ads:
Ricardo Natalino
CARACTERIZAÇÃO DE AÇÚCAR MASCAVO APLICANDO
ANÁLISE DAS COMPONENTES PRINCIPAIS (PCA) A DADOS ESPECTROMÉTRICOS
VIÇOSA
MINAS GERAIS – BRASIL
2006
Tese apresentada à Universidade Federal de
Viçosa, como parte das exigências do
Programa de Pós-Graduação em Agroquímica,
para obtenção do título de “Magister
Scientiae”.
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
“
A maior recompensa do nosso trabalho não é o que nos
pagam por ele, mas aquilo em que ele nos transforma.
"
(John Ruskin)
ads:
iii
AGRADECIMENTOS
À DEUS, Jesus Cristo e Nossa Senhora Aparecida quem me guiam pela
vida.
À minha família, meus pais: Roberto Natalino, Wânia Lúcia Pimentel
Natalino e meu irmão Roberto Natalino Júnior, razão de toda minha luta.
À Flávia Cavalcanti, pela sua Companhia, Amor, Carinho, fatores
indispensáveis para qualquer caminhada.
À Universidade Federal de Viçosa a quem devo toda minha formação
acadêmica e pela acolhida nesses anos de luta.
Ao Professor Efraim Lázaro Reis, pela compreensão, orientação, amizade,
confiança, disponibilidade nas horas difíceis e principalmente, por apostar em meu
potencial.
Aos professores César Reis, Paulo Henrique Fidêncio e Jorge Luiz
Collodete por todo apoio e boa vontade em auxiliar-me durante todo o decorrer de
meu trabalho.
Ao Leonardo Chagas e Ricardo Balleirini do laboratório de Celulose e
Papel/UFV pelas análises de infravermelho próximo, pela paciência e
disponibilidade.
Ao Eduardo Rezende e ao professor Gulab N. Jhan do laboratório de
Pesquisa em Produtos Naturais / UFV pelas análises de sacarose por
Cromatografia Líquida.
iv
Aos colegas do Laboratório de Instrumentação e Quimiometria / LINQ /
UFV, principalmente à Ana Paula, Patrícia, Silvéria, Alexsandro e Henrique pela
ajuda no preparo das amostras para a realização das análises químicas.
Aos companheiros das quintas-feiras no Bar do Edílson, Eduardo, José
Luiz, Rui de Castro, Antônio, Jorge Arruda e Valdemir.
À secretária da Pós-Graduação do Departamento de Química, Marisa, por
sua dedicação.
Enfim, a todos que nos ajudaram direta e indiretamente nesses dois anos
de luta e oito anos de UFV.
v
BIOGRAFIA
RICARDO NATALINO, filho de Roberto Natalino e Wânia Lúcia Pimentel
Natalino, nasceu aos 30 dias do mês de julho, do ano de 1978, na cidade de
Manhuaçu, no estado das Minas Gerais.
Concluiu o 1º Grau, em 1993, no Colégio Tiradentes da Polícia Militar de
Minas Gerais e 2º Grau, em 1996, no Colégio Tiradentes da Polícia Militar de
Minas Gerais, em Manhuaçu – MG.
Em Março de 1998 ingressou no curso de Química, da Universidade
Federal de Viçosa. Iniciou-se na pesquisa pelo programa PIBIC/FAPEMIG
(Programa Institucional de Bolsas de Iniciação Científica) com o projeto
“Separação e identificação de triacilgliceróis (TAG`s) em café por CLAE-IR
(Cromatografia Líquida de Alta Eficiência – detector de Índice de Refração)” de
setembro 1999 a julho de 2000. Prosseguiu de agosto de 2000 a julho de 2001
com o projeto “Determinação por Cromatografia Gasosa Acoplada à
Espectrometria de Massas de uma coleção de álcoois similares a feromônios”,
ambos no Laboratório de Pesquisa em Produtos Naturais/DEQ/UFV sob a
orientação do Prof. Gulab Newandram Jham. Colou grau, Bacharelado, em maio
de 2002
Em março de 2003 ingressou no Programa de Pós-Graduação em
Agroquímica, a nível de mestrado, da Universidade Federal de Viçosa.
vi
ÍNDICE
Página
Resumo ................................................................................................................ X
Abstract ................................................................................................................ XI
1. Introdução ........................................................................................................ 15
2. Objetivos .......................................................................................................... 17
2.1. Objetivo Geral ......................................................................................... 17
2.2. Objetivos Específicos ............................................................................. 17
3. Revisão de Literatura ....................................................................................... 18
3.1. O cultivo da cana-de-açúcar ................................................................... 18
3.1.1.Composição química da cana-de-açúcar ............................................... 19
3.2. Processo de fabricação do açúcar mascavo ............................................ 20
3.2.1. Açúcar mascavo ................................................................................... 20
3.3. Métodos analíticos .................................................................................. 21
3.3.1. Espectroscopia no infravermelho ......................................................... 21
3.3.2. Espectroscopia no infravermelho próximo .......................................... 24
3.3.3. Espectroscopia por reflectância difusa ................................................ 26
..... 3.4. Espectrofotômetro de Absorção Atômica............................................ 28
3.5. Metais 28
3.5.1. Cobre 28
vii
......3.5.2. Cálcio.................................................... 29
3.5.3. Sódio................................ 31
3.5.4. Ferro.......................... 32
3.5.5. Magnésio.................................................. 34
3.6. Cromatografia Líquida de Alta Eficiência - CLAE 35
3.7. Calibração Multivariada 36
3.7.1. Quimiometria 36
3.8. Análise das Componentes Principais (PCA)................................ 38
3.9 – Processamento dos Dados Espectrais 40
3.9.1 – Centrar na Média 40
3.10 – Pré – Tratamento dos Dados 40
3.10.1 – Correção do Fator Multiplicativo do Sinal (MSC) 40
4. Materiais e Métodos........... 42
4.1. Área de atuação 42
4.2. Digestão das amostras para a determinação por Absorção Atômica....... 43
4.3. Medidas analíticas.................................................................................. 43
4.3.1. Infravermelho próximo - NIR...................................................... 43
4.3.2. Espectrofotômetro de Absorção Atômica. – EAA .............................. 44
4.3.3. Cromatografia Líquida de Alta Eficiência - CLAE 44
4.4. Tratamento dos dados........................... 45
5. Resultados e Discussão 46
5.1. Espectrometria de Absorção Atômica 46
5.2. Cromatografia Líquida de Alta Eficiência 50
5.3. Espectros de açúcar mascavo no infravermelho próximo 52
5.4. Disposição dos espectros na PCA 53
5.5. Influência dos metais das amostras na PCA 56
6. Conclusões........................................................................................................ 59
7. Perspectivas futuras 60
8. Referências bibliográficas................................................................................. 61
viii
LISTA DE TABELAS
Página
Tabela 1 – Posições aproximadas de algumas bandas de absorção 23
Tabela 2 – Parâmetros de análise da CLAE - IR 47
Tabela 3 – Teores de metais do açúcar mascavo claro 48
Tabela 4 – Teores de metais do açúcar mascavo escuro 49
Tabela 5 – Condições de operações do cromatógrafo 50
Tabela 6 – Teores de sacarose nas amostras de açúcar mascavo claro 51
Tabela 7 – Teores de sacarose nas amostras de açúcar mascavo escuro 51
ix
LISTA DE FIGURAS
Página
Figura 1 – Fluxograma de produção de açúcar mascavo 21
Figura 2 – Reflectância Difusa 27
Figura 3 – Representação matricial da somatória de produtos dos vetores
escores e pesos
39
Figura 4 – Representação de uma componente principal para as variáveis x
1
e
x
2
40
Figura 5a – Cromatograma de uma solução padrão 2,0 mg/mL 52
Figura 5b – Cromatograma de uma amostra de açúcar mascavo 52
Figura 6 – Espectros de noventa e sete amostras de açúcar mascavo 53
Figura 7 – Disposição dos espectros reduzidos pela (PCA). 54
Figura 08 - Comparação de espectros localizados em diferentes regiões da
análise da PCA, com dados de espectros auto-escalonados.
55
Figura 9a – Gráficos de escores 57
Figura 9b – Gráficos de pesos 58
x
RESUMO
NATALINO, Ricardo M. S., Universidade Federal de Viçosa, março de 2006.
Caracterização de açúcar mascavo aplicando Análise das Componentes Principais
(PCA) a dados espectrométricos. Orientador: Efraim Lázaro Reis. Conselheiros:
César Reis e Jorge Luiz Collodete.
O propósito deste trabalho é a caracterização das amostras de açúcar
mascavo claro (DPC) e escuro (DPE) provenientes da região de Cataguases, pela
Indústria Doce Puxa-Puxa, determinando-se as principais associações destas,
bem como expressar os índices de correlação entre as mesmas, baseado nos
dados de espectros no infravermelho próximo, medidas analíticas e de métodos
quimiométricos utilizando análise das componentes principais, que é uma técnica
de análise multivariada. Os espectros de refletância difusa na região do
infravermelho próximo foram obtidos usando um espectrofotômetro NIR System
6500 (Silver Spring, MD, USA) utilizando célula coarse e região de espectro de
1000 a 2500 nm, com incremento de 2cm
-1
. Para a determinação das
concentrações dos metais ( Cu, Ca, Na, Fe, Mg) foi utilizado o espectrofotômetro
de absorção atômica da VARIAN, modelo SpectrAA-200. Para a determinação do
teor de sacarose utilizou uma técnica de Cromatografia Líquida de Alta Eficiência
com um detector de Índice de Refração da marca Shimadzu, modelo RID – 10A.
Os dados foram transferidos para o ambiente Matlab 5.3. Neste ambiente, os
xi
espectros serão pré-processados centrando na média. Em seguida o método da
Análise das Componentes Principais (“Principal Component Analysis” - PCA) será
utilizado para verificar a separação das amostras de açúcar mascavo. A análise de
componentes principais evidenciou as características comuns e discrepantes entre
os diferentes açúcares mascavos. Na disposição dos dados dos espectros na PCA
é possível observar que a primeira componente principal (PC1) explica 93,60 % da
variância total dos dados, observa-se que existe a separação entre o grupo do
açúcar mascavo claro (DPC) e o grupo do açúcar mascavo escuro (DPE), na
primeira componente principal. Foram aplicadas a PCA à matriz de dados gerados
(97 x 5) com os resultados das concentrações dos metais. O pré – processamento
usado foi o auto-escalonamento, onde mostrou que a primeira componente
principal (PC1) explica 56,24 % da variância total dos dados, sendo que a
segunda componente principal (PC2) explica 27,27 %, respectivamente. É
interessante notar que as diferentes amostras, foram agrupadas entre si, de
acordo com as diferenças nas concentrações dos metais encontrados.
xii
ABSTRACT
NATALINO, Ricardo M. S., Universidade Federal de Viçosa, março de 2006.
Characterization of Brown Sugar applying Analysis of the Main Components
(PCA) the Spectrometric Data. Adviser: Efraim Lázaro Reis. Committee members:
César Reis and Jorge Luiz Collodete.
The purpose of this work is the characterization of the samples of brown
sugar, clear (DPC) and dark (DPE), from the region of Cataguases, for the
Puxa-Puxa Candy Industry, determining the main associations of these, as well
as expressing the indices of correlation between the same ones, based in the
data of specters in the next infra-red ray, measures analytical and of
chemiometric methods using analysis of the main components, that is one of
the many techniques of analysis. The diffuse reflectance specters in the region
of the next infra-red ray had been using a spectrophotometer NIR System 6500
(Silver Spring, MD, the USA) using cell coarse and region of the 2500 specter
of 1000 nm, with increment of 2cm-1. For the determination of the
concentrations of metals (Cu, Ca, In, Fe, Mg) atomic absorption of the VARIAN
spectrophotometer, SpectrAA-200 model was used. For the determination of
the text of sacarose it used a technique of Liquid Chromatography of High
Efficiency with a detector of Refractive index of the Shimadzu mark, model RID
- 10A. The data has been transferred to the environment Matlab 5.3. In this
environment, the specters will be daily pay-processed centering in the average.
xiii
After that the method of the Main Component Analysis (PCA) will be used to
certify the separation of the samples of brown sugar. The main components
analysis turned evident the common and discrepant characteristics between the
different brown sugar. In the disposal of the data of the specters in the PCA it is
possible to observe that the first main component (PC1) explains 93,60 % of
the total variance of the data, it was observed that the separation exists clearly
entering the group of brown sugar (DPC) and the group of the dark brown sugar
(DPE), in the first main component. The PCA to the matrix of data generated
(97 x 5) with the results of the concentrations of metals had been applied. The
daily pay - used processing was the auto-scheduling, where it showed
respectively that the first main component (PC1) explains 56,24 % of the total
variance of the data, being that the second main component (PC2) explains
27,27 %. It is interesting to notice that the different samples have been grouped
between itself, in accordance with the differences in the concentrations of
joined metals.
------------------------------------------------------------------------------------
14
1. INTRODUÇÃO
A cana-de-açúcar é uma gramínea pertencente à espécie Saccharum
officinarum L., originária do sudeste da Ásia onde é cultivada desde épocas
remotas. Participa como matéria-prima em um elevado leque de produtos de
significativa importância econômica tais como: o açúcar, o álcool (anidro e
hidratado), a rapadura, o melado, a aguardente, e o resíduo de seu
aproveitamento, tal como o bagaço, utilizado na produção de vapor, energia
elétrica, papel, plástico biodegradável, adubo, ração animal, entre outros.
O açúcar é um alimento que faz parte da dieta de todos os povos, fornece
energia de fácil e rápida assimilação e encontra no Brasil a maior produção
mundial. Destina-se principalmente a adoçar bebidas e alimentos, sendo obtido a
partir do beneficiamento de méis cristalizáveis da cana-de-açúcar, beterraba e a
partir de outros vegetais.
A elaboração de produtos açucarados como o açúcar é prática a muito
conhecida, e apesar de todo o desenvolvimento tecnológica de produção nas
grandes indústrias, o produtor rural encontra uma fonte segura de receita.
Pequenas unidades de industrialização da cana-de-açúcar destinadas à produção
de açúcar mascavo, rapadura e melado envolvem equipamentos simples e em
pequeno número, e o produtor conta ainda com a possibilidade de empregar a
própria mão-de-obra familiar na produção.
15
A ocorrência de doenças associadas ao consumo de alimentos contendo
aditivos, pesticidas, toxinas naturais ou ainda outros tipos de substâncias tóxicas
têm contribuído para aumentar a demanda por produtos mais saudáveis. Assim, a
elaboração de rapadura e os chamados açúcares “brutos” vêm abocanhando uma
fatia significativa do mercado. Desta forma o produtor passa a ficar mais atento
aos fatores que possam contribuir para a melhoria de seu negócio, tais como a
seleção da matéria-prima, o processamento, as instalações da fábrica, a qualidade
da mão-de-obra e, sobretudo, as tendências de mercado.
De modo geral, as técnicas de produção de açúcar mascavo são as
mesmas praticadas nos pequenos engenhos de antigamente. As mudanças que
ocorrem no setor açucareiro ao longo dos anos foram em termos de
aperfeiçoamento de tecnologia e equipamentos. Uma das etapas importantes do
processo produtivo é a clarificação do caldo, que consiste numa série de
processos ou combinações desses para remover o máximo de impurezas
dissolvidas e em suspensão do caldo para a fabricação de açúcar de melhor
aspecto: cor mais clara e cristalina do que os tipos escuros, que via de regra são
comercializados.
Seu valor nutricional é dependente de numerosos fatores destacando-se a
variedade da cana utilizada, idade, tipo de solo, características climáticas, sistema
de corte e condições do processo. Entre os grupos de nutrientes essenciais
devem ser citados: carboidratos, minerais, proteínas, vitaminas, ácidos graxos e
água. Um estudo físico-químico da composição mostrou maior teor de sacarose, e
outros denominados açúcares redutores, como a glicose e frutose, que possuem
grande valor biológico para o organismo (LEHNINGER, 1995).
Encontram-se ainda, quantidades notáveis de outras espécies, entre os
principais: cálcio, potássio, magnésio, ferro, fósforo, flúor, sódio e cobre como
também traços de selênio.
16
2. OBJETIVOS
2.1. Objetivo Geral
O propósito deste estudo é o reconhecimento de padrões, determinando-se
as principais associações das amostras de açúcar mascavo, bem como expressar
os índices de correlação entre as mesmas, utilizando o método das componentes
principais, que é uma técnica de análise multivariada.
2.2. Objetivos específicos
→ Os dados espectrais serão obtidos via espectrofotometria no
infravermelho próximo (NIR) e em seguida a PCA será utilizada para verificar a
separação das amostras de açúcar mascavo.
→ Para a determinação das concentrações dos metais (Cu, Fe, Na, Ca e
Mg), será utilizada espectrofotometria por absorção atômica.
→ A determinação de teor de sacarose será utilizada a técnica de
Cromatografia Líquida de Alta Eficiência com Detector de Índice de Refração –
CLAE-IR.
→ A PCA é um método que será utilizado na separação e interpretação de
informações de dados multivariados, obtidos nas técnicas analíticas.
17
3. REVISÃO DE LITERATURA
3.1. O cultivo da cana-de-açúcar
A cana-de-açúcar é uma planta que apresenta exigências bem definidas
quanto às condições climáticas para seu cultivo. A cultura desenvolve-se bem
onde o clima se caracteriza por uma estação chuvosa de intensa radiação solar
seguida de período seco com menor intensidade luminosa. A temperatura ideal
para a geminação é de 32°C e para o crescimento a temperatura ideal situa-se
entre (20 e 28) °C. Já para a fase de maturação a temperatura ótima está na faixa
de (12 a 20) °C, o que influencia nos teores de sacarose da cana (CASAGRANDE,
1991).
A cana-de-açúcar é uma cultura de grande versatilidade no meio rural,
sendo utilizada desde a forma mais simples como ração animal, até a mais nobre
como o açúcar. Na cana nada se perde: do caldo obtêm-se o açúcar, a cachaça, o
álcool, a rapadura e outros; do bagaço, o papel, aração, o adubo ou o
combustível; das folhas a cobertura morta ou ração animal. Assim, a agroindústria
da cana-de-açúcar, difusa e interiorana, apresenta-se vocacionada a nuclear
sistemas integradas de produção alimentar, não alimentar e energético,
envolvendo atividades agrícolas e industriais, e ainda atua com vantagens
comparativas em relação às outras matérias-primas, pelo fato de ser intensiva em
mão-de-obra e o País ter os menores custos de produção do mundo
(VASCONCELOS, 2002).
18
No Brasil, o plantio da cana-de-açúcar iniciou-se em São Vicente, hoje São
Paulo, no ano de 1522, trazida da ilha da Madeira por Martim Afonso de Souza.
Porém, foi em Pernambuco que ela floresceu, encontrando condições ideais para
seu desenvolvimento nas terras úmidas em massapé. A produção de açúcar era
feita em pequenos engenhos, movidos à tração humana, que mais tarde evoluíram
para tração animal e engenhos d’água. Somente a partir do século XIX seriam
introduzidos em Pernambuco os engenhos a vapor e haveria uma revolução no
comércio e indústria do açúcar (BAYNA, 1978).
Atualmente, o setor da cana-de-açúcar apresenta números expressivos
para economia brasileira: o País possui 302 unidades produtores de açúcar e
álcool, sendo que deste total, 218 estão localizadas na Região Centro-Sul e as 84
restantes, na Região Norte-Nordeste. A cadeia produtiva da cana-de-açúcar gera
cerca de 1,2 milhões de empregos diretos no País e 600 mil postos de trabalhos
somente no Estado de São Paulo (MAPA, 2004).
Segundo dados da safra de 2000/2001 colheram-se 327,7 milhões de
toneladas de cana e foram produzidos 16 milhões de toneladas de açúcar. O total
de área plantada em cana-de-açúcar foi de aproximadamente 4,84 milhões de
hectares e a produtividade média dos canaviais atingiu 67,6 toneladas de cana por
hectare. Os dados mostram que o consumo per capita de açúcar foi registrado em
52 kg/ano. Os maiores produtores de açúcar são o Brasil, produzindo cerca de
30% do total mundial, seguido pela Índia, China, Cuba, México, Austrália,
Tailândia e outros (UNICA, 2004).
3.1.1. Composição química da cana-de-açúcar
Segundo PARANHOS (1987), a parte morfológica da cana-de-açúcar de
interesse comercial é o colmo, que possui sacarose industrializável. A composição
química dos colmos é extremamente variável em função de diversos fatores como:
idade fisiológica da cultura, condições climáticas durante o desenvolvimento e
maturação, propriedades físicas, químicas e microbiológicas do solo, tipo de
cultivo etc. A qualidade da cana para a indústria não pode ser avaliada
19
simplesmente pelo seu teor de sacarose, ainda que seja o parâmetro mais
importante, mas por todos os fatores citados, que têm conseqüências diretas da
composição tecnológica da cana.
A cana-de-açúcar, segundo os tecnologistas, é constituída de fibra e caldo.
A fibra é constituída principalmente de celulose, hemicelulose, lignina, pentosana.
O caldo é uma solução impura e diluída de sacarose, constituído de água (75 a
82)%, e de sólidos solúveis (18 a 25)%, sendo esses últimos divididos em
açúcares (18%) e outras substâncias de natureza orgânica (1%) e inorgânica
(0,5%). Os açúcares são a sacarose (17%), a glicose e a frutose que perfazem 1,o
% do total. Os demais componentes são constituídos de substâncias nitrogenadas
(proteínas, aminoácidos), gorduras, ceras, pectinas, ácidos e materiais corantes
(clorofila, sacaretina e antocianinas). As substâncias inorgânicas, representadas
pelas cinzas, têm como principais componentes a sílica, potássio, fósforo, cálcio,
sódio, magnésio, enxofre, alumínio e outros (DELGADO e CESAR, 1977).
3.2. Processo de fabricação do açúcar mascavo
3.2.1. Açúcar mascavo
O açúcar mascavo era até o século XIX o principal derivado da cana-de-
açúcar. Durante o século XX a produção desse tipo de açúcar declinou, sendo
substituída lentamente pelo açúcar branco, cristal ou refinado. Na década de 50 a
produção de açúcar mascavo se tornou insignificante, sendo produzido
artesanalmente somente para consumo doméstico do próprio produtor. Entretanto,
a partir da década de 90 a demanda por açúcar mascavo ressurgiu e a sua
produção voltou a crescer.
Segundo CHAVES (1998), o açúcar mascavo é produzido a partir do caldo
de cana extraído pelo esmagamento dos colmos maduros da cana-de-açúcar.
Este açúcar não é submetido a processos mais elaborados de clarificação do
caldo, ou seja, não há operação suficiente para remover impurezas que poderiam
estar presentes no caldo. Assim, o produto tem aspecto marrom claro a escuro, é
20
denso e pesado, com sabor semelhante à rapadura moída. A Figura 01 mostra o
fluxograma de produção de açúcar mascavo.
O açúcar mascavo é composto de sacarose, frutose, glicose, potássio,
cálcio, magnésio, fósforo, sódio, ferro, manganês, zinco, vitaminas A, B
1
, B
12
, B
5
,
C, D
6
e E. Portanto, o açúcar é considerado um alimento rico em sais minerais e
vitaminas, sendo muitas vezes recomendado na dieta de pessoas anêmicas
(SILVA, 2003).
CANA
⇓
MOAGEM
⇓
FILTRAÇÃO
⇓
DECANTAÇÃO
⇓
CORREÇÃO DA ACIDEZ
⇓
LIMPEZA DO CALDO
⇓
CONCENTRAÇÃO E COZIMENTO
⇓
RESFRIAMENTO E BATEÇÃO
⇓
MOAGEM E PENEIRAGEM
⇓
EMBALAGEM
Figura 1. Fluxograma de produção de açúcar mascavo.
3.3. Métodos Analíticos
3.3.1. Espectroscopia no infravermelho
A região do infravermelho do espectro eletromagnético pode ser dividida em
três partes principais (Handbook, 1994):
• Infravermelho próximo (região das harmônicas) 0,8 – 2,5µm (12500 –
4000 cm
-1
)
21
• Infravermelho médio (região de vibração – rotação) 2,5 – 50µm (4000 –
200cm
-1
)
• Infravermelho distante (região de rotação) 50 – 1000 µm (200 – 10 cm
-1
)
A região mais interessante para fins analíticos está entre 2,5 – 25 µm (faixa
que vai de 4000 a 400 cm
-1
). Os materiais ópticos normais como o vidro e quartzo
absorvem fortemente no infravermelho e, por isso, os instrumentos de medida
nesta região diferem dos usados nesta região do espectro eletrônico (uv/vis). No
infravermelho, os espectros têm origem nos diferentes modos de vibração e
rotação das moléculas. Em comprimentos de onda inferiores a 25 µm, a radiação
tem energia suficiente para alterar os níveis de energia vibracional das moléculas
e o processo é acompanhado por mudanças nos níveis de energia rotacional
(MENDHAM, 2002).
As bandas de absorção, geralmente, são caracterizadas por unidades de
números de ondas (ν ) que são expressas em centímetros recíprocos (cm
-1
).
Utilizam-se também comprimentos de onda (λ) medidos em micrômetros (µm). A
relação entre estas quantidades é dada pela equação abaixo:
ν =
λ
1
=
c
ν
, onde c é a velocidade da luz.
Para que um modo de vibração
apareça no espectro de infravermelho
e absorva a radiação incidente, é essencial que o momento de dipolo mude
durante a vibração.
As vibrações das ligações podem ser divididas em dois modos distintos, as
deformações axiais e as angulares. As deformações axiais correspondem às
deformações periódicas de estiramento e restauração da ligação ao longo de seu
eixo. As deformações angulares são deslocamentos que ocorrem fora do eixo da
ligação.
Em muitos dos modos normais de vibração de uma molécula, os principais
participantes são os átomos em ligação química.
Estes modos de vibração são característicos dos grupos químicos da
22
molécula e são úteis na identificação dos compostos, principalmente no
estabelecimento da estrutura de uma substância desconhecida. A tabela 1 lista
algumas destas freqüências de grupos (MENDHAM, 2002).
Tabela 1. Posições aproximadas de algumas bandas de absorção
Grupo
Número de onda
(cm
-1
)
Comprimento de onda
(µm)
C-H (alifático) 2700-3000 3,33-3,70
C-H (aromático) 3000-3100 3,23-3,33
O-H (fenóis e álcoois) 3700 2,70
O-H(fenóis e álcoois, ligação
hidrogênio)
3300-3700 2,70-3,03
S-H 2570-2600 3,85-3,89
N-H 3300-3370 2,97-3,03
C-O 1000-1050 9,52-10,00
C=O (aldeídos) 1720-1740 5,75-5,80
C=O (cetonas) 1705-1725 5,80-5,86
C=O (ácidos) 1650 6,06
C=O (ésteres) 1700-1750 5,71-5,88
C-N 1590-1660 6,02-6,23
C-C 750-1100 9,09-13,33
C=C 1620-1670 5,99-6,17
C≡C
2100-2250 4,44-4,76
C≡N
2100-2250 4,44-4,76
CH
3
-, -CH
2
- 1350-1480 6,76-7,41
C-F 1000-1400 7,14-10,00
C-Cl 600-800 12,50-16,67
C-Br 500-600 16,67-20,00
C-I 500 20,00
Os espectros de infravermelho podem ser usados para identificar
compostos puros ou para a detecção e identificação de impurezas. As principais
aplicações referem-se a compostos orgânicos, principalmente porque a água,
23
solvente mais importante para os compostos inorgânicos, absorve fortemente
acima de 1,5 µm. Além disso, os compostos inorgânicos têm, freqüentemente,
bandas largas, enquanto os compostos orgânicos têm numerosas bandas agudas.
De certa forma, o espectro de absorção no infravermelho pode ser olhado como a
impressão digital do composto.
O espectro de uma mistura de compostos é essencialmente a soma dos
espectros dos componentes, desde que não ocorra associação, dissociação,
polimerização ou formação de compostos. Para detectar impurezas em uma
substância, seu espectro pode ser comparado com o espectro da substância pura.
As impurezas apresentam outras bandas no espectro. O caso mais favorável é
quando as impurezas têm grupos característicos que não existem no constituinte
principal (MENDHAM, 2002).
3.3.2. Espectroscopia no infravermelho próximo
A região do infravermelho próximo compreende a faixa do espectro que se
estende da parte final do comprimento de onda na faixa de 770 nm até 3000 nm
(13000 cm
-1
a 3300 cm
-1
). Bandas de absorção nesta região são harmônicas ou
combinações das bandas fundamentais de vibrações por estiramento. As ligações
usualmente envolvidas são: C-H, C-N, N-H e O-H. Pelo fato das bandas serem
harmônicas e de combinação, a absorção nesta região é 10 a 100 vezes menos
intensa que no infravermelho médio (Drennen e Kraemer, 1991; Workman, 1996).
Devido a esta pouca intensidade, e também pelo fato de existirem combinações e
forte sobreposição das bandas, os dados de infravermelho próximo são de difícil
interpretação, o que deixou a aplicação analítica desta técnica no esquecimento
por um longo tempo. Não havia mecanismos para uma rápida interpretação dos
espectros (McClure, 1994).
No início dos anos 80 com a popularização dos microcomputadores e o
surgimento de uma nova área na química, a quimiometria (Haaland e Thomas,
1988), o infravermelho próximo voltou a ser objeto de estudo em química analítica,
24
A quimiometria trata da aplicação de métodos matemáticos e estatísticos, assim
como de lógica matemática, a problemas de origem química.
Com a possibilidade aberta da interpretação dos espectros pela
quimiometria, todas as vantagens da espectroscopia no infravermelho próximo
começaram a ser exploradas. Como nesta região do espectro aparecem bandas
relativas a ligações entre carbono, hidrogênio, nitrogênio e oxigênio, isso faz com
que esta técnica possa ser utilizada em um grande número de aplicações.
Também outra grande vantagem é que a instrumentação necessária é
relativamente simples, com a maioria dos componentes ópticos sendo os mesmos
utilizados para a região do visível. Isso acaba por produzir equipamentos bem
mais baratos que os utilizados para o infravermelho médio.
Assim, o sucesso e aceitação da espectroscopia no infravermelho próximo
como uma ferramenta para análises qualitativas e quantitativas recentemente é
em grande parte devido ao crescente aprimoramento na instrumentação e no
poder dos modelos matemáticos utilizados para o tratamento dos dados. Tem sido
salientado que esta metodologia analítica constitui-se basicamente da junção do
hardware com o software, onde é impossível dissociar a instrumentação do
tratamento dos dados.
Como a absorção no infravermelho próximo é menos intensa, existe ainda a
possibilidade de obterem-se espectros de amostras em meio aquoso e em
sistemas biológicos, o que abre todo um leque de possíveis aplicações.
Na utilização de técnicas quimiométricas, o processo de modelagem
emprega um grupo de amostras padrão, no qual o computador “aprende” como
relacionar uma propriedade de interesse (concentração, por exemplo) com o
respectivo espectro. Como muitas variáveis (muitos valores de absorvância a
vários comprimentos de onda distintos) do espectro serão utilizadas para
estabelecer a relação, tem-se assim uma calibração multivariada (Martens e Naes,
1991).
A espectroscopia no infravermelho próximo associado com o uso de
métodos de calibração multivariada é uma determinação indireta. Torna-se
imprescindível à utilização de um grupo de amostras cuja propriedade de interesse
25
seja determinada inicialmente por métodos padrões, que servirão para a
construção do modelo matemático (Workman e Mobley, 1996; Willians e Norris,
1990).
3.3.3. Espectroscopia por
reflectância difusa
Entre os mecanismos de medida na região do infravermelho, a reflectância
tornou-se uma importante ferramenta para a determinação de constituintes de
amostras na forma de pequenas partículas sólidas. Medidas por reflectância são
realizadas onde os espectros de sólidos e de líquidos são obtidos a partir da
radiação refletida na superfície da amostra (MENDHAM, 2002). Elas são utilizadas
quando a amostra não pode ser destruída, ou é extremamente difícil obter os
espectros por técnicas de absorção.
Na reflectância a referência tomada é um corpo branco que reflete
praticamente toda a radiação incidente. No entanto o caminho percorrido pela luz
não pode ser controlado e ele varia de acordo com o tamanho da partícula e o
índice de refração. Reflectância é definida como sendo a razão das potências ou
fluxos (luminosos) da radiação refletida (I
R
) e da radiação de referência (I
0
) numa
superfície.
R = I
R
/I
0
As medidas absolutas da reflectância dependem das condições
experimentais, do ângulo de incidência e de reflexão, da espessura da amostra,
da temperatura, do estado da superfície da amostra etc. A reflectância é, portanto,
medida comparando-se a quantidade medida com uma referência, tal como
brometo de potássio (KBr), sulfato de bário (BaSO
4
), óxido de magnésio, etc.
A reflectância, de acordo com o tipo de reflexão, pode ser:
a. Total: quando a reflexão é do tipo misturada;
b. Regular ou Especular, onde a reflexão segue as leis da óptica de reflexão e a
razão R é dada pela radiação regularmente refletida em relação ao fluxo incidente;
c. Difusa.
26
Figura 2. Reflectância difusa: a = luz incidente, b = luz refletida difusamente,
c = capa da cela de plástico, d = janela e e = cela de armazenamento
da amostra.
A reflectância difusa ocorre quando a radiação penetra na camada
superficial das partículas (Fig. 02), excitando de modo vibracional a molécula a ser
analisada, então, tem-se um espalhamento em todas as direções.
Este tipo de reflexão foi escolhido por ser aplicado sem destruição da
amostras, que possuem um alto grau de espalhamento da radiação, em que se
utiliza o feixe de radiação de baixa energia espalhado pela amostra sólida no
ponto de reflexão.
A reflectância difusa descreve uma parte da energia que escapa da
superfície de uma amostra. A energia refletida emerge randomicamente da
amostra em ângulos de aproximadamente 180
0
. Esta energia refletida difusamente
é que carrega a informação suficiente contida na amostra, para obtenção do
espectro na região do infravermelho (MENDHAM, 2002).
27
3.4. Espectrofotômetro de Absorção Atômica
A absorção da luz por meio de átomos oferece uma ferramenta analítica
poderosa para as análises quantitativas e qualitativas. A espectroscopia de
absorção atômica (AAS) baseia-se no princípio que estabelece que os átomos
livres em estado estável possam absorver a luz a certo comprimento de onda. A
absorção é específica a cada elemento, nenhum outro elemento absorve este
comprimento de onda. AAS é um método de elemento único usado para a análise
de traços de metal de amostras biológicas, metalúrgicas, farmacêuticas e
atmosféricas. A determinação espectroscópica de espécies pode ser realizada
somente em uma amostra gaseificada na quais os átomos individuais tais como
Cu, Ca, Au, Fe, e Mg, estão bem separados um dos outros
(www.hip.aga.com.br).
3.5. Metais
3.5.1. Cobre
O cobre é um metal vermelho-pálido, macio, maleável e dúctil. O ácido
nítrico concentrado dissolve-o rapidamente (VOGEL, 1981). É um metal de
transição pertencendo ao 4º período e ao grupo 11 da tabela periódica, o número
atômico, a massa atômica e a densidade são 29, 63,54 g mol
-1
, e 8,95 g cm
-3
respectivamente (GREENWOOD e EARNSAW, 1984).
A concentração do cobre na crosta terrestre é de aproximadamente 68
ppm. É encontrado na natureza principalmente como sulfato, óxido, ou carbonato
(GREENWOOD e EARNSAW, 1984). Existem duas séries de composto de cobre.
Os compostos de cobre (I) são derivados do óxido de cobre (I) vermelho, Cu
2
O.
Tais compostos são incolores, a maioria dos sais de cobre (I) é insolúvel em água.
Eles oxidam rapidamente a compostos de cobre (II), que são provenientes do
óxido de cobre (II) preto, CuO. Os sais de cobre (II) são geralmente azuis, tanto no
estado sólido hidratado como em soluções aquosas diluídas (VOGEL, 1981).
28
Segundo Pauling, a eletronegatividade do Cu(II) é 2,0 (HUHEEY, 1993) e o raio
iônico, determinado por Shannon (1976) é 87 pm (BARROS, 1992).
O cobre, além de ser metal pesado, é classificado como micronutriente,
pois atende aos critérios de essencialidade para plantas e microrganismos. A
concentração média deste metal no solo é de 20 µg g
-1
com variações na faixa de
6 a 80 µg g
-1
, porém pode ser acrescido ao meio por resíduos urbanos e
industriais, pesticidas e fertilizantes, entre outros (SODRÉ et al., 2001). Íons Cu(II)
encontram-se no solo em maior proporção adsorvidos aos minerais de argila, aos
hidróxidos de ferro e complexados com a matéria orgânica (SOARES et al., 2004).
Existem muitas fontes de poluição de cobre, processos industriais ou até
mesmo caseiros que utilizam este metal podem contaminar os produtos tais como
o alimento, a água, ou a bebida (ÇAY et al., 2004).
O cobre em altas concentrações é tóxico ao homem, danificando
membranas celulares, inibindo várias enzimas3 e pode provocar anemia,
distúrbios no estômago e intestino (BROWN et al., 2000).
3.5.2. Cálcio
O conhecimento do cálcio como elemento químico é relativamente
recente. Contudo, alguns dos seus compostos são conhecidos desde tempos
remotos, pois já os romanos usavam a cal apagada (hidróxido de cálcio), a cal
hidráulica e a cal viva (óxido de cálcio) nas construções. O nome do elemento
deriva precisamente de calx, o nome latim para cal. Foi Sir Humphrey Davy quem,
em 1808, isolou pela primeira vez este elemento através de eletrólise. Perante
English Royal Society em 30 de Junho de 1808, referiu-se aos novos metais
alcalino-terrosos do seguinte modo: “Estas novas substâncias requerem novos
nomes; e seguindo os mesmos princípios que utilizei na nomenclatura dos alquilos
fixos, sugiro que se devam denominar estes metais de terras alcalinas de bário,
estrôncio e cálcio".
Dado que é um elemento muito ativo, o cálcio não aparece livre na
Natureza. Ocorrem, sobretudo sob a forma de carbonatos, sulfatos, fluoretos,
29
fosfatos, silicatos e boratos. Enquanto carbonato de cálcio ocorre como mármore,
giz, pedra de cal. Na forma de sulfato de cálcio surge na anidrite (CaSO
4
) e no
gipso (gesso-de-paris). O fluoreto de cálcio ocorre em fluorespatos(CaF
2
). O cálcio
ocorre também em numerosos silicatos e aluminossilicatos. As águas naturais,
incluindo a água do mar, contêm normalmente sais de cálcio dissolvidos, como o
carbonato e o sulfato de cálcio. Por este fato, vários organismos marinhos
concentram depósitos de compostos de cálcio nas suas conchas e no seu
esqueleto, como é o caso das ostras, cuja concha é constituída por carbonato de
cálcio.
O cálcio tem importantes aplicações como constituinte de ligas de chumbo
e de alumínio, como agente redutor na obtenção de outros metais a partir dos
seus óxidos, como desoxidante para o ferro, aço, cobre e suas ligas. O mais
importante dos seus compostos é o carbonato de cálcio que se apresenta em
cristais incolores, possuindo a propriedade da birrefringência, ou ainda numa
segunda forma cristalina, a aragonita. É o principal constituinte das pérolas e
conchas marinhas e encontra-se nas formações das cavernas calcárias. Por
aquecimento dá a cal viva que reage com a água formando a cal apagada; esta,
misturada com água e areia, forma a argamassa. Por aquecimento em forno
elétrico de óxido de cálcio com coque, forma-se o carboneto de cálcio,
vulgarmente chamado de "carbita"; este, por sua vez, reagindo com água produz
acetileno, um dos mais importantes compostos da química orgânica. O sulfato de
cálcio encontra-se na Natureza nos minerais gessos (utilizado em construção). O
metafosfato de cálcio tem larga aplicação como abrasivo suave e como
neutralizador nos cremes dentifrícios. O fosfato monobásico de cálcio utiliza-se
como fertilizante, enquanto o cloreto de cálcio, misturado com gelo, constitui uma
excelente mistura frigorífica, utilizando-se igualmente como exsicador. O fluoreto
de cálcio, constituinte do mineral fluorita, é matéria-prima comercial na obtenção
do ácido fluorídrico, usando-se na indústria como fundente. Finalmente, o
hipoclorito de cálcio tem grande aplicação como descorante, oxidante ou
desinfectante.
30
O cálcio é um elemento essencial nos organismos vivos. Nas plantas tem
um importante papel no metabolismo do azoto e na formação dos cloroplastos,
presentes em todas as plantas fotossintéticas. Nos animais, o cálcio é o elemento
inorgânico mais abundante, e está localizado principalmente nos ossos e nos
dentes sob a forma de fosfato de cálcio (apatite). Também o sangue é um
reservatório importante de cálcio. De um modo geral, encontramos cálcio em
todos os tecidos animais, com diversas funções como a de controlar a transmissão
de impulsos nervosos, a ação muscular, a coagulação do sangue e a
permeabilidade celular. A deficiência de cálcio pode provocar raquitismo, falhas no
mecanismo de coagulação do sangue, distúrbios nervosos e contrações
musculares convulsivas. A ingestão de vitamina D aumenta bastante a absorção
de cálcio: daí o seu emprego no tratamento do raquitismo. Um excesso de cálcio
também é prejudicial, pois pode provocar calcificações excessivas nos ossos ou
nos rins (pedras nos rins)
(www.if.ufrj.br).
3.5.3. Sódio
Do latim soda (planta medicinal para cura de dor de cabeça e de que se
tira o carbonato de sódio).
Seus compostos são conhecidos e usados há longo tempo e foi isolado
pela primeira vez por Davy, em 1807, pela eletrólise da soda cáustica.
Presença abundante no Sol e outras estrelas. As linhas do sódio estão
entre as mais destacadas no espectro solar. Participa com cerca de 2,6% da
crosta terrestre e é o metal alcalino mais abundante. O mineral mais comum é o
cloreto de sódio (sal de cozinha), mas existem outros como a criolita (fluoreto de
alumínio e sódio).
Comercialmente é obtido pela eletrólise do cloreto de sódio fundido.
É um elemento bastante reativo, nunca encontrado livre na natureza. É um
metal macio, brilhante que, em contato com a água, a decompõe com a formação
de hidróxido.
31
Sódio metálico é usado na manufatura de ésteres e no preparo de
compostos orgânicos. Também é usado em certas ligas, para decapar metais e
para purificar metais fundidos. Liga de sódio com potássio é um eficiente meio de
transferência de calor (www.myspace.eng.br).
3.5.4. Ferro
O ferro é provavelmente o mais precioso dos metais, uma vez que o
homem civilizado sentiria a sua falta mais do que de qualquer outro metal, mesmo
os ditos preciosos. No princípio do século XIV, quando o ferro era escasso, alguns
utensílios de cozinha da casa de Eduardo III foram classificados como jóias; e
acessórios de ferro estavam entre os objetos mais cobiçados pelos saqueadores.
O nome "ferro" deriva do latim "ferrum", enquanto o anglo-saxônico "iron" tem
origem no escandinavo "iarn". Muitas histórias fabulosas se contaram ao longo
dos séculos, descrevendo como o ferro meteórico caía na Terra enviada dos céus
como uma dádiva dos deuses ao Homem. Não é, no entanto, necessária nenhuma
explicação romântica para a descoberta do ferro, se atender à facilidade com que
se reduz o ferro a partir dos seus minérios. Diz-se mesmo que o primeiro ferro
produzido foi obra do acaso, quando pedaços de minério de ferro foram usados
em vez de pedras nas fogueiras nos banquetes, onde o fogo era mantido tempo
suficiente para permitir a redução. Seguiu-se a observação que as mais altas
temperaturas obtidas quando o vento soprava, produziam um melhor material.
Tentou-se então conseguir através de várias artimanhas uma rajada de vento
artificial, até se conseguir criar uma fornalha de fundição. Desde tempos pré-
históricos que os utensílios de ferro têm vindo a ser usados: descobriram-se
mesmo alguns em explorações arqueológicas na pirâmide de Gizé, no Egipto, que
têm provavelmente 5000 anos de idade; na China julga-se que a utilização do aço
remonta a 2550 a.c.. Também nos é indicado pelos poetas védicos que os seus
antepassados pré-históricos possuíam o ferro, e que os seus artesãos já tinham
adquirido técnica considerável na transformação de ferro em utensílios.
32
Os principais minérios de ferro são a hematita (Fe
2
O
3
), a magnetita
(Fe
3
O
4
), a limonita (Fe
2
O
3
.H
2
O) e a siderite (FeCO
3
). Os compostos de ferro mais
vulgares na natureza são a pirita (FeS
2
) e a ilmenita (FeO.TiO
2
), mas não são
adequado para a extração do metal. Os maiores depósitos deste metal situam-se
nos EUA, na região fronteiriça Franco-Germânica, na Grã-Bretanha, na Áustria, na
Suécia, e a Rússia. Outros importantes produtores de ferro são o Brasil, o Chile,
Cuba, Venezuela e Canadá. Este elemento aparece ainda como constituinte
subsidiário em quase todas as rochas, bem como nos seres vivos, vegetais e
animais. Encontra-se ainda em águas naturais, às vezes em quantidade
apreciável. Em Portugal são exemplos característicos as águas do Barreiro
(Caramulo), Melgaço, Vidago, Salos, Vale da Mó, Ribeirinho e Arco (Castelo de
Vide), Férrea da Câmara (Açores) e outras.
O ferro é o mais útil de todos os metais. As suas aplicações, bem como as
das suas ligas, na construção metálica de todos os tipos, são por demais
conhecidas. Os compostos de ferro têm aplicações muito diversas. Assim, o
sulfato ferroso usa-se em tinturaria e como fungicida, o oxalato ferroso em
reveladores fotográficos; a limonita e a hematita como pigmentos, adsorventes e
abrasivos; e a magnetita no fabrico de eletrodos industriais; o nitrato e o cloreto de
ferro usam-se como mordentes, como hemostáticos e como reagentes industriais,
sobretudo na indústria dos corantes; o "azul-da-prússia" e o "azul-de-turnbull"
usam-se no fabrico de tintas de escrever e outras, bem como o ferroceno, têm
encontrado freqüente aplicação como catalisadores de muitas reações.
O ferro desempenha um papel importante nos processos metabólicos dos
animais, sendo um constituinte vital nas células de todos os mamíferos. A função
do ferro no corpo limita-se quase exclusivamente ao transporte de oxigénio no
sangue, por intermédio da hemoglobina, existente nos glóbulos vermelhos. Está
também presente em algumas enzimas que catalisam mecanismos de oxidação
celular. No homem os órgãos mais ricos em ferro é o fígado e o baço, onde o
elemento existe na forma de "ferritina”. Embora em menor quantidade, está
também presente nos ossos, na medula, nos rins e nos intestinos. Um homem
adulto absorve cerca de 5mg de ferro por dia, enquanto a mulher absorve
33
ligeiramente mais para contrabalançar as perdas durante a menstruação ou a
gestação. Nas crianças a absorção de ferro é muito maior, excedendo 10 a 15 mg
por dia. Há vários sais ferrosos, como o sulfato ferroso, que são bastante eficazes
no tratamento de anemia devido à deficiência de ferro. Dos alimentos mais ricos
em ferro destaca-se o fígado, o peixe e a gema de ovo. Os vegetais mais ricos
neste elemento são os feijões e as ervilhas e, de um modo geral, a hortaliça
(www.if.ufrj.br).
3.5.5. Magnésio
Do grego magnesia. Compostos de magnésio são usados há longo tempo.
Foi reconhecido como elemento por Black em 1755, isolado por Davy em 1808
(através da evaporação do mercúrio de um amálgama de magnésio obtido pela
eletrólise de uma mistura de magnésia e óxido de mercúrio) e preparado de forma
utilizável por Bussy em 1831.
É o oitavo elemento mais abundante na crosta terrestre (cerca de 2,5%
em peso). Não é encontrado em forma pura. Os principais minerais são a
magnesita (carbonato de magnésio, MgCO
3
) e a dolomita (carbonato duplo de
cálcio e magnésio, MgCa(CO
3
)
2
). Água do mar contém cerca de 1300 ppm de
magnésio em peso, na forma de cloreto (MgCl
2
).
É um metal leve, duro, cor branca prateada. Sob ação do ar, aparecem
leves manchas devido à oxidação. Se pulverizado, entra facilmente em ignição
com o aquecimento, exibindo uma chama ofuscante. Cuidados especiais devem
ser tomados para evitar a ignição indesejada do magnésio em pó. Não usar água
para apagar a chama. Compostos de magnésio em geral não são tóxicos.
Aplicações: Flashes fotográficos, artefatos pirotécnicos, inclusive bombas
incendiárias. É um terço mais leve que o alumínio e suas ligas são usadas na
construção de aviões e mísseis. Como agente de liga para o alumínio melhora as
propriedades mecânicas e características de soldagem. Na produção grafite
nodular em ferros fundido e como aditivo para propelentes de foguetes. Agente de
34
redução para produção de urânio e outros metais. O resíduo da combustão é
empregado em tijolos refratários (www.myspace.eng.br).
3.6. Cromatografia Líquida de Alta Eficiência – CLAE
A cromatografia líquida de alta eficiência é o mais novo e mais importante
membro de uma família inteira de técnicas de separação.
A CLAE utiliza instrumentos muito sofisticados que podem ser totalmente
automatizados. É um tipo de cromatografia líquida que emprega pequenas
colunas, recheadas de materiais especialmente preparados e uma fase móvel que
é eluida sob alta pressão.
Separações difíceis são frequentemente, desenvolvidas mais facilmente
pela CLAE.
-Possui duas fases cromatográficas de interação seletiva com as moléculas
da amostra.
-Possui uma maior variedade em possíveis mecanismos de separação.
-Permite a separação de compostos termicamente instáveis a baixas
temperaturas.
O detector mais usado na CLAE é Índice de Refração. Este detector
acompanha continuamente a diferença no índice de refração entre a fase móvel
pura e o efluente que sai da coluna contendo os componentes da amostra.
A resposta deste detector é universal e a sua sensibilidade é moderada,
geralmente da ordem de microgramas. Este nível de concentração corresponde a
uma diferença no índice de refração entre a amostra e a fase móvel de
aproximadamente 10
-7
unidades de índice de refração. Além do problema com a
temperatura, existem ainda outros: a sensibilidade às variações de vazão e
mudanças na composição da fase móvel, que impede o uso de gradientes por ser
difícil encontrar um par de solventes com índice de refração idênticos.Qualquer
mudança na composição da mistura mudará o índice de refração da fase móvel,
então, o lado da referência terá que mudar, o que é quase impossível. (Collins,
1995).
35
3.7. Calibração Multivariada
3.7.1. Quimiometria
A calibração multivariada é uma área do que hoje se entende como
quimiometria, que por sua vez, já é considerada uma parte da química analítica.
O termo quimiometria (do inglês chemometrics) foi proposto no final dos
anos 70, para descrever as técnicas e operações associadas com a manipulação
matemática e interpretação de dados químicos. Com o passar dos anos, com a
popularização dos computadores e facilidade da sua aquisição e uso, muitos
químicos passaram a ter como objeto de estudo e pesquisa, o desenvolvimento e
utilização de ferramentas matemáticas e estatísticas para extrair maior informação
dos dados. Isso acabou por gerar procedimentos e domínio de informações que
não seriam possíveis, ou não teriam sentido, sem o conhecimento dessas
ferramentas matemáticas para análise de dados. Sistemas multivariados são
amplamente preferidos e utilizados, pois através dos mesmos, pode-se medir
muitas variáveis simultaneamente, sendo então necessários vários recursos
matemáticos.
A quimiometria é à parte da química que utiliza métodos matemáticos e
estatísticos, como aqueles baseados em lógica matemática, aplicados a
problemas de origem química para definir ou selecionar as condições de medidas
e experiências, e permitir a obtenção do máximo de informações a partir da
análise dos dados químicos (BRIGUENTHI, 2000).
A calibração multivariada tem como princípio básico à utilização
simultânea de muitas variáveis independentes x
1
, x
2
, ... x
n
, que podem ser valores
de absorvância à vários comprimentos de onda, valores de absorvância à vários
tempos, espectros de determinadas regiões espectrais, obtidos simultaneamente,
para quantificar uma ou mais variáveis dependentes y, que correspondem aos
valores de cada constituinte de interesse sendo analisado, como por exemplo,
valores de concentração (ZAMPRONIO, 1998).
36
Um dos métodos comumente usados para a calibração multivariada, o qual
tem sido aplicado a um grande número de determinações e com excelentes
resultados, é o método dos mínimos quadrados parciais (PLS) (POPPI, 2000). O
PLS, do inglês “partial least quares”, é o método mais usado em calibração
multivariada.
Para se compreender e aplicar o PLS é necessário definir um outro modelo
matemático denominado PCA, análise das componentes principais. A PCA é um
dos métodos mais freqüentemente utilizados na extração e interpretação de
informações de dados multivariados.
A análise das componentes principais consiste na decomposição de uma
matriz de dados X de posto r, ou “rank” r, em termos da soma de várias matrizes
M
i
, de posto igual a 1, como demonstrado abaixo:
X = M
1
+ M
2
+ M
3
+ ... + M
i
,
onde o posto é um número que expressa a verdadeira dimensão de uma matriz.
As matrizes M
i
constituem as chamadas componentes principais e são formadas
pelo produto de dois vetores denominados “scores” t e “loadings” p. Estes “scores”
e “loadings” podem ser calculados par a par por um processo iterativo, como se
segue:
X = t
1
p
1
’
+ t
2
p
2
’
+ ... +t
i
p
i
’
,
ou de forma geral equivalente:
X = TP
’
.
Em síntese, a análise das componentes principais é um método que
tem por finalidade básica a redução de dados a partir de combinações lineares
das variáveis originais (POPPI, 2000).
No método dos mínimos quadrados parciais, tanto a matriz das
variáveis independentes dos dados instrumentais X, como a matriz das variáveis
dependentes dos valores das concentrações Y, são representadas pela análise
das componentes principais, obtendo-se inicialmente os “scores” e os “loadings”
das duas matrizes X e Y, de acordo com o que se segue:
37
X = TP
’
= Σ t
i
p
i
’
+ E;
Y = UQ
’
+ F = Σ u
i
q
i
’
+ F,
onde T e U são as matrizes de “scores” da matriz X e Y respectivamente, P
e Q são as matrizes de “loadings” da matriz da matriz X e Y respectivamente e E e
F são os resíduos ou erros experimentais (ZAMPRONIO, 1998). A correlação
entre X e Y é simplesmente uma relação linear obtida pelo coeficiente de
regressão como apresentado a seguir:
U = b
i
T
i
,
onde b
i
é um vetor de coeficientes de regressão entre a matriz “scores” U de Y e a
matriz “scores” T de X:
b
i
= u
i
t
i
/t
i
’
t
i
,
para i = 1, 2, ..., b componentes principais.
Esse algoritmo U usualmente converge muito rapidamente, realizando
pequenas rotações das componentes principais de X e Y, para que se obtenha a
melhor relação linear possível entre os “scores” de X e Y (ZAMPRONIO, 1998).
Com a utilização deste método, muitos problemas de cálculo puderam ser
superados e um grande número de aplicações analíticas começou a aparecer.
Mais recentemente, com a utilização de técnicas de inteligência artificial no
tratamento de dados químicos, como redes neurais e algoritmos genéticos, certos
problemas que ainda não eram resolvidos com a utilização do PLS, como a
modelagem de sistemas não lineares, puderam ser suplantados. Isso ampliou
ainda mais a aceitação da calibração multivariada em química analítica.
3.8. Análise das Componentes Principais (PCA)
A Análise das Componentes Principais (PCA, do inglês "Principal
Component Analysis") (GELADI, 1986) é uma ferramenta quimiométrica que pode
ser utilizada na visualização de propriedades de amostras. Comumente é
empregada, para identificação de grupos distintos, na seleção de amostras e na
construção de modelos para calibração multivariada. O objetivo da PCA é reduzir
38
o número de variáveis envolvidas na modelagem, através de combinação linear
estabelecida entre os dados.
A PCA é um método para decompor uma matriz de dados X, como uma
soma de matrizes de posto igual a um, como pode ser visto na equação:
X = M
1
+ M
2
+ M
3
+ ....+ M
h
Sendo o posto um número que expressa a verdadeira dimensão de uma matriz.
Assim essas novas matrizes de posto igual a 1, são produtos de vetores
chamados escores t
h
e pesos p
h
. Os escores e os pesos podem ser calculados
par a par por um processo iterativo, mostrado na equação:
X = t
1
p
1
+ t
2
p
2
+ .... + t
h
p
h
Esta equação pode ser representada de uma maneira geral para expressar
a somatória dos vetores em matrizes, como mostra a equação:
X = TP´
De uma forma mais clara, esta soma de vetores pode ser vista por uma
representação gráfica de matrizes dos vetores. Como mostra a figura 03.
X = t
1
1 + t
2
1
+ .... + t
h
1
Figura 3. Representação matricial da somatória de produtos dos vetores escores e
pesos.
Uma melhor exemplificação da PCA pode ser vista na figura 04. Onde os
vetores t
h
e p’
h
estão representados no plano de duas variáveis x
1
e x
2
. A figura
04A mostra uma componente principal que é a reta que aponta para a direção de
maior variabilidade das amostras da figura 04B, aqui numeradas de 1 a 6. Na
figura 04A, estão representados os pesos ( p
1
e p
2
) que são os cossenos dos
p
’
1
p
’
h
p
’
2
m
m m
m
1
n n n n
1 1
39
ângulos do vetor de direção, na figura 04B estão representados os escores ( t
1
e
t
2
) que são as projeções das amostras na direção da componente principal.
Figura 4. Representação de uma componente principal para as variáveis x
1
e x
2
:
A) representação dos pesos (p
1
e p
2)
; B) representação dos escores
(t
1
e t
2
).
3.9 – Processamento dos Dados Espectrais
3.9.1 – Dados Centrados na Média
A transformação mais comum é centrar os dados na média. Esta operação
foi feita na matriz de dados de concentração (y) e na matriz de dados das medidas
espectrais (x). Isso corresponde a subtrair o valor de cada elemento da coluna
pelo valor médio dos elementos dessa coluna, resultando numa matriz, onde todas
as colunas têm a média zero. Esta operação geralmente reduz a dimensão do
modelo (THOMAS, 1994).
3.10 – Pré-Tratamento dos Dados
3.10.1 – Correção do Fator Multiplicativo do Sinal (MSC)
Esta correção pode ser generalizada como correção do sinal multiplicativo.
Originalmente foi desenvolvida para corrigir as variações do espalhamento da luz
B
x
1
x
2
CP
1
2
3
4
5
6
t
1
t
2
A
x
1
x
2
θ
2
θ
1
p
1
=cos
θ
1
p
2
=cos
θ
2
+
∞
-
∞
40
para as medidas de reflectância difusa no infravermelho próximo (NIR). Esta
variação tem um forte componente multiplicativo, por isso foi chamada de correção
do espalhamento multiplicativo.
O espalhamento para cada amostra é estimado em relação ao de uma
amostra de referência (que neste caso foi o espectro obtido pela média das
amostras). Cada espectro da amostra é corrigido de forma que todas as amostras
tenham o mesmo nível de espalhamento da amostra de referência. Essa correção
assume que o coeficiente de espalhamento é o mesmo para todos os
comprimentos de onda. A variação do espalhamento devido às variações químicas
é ignorada. A versão MSC é baseada num simples modelo linear (MARTENS,
1996; HELLAND, 1985; GELADI,1985).
x = a + bx’ + e
x simboliza o espectro da amostra, x’ simboliza o espectro da amostra referência
(o espectro médio), “a” idealmente representa as informações químicas em x e “e”
são os resíduos. Para cada amostra a e b são estimados pela regressão dos
mínimos quadrados.
O espectro corrigido x
c
para cada comprimento de onda é calculado:
x
c
= ( x – a ) / b
41
4. MATERIAIS E MÉTODOS
4.1. Área de atuação
Foram obtidas 97 amostras de açúcar mascavo da região de Cataguases,
pela Indústria Doce Puxa-Puxa. Sendo, 47 amostras de coloração mais clara
(DPC) e 50 amostras de coloração mais escura (DPE). A identificação dos
açúcares foi feita por mês de processamento. As amostras estão agrupadas da
seguinte forma:
01 a 10 - processadas no mês de fevereiro;
11 a 20 - processadas no mês de março;
21 a 30 - processadas no mês de abril;
31 a 40 - processadas no mês de maio;
41 a 50 - processadas no mês de junho.
Estas amostras foram secas em dessecador, que inicialmente se
encontrava com um mínimo possível de umidade por estarem estocadas na
geladeira, pois a água absorve fortemente perto de 3710 cm
-1
e de 1630 cm
-1
podendo mascarar a absorção da substância que está sendo analisada ou
podendo levar a conclusões errôneas.
42
4.2. Digestão de amostras para a Espectrofotometria por Absorção Atômica
As medidas de massa foram feitas em balança analítica da marca
SHIMADZU LIBROR AEX - 200B, com precisão de 0,1 mg. Foi pesado
aproximadamente 0,5 g de amostra diretamente nos tubos digestores.
As amostras foram submetidas a uma digestão prévia com 7mL de HNO
3
65% e 1 mL de H
2
O
2
30%, concentrado em bloco digestor a 150 °C até não haver
mais desprendimento de NO
2
(vapor marrom). Neste ponto, adicionou-se 5 mL de
HNO
3
concentrado até clarificação da solução. Após a redução do volume para
cerca de 1 mL, filtrou-se em papel de filtro, INLAB tipo 30 e recolheu-se o filtrado
em balão volumétrico de 100 mL.
4.3. Medidas analíticas
4.3.1. Espectrometria no Infravermelho Próximo - NIR
Os espectros foram obtidos no equipamento NIR System 6500 (Silver
Spring, MD, USA) utilizando célula coarse e região de espectro de 1000 a 2500
nm, com incremento de 2cm
-1
, O software Matlab versão 5.0 será utilizado para
estabelecer os modelos quimiométricos.
Antes de iniciar as leituras espectrais das amostras e do branco, estes
serão moídos, para que as partículas fiquem mais homogêneas. Em seguida as
amostras de açúcar serão colocadas na cela para leitura espectral e compactadas
para eliminar problemas de leituras ocorridos pelo efeito de superfície.
4.3.2. Espectrofotômetro de Absorção Atômica – AA
Para a determinação das concentrações dos metais foi utilizado o
espectrofotômetro de absorção atômica da VARIAN, modelo SpectrAA-200
equipado com corretor de absorção de fundo. Os extratos foram aspirados
diretamente em chama ar–acetileno.
43
4.3.3. Cromatografia Líquida de Alta Eficiência
Para a construção do modelo de regressão foi usado um padrão de
sacarose (99,84%) grau para análise (Vetec) na preparação da curva de
regressão. Foram preparadas, por pesagem em balança analítica, cinco soluções
padrão em concentrações de 0,005 a 0,05 g 10mL
-1
. O padrão de sacarose foi
dissolvido em água deionizada em balão volumétrico calibrado de 10mL.
A determinação de sacarose utilizando a técnica de Cromatografia Líquida
realizada envolve três etapas: a preparação da solução de açúcar em água
deionizada, a retirada de impurezas da solução por filtração e a determinação
cromatográfica com detector de Índice de Refração.
Para a preparação da solução da amostra foram pesadas 0,010 ± 0,002 g
de açúcar, o qual foi transferido quantitativamente, com água deionizada, para um
balão volumétrico de 10 mL. Posteriormente, foi completado o volume do balão
volumétrico com água deionizada.
A solução foi filtrada em papel de filtro Whatman 41 (15 cm) após a
homogeneização.
O cromatógrafo utilizado contém uma bomba da marca Shimadzu, modelo
LC – 6AD, um forno da marca Shimadzu, modelo CTO – 10AS VP, um detector de
Índice de Refração da marca Shimadzu, modelo RID – 10A e uma coluna da
marca BIO – RAD, modelo Aminex HPX – 87P.
Para minimizar erros na medida dos volumes e funcionamento do aparelho,
a temperatura da sala foi estabilizada em 15°C ± 0,5°C.
4.4. Tratamento dos dados
Os arquivos contendo os dados espectrais transformados para o formato
ASCII (Código Padrão Americano para Troca de Informações), foram dispostos
numa matriz de dados, que contém os valores das leituras espectrais no
respectivo comprimento de onda (número de onda), usando o programa Origin 6.0
(Microcal, 2000). Em seguida, os dados foram transferidos para o ambiente Matlab
5.3 (MATWORKS, 1999). Neste ambiente, os espectros serão pré-processados
44
centrando na média. Em seguida o método da Análise das Componentes
Principais (“Principal Component Analysis” - PCA) será utilizado para verificar a
separação das amostras de açúcar mascavo.
45
5. RESULTADOS E DISCUSSÃO
5.1 – Espectrofotometria de Absorção Atômica
Para a determinação dos teores dos metais foi utilizado o espectrofotômetro
de absorção atômica da VARIAN, modelo SpectrAA-200.
As soluções estoque foram preparadas, a partir de soluções padrão dos
metais, água deionizada e ácido nítrico grau analítico, em concentrações de
1000µgmL
-1
. As soluções dos metais de trabalho foram preparadas em diferentes
concentrações dependendo do metal a ser determinado em solução de ácido
nítrico 20% (v/v), por diluição das soluções estoque. Um branco foi preparado com
solução de ácido nítrico 20% (v/v) em água deionizada
Os comprimentos de onda usados para as determinações dos 5 elementos
encontram-se na Tabela 2. As curvas analíticas definidas para cada elemento
foram: cobre de 0,03 a 10mg L
-1
; cálcio de 0,01 a 3mg L
-1
; sódio de 0,01 a 2mg L
-1
;
ferro de 0,06 a 15mg L
-1
; magnésio de 0,003 a 1mg L
-1
e mostraram-se lineares
em toda a faixa de trabalho.
46
Tabela 2.
Parâmetros de análise da CLAE – IR.
Metal λ(nm) L.D.(µg L-1) C.L.(mA) Combustível A B r
Cobre 422,7 3 4
C
2
H
2
/Ar
-0,00005 0,0413 0,9996
Cálcio 324,7 1 10
C
2
H
2
/N
2
O
-0,00008 0,0385 0,9994
Sódio 589,6 0,2 5
C
2
H
2
/Ar
0,05 0,3486 0,9748
Ferro 248,3 6 5
C
2
H
2
/Ar
0,0058 0,0243 0,9986
Magnésio 285,2 0,3 4
C
2
H
2
/Ar
0,0025 0,0904 0,9981
L.D. = Limite de detecção; C.L. = Corrente da lâmpada de catodo oco; A = coeficiente angular da
regressão; B = coeficiente linear da regressão; r = coeficiente de correlação da regressão; número
de pontos das curvas analíticas = 5.
Foram feitos às análises das concentrações dos metais, veja na Tabela 03
e a seguir, aplicados os métodos de análise por componentes principais para
melhor visualização dos resultados.
Tabela 3. Teores de metais do açúcar mascavo claro.
Amostras Mês Proces. Cobre Cálcio Sódio Ferro Magnésio
DPC 01 fevereiro 7,6649 631,4325 335,6768 31,5919 505,3965
DPC 02 fevereiro 9,2843 623,8696 273,5063 35,3247 515,3046
DPC 03 fevereiro 9,1663 605,6260 239,3865 38,0428 522,8033
DPC 04 fevereiro 11,1399 600,9782 250,3149 35,9771 536,2415
DPC 05 fevereiro 12,4228 586,1563 248,4604 37,9015 543,6684
DPC 06 fevereiro 11,9331 594,9778 247,2436 69,2206 550,8419
DPC 07 fevereiro 13,4517 600,3762 250,2410 34,8469 590,7557
DPC 08 fevereiro 13,6987 587,8062 263,0005 46,8670 595,7948
DPC 09 fevereiro 15,5908 573,2840 240,7966 48,2426 611,8425
DPC 10 fevereiro 17,2934 646,7173 257,3446 35,3456 514,2437
DPC 11 março 19,1221 630,4679 249,2301 34,3995 508,9497
DPC 12 março 18,7626 622,0363 265,6949 30,4649 541,5672
DPC 13 março 21,8111 620,8373 257,5916 36,7795 564,6640
DPC 14 março 21,0154 596,8155 262,0774 28,2486 559,2021
DPC 15 março 22,3669 600,3616 263,4608 59,6678 601,9156
DPC 16 março 24,6083 580,2848 241,6501 36,2416 594,1625
DPC 17 março 8,5694 591,2444 288,2595 31,7290 607,0038
DPC 18 março 11,8241 545,6569 233,8324 32,1507 612,4233
DPC 19 março 11,3798 558,7075 241,9701 31,0229 641,4778
DPC 20 março 11,1146 616,1888 224,2637 24,1096 501,2112
DPC 21 abril 12,7921 639,2178 238,7812 32,6717 552,1564
DPC 22 abril 10,5777 649,9859 210,4343 27,2583 537,9372
DPC 23 abril 10,8821 638,0708 207,5658 28,9951 551,6371
DPC 24 abril 11,7292 640,9788 213,5233 19,9073 568,9966
DPC 25 abril 12,1331 629,7337 210,4855 23,0786 558,0220
DPC 26 abril 13,7142 611,4739 216,0100 19,0535 577,3116
DPC 27 abril 14,6915 601,4175 240,8486 26,4055 594,0819
mg/Kg
47
continua
DPC 28 abril 14,1881 580,6454 220,5111 18,1348 596,1976
DPC 29 abril 16,8674 582,0978 238,9734 20,2881 610,2919
DPC 30 abril 19,1409 649,1193 223,1907 30,0526 502,9916
DPC 31 maio 18,0483 620,4661 217,8968 35,9900 514,9450
DPC 32 maio 20,5304 609,5715 219,0522 23,0437 538,6514
DPC 33 maio 19,2767 597,9442 220,3108 28,0479 525,3393
DPC 34 maio 5,5671 600,4523 222,2641 23,9405 542,8707
DPC 35 maio 7,4580 589,2650 245,6620 24,7053 570,2901
DPC 36 maio 11,3320 562,4455 212,4666 22,5601 582,7040
DPC 37 maio 16,4037 554,3853 209,1764 29,8961 591,9060
DPC 38 maio 14,8913 537,9795 208,1334 27,2263 609,3218
DPC 39 maio 13,5675 536,7627 208,5844 24,5009 620,2421
DPC 40 maio 17,9749 639,7412 220,9614 24,3200 497,9460
DPC 41 junho 16,3355 599,6451 211,4089 64,6891 493,0999
DPC 42 junho 17,8637 596,9076 216,5439 23,5694 500,5884
DPC 43 junho 18,8777 593,1621 214,6796 21,7169 519,2752
DPC 44 junho 18,2403 590,7118 211,7939 21,7880 539,3221
DPC 45 junho 20,0275 581,8359 202,6269 19,4753 554,1513
DPC 46 junho 20,4400 567,0000 209,7133 16,9800 513,0000
DPC 47 junho 20,9208 576,8632 210,1917 16,7741 543,6934
Tabela 4. Teores de metais do açúcar mascavo escuro.
Amostras Mês Proces. Cobre Cálcio Sódio Ferro Magnésio
DPE 48 fevereiro 7,8909 2271,590153 433,6061 22,4285 603,2535
DPE 49 fevereiro 8,1365 2283,7713 248,8081 63,7667 453,9276
DPE 50 fevereiro 9,8035 2086,8984 248,5810 75,2701 466,2950
DPE 51 fevereiro 1,3952 2249,2017 221,9592 79,4210 475,0820
DPE 52 fevereiro 0,3813 3133,6264 192,7018 74,8261 599,3707
DPE 53 fevereiro 2,8309 2285,9833 856,6224 30,3238 632,6899
DPE 54 fevereiro 2,8517 1867,0890 182,3367 71,8231 462,8781
DPE 55 fevereiro 2,9847 1954,7344 202,5815 73,8438 478,4946
DPE 56 fevereiro 4,3757 2097,3045 167,7485 80,0971 503,2140
DPE 57 fevereiro 3,5357 2515,4079 204,2165 69,4980 491,4053
DPE 58 março 3,3467 3014,3712 186,0251 83,2946 523,1251
DPE 59 março 4,7320 2284,1412 186,2364 78,0069 503,9798
DPE 60 março 4,2336 2494,5195 191,9915 74,0083 482,2417
DPE 61 março 5,1991 2238,1799 195,7412 73,5397 421,6664
DPE 62 março 6,4796 2414,0306 196,9011 94,1321 454,3581
DPE 63 março 7,1284 2530,9984 200,7493 70,3270 457,9702
DPE 64 março 9,2831 2388,8741 195,8882 68,5506 468,7230
DPE 65 março 9,4907 2563,0842 174,1745 71,9148 472,2155
DPE 66 março 10,1928 2468,9288 207,5572 76,2148 484,2370
DPE 67 março 12,0751 2843,9571 469,5531 28,3584 638,0710
DPE 68 abril 3,5007 2487,6603 220,9059 74,2223 503,2723
DPE 69 abril 3,6277 2482,3692 205,0656 70,6795 495,4285
DPE 70 abril 5,1499 2261,9171 619,6162 29,9171 603,9295
mg/Kg
48
continua
DPE 71 abril 5,2541 2599,8358 699,9084 21,8551 633,2867
DPE 72 abril 5,6822 2667,4509 442,8050 21,3784 639,4862
DPE 73 abril 6,5963 2483,7078 190,2720 73,0768 487,8179
DPE 74 abril 6,8598 2505,2046 206,2313 71,8685 458,4683
DPE 75 abril 7,8500 2460,9671 178,2398 62,0637 441,3950
DPE 76 abril 9,9030 2558,3725 218,8559 76,1824 435,6099
DPE 77 abril 11,4326 2715,0719 200,5294 64,5053 456,0987
DPE 78 maio 10,5354 2420,3986 191,4364 76,7233 435,2152
DPE 79 maio 9,6973 2388,4296 206,9422 71,4388 417,5114
DPE 80 maio 9,1746 2343,1972 177,3335 71,9835 390,4240
DPE 81 maio 11,6767 2372,0193 192,1448 73,9260 399,0842
DPE 82 maio 9,3788 2455,0271 176,1156 69,8200 399,9716
DPE 83 maio 9,6621 2359,8989 216,7760 75,7754 394,5336
DPE 84 maio 11,0919 2447,0275 199,9189 73,8447 401,9749
DPE 85 maio 2,1646 2649,6411 187,7677 67,4577 454,4955
DPE 86 maio 4,4766 2487,9106 230,3097 66,7362 423,3995
DPE 87 maio 3,8990 2407,9386 212,2254 74,1854 462,9890
DPE 88 junho 5,2023 2399,2018 178,3516 65,7885 471,9006
DPE 89 junho 6,1237 2388,6965 209,4666 67,5824 421,6279
DPE 90 junho 7,7721 2358,5619 204,8155 72,2324 496,7162
DPE 91 junho 7,8610 2479,7834 177,9030 65,9766 509,2452
DPE 92 junho 4,6113 1480,5829 206,4868 65,7617 542,8078
DPE 93 junho 5,3991 2389,5510 184,1662 69,9356 564,4295
DPE 94 junho 7,2623 2353,6495 190,0911 72,1861 546,6040
DPE 95 junho 7,0076 2256,2288 274,0960 71,9794 528,2586
DPE 96 junho 8,5757 2348,5324 187,4423 75,3152 550,7992
DPE 97 junho 9,5540 2418,2371 171,0635 78,1436 567,4800
5.2 – Cromatografia Líquida de Alta Eficiência
As condições de medida dos parâmetros cromatográficos, como a
eficiência, devem ser mantidas constantes e especificas, pois modificações de
composição da fase móvel, vazão da fase móvel, do composto teste e sistema
cromatográfico, ocasionam alterações nos valores dos parâmetros
cromatográficos.
O açúcar (sacarose) foi determinado nas amostras de açúcar mascavo
claro e escuro empregando-se as seguintes condições expostas na Tabela 05
Após a detecção por Índice de Refração a quantificação foi realizada por
padronização externa utilizando-se concentrações de 0,5; 1,0; 2,0; 3,0 e 5,0
mg/mL para sacarose respectivamente.
49
Tabela 5. Condições de operações do cromatógrafo.
Coluna Bio-Rad ( Aminex HPX - 87P)
Temperatura da Coluna
80
o
C
Forno Shimadzu (CTO - 10AS VP)
Fase Móvel Água deionizada e desgaseificada
Fluxo 1.2 mL/min
Detector Shimadzu (RID - 10A)
Pressão 90 Kgf
Bomba Shimadzu (LC - 6AD)
Os teores de sacarose quantificados por CLAE estão listados nas Tabelas
06 e 07.
Tabela 6. Teores de sacarose nas amostras de açúcar mascavo claro.
Amostras % Sacarose Amostras % Sacarose Amostras % Sacarose Amostras % Sacarose
DPC 01 8,9942 DPC 13 4,7878 DPC 25 4,8855 DPC 37 4,8034
DPC 02 9,3891 DPC 14 4,0775 DPC 26 5,2494 DPC 38 4,5157
DPC 03 8,7860 DPC 15 3,8987 DPC 27 4,8803 DPC 39 4,5987
DPC 04 7,9973 DPC 16 5,5986 DPC 28 5,1880 DPC 40 4,9492
DPC 05 7,7423 DPC 17 4,5333 DPC 29 4,3481 DPC 41 3,6389
DPC 06 8,5561 DPC 18 4,7723 DPC 30 4,7958 DPC 42 4,6712
DPC 07 8,1250 DPC 19 4,5574 DPC 31 4,7423 DPC 43 3,9852
DPC 08 9,2804 DPC 20 5,8016 DPC 32 4,8148 DPC 44 5,0242
DPC 09 4,7874 DPC 21 4,8565 DPC 33 4,6006 DPC 45 5,9684
DPC 10 8,9755 DPC 22 6,7367 DPC 34 4,7147 DPC 46 5,3509
DPC 11 4,7790 DPC 23 5,1315 DPC 35 4,8089 DPC 47 4,7367
DPC 12 4,4135 DPC 24 6,8198 DPC 36 4,6303
Tabela 7. Teores de sacarose nas amostras de açúcar mascavo escuro.
Amostras % Sacarose Amostras % Sacarose Amostras % Sacarose Amostras % Sacarose
DPE 48 3,9550 DPE 61 5,8161 DPE 74 6,2257 DPE 87 4,7718
DPE 49 5,9414 DPE 62 7,4894 DPE 75 5,1638 DPE 88 4,5977
DPE 50 5,5269 DPE 63 5,3627 DPE 76 4,3048 DPE 89 4,4268
DPE 51 6,3890 DPE 64 4,5479 DPE 77 4,7128 DPE 90 4,4717
DPE 52 4,1581 DPE 65 5,8173 DPE 78 8,2078 DPE 91 4,6296
DPE 53 5,0772 DPE 66 6,7456 DPE 79 6,8156 DPE 92 4,8060
DPE 54 5,7818 DPE 67 5,0760 DPE 80 5,6876 DPE 93 4,6059
DPE 55 5,3308 DPE 68 6,2657 DPE 81 6,0074 DPE 94 4,7508
DPE 56 5,8148 DPE 69 6,3730 DPE 82 6,5581 DPE 95 4,9743
DPE 57 6,4194 DPE 70 5,5142 DPE 83 5,7761 DPE 96 4,9628
DPE 58 5,5557 DPE 71 5,7596 DPE 84 5,5158 DPE 97 5,3816
DPE 59 5,8124 DPE 72 5,4756 DPE 85 4,6434
DPE 60 5,6910 DPE 73 5,9346 DPE 86 5,8984
50
Os cromatogramas ilustrados pelas Figuras 5a e 5b mostram um típico
exemplo dos padrões e de uma amostra de açúcar mascavo..Observa-se que
apenas a sacarose foi detectada, devido provavelmente pela especificidade do
método de análise.
Figura 5a. Cromatograma de uma solução padrão 2,0 mg/mL.
Figura 5b. Cromatograma de uma amostra de açúcar mascavo..
5.3 - Espectros de Açúcar Mascavo no Infravermelho Próximo
Depois de obtidos os espectros das amostras de açúcar mascavo no NIR,
como descrito na parte experimental, os espectros foram pré – processados para
melhor análise. Vale a pena ressaltar que o pré – processamento de sinais é uma
etapa importante, quando se trabalha com espectros de infravermelho próximo.
Em alguns casos, esta é uma etapa que pode consumir um longo tempo, como no
tratamento dos dados aqui considerados. Os espectros de reflectância dos
açucares foram inicialmente, convertidos em logaritmo da inversa da reflectância
Tempo de Retenção (min)
Tem
p
o de Reten
ç
ão
(
min
)
mV
8.570
8.490
mV
51
(log 1/R), para que seja semelhante a absorvância e obedeça a lei de Beer. Além
disso, depois de convertidos em log 1/R vários pré – processamentos de sinais
foram testados, e os modelos obtidos com os pré – processamentos foram
avaliados. Os pré – processamentos testados foram: auto–escalonamento,
primeira derivada, variação normal padrão (SNV, “Standard Normal Variate”)
(BARNES, 1989), correção do espalhamento multiplicativo (MSC, “Multiplicative
Scatter Correction”) (GELADI, 1985) centrado na média de cada 5 pontos. O pré –
processamento usado foi o auto-escalonamento.
A figura 06 mostra os espectros obtidos na região do infravermelho próximo
(1000 a 2500 cm
-1
)..
Figura 6. Espectros das noventa e sete amostras de açúcar mascavo.
5.4 – Disposição dos Espectros na PCA
Como uma primeira tentativa de explorar o conjunto de dados, os espectros
de reflectância estão representados em espaço de duas dimensões no gráfico da
Número de onda (cm
-1
)
Abs
52
PCA, mostrado na Figura 07. O PCA é um método bem conhecido e bem
estabelecido, para redução de dados e visualização, porém seus resultados são
difíceis de interpretar quando se tem não linearidades presentes ou quando a
percentagem de variância explicada não é suficientemente alta, o que não é o
caso dos dados apresentados na Figura 07, onde se tem 98,36 % de informação
nas duas primeiras componentes principais.
Figura 7. Disposição dos espectros reduzidos pela (PCA).
Na disposição das amostras no gráfico da PCA é possível observar que a
primeira componente principal (PC1) explica 93,60 % da variância total dos dados,
observa-se que existe a separação entre o grupo do açúcar mascavo claro (DPC)
e o grupo do açúcar mascavo escuro (DPE), na primeira componente principal.
Enquanto a segunda componente principal (PC2) explica 4,76 % da variância total
dos dados.
Os grupos (círculos azuis) apresentam subgrupos (círculos vermelhos),
ou seja, subgrupos que possui algumas propriedades espectrais, que o diferencia
dos demais. Baseado nesta constatação pode-se observar a comparação de
-80 -60 -40 -20 0 20 40 60
-15
-10
-5
0
5
10
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
PC 1 (93,60%)
PC 2 ( 4,76%)
DPE
DPC
DPE
DPC
53
espectros localizados em diferentes regiões da análise da PCA na Figura 08, que
há dois espectros diferentes pertencentes ao grupo do açúcar mascavo DPE (85)
e o grupo de açúcar mascavo DPC (47), nas regiões de aproximadamente 2050
nm e 1200 nm.
Figura 08. Comparação de espectros localizados em diferentes regiões da análise
da PCA, com dados de espectros auto-escalonados.
Neste caso, um subgrupo do açúcar mascavo DPC (34) se assemelha com
o grupo de açúcar mascavo DPC (47), apresentando uma diferença acentuada
próxima a 1400 nm.
Os subgrupos de açúcar mascavo DPE (49) e DPE (67), se assemelham ao
grupo de açúcar mascavo DPE (85), na região próxima a 1200 nm e se
diferenciam na região próxima a 2050 nm. Estes subgrupos se assemelham ao
grupo de açúcar mascavo DPC (47) na região próxima a 2050 nm e se
diferenciam na região próxima a 1200 nm.
1000 1200 1400 1600 1800 2000 2200 2400
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
Comprimento de Onda (nm)
Autoescalonamento
67
47
34
49
85
54
Na realidade como o grupo e subgrupo das amostras DPC encontram-se
mais agrupadas e praticamente os dois formam um único grupo.
5.5 – Influência dos Metais das Amostras na PCA
O método de análise por componentes principais (PCA) proporciona um
estudo multivariado dos dados experimentais obtidos facilitando a visualização da
correlação entre, amostras e variáveis.
A influência dos metais nas amostras de açúcar mascavo na PCA é
apresentada na figura 09, onde se tem 83,51 % de informação nas duas primeiras
componentes principais.
Foram aplicadas a PCA à matriz de dados gerados (97 x 5) com os
resultados das concentrações dos metais. O pré – processamento usado foi o
auto-escalonamento. Neste pré – processamento centra-se os dados na média e
divide-se cada um pelo desvio-padrão, de forma que todas as variáveis (Cu, Ca,
Na, Fe e Mg) passam a ter a mesma importância, ou seja, o mesmo peso. Após o
processamento, calcula os escores dos dados e os pesos.
A representação gráfica das componentes principais permite a
caracterização dos metais presentes nas diferentes amostras de açúcar mascavo.
Os gráficos dos dois primeiros eixos (PCs) que estão associados a cada variável
(Cu, Ca, Na, Fe e Mg) são mostrados nas figuras 05a e 05b. A PCA mostrou que a
primeira componente principal (PC1) explica 56,24 % da variância total dos dados,
sendo que a segunda componente principal (PC2) explica 27,27 %,
respectivamente.
Pelos gráficos de escores e pesos (Figura 5a e 5b) observa-se que existe a
separação entre o açúcar mascavo claro (DPC) e o açúcar mascavo escuro
(DPE), na primeira componente principal. Enquanto a segunda componente
principal separa as amostras do próprio grupo por apresentarem teores diferentes
de metais e separa o grupo DPC das seis amostras DPE que apresentam
características semelhantes às amostras do grupo DPC. Na primeira componente
principal as amostras DPE são as que têm menores valores de escores (Figura
55
9a) e estão separadas das demais por apresentar os menores teores dos metais
Na, Mg e Cu que são os metais que mais se destacam nesta componente principal
(Figura 9b). As seis amostras de DPE apresentam valores de escores mais
positivos nas PC1 e PC2 (Figura 9a). Comparando com os “pesos” (Figura 9b)
observa-se que isto se deve ao fato de que estas amostras são aquelas que têm
maiores teores de Na e Mg. As amostras DPC têm escores altamente positivos na
PC1 e negativos na PC2 (Figura 5a), atribuindo o Cu como o metal mais
importante para sua separação.
Figura 9a.
Gráfico de escores.
-2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5
-2
-1
0
1
2
3
4
5
6
7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31 32 33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
PC 1 (56,24%)
PC 2 (27,27%)
DPE
DPE
DPC
56
Figura 9b. Gráfico de pesos
Estas duas componentes principais descrevem 83,51 % da variância total
dos dados. É interessante notar que as diferentes amostras, foram agrupadas
entre si, de acordo com as diferenças nas concentrações dos metais encontrados.
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Cu
Ca
Na
Fe
Mg
PC 1 (56,24%)
PC 2 (27,27%)
57
6. CONCLUSÕES
Baseando-se nos estudos pode-se concluir que a combinação entre
calibração multivariada e a espectroscopia NIR é uma maneira apropriada para
análises quantitativas rápidas e estimulando o desenvolvimento de métodos que
não agridem o meio ambiente.
A determinação dos teores dos metais em açúcar mascavo é importante para
garantir a qualidade e autenticidade dos mesmos. A técnica analítica usando o
espectrofotômetro de absorção atômica para a quantificação dos metais mostrou-
se viável, por ser uma técnica elementar e possibilita a leitura com mínimo de
tratamento das amostras, reduzindo de forma considerável o tempo e curto às
análises químicas.
A análise de componentes principais evidenciou as características comuns e
discrepantes entre os diferentes açúcares mascavos. A análise de comparação de
espectros localizados em diferentes regiões da análise da PCA, com dados de
espectros auto-escalonados complementou a análise de componentes principal
sendo uma outra forma de visualizar as diferenças e semelhanças no
comportamento espectral dos diferentes açúcares mascavos, já que ambos
podem ser usados para a diferenciação e caracterização de amostras de açúcares
mascavos baseados nos teores dos metais estudados.
58
7. PERSPECTIVAS FUTURAS
Como perspectivas futuras têm-se a possibilidade de realização da
determinação dos teores de outros metais nas amostras de açúcar mascavo.
Para realizar a quantificação destas amostras é necessário lançar mão de
ferramentas mais poderosas, o uso Quadrado Mínimo Parcial (PLS) é muito
empregado a dados químicos por ser um método de resposta rápida e a facilidade
de entrada de dados, para que sejam processados e a resposta seja obtida.
59
REVISÃO BIBLIOGRÁFICA
BARROS, H. L. C. Química inorgânica: uma introdução. Editora da UFMG, 1992. 509
p.
BROWN, P. A.; GILL, S. A. e ALLEN, S. J. Review paper: metal removal from
wastewater using peat. Wat. Res. v.34, n. 16, p. 3907 - 3916, 2000.
BAYNA, C. A cana na pequena indústria. Brasil Açucareiro, Rio de Janeiro – RJ,
v. 80, n. 6, p. 10-20, 1978.
BARNES, R. J.; DHANDA, M. S.; LISTER, S. J. “Standard normal variate
transformation and de – trending of near – infrared diffuse reflectance spectra“,
Appl. Spectrox. 43 (5): 772 – 777 (1989).
CASAGRANDE, A. A. Tópicos de morfologia e fisiologia da cana-de-açúcar.
Jabuticabal: FUNEP, 1991, 180p.
CHAVES, J. B. P. Como produzir rapadura, melado e açúcar mascavo. CPT-
Centro de Produções Tecnológicas, Viçosa, 1998, 120p.
ÇAY, S.; UYANÝK, A. e ÖZA¸SÝK, A. Single and binary component adsorption of
copper(II) and cadmium(II) from aqueous solutions using tea-industry waste.
Separation and Purification Technology, 2004, "no prelo".
COLLINS, C. H./ BRAGA, G. L./ BONATO, P. S. Introdução a Métodos
Cromatográficos. Editora da Universidade Estadual de Campinas. 6ª Edição.
Campinas, SP, 1995.
60
DELGADO, A. A.; CESAR, M. A. A. Elementos de tecnologia e engenharia de
açúcar de cana. Departamento de Tecnologia Rural-ESALQ, Piracicaba – SP, v.
1, 1977, 363p.
D. M. HAALAND e E. V. THOMAS, Anal. Chem., 60 1193 (1988).
GELADI, P.: KOWALSKI, B. R. – Partial Least Squares Regression: A Tutorial –
Anal. Chim. Acta, 185: 1-17, 1986.
GELADI, P./ MACDOUGALL, D./ MARTENS, H. “Linearization and Scaterr –
correction for near – infrared reflectance spectra of meat“, Appl. Spectrose., 39 (3)
: 491 – 500 (1985).
GREENWOOD, N. N. e EARNSHAW. A. Chemistry of the elements. Maxwell
Macmillan International Editions. 1544 p, 1984
Handbook of Chemistry and Physics, 75 th edn, CRC Press, Boca Raton FL, 1994.
HUHEEY, J. E.; KEITER, E. A. e KEITER, R. L. Inorganic Chemistry: Principles
of Structure and Reativity. Fourth Edition. Harper Collins College Publishers,
1993. 964 p.
HELLAND, I. S./ NAES, T./ ISAKSSON, T. related Versions of the Multiplicative
Scaterr Correction Method for Preprocessing Spectroscopic Data, Chemometrics
and Intelligent Laboratory System, 29, p. 233 – 241, 1995.
H. MARTENS e T. NAES, Multivariate Calibration, Wiley, New York (1991).
J. J. WORKMAN JR., Appl. Spec. Rev., 31 251 (1996).
61
J. J. WORKMAN JR., P. R. MOBLEY, B. R. KOWALSKI e R. BRO, Appl. Spec.
Rev., 31 73 (1996).
K. J. DRENNEN, E. G. KRAEMER, R. A. LODER, Crit. Rev. Anal. Chem., 22 443
(1991).
LEHNINGER, A. L.: NELSON, D. L. & COX, M. M. – Princípios de bioquímica –
São Paulo: Ed. Sarvier, 1995.
MAPA – Ministério da Agricultura, Pecuária e Abastecimento, Secretária de
Produção, Disponível em: http://www.agricultura.gov.br
, Acesso em: novembro de
2004.
MARTENS, H./ NAES, T. Multivariate Calibration, John Wiley & Sons, New York,
USA, 1996.
MATLAB 5.3. The Matworks, Natick, MA, USA, 1999.
MENDHAM, J: DENNEY, R. C.: BARNES, J. D. & THOMAS, M. VOGEL – Análise
Química Quantitativa. 6ª ed. Rio de Janeiro: Ed. LTC, 2002.
PARANHOS, S. B. Cana-de-açúcar: cultivo e utilização. Fundação Cargil,
Campinas – SP, v. 1, 1987, 431p.
P. WILLIAMS e K. NORRIS, Near-infrared Technology in the Agricultural and Food
Industries, American Association of Cereal Chemists Inc., Minnessota, USA
(1990).
SOARES, J. P.; SOUZA, J. A. e CAVALHEIRO, E. T. G. Caracterização de
amostras comerciais de vermicomposto de esterco bovino e avalização da
influência do pH e do tempo na adsorção de Co(II), Zn(II) e Cu(II). Química Nova,
v. 27, n. 1, p 5 - 9, 2004.
62
SODRÉ, F. F.; LENZI, E. e COSTA, A. C. S. Utilização de Modelos Físico-
Químicos de Adsorção no Estudo do Comportamento do Cobre em Solos
Argilosos. Química Nova, v. 24, n. 3, p 324-330, 2001.
SILVA, F. C. et al. Pequenas indústrias rurais de cana-de-açúcar: melaço,
rapadura e açúcar mascavo. Brasília: Embrapa Informação Tecnológica, 2003,
155p.
THOMAS, E.V. A Primer on multiplicative Calibration, Analytical Chemistry, 66, p.
795A – 804A, 1994.
UNICA – União da Agroindústria Canavieira de São Paulo, Disponível em:
http://www.unica.com.br
, Acesso em: novembro de 2004.
VASCONCELOS, J. N. Derivados da cana-de-açúcar. STAB: açúcar, álcool e
subprodutos, v. 20, n. 3, p. 16-18, 2002.
VOGEL. A. I. Química Analítica Quantitativa. 5 ed. Ver. Por G. Svehla - São Paulo:
Mestre Jou, 1981. 665 p.
W. F. MCCLURE, Anal. Chem.,
66 43A (1994).
[1]- www.propg.ufscar.br/publica/viicic/bioagro/ba061.htm
www.myspace.eng.br
(acesso em 18 de fevereiro).
www.if.ufrj.br
(acesso em 18 de fevereiro).
www.hip.aga.com.br
(acesso em 18 de fevereiro).
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
