4.3 ESPECTROSCOPIA FTIR-ATR EM PROPRIEDADES DE CARVÃO VEGETAL
4.3.3 Teor de Cinzas
A Tabela 7 apresenta as estatísticas dos modelos FTIR-ATR para teor de cinzas. Neste caso, o modelo PLS completo apresentou resultados melhores do que os modelos de seleção de comprimento de onda (iPLS, GA e SPA).
Tabela 7 - Resultados para o conjunto de calibração e validação externa para teor de cinzas (%): erro quadrático médio de validação cruzada (RMSECV) e previsão (RMSEP), coeficiente de correlação para o conjunto de calibração (rc) e conjunto de predição (RP) e o número de variáveis espectrais utilizadas (tamanho). O número de variáveis latentes nos modelos PLS, iPLS, PLS-SPA e PLS-GA são representados entre parênteses
Modelos Calibração Predição
rc RMSECV (%) rp RMSEP (%) tamanho
PLS (7) 0,72 1,00 0,34 0,65 1666 PLS (8)a 0,73 0,97 0,20 0,76 1662 PLS (3)b 0,62 1,11 0,79 0,81 1664 PLS (3)c 0,64 1,10 0,88 0,71 1658 PLS (6)d 0,75 0,96 0,65 0,46 1662 PLS (5)e 0,73 1,00 0,38 0,63 1666 iPLS (3) 0,65 1,13 0,65 0,57 166 iPLS (5) 0,53 1,33 0,01 1,42 831 SPA (5) 0,68 1,09 0,34 0,65 20 GA (9) 0,89 0,63 0,67 0,48 413 PLS (8) f 0,83 0,77 0,74 0,41 1662 PLS (8)g 0,89 0,58 0,75 0,38 1662
asuavização (5 pontos); bprimeira derivada (3 pontos); csuavização (5 pontos), primeira derivada (5 pontos) e MSC; d suavização (5 pontos) e MSC; e MSC; f primeira aplicação de detecção de outliers; gsegunda aplicação de detecção de outliers.
O coeficiente de correlação para o conjunto de previsão foi de 0,01 a 0,88. O número de VL utilizado para os modelos PLS, iPLS, SPA e GA usando espectros FTIR-ATR para teor de cinzas variou entre 3 e 9. O melhor modelo encontrado para teor de cinzas foi obtido utilizando PLS completo após a segunda exclusão de outliers, suavização (janela de 5 pontos) e MSC como métodos de pré-processamento. Quando 1662 variáveis espectrais foram usadas para construir os modelos de PLS completo (8), um coeficiente de correlação de 0,75 foi alcançado paro o conjunto de previsão.
Estes resultados foram corroborados pelo gráfico previsto em relação aos valores de referência obtidos pelo PLS completo, (Figura 8a). Além disso, para se obter uma melhora dentro da capacidade de previsão para este modelo PLS completo, o modelo não foi significativamente diferente, utilizando amostras de predição para teor de cinzas, quando comparados com os valores de referência de acordo com o teste t pareado (tcalculado = 0,39, tcritico = 2,09, 95% de nível de confiança). Por último, o modelo PLS completo para o teor de cinzas foi submetido ao teste de normalidade univariada Q-Q trama, indicando uma distribuição normal dos dados univariados (Figura 8b). Portanto, foi concluído também que o conjunto de dados pode ser multivariado normalmente distribuído.
Figura 8 – (a) Medida de concentração de previsão contra a concentração de referência de amostras de calibração e validação do teor de cinzas em carvões vegetais, utilizando modelo PLS completo após o teste de outliers, (○) conjunto de calibração e (●) conjunto de previsão; (b) Quantil-quantil (QQ) distribuição normal para teor de cinzas.
5 CONCLUSÃO
Neste estudo, o uso da técnica FTIR-ATR junto a métodos de calibração multivariada demonstraram que os teores de carbono fixo, matérias voláteis e cinzas correspondem aos valores reais, ou seja, os resultados indicam que essa metodologia é capaz de fornecer resultados compatíveis com o método de referência. Com isso, pode-se concluir que a FTIR- ATR é uma técnica muito promissora para a quantificação não destrutiva de parâmetros importantes em carvões vegetais. Uma vantagem do método ATR aplicado a amostras de carvão vegetal é que o mesmo pode ser usado sem qualquer preparação da amostra, reduzindo assim o tempo de análise e os custos. Os modelos PLS completos desenvolvidos para cada parâmetro pode ser útil para monitorar a qualidade do carvão vegetal nas indústrias de aço, por exemplo. Os modelos foram validados pelas validações cruzadas e testes estatísticos independentes. Os resultados apresentados neste estudo forneceram uma visão analítica detalhada dos dados reais FTIR-ATR e que poderia ser aplicada a outros sinais espectrais.
REFERÊNCIAS BIBLIOGRÁFICAS
ABRAF – Brazilian Society of Planted Forests Producers Statistical Yearbook, 2012.
Associação brasileira de produtores de florestas plantadas. Anuário Estatístico da ABRAF 2013. Ano base 2012. Brasília-DF. 142 p. 2013.
ASTM International Annual Book of ASTM Standards, Standard Practices for Infrared Multivariate Quantitative Analysis - E1655-00. West Conshohocken, Pennsylvania, USA. 2000.
ANDRADE, A. M. Efeitos da fertilização mineral e da calagem na produção e na
qualidade da madeira e do carvão de eucalipto. 1993. 105p. Tese (Doutorado em Ciência
Florestal) - Universidade Federal de Viçosa, Viçosa, 1993.
ANDRADE, P. R. Espectroscopia no infravermelho próximo para predizer propriedades
da madeira e do carvão de plantio clonal de Eucalyptus sp. 2009. 107p. Dissertação
(Mestrado em Ciência e Tecnologia da Madeira) – Universidade Federal de Lavras, Lavras, MG, 2009.
BRANDÃO, D. S. Aplicação da espectroscopia NIR, associada à técnicas de calibração
multivariada, na determinação da composição química do solvente utilizado na Produção de isopreno. 2012. 124p. Dissertação (Mestrado em Química) Universidade
Federal da Bahia. 2012.
BRITO, J.O. Princípios de produção e utilização de carvão vegetal de madeira. Documentos
Florestais, Piracicaba-SP, v. 9, 14 p. 1990.
BRITO, J. O. O uso energético da madeira. Estudos Avançados, v.21, n. 59, 9 p. 2007.
CARNEIRO, M. E. Classificação de lâminas de madeira de Pinus spp por
espectroscopia óptica. 2008. 96 p. Dissertação (Mestrado em Engenharia Florestal) Centro
de Ciências Agrárias – Universidade Federal do Paraná, 2008.
CÔCCO, L.C. Previsão de propriedades físico-químicas e composição química
da gasolina a partir de espectros no infravermelho. 2008. 828 p. Tese (Doutorado em
Engenharia) – Centro de Ciências Agrárias – Universidade Federal do Paraná, Curitiba, 2008.
CORRÊA, A. A. Conversão Química de Madeiras da Amazônia: Carvão e Briquetes de Carvão Vegetal. Acta Amazônica, v.18, n 1/2, p.93-108, 1988.
COSTA FILHO, P. A.; POPPI, R. J. Algoritmo genético em química. Química Nova, Campinas-SP, V. 23, n. 3, 7 p. 1999.
COSTA FILHO, P. A.; POPPI, R. J. Aplicação de algoritmos genéticos na seleção de variáveis em espectroscopia no infravermelho médio. Determinação simultânea de glicose, maltose e frutose. Química Nova, V. 25, N. 1, p. 46-52, 2002.
COSTA FILHO, P. A. Estudo comparativo entre técnicas de inteligência artificial e
modelos lineares em determinações quantitativas no infravermelho próximo. 2003. 215p.
Tese (Doutorado em Química) Universidade Estadual de Campinas. 2003.
COSTA JÚNIOR, D. S. Avaliação físico-química do carvão das espécies Eucalyptus
grandis Hill (ex Maiden) e Eucalyptus saligna Smith proveniente de plantios no Rio de Janeiro. 2013. 41p. Monografia (Graduação em Engenharia Florestal) - Universidade Federal
de Campina Grande. 2013.
DANTAS FILHO, H. A.; GALVÃO, R. K. H.; ARAÚJO, M. C. U.; SILVA, E. C.; SALDANHA, T. C. B.; JOSÉ, G. E.; PASQUINI, C.; RAIMUNDO JR., I. M.;
ROHWEDDER, J. J. R. A Strategy for selecting calibration samples for multivariate
modeling, Chemometrics and Intelligent Laboratory Systems. v.72, p.83-91, 2004.
FERRÃO, M. F.; CARVALHO, C. W.; MÜLLER, E. I.; DAVANZO, C. U. Determinação simultânea dos teores de cinza e proteína em farinha de trigo empregando NIRR-PLS e DRIFT-PLS. Ciência e Tecnologia de Alimentos, Campinas, V. 24, p. 333-340, 2004.
FERRARESI, T. M. Espectroscopias de infravermelho próximo e médio na quantificação
de atributos do solo, com ênfase na matéria orgânica e na biomassa microbiana.
2010.121p. Dissertação (Mestrado em Ciências) Universidade de São Paulo, 2010.
FERREIRA, M. M. C.; ANTUNES, A. M.; MELGO, M. S.; VOLPE, P. L. O., Quimiometria I: calibração multivariada, um tutorial. Química Nova, São Paulo, v. 22, n.5, p.724-731, 1999.
GALVÃO, R. K. H.; ARAÚJO, M. C. U.; JOSÉ, G. E.; PONTES, M. J. C.; SILVA, E. C.; SALDANHA, T. C. B.; A method for calibration and validation subset partitioning. Talanta, v. 67, p. 736-738, 2005.
GEMPERLINE, P.J. Practical Guide To Chemometrics. Second Edition. 552 p. 2006.
GOMES, M. T. M.; Potencialidades de inserção do carvão vegetal em bolsas de
mercadoria. 2006. 88 p. Dissertação (Mestrado em Ciências Florestais) - Universidade
Federal de Viçosa, Viçosa-MG, 2006.
GUERRERO, J. A. S.; SUÁREZ, L. L.; GUDWIN, R. R. Análise da Importância de Parâmetros em um Algoritmo Genético por meio de sua Aplicação no Aprendizado de uma Rede Neural. Anais do II ENIA, 6p. 1999.
HONORATO, F. A.; BARROS NETO, B.; MARTINS, M. N.; GALVÃO, R. K. H.;
PIMENTEL, M. F. Transferência de calibração em métodos multivariados. Química Nova, v. 30, n. 5, p.1301-1312, 2007.
HENDERSON, A. R. Testing experimental data for univariate normality. Clin Chim Acta, p. 112–29, 2006.
E. grandis e E. urophylla, para a produção de celulose, utilizando espectroscopia NIR.
2009. 142 p. Dissertação (Mestrado em Ciências Floretais) Universidade Federal de Viçosa. Viçosa – MG. 2009.
MOTA, F.C.M. Analysis of the chain production of Eucalyptus sp. charcoal in Brazil. Master Thesis, University of Brasília, 169 p. 2013.
NEVES, A. C. O. Espectroscopia no infravermelho próximo e métodos de calibração
multivariada aplicados à determinação de parâmetros bioquímicos em plasma sanguíneo. 2013. 109p. Dissertação (Mestrado em Química) Universidade Federal do Rio
Grande do Norte. 2013.
NOGUEIRA, L.A.H.; LORA, E.E.S.; TROSSERO, M.A.; FRISK, T. Dendroenergia: fundamentos e aplicações. ANEEL, Brasília-DF: 144p. 2000.
NORGAARD, L.; SAUDLAND, A.; WAGNER, J.; NIELSEN, J. P.; MUNCK, L; ENGELSEN, B. Interval partial least-square regression (iPLS): A comparative chemometric study with an example from near-infrared spectroscopy, Applied
Spectroscopy, v.54, n. 3, p. 413-419, 2000.
OLIVEIRA, A. C.; CARNEIRO, A. C. O.; VITAL, B. R.; ALMEIDA, W.; PEREIRA, B. L. C.; CARDOSO, M. T. Parâmetros de qualidade da madeira e do carvão vegetal de Eucalyptus
pellita F. Muell. Scientia Forestalis, Piracicaba-SP, v. 38, n. 87, p. 431-439, set. 2010.
OLIVEIRA, E. Características anatômicas, químicas e térmicas da madeira de três
espécies de maior ocorrência no semiárido nordestino. 2003. 122 p. Tese (Doutorado em
Ciências Florestais)-Universidade Federal de Viçosa, Viçosa, 2003.
OLIVEIRA, E.; VITAL, B. R.; PIMENTA, A. S.; LUCIA, R. M. D.; LADEIRA, A. M. M.; CARNEIRO, A. C. O. Estrutura anatômica da madeira e qualidade do carvão de Mimosa
tenuiflora (Willd.) Poir. R. Árvore, Viçosa-MG, v.30, n.2, p.311-318, 2006.
OLIVEIRA, M. C. P. P.Espectrofotometria no infravermelho por metodologia FTIR
(Fourier Transform Infrared): validação da análise do teor de uréia e de outros parâmetros de qualidade do Leite. 2011. 70p. Dissertação (Mestrado em Medicina
Veterinária) Universidade Federal de Minas Gerais, 2011.
PAES, J. B.; LIMA, C. R.; OLIVEIRA, E.; SANTOS, H. C. M. Rendimento e caracterização do carvão vegetal de três espécies de ocorrência no semiárido brasileiro. Ciência da Madeira
(Braz. J. Wood Sci.), Pelotas-RS, v. 3, n. 1, p. 01-10, 2012.
PIGOZZO, R. J. B. Espectroscopia de infravermelho próximo em madeiras neotropicais: aplicação na identificação e predição de propriedades físicas. São Paulo-SP. 2011.
RIBEIRO. P. G. Utilização de técnicas não destrutivas para caracterização
de madeiras de pinus caribaea var. hondurensis e de eucalyptus grandis. 2009.
114p. Dissertação (Mestrado em Engenharia Florestal) Universidade de Brasília. Brasília. 2009.
ROSSO, S. Predição das propriedades de Eucalyptus grandis Maiden por espectroscopia
no infravermelho próximo. 2010. 126p. Tese (Doutorado em Engenharia Florestal) -
Universidade Federal do Paraná, 2010.
SANTOS, R. C. Parâmetros de qualidade da madeira e do carvão vegetal de clones de
eucalipto. 2010. 175p. Tese (Doutorado em Ciência e Tecnologia da Madeira) – Universidade
Federal de Lavras, 2010.
SAVITZKY, A.; GOLAY, M. J. E. Smoothing and differentiation of data by simplified least square procedures. Analytical Chemistry, v.36, p.1627-1639, 1964.
TRUGILHO, P. F. A carbonização da madeira. Revista Opiniões. Ribeirão Preto – SP, 2008.
TRUGILHO, P. F.; SILVA, J. R. M.; MORI, F. A.; LIMA, J. T.; MENDES, L. M.; MENDES, L. F. B. Rendimentos e características do carvão vegetal em função da posição radial de amostragem em clones de Eucalyptus. Cerne, Lavras-MG, v. 11, n. 2, p. 178-186, 2005.
UHLIG, A.; GOLDEMBERG, J.; COELHO, S. T. O uso de carvão vegetal na indústria siderúrgica brasileira e o impacto sobre as mudanças climáticas. Revista Brasileira de
Energia, v. 14, n. 2, 2° Sem. p. 67-85, 2008.
VALDERRAMA, P. Avaliação de figuras de mérito em calibração multivariada na
determinação de parâmetros de controle de qualidade em indústria alcooleira por
espectroscopia no infravermelho próximo. 2005. 135p. Dissertação (Mestrado em Química)
Universidade Estadual de Campinas, Instituto de Química. 2005.
VALE, A. T.; NOGUEIRA. M. Carbonização de madeiras do Cerrado e análise do carvão vegetal. Revista Arvore, Viçosa-MG, v. 25, n. 2, p. 271-276, 2001.
ZENI, D. Determinação de cloridrato de propranolol em medicamentos por
espectroscopia no infravermelho com calibração multivariada. 2005. 64p. Dissertação
APÊNDICES
Apêndice A - Valores do teor de carbono fixo, erros absoluto e relativo calculados pelo método de referência e previstos pelo melhor modelo PLS, para o grupo de previsão das amostras de carvão vegetal.
Valores de referência Valores previstos pelo
modelo
Erro absoluto Erro relativo da
amostra (%) 74,40 77,83 -3,43 4,61 78,40 82,09 -3,69 4,70 77,30 77,90 -0,6 0,77 79,50 76,66 2,84 3,57 80,10 75,28 4,82 6,01 67,90 67,91 -0,01 0,01 76,50 77,25 -0,75 0,98 64,70 70,36 -5,66 8,74 74,80 76,45 -1,65 2,20 76,10 75,69 0,41 0,53 64,50 69,45 -4,95 7,67 81,20 80,04 1,16 1,42 77,60 76,95 0,65 0,83 86,30 82,86 3,44 3,98
Apêndice B - Valores do teor de matérias voláteis, erros absoluto e relativo calculados pelo método de referência e previstos pelo melhor modelo PLS, para o grupo de previsão das amostras de carvão vegetal.
Valores de referência Valores previstos
pelo modelo
Erro absoluto Erro relativo da
amostra (%) 24,60 23,59 1,01 4,10 20,10 18,17 1,93 9,60 26,40 26,53 -0,13 0,49 29,50 32,38 -2,88 9,76 22 21,14 0,86 3,90 34,30 29,49 4,81 14,02 21,20 24,40 -3,2 15,09 24,10 22,40 1,7 7,05 22,80 22,50 0,3 1,31 34,60 31,19 3,41 9,85 19,30 21,26 -1,96 10,15 28,90 27,65 1,25 4,32 13,10 13,55 -0,45 3,43 12,30 15,42 -3,12 25,36 34,20 27,59 6,61 19,32
Apêndice C - Valores do teor de cinzas, erros absoluto e relativo calculados pelo método de referência e previstos pelo melhor modelo PLS, para o grupo de previsão das amostras de carvão vegetal.
Valores de referência Valores previstos pelo
modelo
Erro absoluto Erro relativo da
amostra (%) 2 1,74 0,26 13 2,60 2,89 -0,29 11,15 1,90 1,90 0 0 2,10 2,01 0,09 4,28 1,60 1,65 -0,05 3,12 2,40 1,75 0,65 27,08 1,60 1,29 0,31 19,37 1,40 1,37 0,03 2,14 1,10 1,32 -0,22 20 1,10 1,57 -0,47 42,72 2,70 2,81 0,11 4,07 1,70 1,22 0,48 28,23 1 1,66 -0,66 66 2,70 1,79 0,91 33,70 3,80 3,60 0,2 5,26 1,40 1,30 0,1 7,14 1 0,93 0,07 7 1,10 1,35 -0,25 22,72 1,10 0,80 0,3 27,27 0,60 1,18 -0,58 96,66