A meteorologia ambiental enfrenta diversos desafios nas questões de caracterização de fontes de emissão de poluição atmosférica, e no aprimoramento dos resultados de modelos receptores. Vindo da geofísica, o campo do magnetismo ambiental traz novas perspectivas sobre a poluição do ar através da aplicação de técnicas de magnetismo de rocha em amostras de material particulado. Sob luz desta oportunidade, unimos as duas áreas para explorar a poluição da maior metrópole da América Latina, São Paulo. Com um experimento de medidas de material particulado coletado no interior de túneis em São Paulo em 2018, quantificamos as emissões de material particulado da frota de veículos leves e pesados da cidade e definimos novos elementos característicos para emissões de escape (veículos leves: Ni, Se, Pb, As, U, Sr e Tl no MP2,5, Mg, Na, Ni, Cd e Pb no MP10, pesados: Rb, Cd, Pb, Sn, Co, Ce, Mn e Ni no MP2,5), desgaste de freios (leves: Fe, Mn, Sn e Ba no MP2,5, Mn, Sn, Ba, Bi, Ti e Zn no MP10, pesados: Zn, Al, B e Ba no MP2,5) e pneus (leves: V, Bi, Ti, Sb, Co, La, Rb e Ce no MP2,5, Co, As, Sb, Ce, V e La no MP10, pesados: U, sulfato, amônio, V, nitrato, La, Na e Se no MP2,5, B, nitrato, La, V, amônio e sulfato no MP10). Analisamos as características magnéticas das emissões da frota veicular e encontramos três populações de grãos magnéticos distintas, uma composta de metais ultrafinos com diâmetros entre 15 e 20 nm (considerando a composição de hematita), outra com coercividade magnética de 223,4 mT relacionada com emissões de fundo urbano, e outra com coercividade mais alta de 1040,1 mT diretamente relacionada com emissões veiculares. Com esta informação, utilizamos modelos receptores progressivamente complexos (análise de componentes principais, análise de fatores, fatoração de matriz não-negativa e o positive matrix factorization da EPA) em dados de uma campanha intensiva de coleta de material particulado realizada no campus da Universidade de São Paulo no Butantã, em 2019. Comparamos estatisticamente os perfis de fontes encontradas pelos modelos com inventários internacionais (SPECIATE e SPECIEUROPE) utilizando o programa DeltaSA do JRC. Por fim, desenvolvemos uma medida magnética que separa a massa de ferro entre as duas populações coercivas encontradas no experimento anterior para auxiliar a interpretação das fontes obtidas com os modelos receptores. Quantificamos as principais fontes de emissão da cidade como 24% veículos leves movidos à gasolina e veículos pesados movidos à diesel, 10% veículos leves movidos à etanol, 14% potencial atividade industrial, 27% ressuspensão de poeira do solo e 21% queima de biomassa e lixo. Por fim exploramos as novas tecnologias aplicando um modelo de aprendizado profundo nos dados de uma rede de monitoramento de baixo custo, demonstrando a possibilidade de utilizar estas novas tecnologias para ampliar a representatividade de estudos ambientais. Concluímos que as aplicações de magnetismo ambiental têm alto potencial como traçadores de fontes de emissão de poluentes atmosféricos, que novas tecnologias de baixo custo e aprendizado de máquina são ferramentas com muita aplicabilidade na meteorologia ambiental e que, mais do que nunca, a frota veicular precisa ser o ponto focal de políticas públicas para redução da poluição do ar em São Paulo.

Environmental meteorology faces several challenges in terms of characterizing atmospheric pollution emission sources and improving the results of receptor models. Coming from geophysics, the field of environmental magnetism brings new perspectives on air pollution in its applications of rock magnetism techniques to samples of airborne particulate matter. Considering this opportunity, we unite the two areas to explore the pollution of the largest metropolis in Latin America, São Paulo. With an experiment inside tunnels, we quantified particulate matter emissions from the city's fleet of light and heavy vehicles and defined new characteristic elements for exhaust emissions (light vehicles: Ni, Se, Pb, As, U, Sr and Tl in PM2.5, Mg, Na, Ni, Cd and Pb in PM10, heavy: Rb, Cd, Pb, Sn, Co, Ce, Mn and Ni in PM2.5), brake wear (light: Fe, Mn, Sn and Ba in PM2.5, Mn, Sn, Ba, Bi, Ti and Zn in PM10, heavy: Zn, Al, B and Ba in PM2.5) and tires (light: V, Bi, Ti, Sb, Co, La, Rb and Ce in PM2.5, Co, As, Sb, Ce, V and La in PM10, heavy: U, sulfate, ammonium, V, nitrate, La, Na and Se in PM2.5, B, nitrate, La, V, ammonium and sulfate in PM10). We analyzed the magnetic characteristics of emissions from the vehicle fleet and found three distinct populations of magnetic grains, one composed of ultrafine metals with diameters between 15 and 20 nm (considering the composition of hematite), another with magnetic coercivity of 223.4 mT related to emissions of urban background, and another with a higher coercivity of 1040.1 mT directly related to vehicle emissions. With this information, we used progressively complex receptor models (principal component analysis, factor analysis, non-negative matrix factorization and EPA's positive matrix factorization) with data from an intensive particulate matter collection campaign carried out on the university campus. We statistically compared the source profiles found by the models with international inventories (SPECIATE and SPECIEUROPE) using the JRC DeltaSA program. Using the same statistical methodology, we compared the results with the vehicle profiles from the previous experiment. Finally, we developed a magnetic measure that separates the iron mass between the two coercive populations found in the previous experiment to aid model interpretation. We quantified the city's main emission sources as 24% light vehicles powered by gasoline and heavy vehicles powered by diesel, 10% light vehicles powered by ethanol, 14% potential industrial activity, 27% resuspension of soil dust and 21% biomass burning and garbage. Finally, we explore new technologies by applying a deep learning model to data from a low-cost monitoring network, demonstrating the possibility of using these new technologies to expand the representativeness of environmental studies. We conclude that environmental magnetism applications have high potential as tracers of air pollutant emission sources, that new low-cost technologies and machine learning are tools with great applicability in environmental meteorology and that, more than ever, the vehicle fleet needs be the focal point of public policies to reduce air pollution in São Paulo.