuição de incêndios em áreas remotas, associadas a trajetórias de massas de ar oriundas da Argentina, Uruguai e de regiões do norte e centro-oeste do Brasil18. As correntes de ar podem tanto transportar fumaça para outros estados quanto trazê-la de países vizinhos, o que reforça a responsabilidade compartilhada no enfrentamento das queimadas na região19.
Episódios como a concentração de fumaça no Acre em 2005 evidenciam o impacto das queimadas na Amazônia na geração de PM transfronteiriço, principalmente oriundo da queima de biomassa em regiões vizinhas como Rondônia, Mato Grosso e Bolívia19,20. Incêndios no norte da Colômbia e na fronteira com a Venezuela também produziram partículas transportadas pelo vento até Bogotá e o Vale de Aburrá21. Por outro lado, estudo realizado em Belo Horizonte não encontrou correlação significativa entre direção/velocidade do vento e PM2,5, o que foi atribuído ao uso de médias diárias, que podem mascarar variações importantes22.
Observou-se forte correlação espacial entre os níveis de PM2,5 da Bolívia e do Brasil na região de fronteira durante os períodos de queimadas. Correlação semelhante foi identificada na China, com variações entre as regiões associadas ao desenvolvimento socioeconômico, cobertura vegetal, precipitação e velocidade do vento, que influenciam as concentrações de PM2,523. Em Pequim, também se evidenciou a não aleatoriedade das concentrações24. Assim como em nosso estudo, os municípios se distribuíram predominantemente nos segundo e quarto quadrantes, embora se tratasse de uma mesma região com contrastes sociais e econômicos23,24.
Na análise espacial, os agrupamentos alto-alto se concentraram majoritariamente no Norte, refletindo a dinâmica dos ventos do Brasil para noroeste e da Bolívia para leste. Porém, identificou-se um cluster alto-alto em Santa Cruz e Mato Grosso do Sul em 2019, possivelmente relacionado à intensificação dos ventos bolivianos no período e à predominância de 30% dos ventos em direção sudeste. No Rio Grande do Sul, um estudo apontou autocorrelação espacial positiva entre municípios nos quadrantes alto-alto e baixo-baixo, embora focado em uma única região e com fontes distintas de poluição, como emissões veiculares e industriais25. Já na Alemanha, observou-se que regiões com densidade populacional muito alta ou baixa foram mais afetadas pelo PM2,5, possivelmente devido a diferenças de altitude e circulações de ar locais26 e na costa leste da China, os quadrantes alto-alto concentraram-se no norte e noroeste, enquanto os baixo-baixo predominaram ao sul, possivelmente devido às condições meteorológicas e à maior cobertura florestal nessa região27.
Do ponto de vista da vigilância em saúde ambiental, os resultados permitem identificar municípios prioritários para ações de monitoramento e mitigação dos impactos da poluição atmosférica relacionada às queimadas. A análise da persistência temporal dos clusters revelou hotspots recorrentes de PM2,5, destacando-se especialmente as cidades-gêmeas Guajará-Mirim, em Rondônia, e Guayaramerín, em Beni, além dos municípios de Buritis, Campo Novo de Rondônia, Governador Jorge Teixeira e Porto Velho, em Rondônia, que permaneceram no quadrante alto-alto durante todo o período do estudo. Esses municípios podem ser considerados áreas estratégicas para ampliação do monitoramento da qualidade do ar, implantação de sistemas de alerta precoce e fortalecimento da rede de atenção às doenças respiratórias durante os períodos críticos de queimadas. Outros municípios também apresentaram recorrência de clusters alto-alto em diferentes anos do período analisado, como San Joaquín e Puerto Siles, em Beni, além de Bujari, Capixaba, Plácido de Castro, Senador Guiomard e Porto Acre, no Acre, e Ingavi, Santos Mercado e Nueva Esperanza, em Pando, indicando áreas que também demandam atenção prioritária em saúde ambiental.
Observou-se associação positiva entre a velocidade do vento e a concentração de PM2,5 ao longo das semanas neste estudo. Em contraste, pesquisa em quatro municípios do Rio Grande do Sul mostrou correlação negativa significativa entre velocidade do vento e PM2,5 /PM1028. Resultados semelhantes foram encontrados na área metropolitana de Lima-Callao (Peru)29 e em Bahia Blanca (Argentina)30, onde a velocidade do vento esteve negativamente associada às concentrações. Por outro lado, outro estudo em Bahia Blanca indicou que altas velocidades podem ressuspender partículas grossas e transportar PM10 a longas distâncias, associadas a ventos que trazem poeira mineral de áreas desérticas e queimada de biomassa31. Esses achados indicam que a velocidade do vento pode atuar de formas distintas: favorecendo o transporte a distância e, simultaneamente, dispersando localmente, reduzindo concentrações em áreas específicas.
A associação positiva entre os níveis de PM2,5 no Brasil e na Bolívia está em consonância com a literatura, que destaca a persistência do poluente na atmosfera por dias a semanas e seu transporte a longas distâncias, afetando a qualidade do ar em regiões vizinhas32. No presente estudo, o modelo GLM identificou um efeito expressivo e imediato do PM2,5 transfronteiriço, com aumentos de até 10,96 vezes nas concentrações no Brasil associadas às da Bolívia, e de 18,51 vezes no sentido oposto, especialmente no lag 0. Esse impacto agudo é coerente com a natureza do desfecho analisado, que não se refere a eventos de saúde, mas sim ao próprio nível de PM2,5 no país vizinho, refletindo diretamente a contribuição do poluente transportado.
Em contraste, o DLNM evidenciou efeitos mais diluídos no tempo, porém significativos, com impactos mais intensos nas primeiras semanas e prolongando-se até a terceira semana na Bolívia. Ao permitir a modelagem da exposição de forma distribuída, o DLNM forneceu estimativas mais compatíveis com os padrões esperados de transporte e acúmulo do poluente, com maior robustez interpretativa do ponto de vista epidemiológico.
O efeito mais expressivo e prolongado do PM2,5 proveniente da Bolívia sugere uma relação com a predominância de ventos em direção ao Brasil e à maior velocidade do vento, fatores que potencializam a dispersão do PM2,5 para o país vizinho. Estudos apontam que, durante eventos de poluição regional, o deslocamento de poluentes entre áreas urbanas e rurais é comum e pode representar uma parcela significativa das concentrações locais de PM2,5, como observado no norte da China, onde o transporte chegou a representar cerca de 15% a 28% da concentração total33.
Esses dados reforçam o alcance da poluição atmosférica transfronteiriça e evidenciam a importância de sistemas de alerta precoce integrados, bem como de estratégias de cooperação em saúde pública entre países vizinhos, especialmente em regiões de fronteira, como o Acordo da Associação das Nações do Sudeste Asiático (ASEAN) sobre Poluição Transfronteiriça por Neblina que mesmo com países integrantes com pouca infraestrutura de monitoramento da qualidade do ar realizam esforços conjuntos para mitigar a situação34.
Na região amazônica sul-americana, algumas iniciativas de cooperação internacional já vêm sendo desenvolvidas, como a Rede Amazônica de Manejo Integrado do Fogo e o Observatório Regional Amazônico, vinculados à Organização do Tratado de Cooperação Amazônica (OTCA), com foco no monitoramento ambiental, controle de queimadas e mudanças climáticas35. Entretanto, essas estratégias ainda apresentam limitada integração com sistemas de vigilância em saúde e monitoramento dos impactos da poluição atmosférica sobre a população exposta, além da ausência de protocolos conjuntos permanentes para monitoramento do PM2,5, implementação coordenada de medidas preventivas, sistemas de alerta precoce e respostas integradas. Nesse contexto, os achados deste estudo reforçam a necessidade de fortalecimento da governança ambiental transfronteiriça, incorporando ações binacionais integradas de vigilância da qualidade do ar e preparação dos serviços de saúde em regiões de fronteira.
O fortalecimento de ações conjuntas entre os países e o incentivo as medidas de mitigação dos incêndios podem melhorar a qualidade de ar local que impacta na saúde das populações. Em um estudo realizado na China analisando o impacto de um plano quinquenal para poluição atmosférica as concentrações de PM2,5 nas regiões de fronteira foram reduzidas em 3,5% demonstrando a importância da política ambiental macrorregional no controle de poluição nas fronteiras36. Os impactos à saúde relacionados a PM2,5 e O3 transfronteiriços na fronteira entre Canadá e Estados Unidos (EUA) variam na região, com os maiores impactos ocorrendo de 200 a 300 km da fronteira, sendo que 5 mortes por PM2,5 no Canadá são atribuíveis a fontes nos EUA sugerindo benefícios em estratégias internacionais de redução de PM2,5 transfronteiriço37.
As populações da américa latina continuam com exposição crescente às mudanças climáticas, com tendência de aquecimento e mudanças nos ecossistemas, levando a um risco maior de incêndios florestais, sendo que as políticas de adaptação da região continuam fracas, com colaboração entre setores meteorológicos e saúde insuficiente com apenas Argentina, Brasil, Colômbia e Guatemala relatando algum nível de integração12. Em um estudo com análise espaço-temporal e PM2,5 no noroeste da América do Sul verificou-se que a maioria das cidades da região tem altos níveis de PM2,5 associados a incêndios florestais e emissões locais, cumprindo as diretrizes locais de emissão, mas não as da Organização Mundial de Saúde. Além disso, cidades com políticas de controle mais eficazes como Bogotá e Medellín tinham tendencia anual decrescente de material particulado fino38.
Este estudo traz elementos metodológicos e temáticos importantes que contribuem para o desenvolvimento e o aprimoramento do campo da saúde ambiental ao investigar os efeitos do PM2,5 em uma região transfronteiriça entre Brasil e Bolívia, um recorte geográfico amplamente negligenciado na literatura. Diferentemente da maior parte dos estudos internacionais sobre transporte atmosférico de poluentes, concentrados em regiões asiáticas, este trabalho foca na América do Sul, onde ainda há escassez de investigações integrando dados ambientais e desfechos em saúde.
Do ponto de vista metodológico, a integração de gráficos pollution roses para análise da direção dos ventos, do GLM para captar efeitos pontuais e agudos, e do DLNM para identificar relações temporais complexas, constituiu uma abordagem complementar e eficaz. A comparação dos dois modelos reforça a utilidade do DLNM para avaliar o impacto acumulado da exposição, enquanto o GLM pode captar com maior sensibilidade os efeitos imediatos da contribuição transfronteiriça em semanas críticas.
A adoção dessas estratégias metodológicas oferece uma alternativa viável e eficaz para análises em regiões com menor infraestrutura de monitoramento e, ao mesmo tempo, reforça a importância de se ampliar o olhar científico para os efeitos ambientais em áreas de fronteira, que compartilham riscos, mas frequentemente são tratadas como unidades isoladas. Este estudo oferece uma base promissora para futuras investigações sobre o transporte atmosférico de poluentes em diferentes regiões, podendo ser ampliado para incluir distintas condições meteorológicas e avaliar os efeitos de longo prazo.
Com relação às limitações do estudo, destaca-se a possibilidade da reprodução de vieses presentes no uso de dados de sensoriamento remoto devido à ausência de estações de monitoramento local de qualidade do ar na região, porém os dados de reanálise do Copernicus são validados e amplamente utilizados nas pesquisas ambientais39,40. Além disso, embora os produtos de reanálise utilizados estimem concentrações de PM2,5 próximas à superfície terrestre, a dinâmica vertical dos aerossóis pode variar conforme condições meteorológicas, altitude, relevo e estabilidade atmosférica, influenciando a dispersão e a exposição real das populações ao nível do solo. Características topográficas podem modificar padrões locais de circulação do ar e favorecer maior acúmulo ou dispersão de poluentes em determinadas áreas. Dessa forma, estudos futuros incorporando variáveis topográficas, modelagem vertical da atmosfera e medições terrestres locais poderão contribuir para estimativas mais precisas da exposição humana ao PM2,5.
Outra limitação é que pode haver outras fontes de poluição locais influenciando os níveis de poluentes e confundindo a análise, sendo adotada a seleção das semanas com aumento das queimadas na região como restrição na etapa do desenho e a modelagem estatística também oferece essa estratificação para o controle do confundimento. Além disso, o estudo se limita a uma região fronteiriça específica sendo importante mais estudos para comparar outras regiões de fronteira.


Conclusão

Os resultados evidenciam a influência do transporte transfronteiriço de poluentes na saúde pública e a necessidade de cooperação entre países para mitigar a poluição do ar. A identificação do impacto do PM2,5 da Bolívia sobre o Brasil, e vice-versa, reforça a urgência de ações conjuntas para monitorar e controlar as emissões atmosféricas. Ampliar a rede de estações de monitoramento terrestre é essencial para estimar com precisão as concentrações e origens do PM2,5. Apesar dos avanços no sensoriamento remoto, com maior resolução e cobertura, ainda persistem lacunas e incertezas regionais41, o que reforça a importância da medição direta em campo.
Os achados possuem implicações diretas para a saúde pública, especialmente em regiões com maior vulnerabilidade socioambiental e menor estrutura de vigilância ambiental. Municípios localizados em clusters persistentes de alta concentração de PM2,5 podem apresentar maior risco de agravamento de doenças respiratórias e cardiovasculares durante os períodos de queimadas, aumentando a demanda por atendimentos de urgência, internações hospitalares e sobrecarga dos serviços de saúde. Nesse sentido, estratégias de preparação sazonal da rede assistencial, associadas a sistemas integrados de monitoramento ambiental e alerta precoce, podem contribuir para redução dos impactos sanitários relacionados à exposição à fumaça.
A poluição do ar ultrapassa fronteiras, exigindo o fortalecimento de acordos internacionais. A criação de protocolos para redução de emissões e a implementação de sistemas binacionais de alerta são medidas urgentes. Nesse contexto, as cidades-gêmeas Guajará-Mirim (Brasil) e Guayaramerín (Bolívia), identificadas como hotspots persistentes de PM2,5 ao longo do período analisado, configuram-se como áreas estratégicas para implantação piloto de ações integradas de vigilância em saúde ambiental na fronteira.
Incentivar tecnologias limpas, intensificar a fiscalização de queimadas e adotar políticas ambientais mais rigorosas são ações cruciais para reduzir a exposição populacional a poluentes. Este estudo não apenas contribui para o avanço científico sobre os efeitos transfronteiriços do PM2,5, como também reforça a urgência de estratégias integradas entre nações, voltadas à proteção ambiental e à promoção da saúde e da qualidade de vida.

Agradecimentos
Ao Programa Educacional Vigi-Fronterias-Brasil/Fiocruz.
Financiamento
O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Código de Financiamento 001.
Declaração de Disponibilidade de Dados
Os bancos de dados utilizados no artigo, incluindo os códigos de extração, análises e
resultados estão disponíveis em repositório: (https://doi.org/10.48331/SCIELODATA.Z9GEOB).
Referências
1. World Health Organization (WHO). WHO Ambient Air Quality Database, 2022 Update: Status Report [Internet]. WHO, 2023 [citado 2023 set 08]. 34p. Disponível em: https://www.who.int/publications/i/item/9789240047693.
2. World Health Organization (WHO). WHO global air quality guidelines [Internet]. WHO, 2021 [cidado 2023 set 08]. 290p. Disponível em: https://www.who.int/publications/i/item/ 9789240034228.
3. Santos DADS, Azevedo PVD, Olinda RD, Souza AD, Azevedo JVVD, Silva MSD, et al. Influência das Variáveis Climáticas na Hospitalização por Pneumonia em Crianças Menores de Cinco Anos em Rondonópolis-MT. Rev Bras Geog Fis. 2016 Mar 15;9(2):413.
4. Linh BD, Le HA, Truong NX. Physico-chemical properties and transboundary transport of PM2.5 in Bien Hoa City, Dong Nai Province, Southeastern Vietnam. Environ Sci Pollut Res. 2022 Dez 23;30(13):36533–44.
5. Liu J, Yao F, Chen H, Zhao H. Quantifying the Source–Receptor Relationships of PM2.5 Pollution and Associated Health Impacts among China, South Korea, and Japan: A Dual Perspective and an Interdisciplinary Approach. Environ Health Perspect. 2025 Abr;133(3–4):047011.
6. Caumo S, Gioda A, Da Silva Carreira R, Jacobson LDSV, Hacon SDS. Impactos na saúde humana causados pela exposição a incêndios florestais: as evidências obtidas nas últimas duas décadas. RBClima. 202 Feb 16;30:182–218.
7. Inlaung K, Chotamonsak C, Macatangay R, Surapipith V. Assessment of Transboundary PM2.5 from Biomass Burning in Northern Thailand Using the WRF-Chem Model. Toxics. 2024 Jun 26;12(7):462.
8. Chang X, Wang S, Zhao B, Xing J, Liu X, Wei L, et al. Contributions of inter-city and regional transport to PM2.5 concentrations in the Beijing-Tianjin-Hebei region and its implications on regional joint air pollution control. Sci Total Environ. 2019 Apr;660:1191–200.
9. Jun MJ, Gu Y. Effects of transboundary PM2.5 transported from China on the regional PM2.5 concentrations in South Korea: A spatial panel-data analysis. Xu Y, organizador. PLoS ONE. 2023 Apr 13;18(4):e0281988.
10. Sharma S, Sharma R, Sahu SK, Kota SH. Transboundary sources dominated PM2.5 in Thimphu, Bhutan. Int J Environ Sci Technol 2022 Jun;19(6):5649–58.
11. Singh M, Zhu X. Analysis of how the spatial and temporal patterns of fire and their bioclimatic and anthropogenic drivers vary across the Amazon rainforest in El Niño and non-El Niño years. PeerJ. 2021 Oct 7;9:e12029.
12. Hartinger SM, Palmeiro-Silva YK, Llerena-Cayo C, Blanco-Villafuerte L, Escobar LE, Diaz A, et al. The 2023 Latin America report of the Lancet Countdown on health and climate change: the imperative for health-centred climate-resilient development. Lancet Reg Health Am. 2024 May;33:100746.
13. Brasil. Lei nº 6634 de 2 de maio de 1979. Dispõe sobre a Faixa de Fronteira, altera o Decreto-lei nº 1.135, de 3 de dezembro de 1970, e dá outras providências. Diário oficial da união 1979; 02 may.
14. Bolívia. Ley de Desarrollo y Seguridad Fronteriza de 4 de abril de 2011. Gaceta Oficial del Estado Plurinacional de Bolívia 2011; 04 apr.
15. Carslaw DC, Ropkins K. openair — An R package for air quality data analysis. Environ Model Softw. 2012 Jan;27–28:52–61.
16. Anselin L. Global spatial autocorrelation [Internet]. GeoDa Workbook. 2020 [citado 7 feb. 2025]. Disponível em: https://geodacenter.github.io/workbook/5a_global_auto/lab5a.html.
17. Junior RAM, Júnior RSDS, Coelho SMSDC, Medina BL. Estudo da dispersão de monóxido de carbono emitido por queimadas na Amazônia legal em 19 agosto de 2010 baseado em: simulações do modelo WRF-CHEM e sensoriamento remoto. CeN. 2015 Mar 7;37(0):144–52.
18. Beal A, Martins JA, Rudke AP, De Almeida DS, Da Silva I, Sobrinho OM, et al. Chemical characterization of PM2.5 from region highly impacted by hailstorms in South America. Environ Sci Pollut Res. 2022 Jan;29(4):5840–51.
19. Valencio, NFLS. Paula, EA. Witkoski, AC. Pinto, MCOBS. Morais, MJ. Lima, JC. (Orgs.). Processos de territorialização e identidades sociais. São Paulo, Acre, Manaus: RiMa, EDUFAC, EDUA; 2010.
20. Mascarenhas MDM, Vieira LC, Lanzieri TM, Leal APPR, Duarte AF, Hatch DL. Poluição atmosférica devida à queima de biomassa florestal e atendimentos de emergência por doença respiratória em Rio Branco, Brasil - Setembro, 2005. J bras pneumol. 2008 Jan;34(1):42–6.
21. Casallas A, Castillo-Camacho MP, Guevara-Luna MA, González Y, Sanchez E, Belalcazar LC. Spatio-temporal analysis of PM2.5 and policies in Northwestern South America Sci Total Environ. 2022 Dec;852:158504.
22. Santos FSD, Pinto JA, Maciel FM, Horta FS, Albuquerque TTDA, Andrade MDF. Avaliação da influência das condições meteorológicas na concentração de material particulado fino (MP2,5) em Belo Horizonte, MG. Eng Sanit Ambient. 2019 Apr;24(2):371–81.
23. Qi G, Wei W, Wang Z, Wang Z, Wei L. The spatial-temporal evolution mechanism of PM2.5 concentration based on China’s climate zoning. J Environ Manage. 2023 Jan;325:116671.
24. Wang J, Li R, Xue K, Fang C. Analysis of Spatio-Temporal Heterogeneity and Socioeconomic driving Factors of PM2.5 in Beijing–Tianjin–Hebei and Its Surrounding Areas. Atmosphere. 2021 Oct 10;12(10):1324.
25. De Lima Da Vida Pellenz J, Puchale CL. Qualidade ambiental e seus condicionantes: uma análise multivariada para os municipios do Río Grande do Sul. Estud econ. 2021 Sep 25;35(71):5–24.
26. Hoffmann L, Gilardi L, Schmitz MT, Erbertseder T, Bittner M, Wüst S, et al. Investigating the spatiotemporal associations between meteorological conditions and air pollution in the federal state Baden-Württemberg (Germany). Sci Rep. 2024 Mar 12;14(1):5997.
27. Su Z, Lin L, Chen Y, Hu H. Understanding the distribution and drivers of PM2.5 concentrations in the Yangtze River Delta from 2015 to 2020 using Random Forest Regression. Environ Monit Assess 2022 Apr;194(4):284.
28. Santos JEK, Tavella RA, De Lima Brum R, Ramires PF, Da Silva LDS, Filho WLFC, et al. PM2.5 /PM10 ratios in southernmost Brazilian cities and its relation with economic contexts and meteorological factors. Environ Monit Assess. 2025 Jan 24;197(2):191.
29. Espinoza-Guillen JA, Alderete-Malpartida MB, Navarro-Abarca UF, Gómez-Muñoz HK. Temporal variation of the PM2.5 /PM10 ratio and its association with meteorological factors in a South American megacity: Metropolitan Area of Lima-Callao, Peru. Environ Monit Assess. 2024 May;196(5):452.
30. Grassi YS, Díaz MF. Urban air pollution evaluation in downtown streets of a medium-sized Latin American city using AERMOD dispersion model. Environ Monit Assess. 2024 May 7;196(6):521.
31. La Colla NS, Salvador P, Botté SE, Artíñano B. Air quality and characterization of synoptic circulation weather patterns in a South American city from Argentina. J Environ Manage. 2024 Feb;351:119722.
32. Kim HJ, Choi MG, Park MK, Seo YR. Predictive and Prognostic Biomarkers of Respiratory Diseases due to Particulate Matter Exposure. J Cancer Prev. 2017 Mar 30;22(1):6–15.
33. Zhang H, Wang X, Lv L, Li G, Liu X, Li X, et al. Insights into quantitative evaluation technology of PM2.5 transport at multi–perspective and multi–spatial and temporal scales in the north China plain. Environ Pollut. 2023 Dec;338:122693.
34. Cheong KH, Ngiam NJ, Morgan GG, Pek PP, Tan BYQ, Lai JW, et al. Acute Health Impacts of the Southeast Asian Transboundary Haze Problem—A Review. IJERPH. 2019 Sep 6;16(18):3286.
35. Rodovalho F, Alencar A, Berlinck CN, organizadores. Fronteiras do fogo: um panorama do fogo na região amazônica. Brasília: Organização do Tratado de Cooperação Amazônica; 2025.
36. Lin W, Lin K, Du L, Du J. Can regional joint prevention and control of atmospheric reduce border pollution? Evidence from China’s 12th Five-Year Plan on air pollution. J Environ Manage. 2023 Sep;342:118342.
37. Pappin AJ, Charman N, Egyed M, Blagden P, Duhamel A, Miville J, et al. Attribution of fine particulate matter and ozone health impacts in Canada to domestic and US emission sources. Sci Total Environ. 2024 Jan;909:168529.
38. Casallas A, Castillo-Camacho MP, Guevara-Luna MA, González Y, Sanchez E, Belalcazar LC. Spatio-temporal analysis of PM2.5 and policies in Northwestern South America. Sci Total Environ. 2024 Dec;852:158504.
39. Jin C, Wang Y, Li T, Yuan Q. Global validation and hybrid calibration of CAMS and MERRA-2 PM2.5 reanalysis products based on OpenAQ platform. Atmos Environ. 2022 Apr;274:118972.
40. Ramonet M, Langerock B, Warneke T, Eskes HJ. Validation report of the CAMS greenhouse gas global reanalysis, years 2003-2020. 2021 [citado 18 de junho de 2025]; Disponível em: https://atmosphere.copernicus.eu/sites/default/files/2021-04/CAMS84_2018SC3_D5.1.2-2020.pdf
41. Zhang T, He W, Zheng H, Cui Y, Song H, Fu S. Satellite-based ground PM2.5 estimation using a gradient boosting decision tree. Chemosphere.