UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO”
FACULDADE DE CIÊNCIAS FARMACÊUTICAS Campus Araraquara
PROGRAMA DE PÓS-GRADUAÇÃO EM ALIMENTOS E NUTRIÇÃO ÁREA CIÊNCIA DOS ALIMENTOS
PALOMA ANDRADE MARTINS NASCIMENTO
DETERMINAÇÃO DE SÓLIDOS SOLÚVEIS E FIRMEZA EM FRUTOS ÍNTEGROS DE PESSEGUEIRO POR MEIO DA ESPECTROSCOPIA DO
INFRAVERMELHO PRÓXIMO (NIR)
UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO”
FACULDADE DE CIÊNCIAS FARMACÊUTICAS Campus Araraquara
PALOMA ANDRADE MARTINS NASCIMENTO
DETERMINAÇÃO DE SÓLIDOS SOLÚVEIS E FIRMEZA EM FRUTOS ÍNTEGROS DE PESSEGUEIRO POR MEIO DA ESPECTROSCOPIA DO
INFRAVERMELHO PRÓXIMO (NIR)
Orientador: Prof. Dr. Gustavo Henrique A. Teixeira Coorientadora: Prof.ª Drª Fabíola Manhas Verbi Pereira
Dissertação apresentada ao Programa de Pós-Graduação em Alimentos e Nutrição, da Faculdade de Ciências Farmacêuticas da Universidade Estadual Paulista “Júlio de Mesquita Filho”, para a obtenção do título de Mestre em Ciência dos Alimentos.
Araraquara – São Paulo
Dedico à Deus, meu Jesus Cristo, que dia a dia me cumula de bênçãos e me capacita, pois de mim mesma nada sou capaz, mas toda a capacidade vem
AGRADECIMENTOS
Agradeço a Jesus, o meu Deus, aquele que era, que é e o que há de vir, por ser a fortaleza do meu coração, e estar comigo todos os dias. Eu sou o teu povo e Tu és o meu Deus. Te amo Senhor!
Agradeço ao meu esposo Matias por me apoiar e me incentivar nos momentos de dificuldade e fraqueza. Por enxugar minhas lágrimas, lutando comigo em cada dificuldade. Obrigada por suas orações. “Melhor é serem dois do que um”. Eclesiastes 4,9.
Agradeço aos meus filhos Daniel e Lídia, por compreender os momentos em que estive ausente fisicamente e mentalmente também. Vocês são o presente de Deus na minha vida, herança do Senhor. Amo muito!!
Agradeço a minha avó Dionília (in memória), por ter sido minha amiga, pelos muitos conselhos e por ter cuidado de mim. Você me conhecia em um olhar. Sinto sua falta.
Agradeço a minha mãe Raquel, por seu esforço, sendo a cuidadora do lar, e mesmo assim, sempre me proporcionou o melhor. Obrigada pelas orações, pelo apoio e incentivo.
Agradeço ao Sebastião, amigo inesperado, por Deus enviado. Muito Obrigada!
Agradeço ao meu Pastor Rosivaldo Russo, por ter orado por mim e por minha família, pela palavra de vitória ministrada ao ingressar neste desafio.
Agradeço a minha amiga Adriane, que nunca me negou auxílio, sendo hospitaleira em todos os momentos. Meu muito obrigada!
Agradeço aos amigos que conheci durante essa etapa, tanto na FCFAR quanto no IQ, pelo apoio, pelas palavras de ânimo e incentivo. Obrigada!
Lívia, companheira de mestrado. Disciplinas, cursos, congressos, coletas, análises, dúvidas, preocupações... passou rápido né! Obrigada!
Agradeço a professora Patrícia Mastroianni, que mesmo em outra área, permitiu que eu fizesse meu estágio de docência, acrescentando em minha formação. Obrigada pela oportunidade!
Agradeço ao professor Luís, que se dispôs a me ajudar e ensinar. Não havia distância e nem mesmo hora para o seu auxílio. Meu muito Obrigada!
Agradeço a minha coorientadora professora Fabíola que me acolheu como aluna, me ajudando, me ensinando, me aconselhando, estando sempre disponível. A senhora foi além, Muito Obrigada!
Agradeço ao meu orientador professor Gustavo, que aceitou me orientar, acreditou em mim, foi paciente, calmo e compreensivo como todo Mestre deveria ser. Saiba que eu o respeito e o admiro. Muito Obrigada!
Agradeço à todos os docentes, funcionários da Pós Graduação e Biblioteca da FCFAR, pela atenção e pelos serviços prestados.
Agradeço a todos que direta ou indiretamente me auxiliaram, meu Muito Obrigada!
RESUMO
O pessegueiro é uma espécie frutífera nativa da China que é cultivada em regiões de clima temperado, pois necessita de baixas temperaturas para o seu desenvolvimento. No entanto, em condições subtropicais e tropicais brasileiras, a cultivar Aurora 1 se destaca, pois necessita de poucas horas de frio para a quebra da dormência de suas gemas, além de ter frutos atrativos em função da sua coloração externa, ser uma cultivar bastante precoce estando disponível primeiro no mercado. Os consumidores, de maneira geral, ao adquirirem uma fruta, esperam que esta esteja doce, suculenta e com a firmeza desejada. O teor de sólidos solúveis (SS) e a firmeza dos frutos são os atributos de qualidade mais importantes para a aquisição do pêssego e apesar das técnicas de determinação tanto dos teores de SS quanto da firmeza serem simples, estas são destrutivas e relativamente demoradas. Uma alternativa seria o uso da espectroscopia do infravermelho próximo (NIR), pois esta técnica permite reconhecer a estrutura de moléculas, obtendo informações qualitativas e quantitativas. Desta forma, o objetivo deste trabalho foi desenvolver um método analítico utilizando a espectroscopia do infravermelho próximo associado a ferramentas quimiométricas para a determinação do teor de SS e firmeza em frutos íntegros do pessegueiro ‘Aurora 1’. Verificar a influência do estádio de maturação e da época de colheita dos frutos nos modelos desenvolvidos. O modelo de calibração foi desenvolvido com pêssegos colhidos no ano de 2013 em três estádios de maturação e em três colheitas distintas. O modelo de predição foi desenvolvido com frutos colhidos em 2014. Os espectros NIR foram obtidos nas regiões da “cor de fundo” e da “cor de recobrimento” da epiderme de cada fruta, sendo os mesmos obtidos na forma de log 1/R e foram empregadas várias técnicas de pré-processamento. A Análise de Componentes Principais (PCA) foi utilizada para verificar a formação de grupos e os modelos de calibração foram desenvolvidos utilizando a regressão por mínimos quadrados parciais (PLS). O desempenho do modelo foi avaliado com base nos valores dos erros quadráticos médios de predição (RMSEP) e o coeficiente de determinação
(RP2). Não foi observado o agrupamento das frutas em função da coloração da epiderme (cor
de fundo e cor de recobrimento), estádios de maturação e época de colheita pela PCA. O modelo construído utilizando o método de validação externa apresentou um RMSEVE de 1,08 % com
11 variáveis latentes (LVS) e um RVE2 de 0,59. O conjunto de predição, dados independentes,
resultou em um modelo menos preciso (RMSEP 1,04 %, Rp2 0,45 e 11 LVs). O mesmo ocorreu
para a determinação de firmeza com a validação externa resultando em um modelo melhor com RMSEVE de 9,51 N e RVE2 de 0,40, e o conjunto de predição com RMSEP de 13,2 N, RP2 0,40
com 7 LVs. A espectroscopia NIR mostrou ser um potente método analítico para determinar SS e firmeza de frutos intactos de baixo requerimento em frio como a cultivar ‘Aurora 1’. No entanto, é necessário otimizar os modelos para reduzir os erros de predição.
ABSTRACT
The peach tree is a fruit species native from China, which has been cultivated in temperate regions because it requires low temperatures for its development. However, in Brazilian sub-tropical and sub-tropical conditions the ‘Aurora 1’ cultivar stands out as it needs few hours of chilling to break the bud dormancy, in addition the fruit is attractive in terms of external colour, and is a precocious cultivar with fruit been available first in the market. In general, when purchasing a fruit consumers expect that they are sweet, juicy, and with a desired firmness. The soluble solids content (SSC) and fruit firmness are important quality attributes for peach fruit acquisition and although the determination techniques for SSC and firmness are simple, they are destructive and relatively time consuming. An alternative method would be the use of near infrared spectroscopy (NIR), as this technique allows the recognition of molecular structure, obtaining qualitative and quantitative information. Therefore, the aim of this study was to develop an analytical method using infrared spectroscopy combined with chemometric tools to the determination of SSC and firmness in intact ‘Aurora 1’ peach fruit, and also verify the influence of maturity stages and fruit harvest season in the developed models. The calibration models were developed with peach fruits harvested in 2013 in three maturity stages, and at three different crops. The prediction model was developed with fruits harvested in 2014. The NIR spectra were collected in the regions of "background colour" and "blush colour" of the skin of each fruit. The spectra were obtained as log 1/R and various pre-processing techniques were employed. The Principal Component Analysis (PCA) was used to verify the cluster formation and the calibration model were developed using partial least squares regression (PLS). The model performance was evaluated based on the values of the mean square error of prediction (RMSEP) and the coefficient of determination (RP2). It was not possible to observe any cluster
based on fruit skin colour (background colour and blush colour), maturity stages, and harvest season by PCA. The model constructed using the external validation set had RMSEVE of 1.08
% with 11 latent variables (LVS) and a RVE2 of 0.59. The prediction set, independent data,
resulting in a less accurate model (RMSEP 1.04 %, Rp2 0.45 and 11 LVs). The same trend
happened for determining firmness with the external validation resulting in better model with RMSEVE of 9.51 N and RVE2 of 0.40 and the prediction set with RMSEP of 13.2 N, RP2 of 0.40
and 7 LVs. The NIR spectroscopy showed to be a potential analytical method to determine SSC and firmness of intact low chilling ‘Aurora 1’ cultivar. However, it is necessary to optimize the models in other to reduce the prediction errors.
LISTA DE ABREVIATURAS
Abreviatura Nome em inglês Tradução/ Descrição
AT ---- Acidez Titulável
C ---- Carbono
cv. ---- Cultivar
H ---- Hidrogênio
HCA Hierarchical Cluster Analysis Análise de Agrupamentos Hierárquicos
hv ---- Fótons
IAC Independent Component Analysis Análise de Componentes Independentes
IAC ---- Instituto Agronômico de Campinas
J ---- Jaules
kg ---- Quilogramas
kj ---- Quilojaules
KNN K-Nearest Neighbor K-ésimo Vizinho mais Próximo
L* Lightness Luminosidade
LDA Linear Discriminant Analysis Análise Linear Discriminante
MLR Multiple Linear Regression Regressão Multi- Linear
MPLS Modified Partial Least Squares Regressão Linear Modificada por Mínimos Quadrados Parciais
MSC Multiplicative Scatter Correction Correção do Sinal Multiplicativo
MT ---- Magness- Taylor test
N ---- Newtons
NIR Near Infrared Spectroscopy Espectroscopia do Infravermelho Próximo
nm ---- Nanômetros
O ---- Oxigênio
º h ---- Ângulo hue
PC Principal Component Componente Principal
PCA Principal Component Analysis Análise de Componentes Principais
PCR Principal Component Regression Regressão por Componentes Principais
PLS Partial Least Squares Regressão por Mínimos Quadrados Parciais
PLS-DA Partial Least Square Discriminant Analysis Análise Discriminante por Mínimos Quadrados Parciais
PME ---- Pectinametilesterase
R² Correlation Coefficient of Determination Coeficiente de Determinação
R2C Correlation Coefficient of
Determination of Calibration
Coeficiente de Determinação para Calibração
R2P Correlation Coefficient of
Determination of Prediction
Coeficiente de Determinação para Predição
R2VE Correlation Coefficient of
Determination of External Validation
Coeficiente de Determinação para Validação Externa
RMSEC Root Mean Square Error for Calibration Erros Quadráticos Médios de Calibração
RMSECV Root Mean Square Error for Cross Validation Erros Quadráticos Médios de Validação Cruzada
RMSEP Root Mean Square Error for Prediction Erros Quadráticos Médios de Predição
RPD Ratio Standard Deviation Desvio do Resíduo de Predição
S ---- Enxofre
SEC Error Standart for Calibration Erro Padrão de Calibração
SEP Error Standart for Prediction Erro Padrão de Predição
SIMCA Soft-Independent Modeling of Class Analogy ----
SNV Standard Normal Variate Variação Normal Padrão
SS Soluble Solids Sólidos Solúveis
SSC Soluble Solids Content Teor de Sólidos Solúveis
VL Latent Variable Variáveis Latentes
LISTA DE FIGURAS
Capítulo I
Figura 1. Os espectros NIR obtidos por (a) reflectância, (b) transmitância ou (c) interactância...15
Capítulo II
Figure 1. NIR spectra, raw spectra (A); multiplicative scatter correction (MSC) (B); first derivative of Savitsky-Golay (d1A) (C) ……….…. ……..39
Figure 2.Scores of PC1 and PC2 from the principal component analysis based on NIR spectra (A, C, and E) and CIE colour parameters (B, D, and F). Bush and background colour (A-B), harvest seasons (C-D), and maturity stages (E-F)………..…..……….41
Figure 3. Reference (measured) and predicted values of soluble solids content (SSC - %) in intact peach fruit ‘Aurora 1’. PLS regression MSC correction……….………..42
LISTA DE TABELAS
Capítulo II
Table 1. Descriptive statistics of the calibration and validation set (2013), and the prediction set (2014) classified with the classic Kernnard-Stone selection algorithm……….………. 36
Table 2. Performance of PLS models developed using NIR spectra of intact ‘Aurora 1’ peach fruit for soluble solids determination (%) ………….………..……….. 42
SUMÁRIO
CAPÍTULO I
1. INTRODUÇÃO ... 2
2. OBJETIVOS ... 5
2.1 Objetivo geral ... 5
2.2 Objetivo específico ... 5
3. REVISÃO DA LITERATURA ... 6
3.1 O Pessegueiro ... 6
3.1.1 A cultivar Aurora 1 ... 7
3.2 Aspectos pós colheita ... 7
3.2.1 Coloração ... 8
3.2.2 Firmeza ... 9
3.2.3 Sólidos solúveis e ácidos orgânicos ... 10
3.2.4 Padrões de qualidade ... 12
3.3 Espectroscopia do infravermelho próximo (NIR) ... 14
3.3.1 Princípios ... 14
3.3.2 Absorção ... 15
3.4 Quimiometria ... 16
3.4.1 Análise de componentes principais (PCA) ... 18
3.4.2 Regressão por mínimos quadrados parciais (PLS) ... 19
3.4.3 Aplicações ... 20
CAPÍTULO II
ABSTRACT ... 33
1. Introduction ... 34
2. Materials And Methods ... 35
2.1 Fruit material ... 35
2.2 FT-NIR spectra acquisition ... 36
2.3 Reference analysis ... 36
2.3.1 Colour ... 36
2.3.2 Firmness ... 37
2.3.3 Soluble solids content (SSC) ... 37
2.4 Chemometrics ... 37
3. Results And Discussion ... 38
3.1 NIR spectra ... 38
3.2 Principal component analysis (PCA) ... 40
3.3 PLS prediction models: soluble solids content (SSC) ... 41
3.4 PLS prediction models: firmness ... 43
4. Conclusions ... 46
Acknowledgments ... 46
1. INTRODUÇÃO
No Brasil, a área cultivada com pessegueiros ultrapassa 23.000 hectares, sendo que o estado do Rio Grande do Sul é o maior produtor (MEZZOMO et al., 2010) e o estado de São Paulo ocupa a segunda colocação, com aproximadamente 2.800 hectares (LEONEL et al., 2011). A produção nacional de pêssego em 2013 foi de 217.706 mil toneladas, com uma rentabilidade de R$ 312.059,00 (IBGE, 2015).
O pessegueiro é uma frutífera tradicionalmente cultivada em regiões de clima temperado (MEDEIROS; RASEIRA, 1998). Porém, é possível o seu cultivo em regiões subtropicais e tropicais, devido ao desenvolvimento de diversas técnicas agronômicas, tais como: poda, controle de irrigação, melhoramento genético, dentre outras.
Os climas subtropicais e tropicais predominam em todo o território brasileiro (IBGE, 2015), desta forma, os produtores paulistas e dos demais estados utilizando as técnicas descritas anteriormente podem ampliar a produção de cultivares com baixo requerimento em frio, como é o caso da cultivar Aurora 1, que requer baixa exposição ao período de temperaturas baixas para a quebra da dormência de suas gemas.
Considerando a importância econômica da cultura do pessegueiro, a melhora das práticas pós-colheita se faz necessário, como por exemplo, a classificação dos frutos em função do teor de açúcares ou sólidos solúveis da fruta e não somente o uso das Normas de Classificação de Pêssego e Nectarina estabelecidas pelo Programa Brasileiro para a Modernização da Horticultura & Produção Integrada de Frutas (CEAGESP, 2008), que não exigem a classificação quanto aos parâmetros de qualidade tais como: a firmeza e o teor de sólidos solúveis (SS) e/ou acidez titulável (AT).
O teor de SS é um importante atributo de qualidade para o consumidor final. Crisosto et al. (2003) avaliaram a aceitação de pêssegos pelos consumidores em função do teor de sólidos solúveis. Estes autores observaram que teores de SS de 13% para cultivares de polpa amarela tem aceitação de 70% e, para cultivares de polpa branca a aprovação foi de 100% quando os teores de SS eram de 16%. Contudo, frutos com valores abaixo de 10% de SS eram rejeitados por aproximadamente 70%. Portanto, a classificação dos frutos de pessegueiro com base neste atributo de qualidade poderia alavancar a comercialização desta fruta.
al., 2013). Esta é uma propriedade também relacionada ao valor econômico do produto e deveria ser avaliada no processo de classificação dos frutos de pessegueiro.
Os métodos tradicionais para quantificação de variáveis classificatórias na etapa de pós-colheita, como por exemplo, o teor de sólidos solúveis, acidez titulável, pH, teor de açúcares e pigmentos (carotenóides), são geralmente destrutivos, laboriosos, que demandam muito tempo, geram resíduos tóxicos e algumas vezes envolvem procedimentos especializados ou demorados para a escala de tempo atualmente requerida em tempo real (MORGANO et al., 2005; ZIOSI et al., 2008). Assim, para que os métodos classificatórios atendam às necessidades do mercado produtor, os frutos devem passar rapidamente pela esteira de classificação e suas propriedades de qualidade rapidamente atribuídas, o que é inviável com as técnicas analíticas tradicionais. Deste modo, uma das alternativas é a utilização de técnicas não destrutivas.
Dentre estas técnicas, a espectroscopia do infravermelho próximo (NIR) tem sido utilizada desde o final da década de 60 para a avaliação da qualidade em alimentos. Em 1965, a espectroscopia NIR foi aplicada pela primeira vez para avaliar o teor de umidade em grãos (NORRIS; HART, 1965). O sistema tornou-se uma técnica ideal para a análise de alimentos por ser rápida, de baixo custo, não necessitar de reagentes químicos e não gerar resíduos.
A espectroscopia NIR já foi utilizada em frutos de pessegueiro para avaliar vários atributos, para determinação de SS por Kawano et al., 1992; Walsh et al., 2004 (apud NICOLAÏ et al., 2007). Slaughter, 1995 (apud NICOLAÏ et al., 2007) analisou o teor de sorbitol e clorofila, Carlomagno et al. (2004) analisaram a maturação, além da técnica que vem sendo utilizada com imagem multi-hiperespectral, onde Zwiggelaar et al. (1996) avaliaram os danos mecânicos e Lu; Peng (2006) determinaram a firmeza, utilizando a validação cruzada e o modelo de regressão multi-linear (MLR).
2. OBJETIVOS
2.1 Objetivo Geral
O objetivo deste trabalho foi desenvolver um método analítico não destrutivo utilizando a espectroscopia do infravermelho próximo associada à técnicas quimiométricas de predição para o controle de qualidade de frutos íntegros de pessegueiro ‘Aurora 1’ quanto ao teor de sólidos solúveis e firmeza.
2.2 Objetivo Específico
3. REVISÃO DA LITERATURA
3.1 O pessegueiro
O pessegueiro pertence à família Rosaceae, subfamília Prunoídea, gênero Prunus que abrange as cultivares exploradas comercialmente, sendo estas destinadas tanto para o consumo in natura quanto para a industrialização (DAREZZO, 1998; ZANETE; BIASE, 2004).
A China é o principal produtor mundial de pêssego, com uma produção de aproximadamente 12 milhões de toneladas, em seguida se destaca a Itália e os Estados Unidos da América (EUA). Na América Latina, o Chile é o principal produtor, sendo o oitavo produtor mundial com 325.000 mil toneladas, depois se destaca a Argentina. O Brasil ocupa a décima terceira posição entre os países produtores de pêssego (FAOSTAT, 2015).
Proveniente da China, o pessegueiro é cientificamente denominado de Prunus persica L. (Batsch). Há relatos de que esta espécie começou a ser cultivada vários séculos antes de Cristo. Porém, no Brasil, foi introduzida por volta do ano 1532, no município de São Vicente – São Paulo (SP), com mudas provenientes da Ilha da Madeira (MEDEIROS; RASEIRA, 1998) e, a partir daí foi disseminada pelo país.
Atualmente, a área cultivada com pessegueiros ultrapassa 23.000 mil hectares, sendo o estado do Rio Grande do Sul o maior produtor nacional (MEZZOMO et al., 2010), e o estado de São Paulo o segundo, com aproximadamente 2.800 mil hectares (LEONEL et al., 2011). A produção nacional de pêssego em 2013 foi de 217.706 mil toneladas, com uma rentabilidade de R$ 312.059,00 milhões (IBGE, 2015).
Tradicionalmente cultivado em regiões de clima temperado, o pessegueiro necessita de baixas temperaturas para o seu desenvolvimento e produção (MEDEIROS; RASEIRA, 1998). Entretanto, é possível o seu cultivo em regiões subtropicais e tropicais, devido ao desenvolvimento de diversas técnicas agronômicas, tais como: poda, aplicação de reguladores de crescimento, controle de irrigação, manejo do solo, melhoramento genético, dentre outras.
3.1.1 A cultivar Aurora 1
A cultivar Aurora-1 (IAC 680-179) foi desenvolvida pelo programa de melhoramento genético do Instituto Agronômico de Campinas (IAC). Planta vigorosa, de maturação precoce, excepcional produtividade e pouco exigente em frio. Medeiros; Raseira (1998) relataram que a cv. Aurora-1 necessita de menos de 200 horas de frio, enquanto que as cultivares Eldorado e Riograndense requerem aproximadamente 300 horas e a cultivar Granito exige no mínimo 400 horas de frio para completar o ciclo produtivo. A colheita dos frutos da cv. Aurora -1 inicia-se em meados de outubro e estende-se até o final de novembro, porém, em condições de temperaturas elevadas a maturação torna-se ainda mais precoce.
O fruto do pessegueiro é classificado como um fruto simples, pois é formado por apenas um ovário. Além disso, é carnoso indeiscente, ou seja, é uma drupa carnosa onde a polpa (mesocarpo) envolve o caroço (endocarpo) e este não se abre visando a liberação da semente (OLIVEIRA et al., 1998; CUNHA JÚNIOR, 2007).
As características dos frutos da cv. Aurora 1: tem massa média de 90 a 110g, formato redondo oblongo, epiderme com fundo amarelado (cor de fundo) e matiz vermelha intensa (cor de recobrimento), caroço pequeno e preso, polpa firme e amarelada com auréola tênue ao redor do caroço, sabor acentuadamente doce, baixa acidez (pH 4,6) e teor de sólidos solúveis em torno de 14°Brix (MEDEIROS; RASEIRA, 1998; DONADIO, 2010). Os frutos destinam-se ao mercado in natura e devido à firmeza da polpa são mais resistentes ao manuseio e à conservação pós-colheita (OJIMA et al., 1989). O fruto da cv. Aurora-1, quando maduro, apresenta a epiderme de fundo amarelo e coloração vermelha cobrindo 80% da superfície (PEREIRA et al., 2002).
3.2 Aspectos pós-colheita
O pêssego é um fruto climatérico (CAMPBELL; PADILLA-ZAKOUR, 2013), o que implica na continuidade do processo de amadurecimento mesmo após a colheita, resultante do aumento da produção de etileno e, consequentemente, na elevação da taxa respiratória (BONORA et al., 2013). Logo, esta questão restringe o armazenamento dos frutos.
Estudos também revelam que mesmo para pêssegos utilizados para a produção de conserva, a maturação tem influência sobre o sabor do fruto (SLAUGHTER et al., 2013), visto que o teor de açúcares aumenta aproximadamente 10% em frutos climatéricos (MARTINS et al., 2013).
3.2.1 Coloração
Os pêssegos apresentam coloração externa e interna muito atrativa. Esta coloração é dada por pigmentos formados por compostos carotenóides que possuem propriedades funcionais (TEIXEIRA et al., 1983a). Além dos carotenóides, os pêssegos possuem compostos fenólicos (CAMPBELL; PADILLA-ZAKOUR, 2013), recomendados à alimentação, devido seus efeitos benéficos à saúde. Os carotenóides e os compostos fenólicos estão presentes em maior quantidade na epiderme do fruto (CAMPBELL; PADILLA-ZAKOUR, 2013).
Os frutos de polpa clara são geralmente mais doces e macios, propícios para o consumo in natura, além disso, possuem boa relação polpa/caroço, são poucos fibrosos, e algumas cultivares são ricas em vitamina A e cálcio (CHITARRA; CARVALHO, 1985). Além do consumo in natura, o pêssego é considerado uma das frutas com melhores características para serem utilizadas em conservas, com grande potencial de aproveitamento industrial (MAURAYAMA, 1973).
A coloração do fruto também exerce influência em sua aceitação por parte dos consumidores, sendo o fator mais evidente e talvez o principal relacionado à caracterização da qualidade em frutos in natura e em produtos enlatados. Um estudo realizado em 1965, com 2.277 consumidores, avaliou a aceitação dos frutos de pessegueiro em conserva quanto a coloração da polpa, sendo essa dividida em três categorias, (amarelo pálido: valores de cor L* = 57,8, a* = 8,1 e b* = 33,5; meio laranja: L* = 62,6, a* = 9,3, e b* = 37,3; e laranja profundo: L* = 54,5, a* = 11,9, b* = 33,9). Os frutos amarelos pálidos foram reprovados por 56% dos consumidores, enquanto que os meios laranja e os de cor laranja profundo foram aceitos por 97% e 84% dos consumidores, respectivamente (CZERKASKYJ, 1971 apud SLAUGHTER etal., 2013).
avermelhada, associada ao maior teor de sólidos solúveis, representaram a maior porcentagem com 38% de aceitabilidade.
Segundo Slaughter et al. (2013) a coloração da epiderme não tem uma relação linear com a coloração da polpa, ou seja, as alterações na coloração da epiderme não refletem quaisquer mudanças consistente na coloração da polpa. Nota-se que a coloração é um dos parâmetros de qualidade que influenciam na aceitação por parte do consumidor, pois ela se refere a aparência do produto.
A colheita dos frutos do pessegueiro está relacionada as mudanças no tamanho e alterações na coloração da epiderme, atributos que não representam fielmente o estádio de maturação ideal para sua comercialização, pois não considera os parâmetros físico-químicos. Além disso, a coloração dos frutos também está associada a disponibilidade de radiação solar no interior da copa das árvores (LAYNE et al., 2001).
Os frutos podem ser classificados quanto a coloração da epiderme utilizando a região equatorial da cor de fundo, pelo ângulo hue (°h). Os frutos maduros apresentam °h variando de 80 - 106º e frutos de maturidade fisiológica, conhecido como ‘de vez’, compreendem °h de 100 - 115º (CUNHA JUNIOR et al., 2007).
Desta forma, o produtor deve avaliar a colheita dos frutos em função do seu destino, ou seja, o ponto de maturação ideal de acordo com a oferta para o mercado. Para o mercado próximo ou venda direta ao consumidor, os frutos devem ser colhidos maduros, com as características organolépticas desejáveis pelo consumidor e com certa firmeza para resistir ao manuseio e ao transporte. No entanto, os frutos que serão armazenados antes da comercialização, devem estar firmes, porém o seu processo de amadurecimento já iniciado, com o objetivo de evitar distúrbios fisiológicos que possam interferir na qualidade final do produto (MEDEIROS; RASEIRA, 1998).
3.2.2 Firmeza
A firmeza se refere à resistência mecânica, ou seja, o quanto as frutas e hortaliças suportam o estresse de impacto e compressão, enquanto que a textura está relacionada com a uniformidade, aspereza, regularidade, densidade e solidez (FERREIRA, 2011). A perda da firmeza do fruto também está associada aos processos fisiológicos que ocorrem durante a maturação, o amadurecimento na árvore e/ou durante o manuseio pós-colheita (VALERO et al., 2007).
excessiva da firmeza é avaliada pelo consumidor como um fruto sobremaduro, conhecido popularmente como “passado”, ou seja, no seu estádio de senescência. Portanto, esta propriedade relaciona-se diretamente ao valor econômico do produto e deveria ser avaliada no processo de classificação dos frutos de pessegueiro.
De maneira geral, as técnicas analíticas utilizadas para a determinação da firmeza são destrutivas, pois avaliam a pressão de turgescência celular, ou seja, depende da turgidez, da pressão celular (FERREIRA, 2011), geralmente são analisadas por um instrumento aplanador ou um penetrômetro, levando a perda do material analisado.
As alterações da firmeza do fruto são determinadas, em grande parte, pela parede celular e pelos polissacarídeos da lamela média. Os polissacarídeos da parede celular consistem principalmente de pectina, hemicelulose e celulose, enquanto que a lamela média é constituída por compostos pécticos ligados ao cálcio (ZHANG et al., 2010). A pectina está relacionada ao processo de amadurecimento dos frutos (FISHMAN et al., 1993) e é caracterizada como um homopolissacarídeo formado por monômeros de ácido galacturônico organizados em cadeias lineares de α1,4 D-ácido galacturônico, constituída por grupos carboxílicos que podem estar esterificados com metanol (COULTATE, 1998).
Segundo Fishman et al. (1993) o amaciamento em frutos de pessegueiro é acompanhado pela conversão das pectinas insolúveis em pectinas solúveis. Nos frutos imaturos os ácidos carboxílicos ligados ao cálcio formam o pectato de cálcio que é insolúvel. Com o processo de amadurecimento ocorre a liberação do cálcio, por ação da enzima pectinametilesterase (PME) e a solubilização das protopectinas da parede celular pela ação das enzimas protopectinases, tornando assim a estrutura do fruto macia, produzindo os ácidos pectínicos (quando esterificados aos grupos metílicos) ou ácidos pécticos (quando não esterficados), também conhecidos como pectinas solúveis. O metabolismo das protopectinas tornam a parede celular mais macia, aumentando o teor das pectinas solúveis (CHITARRA, M.; CHITARRA, A., 1990).
De acordo com Kader (2002), frutos de pessegueiro quando apresentam firmeza entre 27 – 36N são considerados “prontos para compra” e entre 9 – 13N estão “prontos para o consumo”.
3.2.3 Sólidos solúveis e ácidos orgânicos
no próprio campo com o auxílio de refratômetro manual e não requer pessoal técnico especializado. Este teor pode ser expresso em porcentagem e/ou em graus Brix (Brix) (CHITARRA, M.; CHITARRA, A., 1990).
O grau Brix é um índice influenciado por todos os componentes solúveis presentes no citoplasma das células vegetais (MONTEVECCHI et al., 2012). No entanto, os graus Brix pertencem a uma escala que indica a porcentagem de sacarose em uma solução pura desse açúcar em água. Em uma solução de sacarose pura, um grau Brix é igual a 1% (g/100g) de sacarose, em suco de frutas, um grau Brix se relaciona a 1% (g/100g) de sólidos solúveis em solução (LIMA et al., 2008).
Os açúcares e os ácidos orgânicos são os componentes primários que conferem o “flavor”, que é influenciado pela quantidade e composição do tipo de açúcares, ácidos orgânicos e metabolitos secundários acumulados nas frutas. O conteúdo de açúcares e ácidos das frutas fazem parte de um processo dinâmico durante o crescimento e desenvolvimento do fruto, necessários para a alteração do sabor da fruta, e implementação de funções fisiológicas correspondentes (JIANG et al., 2013).
Há quatro tipos de açúcares primários no pêssego: sacarose, glicose, frutose e sorbitol (WU et al., 2005), sendo que a sacarose corresponde a 80,6%. O fruto no estádio maduro apresenta um aumento significativo do teor de sacarose, sugerindo ainda que a sacarose é a forma primária de acúmulo após a fase de crescimento do pêssego (JIANG et al., 2013).
Durante o desenvolvimento, a biossíntese de polissacarídeos foi relacionada ao aumento dos SS, que progrediu de 10 °Brix, no nonagésimo dia após a antese (abertura das folhas), para 11 ºBrix, no centésimo décimo primeiro dia a antese (CUNHA JÚNIOR et al., 2007).
Golding et al. (2006) relataram que o teor de sólidos solúveis pode variar em até 4% no interior dos pessegueiros maduros, sendo esta variação do núcleo do tecido e o fruto inteiro. De acordo com Jiang et al. (2013), os açúcares estão distribuídos em três compartimentos no pêssego: vacúolos, citoplasma e espaço livre e, essa distribuição varia de acordo com o estádio de maturação. Em frutos imaturos os açúcares estariam em maior concentração no espaço livre e nos frutos maduros em maior concentração nos vacúolos.
orgânicos, especificamente o ácido quinínico. Porém, Jiang et al. (2013) relataram discreto aumento na quantidade total de ácidos em frutos no estádio maturo em relação aos imaturos, e um aumento significativo na quantidade de sacarose nos frutos maduros. Para Montevecchi et al. (2012), a doçura da fruta não está relacionada somente com o conteúdo de açúcar, mas é amplamente controlada pela acidez, que atua com efeito antagônico.
Bonora et al. (2013) compararam os frutos no mesmo estádio de maturação com relação a sua distribuição no dossel (copa) da árvore e os valores mais altos de SS foram observados nos localizados na parte superior da árvore (topo), quando comparados àqueles posicionados na região mediana e camadas inferiores do dossel. Sobretudo, os valores de acidez titulável foram menores nos frutos na parte média da árvore. Os frutos menores estariam na parte inferior no dossel, devido à menor exposição à luz, que afetam a oferta de carboidratos e o crescimento dos frutos. Consequentemente isto influenciaria a maturidade, pois os frutos na parte superior externa recebem maior quantidade de radiação solar, atingindo a maturidade fisiológica primeiro do que os que estão na parte inferior e interior da copa.
Medeiros; Raseira (1998) relataram que a temperatura também tem grande influência no teor de sólidos solúveis. No verão, temperaturas altas durante o dia e temperaturas amenas durante à noite, proporcionam frutos com maior teor de sólidos solúveis, porém temperaturas amenas no verão produziriam frutos com sabor adstringente.
3.2.4 Padrões de qualidade
Considerando a importância econômica da cultura do pessegueiro, se faz necessário a melhora das práticas pós-colheita. De maneira geral, os produtores se limitam a colher manualmente os frutos maturos, no estádio de maturação comercial (qualquer estádio de maturidade do fruto, podendo ser desde o início do desenvolvimento até a senescência), sendo os frutos depositados e transportados em recipientes plásticos com capacidade de 18 kg. Bonora et al. (2013) relataram que a colheita dos frutos maturos é avaliada pela experiência do agricultor, que é determinado pelos parâmetros de coloração e tamanho.A cada colheita, os frutos devem atingir uma cor de fundo amarelo aceitável, sendo escolhidos e divididos em classes de diâmetro homogêneo.
doenças e, em alguns casos, classificados de acordo com as Normas de Classificação de Pêssego e Nectarina estabelecidos pelo Programa Brasileiro para a Modernização da Horticultura & Produção Integrada de Frutas (CEAGESP, 2008). Nesta classificação o lote de pêssego é caracterizado por seu grupo, coloração de polpa (subgrupo), tamanho (classe) e categoria (qualidade). Contudo, não há nestas normas de classificação nenhuma menção aos parâmetros físicos e químicos de qualidade, tais como firmeza e teor de sólidos solúveis e acidez titulável.
O teor de SS é um importante atributo de qualidade para o consumidor final. Crisosto et al. (2003) avaliaram a aceitação de pêssegos pelos consumidores em função do teor de sólidos solúveis. Estes autores observaram que a cv. Elegant Lady, de polpa amarela, obteve 70% de aceitação para os frutos com teor de SS de 13% e quando os valores de SS eram inferiores a 11%, estes frutos tinham pouca receptividade pelos consumidores. Para a cv. Ivory Princess, de polpa branca, quando o teor de SS foi de 16%, os frutos tiveram aprovação de 100% pelos consumidores, enquanto que os frutos com valores abaixo de 10% de SS foram rejeitados por aproximadamente 70% dos mesmos.
Desta forma, a concentração mínima de sólidos solúveis totais para satisfazer a maioria dos consumidores, é de 11%. No entanto, em condições comerciais, grande parte da safra não alcança estes valores por diversas razões, devido condições climáticas adversas, poda inadequada no verão, uso indiscriminado de fertilizantes, e crescimento inadequado (GOLDING et al., 2006).
A classificação dos frutos de pessegueiro com base no teor de SS poderia alavancar a comercialização desta fruta, pois os frutos ofertados no mercado interno apresentam teores de sólidos solúveis com valores entre 7,9 e 17 °Brix, (CERETTA et al., 2000; OLIVEIRA; CEREDA, 2003; OLIVEIRA, 2009; MEDEIROS; RASEIRA, 1998; MATIAS et al., 2013).
O Departamento de Alimentação e Agricultura da Califórnia (CDFA) ainda utiliza para os frutos de pessegueiros em conserva, métodos destrutivos de análise. Para a coloração, o fruto é cortado e a cor da polpa é comparada com a cor de um padrão de referência da indústria, utilizando um disco de cor. Para a firmeza, há inspetores inicialmente treinados, que avaliam os frutos pelo toque, e quando a fruta é considerada como possivelmente mole demais, os frutos são submetidos a um teste de firmeza da polpa com o penetrômetro (SLAUGHTER et al., 2013).
titulável e pH geralmente são simples, porém destrutivos e relativamente demorados, sendo inviáveis para a completa análises dos frutos, além de não representar fidedignamente todo o lote, pois exigem instrumentos distintos de análise, além de gerar resíduos químicos. Sendo assim, para que esses atributos de qualidade sejam avaliados de imediato, analisados simultaneamente e quando necessário, produzir a reprodutividade destas análises, é essencial um método que também seja preciso, mas sobretudo não destrutivo e rápido. Deste modo, uma possível alternativa é a utilização de técnicas não instrumentais não destrutivas.
3.3 Espectroscopia do infravermelho próximo (NIR)
3.3.1 Princípios
A região do infravermelho é dividida em três regiões denominadas de: infravermelho próximo, que vai de 0,8 μm à 2,5 μm ou 12.500 – 4.000 cm-1;
infravermelho médio: 2,5 μm à 50 μm ou 4.000 – 200 cm-1; e infravermelho distante: 50
μm a 1.000 μm ou 200 – 10 cm-1 (MENDHAM et al., 2002). Nestas regiões são medidas
as vibrações dos átomos de hidrogênio (H) ligados ao oxigênio (O), nitrogênio (N) e carbono (C).
Segundo Pasquini (2003), a espectroscopia do infravermelho próximo é um tipo de espectroscopia vibracional que emprega a energia dos fótons (hv) na faixa de 2,65 x 10-19 a 7,96 x 10-20 Jaules (J), que corresponde a faixa de comprimento de onda de 750 a
2.500 nm (13.000 a 4.000 cm-1).
A espectroscopia NIR é uma técnica relacionada ao processo de pesquisa das propriedades da matéria, fornecendo informações sobre a estrutura físico-química através de sua interação com a radiação eletromagnética, em uma frequência específica (HARRIS; BERTOLUCCI, 1978). Tal efeito ocorre quando os conteúdos energéticos da radiação infravermelha incidente são similares aos campos elétricos gerados pelas ligações químicas, sendo associados a comprimentos de ondas específicos. A radiação infravermelha corresponde a faixa de energia de frequências vibracionais de estiramento e dobramento das ligações covalentes. As moléculas são excitadas atingindo um estado de maior energia, sendo este processo quantificado.
contento C-H; N-H; S-H ou bandas de O-H), necessita de mínimo preparo das amostras e não é destrutivo (PASQUINI, 2003).
3.3.2 Absorção
A absorção da espectroscopia do infravermelho próximo situa-se entre 8 a 40 kj/mol. Neste processo são absorvidas as frequências vibracionais naturais da molécula analisada e a energia absorvida serve para aumentar a amplitude dos movimentos vibracionais das ligações nas moléculas (PAVIA et al., 2012). Para amostras líquidas, a absorção da energia da luz segue a Lei de Beer-Lambert, a qual descreve a propriedade de absorção da luz das substâncias em relação à concentração de um constituinte, ou seja, uma relação linear entre a absorbância e a concentração (PASQUINI, 2003).
Segundo Nicolaï et al. (2007) a radiação emitida pela espectroscopia NIR incide sobre a amostra, logo esta pode ser obtida de diferentes maneiras dependendo da posição da fonte de luz e o detector, sendo por reflectância, transmitância ou interactância (Figura 1), contudo também depende da composição química e parâmetros físicos da amostra (PASQUINI, 2003). Na aquisição espectral por reflectância a fonte de luz e o detector são posicionados em um ângulo de 45º, na transmitância a fonte de luz é posicionada de frente para o detector, entretanto no modo de interactância a fonte de luz e o detector são colocados paralelamente um para o outro.
A propagação de radiação NIR em frutas e vegetais atinge sua microestrutura, e pode ser útil para verificar as propriedades relacionadas à microestrutura, como a rigidez, danos internos, e até mesmo atributos sensoriais. Portanto, esta técnica permite analisar a amostra, obtendo informações qualitativas e quantitativas proveniente da interação das ondas eletromagnéticas do infravermelho próximo, com seus constituintes.
3.4 Quimiometria
A área de conhecimento denominada quimiometria, tem suas origens da química, sendo descrita por Swede, Svante Wold e Bruce R. Kowalski (OTTO, 2007). Relata-se que seu início ocorreu por volta de 1970, onde o acesso aos sistemas computacionais permitiu a outros grupos, que não engenheiros e matemáticos, fizessem uso desta ferramenta (OTTO, 2007; BRERETON, 2014).
A quimiometria é uma área de conhecimento interdisciplinar, que abrange modelos matemáticos, estatísticos e ciências da computação, permitindo extrair o máximo das informações dos dados químicos analisados (GEMPERLINE, 2006). Em 1974, foi fundada a Sociedade de Quimiometria Internacional. Após alguns anos, foram organizadas uma série de conferências. Atualmente, já é possível encontrar periódicos específicos voltadas para a área da quimiometria (OTTO, 2007).
Algumas das aplicações das análises quimiométricas envolvem a calibração, validação, predição, testes de significância e otimização das mensurações químicas em procedimentos experimentais (GEMPERLINE, 2006).
As análises quimiométricas são de fundamental importância para a utilização da espectroscopia NIR, pois embora a técnica seja um método de análise rápida e que permite analisar vários atributos ao mesmo tempo, a técnica gera uma grande quantidade de dados, além de ruído espectral. Walsh (2005) relata que a espectroscopia NIR se baseia em uma abordagem estatística multivariada para descobrir a relação entre a absorção espectral na região do infravermelho e o atributo de interesse. Pasquini (2003) relata que a quimiometria e a técnica da espectroscopia NIR evoluíram em simbiose. Desta forma, é indispensável a utilização da quimiometria, pois através da análise exploratória é possível a compreensão dos dados, além de verificar a tendência das amostras, detectar amostras anômalas, simplificar as bases de dados, e por fim, extrair o máximo de informações.
Próximo (K-Nearest Neighbor- KNN); Análise Discriminante- por mínimos quadrados parciais (Partial Least Square Discriminant Analysis PLS-DA); e Soft-Independent Modeling of Class Analogy (SIMCA). E no método não supervisionado tem-se: a Análise de Componentes Principais (Principal Component Analysis- PCA) e a Análise de Agrupamentos Hierárquicos (Hierarchical Cluster Analysis- HCA). No método supervisionado é importante conhecer a amostra, ou seja, é preciso informações sobre a amostra, para que a classe seja determinada com base nestas informações. Por outro lado, quando não se conhece a amostra é possível realizar a análise exploratória pelo método não supervisionado (POPPI; SOUZA, 2012).
Além da análise exploratória, que é amplamente utilizada nas análises quimiométricas, também é possível realizar o pré-processamento dos dados espectrais, construção dos modelos de calibração para análises quantitativas e qualitativas e modelos de transferência (MOGHIMI et al., 2010).
As técnicas de pré-processamento dos dados espectrais visam remover informações irrelevantes relacionados aos fenômenos físicos contidos nos espectros (NICOLAÏ et al., 2007; RINNAN et al., 2009). Dentre as técnicas de pré-processamento, encontram-se os métodos de correção de dispersão, são eles: a correção de sinal multiplicativo (Multiplicative Scatter Correction - MSC) (MARTENS; NAES, 1994), a variação normal padrão (Standard normal variate- SNV) (BARNES et al., 1989), e o De-trend (RINNAN et al., 2009). Os derivados espectrais que se referem ao alisamento dos espectros, sendo às derivadas de Savitsky-Golay (SAVITSKY; GOLAY 1964) e Norris-Willians (RINNAN et al., 2009).
Para a construção do conjunto de calibração, deve-se incluir amostras que proporcionem todas as possíveis fontes de variação, a fim de aumentar a robustez do modelo de calibração, mesmo que isso influencie na predição de futuras amostras, pois geralmente diminui a precisão dos modelos de predição (SÁNCHEZ et al., 2011).
3.4.1 Análise de componentes principais (PCA)
A análise de componentes principais é utilizada com o objetivo de visualizar a estrutura dos dados, encontrar similaridades entre amostras, detectar amostras anômalas (outliers) e reduzir a dimensionalidade do conjunto de dados, baseados nas medidas multivariadas das amostras (WU et al., 1997; LYRA et al., 2010). A PCA é o fundamento para diversos métodos de reconhecimento de padrões, classificação e calibração multivariada (POPPI; SOUZA, 2012).
A PCA é uma análise exploratória classificada como método não supervisionado, pois não requer quaisquer informações sobre a natureza da amostra, sendo que o objetivo é identificar possíveis agrupamentos. Os métodos não supervisionados permitem a interpretação multivariada de conjuntos de dados complexos por meio de gráficos bi ou tridimensionais (POPPI; SOUZA, 2012).
Poppi; Souza (2012) explicam que a PCA é um método que permite diminuir a dimensionalidade por meio da representação do conjunto de dados em um novo sistema de eixos, denominados de componentes principais (PC), sendo possível a visualização da natureza multivariada dos dados em poucas dimensões.
Para a construção da matriz, dispõe-se nas linhas as amostras e nas colunas os dados de referência, e as medidas instrumentais, que são as variáveis. Considerando um gráfico, seja bi ou tridimensional, cada amostra corresponde a um ponto no espaço, e a variável a dimensão no espaço, logo, cada componente principal descreve a variação ou espalhamento entre os pontos usando o menor número possível de eixos (FERREIRA et al., 1999).
3.4.2 Regressão por mínimos quadrados parciais (PLS)
Os modelos por mínimos quadrados parciais (PLS) derivam um conjunto de variáveis latentes (VL) por decomposição simultânea das variáveis de resposta e de previsão. As informações espectrais NIR são decompostas na matriz (X) e as informações das concentrações de referência (matriz Y) utilizadas ao mesmo tempo, associando as mesmas a fim de se obter uma relação linear na fase de calibração (MARTENS; NAES, 1994). Para a construção do modelo, retiram-se informações do conjunto de dados da matriz espectral (matriz X), que são correlacionadas com as informações retiradas do conjunto de dados de referência (matriz Y). Por meio de combinações lineares dos dados espectroscópicos (matriz X) e dos dados de referência (matriz Y), se obtém o número de variáveis latentes necessárias para correlacionar os espectros e as concentrações.
Para a construção do modelo de calibração é usado um número de variáveis latentes que proporcione o menor erro padrão de previsão (SEP), ou seja, que as diferenças entre os valores de referência e os valores previstos sejam os menores. No entanto, há outros parâmetros estatísticos que devem ser considerados na construção dos modelos: erros quadráticos médios para a calibração (RMSEC), erros quadráticos médios de validação externa (RMSEVE) e erros quadráticos médios de predição (RMSEP), além do coeficiente de determinação para calibração (R2C), coeficiente de determinação para
validação externa (R2VE) e predição (R2P), e pelo desvio do resíduo de predição (RPD)
(NICOLAÏ et al., 2007).
Segundo Nicolaï et al. (2007) os valores de RPD se referem a acurácia dos modelos, um RPD entre 1,5 e 2 significa que o modelo pode discriminar valores baixos de valores altos da variável resposta; valores entre 2 e 2,5 indicam que previsões quantitativas grosseiras são possíveis; valores entre 2,5 e 3 correspondem a uma boa predição; e valores acima são modelos de excelente precisão.
3.4.3 Aplicações
Em 1965, Norris e colaboradores aplicaram esta técnica pela primeira vez para avaliar o teor de umidade em grãos (NORRIS; HART, 1965). A partir de então ela tem sido utilizada para análises rápidas de determinação do teor de umidade, proteína e lipídios, de uma variedade de produtos agrícolas e alimentícios (DAVIES; GRANT, 1987 apud NICOLAÏ et al., 2007).
As aplicações mais antigas em produtos hortícolas visavam a determinação do teor de matéria-seca em cebola (BIRTH et al., 1985 apud NICOLAÏ et al., 2007), sólidos solúveis em maçã (BELLON-MARUEL, 1992 apud NICOLAÏ et al., 2007) e umidade em champignon (ROY et al., 1993 apud NICOLAÏ et al., 2007). No entanto, há diversas outras aplicações que incluem a determinação da composição química de forragens (ALOMAR et al., 1999; FONTANELI et al., 2004), de café (MORGANO et al., 2005), de cana-de-açúcar (VALDERRAMA et al., 2007), e o controle de qualidade de medicamentos (SIMON DE SOUZA; FERRÃO, 2006; ALCALÀ et al., 2013).
Há alguns estudos que avaliaram a qualidade interna de frutas e vegetais, como em maçã (XIAOBO et al., 2007; GIOVANELLI et al., 2014), pêra (CAVACO et al., 2009; XU et al., 2012), kiwi (SCHAARE; FRASER, 2000; MOGHIMI et al., 2010), tomate (SHAO et al., 2007; TIWARI et al., 2013), e ameixas (VALERO et al., 2007; LOUW; THERON, 2010).
Considerando frutos de nectarina, Peano et al. (2006) avaliaram três cultivares isoladamente e relataram um erro padrão de calibração (SEC) variando entre 0,47 a 0,71 ºBrix e o coeficiente de determinação (R²) de 0,75 a 0,86 para a predição de SS. Para firmeza, o SEC variou entre 4,12 a 8,14 N e o R² de 0,45 a 0,66. Sánchez et al. (2011) analisaram nectarinas comparando o método de regressão linear modified partial least squares (MPLS) ao método de regressão não linear com algoritmo Local. Estes autores relataram discreta melhora ao se utilizar oalgoritmo Local, relatando um SEP de 0,75 ºBrix e R² de 0,87 para o teor de sólidos solúveis, e um SEP de 20,61N e R² de 0,68 para a firmeza. Golic; Walsh (2006) desenvolveram um modelo combinado para diversas variedades de pêssegos e nectarinas, e estes relataram valores de R² superiores a 0,88 e valores de erros quadráticos médios de validação cruzada (RMSECV) variando de 0,53 a 0,88 ºBrix.
sorbitol e clorofila; Carlomagno et al. (2004) analisaram a maturação, além da técnica que vem sendo utilizada com imagem multi-hiperespectral, onde Zwiggelaar et al. (1996) avaliaram os danos mecânicos e Lu; Peng (2006) determinaram a firmeza, utilizando a validação cruzada e o modelo de regressão multi- linear (MLR).
Shao et al. (2011) analisaram o teor de SS de duas cultivares de pêssegos e compararam o método não linear Independent Component Analysis (IAC) ao método linear Partial Least Squares (PLS) e obtiveram melhores resultados pelo método não linear IAC, com valores de R² de 0,95 e RMSEP de 0,42 ºBrix. Golding et al. (2006) utilizaram o NIR portátil para avaliar o SS em diferentes estádios de maturidade de pêssegos, os valores foram RMSECV de 0,36 e R² de 0,91. Ying et al. (2005) também investigaram o teor de SS em duas cultivares de pêssego, no entanto analisaram os espectros originais e após a aplicação da primeira e segunda derivada de Savitsky-Golay, sendo que o melhor modelo foi utilizando os espectros originais onde obtiveram SEP de 0,12 e o R² de 0,90.
Da mesma forma que os sólidos solúveis, a espectroscopia NIR também já foi utilizada para a determinação da firmeza em frutos de pessegueiro. No entanto, o uso da espectroscopia NIR para a predição da firmeza se baseia nas informações relacionadas, principalmente, às propriedades físicas (espalhamento de luz), ao contrário dos sólidos solúveis que utilizam as propriedades químicas (absorção da luz) dos tecidos biológicos (PASQUINI, 2003; NICOLAÏ et al., 2007).
Utilizando modelo PLS e somente frutos da variedade Calrico, Lafuente et al. (2014), desenvolveram modelos para a predição de firmeza com 5 variáveis latentes, RCV²
de 0,77, RMSECV de 0,9 MT (Magness- Taylor test), e RPD de 1,97. Fu et al. (2008), avaliaram a firmeza de diferentes variedades de pêssegos obtidos em comércio local, com espectros de reflectância difusa e obtiveram valores de R2 de 0,87, RMSECV de 6,23N e
SEP de 5,42N.
REFERÊNCIAS BIBLIOGRÁFICAS
ALCALÀ, M.; BLANCO, M.; MOYANO, D.; BROAD, N.W.; O’BRIEN, N.; FRIEDRICH, D.; PFEIFER, F.; SIESLER, H.W. Qualitative and quantitative pharmaceutical analysis with a novel hand –held miniature near infrared spectrometer. Journal of Near Infrared Spectroscopy, v. 21, p. 445-457, 2013.
ALOMAR, D.; MONTERO, R.; FUCHSLOCHER, R. Effect of freezing and grinding methods on near infrared reflectance (NIR) spectra variation and chemical composition of fresh silage. Animal Feed Science and Technology, v. 78, p.57-63, 1999.
BARBOSA, W.; NETO, J.E.B.; DALL’ORTO, F.A.C.; TECCHIO, M.A. Pêssego e nectarina. In: DONADIO, L.C. História da fruticultura paulista. Jaboticabal: Sociedade Brasileira de Fruticultura, 2010. p. 285- 302.
BARNES, R.J.; DHANOA, M.S.; LISTER, S.J. Standard normal variate transformation and de-trending of near- infrared diffuse reflectance spectra. Applied Spectroscopy, v. 43, p.772-777, 1989.
BRERETON, R. G. A short history of chemometrics: a personal view. Journal of Chemometrics, v. 28, p.749-760, 2014.
BETEMPS, D.L.; FACHINELLO, J.C.; GALARÇA, S.P.; MACHADO, N.P.; REMORINI, D.; MASSAI, R., AGATI, G. Espectroscopia do vísivel e infra-vermelho próximo para estimar sólidos solúveis e firmeza de polpa em função da época de colheita em pêssegos. Ciências Agrárias, Londrina, v. 35, n.3, p. 1257-1266, 2014.
BONORA, E.; NOFERINI, M.; VIDONI, S.; COSTA, G. Modeling fruit ripening for improving peach homogeneity in planta. Scientia Horticulturae, v.159, p. 166-171, 2013.
BOTH, L.HAAS; PREZOTTO, M.E.; BETEMPS, D.; GALARAÇA, S.P.; FACHINELLO, J.C. Novo parâmetro para avaliar o ponto de maturação em pêssegos ‘Chimarrita’. In: CONGRESSO DE INICIAÇÃO CIENTÍFICA, 19. 2010, Pelotas. Anais. Rio Grande do Sul, 2010.
CARLOMAGNO, G; CAPOZZO, L.; ATTOLICO, G.; DISTANTE, A. Non-destructive grading of peaches by near-infrared spectrometry. Infrared Physics & Technology, v. 46, p. 23-29, 2004.
CAVACO, A.M.; PINTO, P.; ANTUNES, M.D.; SILVA, J.M.; GUERRA, R.; ‘Rocha’ pear firmness predicted by a Vis/NIR segmented model. Postharvest and Technology, v. 51, p. 311-319, 2009.
CEAGESP. Normas de classificação de pêssego e nectarina. São Paulo: Programa Brasileiro Para a Modernização da Horticultura & Produção Integrada de Frutas, 2008. (Documentos, 31).
CERETTA, M.; ANTUNES, P.L.; BRACKMANN, A.; NAKASU, B.H. Conservação em atmosfera controlada de pêssego cultivar Eldorado. Ciência Rural, v. 30, n.1, p. 73- 79, 2000.
CHITARRA, M.I.F.; CHITARRA, A.B. Pós-colheita de frutos e hortaliças: fisiologia e manuseio. Lavras: ESAL/FAEPE, 1990. cap.8, p.247-253.
CHITARRA, M.I.F.; CARVALHO, V.D. Qualidade e industrialização de frutos temperados: pêssegos, ameixas e figos. Informe Agropecuário, v. 11, n.125, p. 56-66, 1985.
COULTATE, T.P. Manual de química y bioquímica de los alimentos. 2. ed., Zaragoza: Editorial Acribia, 1998. 366 p.
CRISOSTO, C.H.; CRISOSTO, G.; BOWERMAN, E. Searching for consumer satisfaction: new trends in the California peach industry. 1st Mediterranean Peach
Symposium, Italy, 2003.
CUNHA JUNIOR, L.C. Caracterização do desenvolvimento de pêssegos ‘Aurora-1’ e sua conservação pós-colheita em dois estádios de maturação. 2007. 131 f. Dissertação (Mestrado em Agronomia) - Faculdade de Ciências Agrárias e Veterinárias- Universidade Estadual Paulista, Jaboticabal, 2007.
DAREZZO, H.M. Conservação pós-colheita de pêssegos ‘Aurora-1’ e ‘Biuti’ acondicionados em diferentes embalagens e armazenados sob condições de ambiente e refrigeração. 1998. 129f. Dissertação (Mestrado em Produção Vegetal) - Faculdade de Ciências Agrárias e Veterinárias- Universidade Estadual Paulista, Jaboticabal, 1998.
FAO. Food and Agriculture Organization of the United Nations Statistics Division Disponivel em: < http://faostat3.fao.org/browse/Q/QC/S >. Acesso em 22 jan. 2015.
FERREIRA, M.M.C.; ANTUNES, A.M.; MELGO, M.S.; VOLPE, P.L.O. Quimiometria I: calibração multivariada, um tutorial. Química Nova, v. 22, n.5, p. 724-731, 1999.
FERREIRA, M.D. Tecnologias pós-colheita em frutas e hortaliças. São Carlos: Embrapa, 2011. 286 p.
FISHMAN, M.L.; LEVAJ, B.; GILLESPIE, D. Changes in the physico-chemical properties of peach fruit during on-tree ripening and storage. Journal of American Society for Horticultural Science, v. 118, n.3, p. 343-349, 1993.
FONTANELI, R.S.; SCHEFFER-BASSO, S.M.; DÜRR, J.W.; APPELT, J.V.; BORTOLINI, F.; HAUBERT, F.A. Predição da composição química de Bermudas (Cynodon spp.) pela espectroscopia de reflectância no infravermelho proximal. Revista Brasileira de Zootecnia, v. 33, n.4, p. 838-842, 2004.
FU, X-PING; YING, Y-BIN; ZHOU, Y.; XIE, L-JUAN; XU, H-RONG. Application of NIR spectroscopy for firmness evaluation of peaches. Journal of Zhejiang University Science, v. 9, n.7, p. 552-557, 2008.
GEMPERLINE, P. Practical guide to chemometrics. 2nd. Nova York. CRC Press Taylor
& Francis Group, 2006. p. 2-3.
GIOVANELLI, G.; SINELLI, N.; GUIDETTI, R.; CASIRAGHI, E. NIR spectroscopy for the optimization of postharvest apple management. Postharvest Biology and Technology, v. 87, p. 13-20, 2014.
GOLIC, M.; WALSH, K.B. Robustness of calibration models based on near infrared spectroscopy for the in-line gradins of stonefruit for total soluble solids content. Analytica Chimica Acta, v. 555, p. 286-291, 2006.
HARRIS, D.C.; BERTOLUCCI, M.D. Symmetry and Spectroscopy: and introduction to vibrational and electronic spectroscopy. New York; Dover Publications, 1978. 550 p.
IBGE.- Instituto Brasileiro de Geografia e Estatística, 1987. Disponível em: <
ftp://ftp.ibge.gov.br/Producao_Agricola/Producao_Agricola_Municipal_[anual]/2013/ta belas_pdf/tabela03.pdf >. Acesso em: 22 jan. 2015.
JIANG, F.; WANG, Y.; SUN, H.; YANG, L.; ZHANG, J.; MA, L. Intracellular compartmentattion and membrane permeability to sugars and acids at different growth stages of peach. Scientia Horticulturae, v. 161, p. 210-215, 2013.
KADER, A.A. Postharvest technology of horticultural crops. 3th. California.
Agriculture and natural resources, 2002. 350 p.
LAFUENTE, V.; HERRERA, L.J.; PÉREZ, M.M.; VAL, J.; NEGUERUELA, I. Firmness prediction in Prunus pérsica ‘Calrico’ peaches by visible/short wave near infrared spectroscopy and acoustic measurements using optimised linear and non-linear chemometric models. Journal of Science of Food and Agriculture. Published online Wiley Online Library: (wileyonlinelibrary.com) DOI 10.1002/jsfa.6916, 2014.
LAYNE, D.R.; JIANG, Z.; RUSHING, J.W. Tree fruit reflective film improves red skin coloration and advances maturity in peach. Hort Technology, v. 11, n.2, p. 234-242, 2001.
LEONEL, S.; PIEROZZI, C.G.; TECCHIO, M. A. Produção e qualidade dos frutos de pessegueiro e nectarina em clima subtropical do estado de São Paulo. Revista Brasileira de Fruticultura, v. 33, n.1, p. 118-128, 2011.
LIMA, U.A.; FERREIRA, A.; ARNALDI, D.; SONODA, D.; FANTINI, R. Agroindustrialização de frutas. 2. ed. Piracicaba: FEALQ, 2008. 164 p.
LOUW, E.D.; THERON, K.I. Robust prediction models for quality parameters in Japanese plums (Prunus salicina L.) using NIR spectroscopy. Postharvest Biology and Technology, v. 58, p. 176-184, 2010.
LU, R.; PENG, Y. Hyperspectral scattering for assessing peach fruit firmness. Biosystems Engineering, v. 93, n.2, p. 161-171, 2006.
MAPA. Ministério da Agricultura e Pecuária e Abastecimento. Disponível em: <
http://www.agricultura.gov.br/politica-agricola/zoneamento-agricola/portarias-segmentadas-por-uf >. Acesso em 22 jan. 2015.
MARTENS, H.; NAES, T. Multivariate calibration. New York: John Wiley & Sons, 1994. 419 p.
MARTINS, R.N.; MATTIUZ, B-H.; SANTOS, L.O.; HOJO, E.T.D.; MATTIUZ, C.F.M. Estádios de maturação de pêssegos ‘aurora 1’ para o processamento mínimo. Revista Brasileira de Fruticultura, v. 35, n.2, p. 391-397, 2013.
MATIAS, R.G.P.; SILVA, D.F.P.; SILVA, J.O.C.; OLIVEIRA, S.P.; RIBEIRO, M.R.; BRUCKNER, C.H. Caracterização de frutos de cultivares de pessegueiro na zona da Mata Mineira. Revista Brasileira de Ciências Agrárias, v. 8, p. 416-420, 2013.
MAURAYAMA, S. Fruticultura. 2 ed. Campinas: Instituto Campineiro de Ensino Agrícola, 1973. 371 p.
MEDEIROS, C.A.B.; RASEIRA, M.C.B. A cultura do pessegueiro. Brasília: EMBRAPA, 1998. 350 p.
MENDHAM, J.; DENNEY, R. C.; BARNES, J.D.; THOMAS, M.J.K.V. Espectroscopia vibracional. In: Análise química quantitativa. 6 ed. Rio de Janeiro: LTC Editora, 2002. cap. 18, p. 386-399.
MEZZOMO, N.; MILEO, B.R.; FRIEDRICH, M.; MARTÍNEZ, J.; FERREIRA, S.R.S. Supercritical fluid extraction of peach (Prunus persica) almond oil: Process yield and extract composition. Bioresource Technology, v. 101, p. 5622-5632, 2010.
MONTEVECCHI, G.; SIMONE, G.V.; MASINO, F.; BIGNAMI, C.; ANTONELLI, A. Physical and chemical characterization of Pescabivona, a Sicilian white flesh peach cultivar [Prunus persica (L.) Batsch]. Food Research International, v. 45, p. 123-131, 2012.
MORGANO, M.A.; FARIA, C.G.; FERRÃO, M.F.; BRAGAGNOLO, N.; FERREIRA, M.C. Determinação de proteína em café cru por espectroscopia NIR e regressão PLS. Ciência e Tecnologia de Alimentos, v. 25, n.1, p. 25-31, 2005.
NICOLAÏ, B.M.; BEULLENS, K.; BOBELYN, E.; PEIRS, A.; SAEYS, W.; THERON, K.I.; LAMMERTYN, J. Nondestructive measurements of fruit and vegetable quality by means of NIR spectroscopy: a review. Postharvest Biology and Technology, v. 46, p. 99-118, 2007.
NORRIS, K.H.; HART, J.R. Principles and methods of measuring moisture in liquids and solids. In: WEXLER, A. (Ed.). Direct spectrophotometric determination of moisture content of grain and seeds. Nova York: Reinhold, 1965. p. 19-25.
OJIMA, M.; DALL'ORTO, F.AC.; BARBOSA, W.; MARTINS, F.P.; DOS SANTOS, R.R.; RIGITANO, O. 'Aurora-1' e 'Aurora-2': novas cultivares de pêssego doce de polpa amarela. In: Congresso Brasileiro de Fruticultura, 10. Fortaleza, 1989. Anais. Fortaleza: SBF, 1989 p. 422-425.
OLIVEIRA, C. F. S. Características físico-químicas e sensoriais de onze cultivares de pêssegos. 2009. 113 f. Dissertação (Mestrado em Agronomia) – Universidade Federal do Paraná, Paraná, 2009.
OLIVEIRA, F.; AKISUE, G.; AKISUE, M.K. Análise de drogas Frutos. In: Farmacognosia. São Paulo: Atheneu, 1998. cap. 6, p. 145-155.
OLIVEIRA, M. A.; CEREDA, M. P. Pós-colheita de pêssegos (Prunus pérsica L. Bastsch) revestidos com filmes a base de amido como alternativa à cera comercial. Ciência e Tecnologia de Alimentos, v. 23, supl, p. 28-33, 2003.
OTTO, M. What is Chemometrics. In: Chemometrics: statistics and computer application in analytical chemistry. 2nd . British: Wiley-VCH, 2007. cap.1, 328p.
PAVIA D.L.; GARY M. LAMPMAM; GEORGE S. KRIZ; JAMES R. VYVYAN. Espectroscopia no infravermelho. In: Introdução à Espectroscopia. 4 ed. São Paulo: Cengage learning, 2012. cap.2, p. 15-99.
PEANO, C.; REITA, G.; CHIABRANDO, V. Firmness and soluble solids assessment of nectarines by NIRs spectroscopy. Acta Horticulturae, v.713, p. 465-479, 2006.
PEREIRA, F.M.; NACHTIGAL, J.C.; ROBERTO, S.R. Tecnologia para a cultura do pessegueiro em regiões tropicais e subtropicais. Jaboticabal: FUNEP, 2002. 62 p.
POPPI, R.J.; SOUZA, A.M. Experimento didático de quimiometria para análise explorátoria de óleos vegetais comestíveis por espectroscopia no infravermelho médio e análise de componentes principais: um tutorial, parte I. Química Nova, v. 35, n.1, p. 223-229, 2012.
RINNAN, A.; BERG, F. V. D.; ENGELSEN. Review of the most commom pre-processing techniques for near-infrared spectra. Trends in AnalyticalChemistry, v. 28, n.10, p. 1201-1222, 2009.
SÁNCHEZ, M.T.; HABA, M.J.; GUERRERO, J.E.; VARO, A.G. Testing of a local approach for the prediction of quality parameters in intact nectarines using a portable NIRS instrument. Postharvest Biology and Technology, v. 60, p. 130-135, 2011.
SAVITSKY, A.; GOLAY, M.J.E. Smoothing and differenciation by simplified least squares procedures. Analytical Chemistry, v. 36, p.1627-1632, 1964.
SCHAARE, P.N.; FRASER, D.G. Comparison of reflectance, interactance and transmission modes of visible-near infrared spectroscopy for measuring internal properties of kiwifruit (Actinidia chinensis). Postharvest and Technology, v. 20, p. 175- 184, 2000.
SHAO, Y.; HE, Y.; GÓMEZ, A.H.; PEREIR, A.G.; QIU, Z.; ZHANG, Y. Visible/near infrared spectrometric technique for nondestructive assessment of tomato ‘Heatwave’ (Lycopersicum esculentum) quality characteristics. Journal of Food Engineering, v. 81, p. 672-678, 2007.
