ads:
AVALIAÇÃO DAS PROPRIEDADES DA MADEIRA DE
Eucalyptus urophylla POR MEIO DA ESPECTROSCOPIA NO
INFRAVERMELHO PRÓXIMO
PAULO RICARDO GHERARDI HEIN
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
PAULO RICARDO GHERARDI HEIN
AVALIAÇÃO DAS PROPRIEDADES DA MADEIRA DE
Eucalyptus urophylla POR MEIO DA ESPECTROSCOPIA NO
INFRAVERMELHO PRÓXIMO
Dissertação apresentada à Universidade Federal
de Lavras como parte das exigências do
Programa de Pós-graduação em Ciência e
Tecnologia da Madeira, para a obtenção do
título de “Mestre”.
Orientador
Prof. Ph.D. José Tarcísio Lima
LAVRAS
MINAS GERAIS – BRASIL
2008
ads:
Ficha Catalográfica Preparada pela Divisão de Processos Técnicos da
Biblioteca Central da UFLA
Hein, Paulo Ricardo Gherardi.
Avaliação das propriedades da madeira de Eucalyptus urophylla por
meio da espectroscopia no infravermelho próximo / Paulo Ricardo
Gherardi Hein. - Lavras : UFLA, 2008.
75 p. : il.
Dissertação (Mestrado) - Universidade Federal de Lavras, 2008.
Orientador: José Tarcísio Lima.
Bibliografia.
1. Madeira. 2. Eucalyptus urophylla. 3. Propriedades. 4. Espectroscopia
no infravermelho próximo. I. Universidade Federal de Lavras. II. Título.
CDD - 674.13
PAULO RICARDO GHERARDI HEIN
AVALIAÇÃO DAS PROPRIEDADES DA MADEIRA DE
Eucalyptus urophylla POR MEIO DA ESPECTROSCOPIA NO
INFRAVERMELHO PRÓXIMO
Dissertação apresentada à Universidade Federal
de Lavras como parte das exigências do
Programa de Pós-graduação em Ciência e
Tecnologia da Madeira, para obtenção do título
de “Mestre”.
APROVADA em 7 de agosto de 2008
Prof. Ph.D. Gilles Chaix CIRAD
Prof. Dr. Matheus Puggina de Freitas UFLA
Prof. Dr. Paulo Fernando Trugilho UFLA
Prof. Ph.D. José Tarcísio Lima
UFLA
(Orientador)
LAVRAS
MINAS GERAIS – BRASIL
AGRADECIMENTOS
“A ambição envenenou a alma dos homens, ergueu um muro de ódio
ao redor do mundo, nos atirou dentro da miséria e também do ódio.
Desenvolvemos a velocidade, mas nos fechamos em nós mesmos. As
máquinas que trouxeram mudanças nos deixaram desamparados,
nossos conhecimentos nos deixaram cínicos, nossa inteligência nos
deixou duros e impiedosos. Nós pensamos demais e sentimos muito
pouco. Mais do que maquinaria nós precisamos de humanidade, mais
do que inteligência precisamos de bondade e compreensão. Sem estas
qualidades a vida será violenta e estaremos todos perdidos. O
aeroplano e o rádio nos aproximam e a própria natureza destes
inventos demonstra a divindade do homem. Exige uma fraternidade
universal para a unidade de todos nós."
Charles Chaplin
À tia Rê e ao tio Toninho, pelo
apoio, confiança e carinho,
OFEREÇO
Aos meus pais, Ricardo e Daisy;
aos meus irmãos, Daniel, Dudu, Tatá e
Cláudia; as minhas tias Leny e Lélia;
ao meu padrinho Reinaldo e a minha
avó Ivone.
DEDICO
AGRADECIMENTOS
Agradeço aos meus orientadores, José Tarcísio Lima e Gilles Chaix,
pela seriedade, competência e dedicação na orientação deste trabalho. Muito
obrigado pela amizade, pela confiança e pelas oportunidades.
Aos meus pais, Ricardo Rubens Hein e Daisy Maria Gherardi, pelo
apoio, confiança e carinho e aos meus queridos tios Antônio Borsoi Filho e
Regina Hein, meus “pais de coração”, pela amizade, apoio emocional, financeiro
e técnico, pela confiança e pelo carinho.
Ao professor Paulo Fernando Trugilho, pela dedicação e pelas
oportunidades. Obrigado pelo convite à visita técnica e pelo treinamento em
espectroscopia de NIR na Empresa FEMTO, em São Paulo e pelo curso de
análise multivariada, promovido pela CAMO, na Embrapa-Solos do Rio de
Janeiro.
Ao pesquisador Alfredo Napoli do CIRAD, pela disponibilidade,
atenção e paciência durante nossa estada em Montpellier; ao pesquisador Fabrice
Devrieux do CIRAD, pela disponibilidade e dicas importantes em
espectroscopia de NIR; ao pesquisador Denis Bastinelli e à Laurent Bonnal,
(Cirad-emvt), pelo apoio e disposição; à Thomas Giordanengo, pelas dicas e aos
pesquisadores Nicola Macchioni e Michela Nocetti do CNR-IVALSA (Istituto
per La Valorizatione Del Legno e delle Specie Arboree), em Firenze na Itália,
pela atenção e pela paciência durante o treinamento.
Ao professor Célio Pasquini, do Instituto de Química da UNICAMP,
que sempre atendeu, com muita boa vontade e disponibilidade, minhas
solicitações, dúvidas solucionadas por email e pessoalmente, além das inúmeras
e valiosas dicas.
À amiga Ana Carolina Maioli Campos, pela agradável convivência e
aprendizado; ao Renato da Silva Vieira, pela amizade, disponibilidade e
presteza; à professora de francês Karine Dennis, pela amizade, pelos passeios e
momentos engraçados e ao amigo Luc Martin, pela hospedagem e pela
agradável convivência durante os 11,5 meses em Montpellier.
Ao pessoal do laboratório de Ciência e Tecnologia da madeira da
UFLA: Selma, Edy, Polliana, Vássia, Alessandra, Vanessa, Gabi, Lívia Soragi,
Carlos Rogério, Marisa, Marina, Luana, Raphael, Juliana, Marcelo, Pedro Paulo,
Petusk, Clécio, Meire, Luciana, Stella, Érica, Michelle, Natalie, Allan, Gabriel,
Rogério, Simone, Nerci, Vânia, Natália , Natálie, Kallienny, Thaísa, Andressa,
Hudson, Iêdo, Thiago Monteiro, Thiago, Victor, Thiza, Lívia, Andressa, Betão,
Clair, Juninho, Franciane, Claret, Bira, Gilson, Hernani, Nory, Lu e Meire, Cris,
Héber, Chica, Marluce, Teresinha, Rose e Seu Zé.
Aos colegas de turma: Mauro, Izaías, Rodrigo, Andréia, Guto, Daniele,
Denis, Gabriel, Emílio, Grazianne, Pira, Ingrid, Rafaela, Maestro, Grandão,
Letícia, Luiz Czank, Mayesse, Rodrigo, Regis, Simone, Anna Hoffmann,
Sandrinho, Letícia, Piu, Bob, Crec e, em especial, aos amigos Leonardo
Massamitsu Ogusuku, Ricardo Ayres Loschi, pelo companheirismo e amizade.
Aos colegas da República Casa Rosa: Lucas (Agro), Bruno, Carnevalle,
Lamartine, Paulo Henrique, Mudinho, Durok, Leoconha, Lucas (Adm), Philipe,
Tatu, Ricardo, Flávio, Josué Animal, Guilherme Cachaça, Tripa seca e Quase
nada, e às colegas da República Curva di Rio: Aline, Selma, Bel, Natalie e
Michele, pela amizade, convivência e lições de vida.
À Aline Marques Mesquita, pela convivência, conversas, passeios e
momentos felizes. Você se tornou pessoa muito especial pra mim!
À Universidade Federal de Lavras, ao CIRAD e ao INRA, que
cordialmente me receberam em suas instalações, propiciando a execução deste
trabalho; à Commission European, pela concessão da bolsa no primeiro ano de
mestrado e à CAPES, pela concessão da bolsa no segundo ano e
Ao inventor da bicicleta.
SUMÁRIO
Resumo……………………………………………….………………….i
Abstract………………………………………………..………………...ii
1 INTRODUÇÃO................................................................................1
2 OBJETIVOS.....................................................................................2
3 REVISÃO DE LITERATURA.........................................................3
3.1 O gênero Eucalyptus: considerações gerais..............................3
3.2 Caracterização da madeira........................................................3
3.3 Propriedades químicas da madeira............................................4
3.3.1 Teor de lignina......................................................................4
3.3.2 Relação siringil/guaiacil (S/G)..............................................6
3.3.3 Teor de extrativos .................................................................7
3.4 Propriedades físicas da madeira................................................8
3.4.1 Densidade básica da madeira................................................8
3.5 Técnicas espectroscópicas ........................................................9
3.6 Espectroscopia no infravermelho próximo .............................10
3.7 Princípios da medição NIRS...................................................11
3.8 NIRS e a madeira....................................................................16
3.9 Vantagens e limitações da técnica ..........................................18
3.10 Quimiometria..........................................................................20
3.11 Análise dos componentes principais.......................................21
3.12 Calibração do modelo .............................................................23
3.13 Validação da calibração..........................................................25
3.13.1 Validação externa................................................................25
3.13.2 Validação cruzada...............................................................25
3.14 Parâmetros de calibração ........................................................26
3.14.1 Pré-tratamento espectral......................................................26
3.14.2 Seleção de comprimentos de onda......................................29
3.14.3 Detecção e descarte de outliers...........................................30
3.14.4 Definição do número de componentes principais...............32
4 MATERIAL E MÉTODOS............................................................34
4.1 Origem do material e amostragem..........................................34
4.2 Preparação dos corpos-de-prova.............................................35
4.3 Parâmetros de aquisição espectral...........................................36
4.4 Leitura dos espectros na madeira............................................38
4.5 Análises químicas e físicas de referência................................39
4.6 Estatística multivariada...........................................................40
4.7 Seleção das calibrações...........................................................41
5 RESULTADOS E DISCUSSÃO....................................................43
5.1 Características de crescimento................................................43
5.2 Análises químicas da madeira do lote de calibração...............43
5.3 Análises físicas da madeira do lote de calibração...................45
5.4 Correlação entre os resultados das análises químicas.............46
5.5 Informação espectral...............................................................47
5.5.1 Espectros da madeira ..........................................................47
5.5.2 Análise dos componentes principais dos espectros de
calibração………………………………………………………………….48
5.6 Calibração multivariada..........................................................49
5.6.1 Calibração para teor de lignina klason................................49
5.6.2 Calibração para teor de lignina solúvel em ácido ...............52
5.6.3 Calibração para teor de lignina total ...................................53
5.6.4 Calibração para teor de extrativos.......................................54
5.6.5 Calibração para relação S/G ...............................................55
5.6.6 Calibração para densidade básica da madeira.....................56
5.7 Modelos de calibração utilizados para predição .....................59
5.8 Predição das propriedades químicas da madeira.....................59
5.9 Predição da densidade básica da madeira ...............................61
6 CONCLUSÕES ..............................................................................63
7 REFERÊNCIAS BIBLIOGRÁFICAS............................................64
LISTA DE FIGURAS
FIGURA 1 Representação esquemática da lignina..............................................5
FIGURA 2 Descrição do espectro eletromagnético.............................................9
FIGURA 3 Esquema da absorção de luz por um material qualquer..................12
FIGURA 4 Esquema de um espectrômetro de transmitância .............................13
FIGURA 5 Esquema de um polímero e seus modos vibracionais.....................14
FIGURA 6 Espectros de infravermelho próximo da madeira de Eucalyptus e
regiões de sobreposição e combinação das bandas de absorção.................15
FIGURA 7 Espectros originais da madeira de E. urophylla..............................27
FIGURA 8 Espectros de E. urophylla, sob tratamento da 1
a
derivada + snv ....28
FIGURA 9 Espectros de E. urophylla, sob tratamento da 2
a
derivada...............28
FIGURA 10 Variação de diâmetros das amostras e esquema de corte..............34
FIGURA 11 Moinho, granulometria do pó de madeira e verificação da
temperatura após operação de moagem......................................................36
FIGURA 12 Espectrômetro Bruker Vector 22/NI e esquema NIRS. .................37
FIGURA 13 Padrão de medidas, temperatura e umidade da sala de climatização
e aquisição espectral na madeira sólida ......................................................38
FIGURA 14 Amostras moídas e spinning cup ..................................................39
FIGURA 15 Relação entre lignina solúvel em ácido e a relação S/G ...............47
FIGURA 16 Espectros de reflexão difusa da madeira.......................................48
LISTA DE TABELAS
TABELA 1 Bandas de absorção do infravermelho próximo.............................29
TABELA 2 Tipos de espectro ...........................................................................39
TABELA 3 Faixa de número de ondas utilizado na calibração.........................41
TABELA 4 Características de crescimento de 341 Eucalyptus urophylla, aos 14
anos (altura - HT169 e circunferência à altura do peito – C169)................43
TABELA 5 Resumo das análises químicas da madeira do lote de calibração...44
TABELA 6 Resumo das análises físicas da madeira do lote de calibração.......45
TABELA 7 Correlação entre os resultados das análises químicas....................46
TABELA 8 Porcentagem de variância (var) e porcentagem de variância
acumulada (var ac) para a análise de PCA dos quatro tipos de espectro....49
TABELA 9 Calibrações para o teor de lignina..................................................50
TABELA 10 Calibrações para teor de lignina solúvel em ácido.......................52
TABELA 11 Calibrações para teor de lignina total...........................................53
TABELA 12 Calibrações para teor de extrativos ..............................................54
TABELA 13 Calibrações para relação S/G .......................................................56
TABELA 14 Calibrações para densidade básica da madeira ............................56
TABELA 15 Calibrações para propriedades químicas e físicas da madeira .....59
TABELA 16 Predições das características químicas das madeiras ...................60
TABELA 17 Predições de densidade básica da madeira...................................61
i
RESUMO
HEIN, Paulo Ricardo Gherardi. Avaliação das propriedades da madeira de
Eucalyptus urophylla por meio da espectroscopia no infravermelho
próximo. 2008. 75 p. Dissertação (Mestrado em Ciência e Tecnologia da
Madeira) - Universidade Federal de Lavras, Lavras, MG.
*
Companhias florestais, como as produtoras de polpa celulósica e papel, aço e
madeiras em geral, requerem métodos rápidos e precisos que possam ser
aplicados em um grande número de amostras para a caracterização de suas
matérias-primas. A espectroscopia no infravermelho próximo (NIRS - Near
Infrared Spectroscopy) é uma técnica de avaliação considerada rápida, não-
destrutiva e aplicável em produtos cujas moléculas contenham, principalmente,
ligações C-H, O-H, N-H, S-H ou C=O. Assim, o objetivo deste trabalho foi
avaliar, por meio de NIRS, as propriedades da madeira de Eucalyptus urophylla,
plantado em um teste de descendência na estação florestal de Kissoko, em Point-
Noire, na República do Congo. Os ensaios de laboratório e análises estatísticas
foram conduzidos na Maison de La Technologie do Centre de Coopération
Internationale en Recherche Agronomique pour le Développement (CIRAD), em
Montpellier, França. As calibrações para predizer as características químicas e
físicas da madeira foram ajustadas a partir de um lote de 60 amostras,
representativo em termos de informação espectral e características físico-
químicas. As calibrações para a estimativa das propriedades da madeira dessas
árvores apresentaram coeficientes de determinação entre 0,65 e 0,88 e relação de
desempenho do desvio entre 1,7 a 2,9. Esses modelos foram utilizados para
estimar as propriedades de 280 árvores desconhecidas.
Palavras-chave: madeira, Eucalyptus urophylla, propriedades, espectroscopia no
infravermelho próximo
*
*
Comitê de orientação: José Tarcísio Lima - UFLA (orientador)
Co-orientadores: Gilles Chaix – CIRAD/França, Paulo Fernando Trugilho - UFLA e
José Reinaldo Moreira da Silva - UFLA.
ii
ABSTRACT
HEIN, Paulo Ricardo Gherardi. Evaluation of the technological properties of
the wood of Eucalyptus urophylla by near infrared spectroscopy. 2008. 75 p.
Dissertation (Master in Wood Science and Technology) – Federal University of
Lavras, Lavras, MG.
*
Forestry companies such as pulp and paper, steel and timber producers, require
fast and accurate methods to be applied in a large number of samples for
characterization of their raw material. The Near InfraRed Spectroscopy-NIRS is
a technique considered fast, non-destructive, applicable in products whose
molecules contain mainly CH, OH, NH, HS or C=O bonds. Thus, the aim of this
study was to evaluate, through near infrared spectroscopy, the wood properties
of Eucalyptus urophylla planted in a descendent test in the Station forest of
Kissoko in Point-Noire, Republic of Congo. The laboratorial methods and the
statistical analysis were carried out at La Maison de Technologie of the Centre
de Coopération Internationale en Recherche Agronomique pour le Development
(CIRAD), in Montpellier, France. The calibrations to predict the chemical and
physical wood properties have been adjusted from a representative set of 60
samples in terms of spectral information and physical and chemical
characteristics. The calibrations for estimating the wood properties of these trees
presented coefficients of determination ranging from 0.65 to 0.88 and ratio
performance to deviation from 1.7 to 2.9. These models were used to estimate
the properties of 280 unknown trees.
Keywords: wood, Eucalyptus urophylla, properties, near infrared spectroscopy.
*
Advising Committee: José Tarcísio Lima - UFLA (Adviser),
Co-advisers: Gilles Chaix – CIRAD/France, Paulo Fernando Trugilho - UFLA e José
Reinaldo Moreira da Silva - UFLA
1
1 INTRODUÇÃO
Indústrias reflorestadoras, como as produtoras de papel e polpa
celulósica, siderúrgicas e madeireiras em geral, requerem métodos rápidos e
precisos que possam ser aplicados em um grande número de amostras para a
caracterização de seus produtos. Há alguns anos, vários trabalhos têm aplicado
técnicas alternativas na investigação de algumas propriedades da madeira.
A espectroscopia no infravermelho próximo (Near Infrared
Spectroscopy, NIRS) é uma técnica acurada, rápida, não-destrutiva, aplicável em
um grande número de amostras em processos on-line e pode ser aplicada em
qualquer substância cujas moléculas contenham, principalmente, ligações C-H,
O-H, N-H, S-H ou C=O.
A técnica NIRS é baseada na espectroscopia vibracional e mede a
interação da luz com o material, que é determinada pela vibração das ligações
químicas dos constituintes da amostra. O método é fundamentado na absorção
seletiva de luz pelos compostos químicos.
A análise das informações espectrais e o desenvolvimento de modelos
preditivos baseados em espectros são possíveis com o uso de técnicas de análise
univariada e ou multivariada de dados. Desse modo, dois conjuntos de
informações são correlacionados: a matriz de informações espectrais (obtidos no
espectrômetro) e a matriz de informações das propriedades da madeira, que são
determinadas por métodos convencionais. Assim, a técnica NIRS fornece
informação que torna possível a estimativa de propriedades da madeira.
A tecnologia pode ser utilizada, por exemplo, na esteira de cavacos em
uma fábrica de papel e celulose, estimando o teor de lignina, evitando o
desperdício de reagentes no cozimento, ataque aos carboidratos e reduzindo a
emissão de poluentes no ambiente.
2
2 OBJETIVOS
O objetivo principal deste trabalho foi aplicar a espectroscopia no
infravermelho próximo para estimar propriedades da madeira de Eucalyptus
urophylla, aos 14 anos de idade, provenientes da República do Congo.
Os objetivos específicos foram:
estudar a influência do nível de preparação da amostra (madeira sólida,
madeira usinada, pó grosso ou pó fino) na precisão das calibrações;
determinar qual é a melhor face (transversal, radial ou tangencial) para
calibrar propriedades em madeira sólida e
avaliar a influência do tratamento matemático, da seleção de variáveis e
do descarte de outliers na precisão das calibrações NIRS.
3
3 REVISÃO DE LITERATURA
3.1 O gênero Eucalyptus: considerações gerais
O nome genérico Eucalyptus é derivado do grego “eu”, que significa boa
e “calyptus”, que significa cobertura, logo “boa cobertura”.
O gênero Eucalyptus pertence à família Myrtaceae (subfamília
Leptospermoidae). Por meio de características fenológicas, como tipo de
inflorescência, botão floral e frutos, são conhecidas mais de 650 diferentes
espécies de Eucalyptus.
O Eucalyptus urophylla ocorre em populações selvagens das ilhas
Flores, Timor, Pantar, Adonara, Alor, Loblem e Wetar, na República da
Indonésia. Nas ilhas Flores, distribuem-se nas regiões próximas ao monte Egon,
Wokoh, Leworahang e Mandiri, em tipos de solos geralmente basálticos e ricos
em matéria orgânica (Martin & Cossalter, 1976).
No Brasil, o gênero Eucalyptus representa um dos mais importantes de
espécie florestal exótica, tanto pela sua expressiva área plantada como pelo
potencial de utilização múltipla de suas diferentes espécies como matéria-prima
para a indústria celulósica, siderúrgica e madeireira, por exemplo.
3.2 Caracterização da madeira
A indústria florestal utiliza grandes volumes de madeira em processos de
conversão. Seja nas indústrias de celulose e papel, ou nas siderúrgicas, a madeira
é a principal matéria-prima e a sua conversão em papel ou carvão envolve
reações físico-químicas dos seus componentes fundamentais, exigindo, por essa
razão, melhor conhecimento da sua constituição.
Cada um dos grupos químicos constituintes das principais substâncias
presentes na madeira (celulose, hemiceluloses, lignina, e extrativos) influi
4
grandemente na propriedade e no comportamento que caracteriza a madeira
(Poke et al., 2006).
3.3 Propriedades químicas da madeira
As madeiras, de maneira geral, possuem três constituintes
macromoleculares principais que formam sua parede celular: celulose,
hemiceluloses e lignina. Além destes, encontram-se também (em menor
proporção) os chamados “constituintes menores” ou “secundários”, que possuem
baixa massa molecular e incluem compostos inorgânicos e orgânicos de diversas
funções químicas (Sjöström & Alén, 1998 e Lima et al., 2007).
O conhecimento da composição química da madeira e seus componentes
principais, como celulose, lignina e todo material extraído pelos solventes, é
importante para interpretar o comportamento da madeira em processos
industriais. Para produção de papel e celulose, madeiras com baixo conteúdo de
lignina e alto conteúdo de carboidratos requerem condições menos severas de
cozimento e conduzem a uma maior produção. Os outros componentes e
extrativos têm também um papel chave na deslignificação e produção. Para
polpa kraft, madeiras com menor conteúdo em lignina e solubilidade em álcali
abaixo de 1% promovem fácil deslignificação e maior produção (Valente et al.,
1992).
A composição química de uma madeira é importante, não só como
indicativo de possíveis utilizações desse material pela indústria, mas também no
que se refere aos aspectos relacionados com a sua durabilidade (Oliveira, 1971).
3.3.1 Teor de lignina
A palavra lignina vem do latim lignum, que significa madeira. Trata-se
de um dos principais componentes dos tecidos de gimnospermas e angiospermas
e tem importante papel no transporte de água, nutrientes e metabólitos, sendo
5
responsável pela resistência mecânica de vegetais, além de proteger os tecidos
contra o ataque de microrganismos (Fengel & Wegener, 1984).
A constituição química da lignina não é a mesma em todos vegetais.
Segundo Philipp & D’Almeida (1988), a lignina deve ser considerada uma
classe de materiais correlatos e não como substância química única.
As primeiras tentativas de proposição da estrutura química da lignina
foram feitas por Freudenberg & Neish, em 1968. Ele combinou resultados da
reação de polimerização desidrogenativa do álcool coniferílico com dados
analíticos obtidos até então (Freudenberg & Neish, 1968). Hoje, sabe-se que a
lignina é um polímero de natureza aromática e tridimensional. A substância
apresenta alto peso molecular e tem como base estrutural unidades fenil-propano
(Figura 1) ligados a grupos metoxílicos e hidroxílicos (Coimbra, 1993).
FIGURA 1 Representação esquemática das estruturas. (a) Unidade básica de
fenil-propano C9 e (b) formas básicas dos álcois precursores da lignina: álcool
trans-coniferílico, álcool para-trans-cumárico e álcool trans-sinapílico.
De acordo com Saliba et al. (2001), a substância tem origem na
polimerização desidrogenativa do álcool coniferílico. Assim, a lignina deriva de
três precursores primários: álcool trans-coniferílico (grupo guaiacil), álcool
trans-sinapílico (grupo siringil) e álcool para-trans-cumárico (grupo para
hidroxifenil) (Figura 1 b). Esses álcoois, denominados monolignóis, possuem
diferenças nos grupos substituintes do anel aromático e são os precursores
6
primários das unidades conhecidas como para-hidroxifenila (H), guaiacil (G) e
siringil (S).
A presença da lignina na parede secundária das células diferenciadas
(fibras, traqueídeos, esclereídeos) constitui uma matriz polimérica, que confere
rigidez e resistência à compressão e também é responsável pelo caráter
hidrofóbico da matriz de polissacarídeos da parede celular (Silva, 2006).
A composição, a quantidade e a distribuição da lignina afetam os usos
agroindustriais do material. A lignina é um componente indesejável na
conversão da madeira em polpa e papel e a sua remoção é a etapa principal nos
processos de fabricação de papel. Além disso, a resistência da lignina à
degradação microbiológica agrava sua persistência nos solos. A lignina é,
conseqüentemente, um componente significativo no ciclo de carbono global.
3.3.2 Relação siringil/guaiacil (S/G)
Para caracterizar e quantificar as unidades monoméricas estruturais da
lignina, o parâmetro geralmente estabelecido é a relação siringil/guaiacil (S/G),
ou seja, a proporção entre unidades siringil e guaiacil presentes na lignina
(Oudia et al., 2007).
A lignina pode ser caracterizada por thioacidólise, um procedimento
eficiente para estimar a quantidade e a composição monomérica (unidades de
siringil, de guaiacil e de hidroxifenil) de estruturas descondensadas de ligninas
pela quebra de ligações arylglycerol--aryl. Como um único método, a
thioacidólise tem uma vantagem definitiva que pode ser usada para caracterizar
estruturas típicas e proeminentes de lignina (Rolando et al., 1992).
De acordo com Chiang (2005), a reatividade da lignina depende da
freqüência de suas unidades de monômeros estruturais guaiacil (G) e siringil (S).
Mais unidades dos monômeros do siringil, ou elevadas relações S/G, são
conhecidas por induzir elevada reatividade da lignina.
7
Krishna (2003) comenta que a cinética da polpação mostra que o
aumento em uma unidade na relação S/G facilita em aproximadamente duas
vezes a remoção da lignina. Isso indica que a produção da polpa está baseada na
quantidade e na reatividade da molécula de lignina, ou seja, na relação dos
constituintes guaiacil e de siringil.
Um grande esforço tem sido feito para desenvolver árvores
geneticamente modificadas, com ênfase em reduzir a quantidade do teor de
lignina para melhorar a eficiência da produção de polpa celulósica (Hatfield &
Fukushima, 2005). Entretanto, a reatividade química da lignina é também uma
barreira crítica à produção de polpa celulósica porque a remoção da lignina da
madeira é iniciada por degradações químicas ou, como em muitos casos,
realizada inteiramente com as reações químicas. Assim, a ênfase atual da
biotecnologia em desenvolver árvores com quantidade baixa de lignina deve ser
expandida para incluir uma maior reatividade da lignina e, finalmente, uma
combinação de tratos baixos e reativos de lignina (Hatfield & Fukushima, 2005).
3.3.3 Teor de extrativos
Os extrativos compreendem vasta gama de compostos. De maneira geral,
são substâncias de baixa ou média massa molecular que podem ser extraídas em
água, solventes orgânicos (éter, éter etílico, acetona etanol, tolueno) e, ainda,
podem ser extraídos em vapor de água (Browning, 1967).
Os constituintes da madeira solúveis em água são, principalmente,
alguns sais ou minerais inorgânicos, açúcares e polissacarídeos. Os compostos
solúveis em solventes orgânicos pertencem às classes dos ácidos e ésteres
graxos, alcoóis de cadeia longa, esteróides, compostos fenólicos e glicosídeos
(Sjöström & Alén, 1998).
Os extrativos voláteis (óleos essenciais), que são responsáveis pelo odor
característico, estão presentes em quantidades significativas nas gimnospermas e
8
em menor proporção nas angiospermas. Esses compostos constituem: terpenos,
alcoóis, ésteres, aldeídos, cetonas, ácidos orgânicos, hidrocarbonetos alifáticos e
fenóis de baixa massa molecular (Lima et al., 2007).
3.4 Propriedades físicas da madeira
3.4.1 Densidade básica da madeira
A densidade básica da madeira é definida como a relação entre a massa
absolutamente seca e o volume verde de uma amostra. A densidade básica é
considerada propriedade chave, uma vez que apresenta forte correlação com as
demais propriedades (Panshin & De Zeeuw, 1980), afetando, por exemplo, o
rendimento em polpa celulósica (Zobel & Van Buijtenen, 1989).
Para a utilização da madeira em uma grande variedade de aplicações
industriais, é desejável que a madeira apresente densidade básica alta e
uniforme. No entanto, a densidade básica é uma propriedade que apresenta
considerável variação entre e dentro de árvores da mesma espécie. Fatores
genéticos e ambientais, e a interação entre ambos, são responsáveis por essa
variação (Zobel & Jett, 1995). Segundo Zobel & Van Buijtenen (1989), a taxa de
crescimento e, conseqüentemente, as propriedades das fibras e das madeiras são
afetadas pela qualidade do sítio e pelos métodos silviculturais.
Kollmann & Côté (1968) afirmam que as variações na densidade da
madeira são o resultado das diferenças anatômicas nas fibras, vasos, canais
resiníferos, raios e por suas dimensões, especialmente a espessura das paredes
celulares.
Existem muitos métodos para a determinação da densidade básica da
madeira. Em comparação com os métodos indiretos, os tradicionais podem ser
demorados e o custo da avaliação de grandes amostragens é limitante em
programas de melhoramento genético. Pelo método tradicional, em muitos
9
casos, as amostras se tornam inutilizáveis, configurando, assim, outra
desvantagem dos métodos de imersão em água e secagem.
Em termos químicos, a densidade da madeira é o reflexo da porcentagem
dos diferentes constituintes que são celulose, hemiceluloses, lignina e extrativos,
além dos minerais.
3.5 Técnicas espectroscópicas
A radiação eletromagnética é a combinação de um campo elétrico e de
um campo magnético que se propagam por meio do espaço transportando
energia (Pasquini, 2003). O espectro eletromagnético é o intervalo completo da
radiação eletromagnética e abrange uma extensa gama de comprimentos de onda
e freqüências. A faixa contém as ondas de rádio, o microondas, o infravermelho,
a luz visível, os raios ultravioletas, os raios X e a radiação gama (Figura 2).
FIGURA 2 Descrição do espectro eletromagnético
O fundamento de qualquer espectroscopia é a interação de uma radiação
eletromagnética e a matéria constituinte da amostra. Um exemplo bastante
próximo do cotidiano das pessoas é o forno de microondas caseiro: as
10
microondas contêm baixa energia e, ao interagirem com o material que contém
água, são capazes de induzir movimentos rotacionais nas moléculas de água, que
resultam em aquecimento térmico. Já os raios X e gama têm muita energia e, por
isso, as pessoas não devem ficar expostas a essas radiações.
A espectroscopia refere-se aos processos nos quais a luz ou a radiação
visível, associada aos seus comprimentos de onda, é utilizada para produzir um
espectro (Skoog & Laery, 1992). De maneira geral, o termo espectroscopia é a
designação para toda técnica de levantamento de dados físico-químicos por meio
da transmissão, absorção ou reflexão da energia radiante incidente em uma
amostra.
O resultado gráfico da técnica espectroscópica é chamado espectro. Sua
impressão gráfica pode ser chamada espectrograma, assinatura espectral ou,
ainda, por comodidade, simplesmente espectro.
3.6 Espectroscopia no infravermelho próximo
De acordo com Sheppard et al. (1985), a técnica de espectroscopia no
infravermelho próximo é baseada na radiação eletromagnética que se estende de
750 nm a 2.500 nm (Figura 2). Davies (1990) divide essa faixa em duas regiões:
a gama de comprimento de onda de 780 nm a 1.200 nm, também chamada
região de Herschel e a gama entre 1.100 e 2.500 nm.
Por meio dos espectros de infravermelho próximo é possível realizar
análises qualitativas e quantitativas com diversos usos em numerosos campos da
ciência. A técnica vem sendo utilizada desde os anos 1960 pela indústria agro-
alimentícia (Hart et al., 1962; Ben-Gera & Norris, 1968). Hoje existe uma larga
escala de aplicações de NIRS, abrangendo setores, como agricultura,
biocombustível, combustível fóssil, indústria de polímeros, fármacos e têxtil
(Wold, 1978; Shenk & Westerhaus, 1993; Osborne et al., 1993; Bertrand &
Dufour, 2000; Bertrand, 2002).
11
A técnica tem se expandido especialmente por fornecer medidas
precisas, possibilitando o monitoramento e o controle de processos. Por isso,
atualmente, a espectroscopia é alvo de muitos esforços e grandes investimentos
no sentido de buscar o desenvolvimento de aplicações que resultem em
informações concisas sobre processos em tempo real.
3.7 Princípios da medição NIRS
O NIRS é uma técnica baseada na espectroscopia vibracional, que mede
a interação da luz com o material (Næs et al., 2002; Baillères et al., 2002;
Pasquini, 2003). A técnica não mede diretamente o constituinte químico. O que a
técnica de espectros de NIR mede é a interação da radiação com as ligações
químicas dos constituintes da amostra. Haverá interação (absorção, transmissão
ou reflexão) se houver ressonância entre dois entes: a onda eletromagnética e o
campo elétrico gerado pela oscilação da ligação química, Assim, o método é
fundamentado na absorção seletiva da luz pelos compostos químicos.
As ligações químicas constituem um sistema de vibração cuja freqüência
varia de acordo com a natureza da ligação atômica. Assim, a absorção de energia
proveniente de um emissor de infravermelho é regulada pela freqüência de
vibração e pela natureza química da ligação (Pasquini, 2003; Burns & Ciurczak,
2008). O sistema molecular pode ter apenas níveis de energia discretos, que são
definidos pela mecânica quântica por meio da expressão (Pasquini, 2003):
onde é o número quântico vibracional, E é a energia associada com o -ésimo
nível quântico e é a freqüência fundamental da vibração. No modelo clássico
essa freqüência é definida por (Pasquini, 2003):
onde k é a constante de força.
12
O equipamento emite uma radiação sobre a madeira e os sensores
captam variações nas vibrações moleculares dos constituintes químicos do
material. Esses compostos contidos no material absorvem, refletem e transmitem
de forma peculiar a radiação que lhes são incididas (Figura 3). De acordo com
Ferrão et al. (2004), “a reflexão difusa é observada quando uma luz incide em
uma matriz descontínua, penetra na amostra (tipo amostra em pó, papel) e reflete
contendo informações espectrais”. Ainda segundo os mesmos autores, o
caminho percorrido pela luz no interior da matriz pode ser considerado aleatório
devido a múltiplas reflexões, algumas das quais após percorrer o interior de
algumas partículas que constituem a amostra.
FIGURA 3 Esquema da absorção de luz por um material qualquer
Cada material (madeira, plástico, medicamento, mel, etc.) apresenta uma
resposta peculiar de absorbância, refletância ou transmitância (depende do modo
em que o equipamento opera) e, por isso, o termo assinatura espectral é
freqüentemente usado (Giordanengo, 2005; Wiberg, 2004).
13
O equipamento é dotado de um sistema que separa a luz policromática
em luz monocromática de determinados comprimentos de onda. A radiação
infravermelha é emitida pelo equipamento numa faixa de comprimento de onda
que se estende de 750 a 2500nm e interage com os grupos funcionais,
principalmente ligações do tipo C-H, O-H e N-H, presentes no material.
Captores fotossensíveis detectam o feixe de luz após interação com o material e
o instrumento, ligado a um microcomputador, produz um espectro. Um
espectrômetro é composto de quatro partes fundamentais: i) uma fonte luminosa;
ii) um sistema de separação da luz policromática em função de diferentes
comprimentos de onda; iii) um sistema para suporte das amostras e iv) um
fotodetector. Um esquema geral de espectrômetro é apresentado na Figura 4.
FIGURA 4 Esquema de um espectrômetro de transmitância (Adaptado de Taiz
& Zeiger, 2004)
O esquema de espectrômetro apresentado na Figura 4 é de um
equipamento dispersivo que opera em modo de transmitância, contudo, existem
também espectrômetros equipados com sensores que medem a quantidade de luz
absorvida ou refletida pelo material. Atualmente, os equipamentos de
espectroscopia no infravermelho atingiram alto nível de sofisticação
(transformada de Fourrier, esfera de integração etc) e os equipamentos
dispersivos que utilizam monocromadores estão em desuso.
14
Os átomos que compõem determinada molécula apresentam diferentes
tipos de vibração (Figura 5). Dentre os modos vibracionais, os mais comuns são
o alongamento simétrico e o assimétrico, a tesoura, o balanço, a torção e o abano
de leque (Burns & Ciurczak, 2008).
FIGURA 5 Modos vibracionais de moléculas com poucos átomos
Quando uma molécula absorve radiação na região do infravermelho,
alterações no estado energético das ligações acontecem. A energia de um raio
luminoso incidente é absorvida quando a freqüência da luz é igual à freqüência
da ligação. Assim, o espectro é obtido por meio do registro da intensidade
absorvida em função do comprimento de onda da luz incidente.
Dessa forma, a quantidade de luz que o material absorve, transmite ou
reflete consiste em faixas de sobreposição e de bandas de combinação de
15
vibrações fundamentais (Figura 6) correspondentes aos grupos funcionais,
principalmente CH, OH e NH, presentes na amostra (Burns & Ciurczak, 2008).
Segundo Skoog et al. (2002), moléculas constituídas por muitos átomos
possuem um grande número de centros de vibração (além das interações entre
vários centros) e apresentam grande variedade de vibrações possíveis, o que
torna os espectros na região do infravermelho difíceis, senão impossíveis, de se
analisar.
Antti (1999) afirma que, muitas vezes, a sobreposição de sinais dá
origem a um espectro com picos largos, tornando difícil a interpretação, quando
comparada ao convencional espectro da região do infravermelho médio.
Na Figura 6 são apresentados os espectros de absorção de infravermelho
próximo para madeira de Eucalyptus e as regiões de sobreposição e combinação
das bandas de absorção. Os espectros são apresentados na gama de 4.000 cm
-1
a
12.500 cm
-1
e foram adquiridos com uma resolução espectral de 8 cm
-1
.
FIGURA 6 Espectros de infravermelho próximo da madeira de Eucalyptus e
regiões de sobreposição e combinação das bandas de absorção.
16
De acordo com Workman & Weywer (2007), a faixa entre 4.000 e 5.000
cm
-1
é a região das bandas de combinações. Esta região é composta por muita
sobreposição dos picos de absorbância, que são resultantes da interação entre
diferentes ligações químicas. Assim, é informativa, apresenta pouco ruído, mas
não é tão evidente para ser analisada quimicamente. A faixa entre 5.000 e 9.000
cm
-1
representa a região da primeira e da segunda harmônica. É uma região
informativa, apresentando pouco ruído. A faixa espectral que se estende de
9.000 a 12.500 cm
-1
apresenta bastante ruído. Esta gama de comprimentos de
onda corresponde à região da terceira harmônica. Nesta faixa, a absorção é de
baixa intensidade, o que resulta em má qualidade das informações adquiridas.
3.8 NIRS e a madeira
A técnica NIRS tem sido empregada de forma ampla na área florestal.
Schimleck et al. (2000) apresentam algumas aplicações da espectroscopia de
infravermelho próximo no campo das ciências florestais. Desde os anos 1980, o
método tem sido usado para estimar diversas propriedades da madeira. Os
primeiros trabalhos que aplicaram a técnica do NIRS em madeira investigaram
as propriedades químicas, como teor de celulose (Birkett & Gambino, 1988;
Birkett & Gambino, 1989; Easty et al., 1990; Wright et al., 1990; Wallbacks et
al., 1991).
Como a NIRS é uma técnica baseada em espectroscopia vibracional
(Pasquini, 2003), é ligada diretamente às propriedades químicas do material
investigado. Devido a essas circunstâncias, autores como Baillères et al. (2002)
sugerem que as predições das propriedades da madeira a partir de espectros de
infravermelho próximo sejam realizadas somente para aquelas que dependem
diretamente da composição e da estrutura química da madeira.
Assim, muitos estudos demonstraram que é possível, a partir unicamente
dos espectros de infravermelho próximo, investigar diversas propriedades
17
tecnológicas da madeira como rendimento de pasta celulósica (Schimleck &
Michell, 1998; Sefara et al., 2000; Raymond et al., 2001), teor de celulose
(Michell, 1995; Schimleck et al., 1997), teor de lignina (Brinkman et al., 2002) e
durabilidade natural (Jacques et al., 2002; Gierlinger et al., 2003), além de
classificar madeiras (Schimleck et al., 1996; Tsuchikawa et al., 2003).
No entanto, vários trabalhos têm mostrado que outras propriedades da
madeira, como densidade básica (Hoffmeyer & Pedersen, 1995; Via et al., 2003;
Cogdill et al., 2004), resistência mecânica (Thumm & Meder, 2001), ângulo de
microfibrila (Yang & Evans, 2003) e morfologia das fibras (Meder et al., 2003;
Schimleck & Evans, 2004), podem ser estimadas por espectroscopia do
infravermelho próximo.
O que torna possível a utilização da espectroscopia de infravermelho
próximo na avaliação das propriedades não-químicas da madeira, como
densidade, módulo de elasticidade, ângulo microfibrilar, etc., é o fato de que a
expressão de todas essas propriedades sofre alguma influência da constituição
química da madeira, conforme ressaltado por Burger & Richter (1991). Dessa
forma, a técnica NIRS permite avaliar, simultaneamente, as propriedades
químicas, físicas, mecânicas e anatômicas da madeira. O ângulo das
microfibrilas, por exemplo, é influenciado pela ocorrência do lenho de tração,
que, por sua vez, contém menor teor de lignina, conforme relatado por Jourez et
al. (2001).
Para aplicar a técnica NIRS é muito importante estar atento a possíveis
correlações entre diferentes constituintes da madeira (Gemperline, 2006). A
concentração de certo constituinte pode influenciar os ajustes da calibração de
outra propriedade.
Giordanengo (2005) afirma também que é necessário dar atenção
particular ao modo de amostragem, o que tem impacto direto na
representatividade do modelo. Caso contrário, métodos de referência são
18
influenciados fortemente nos resultados de calibração. Nesta perspectiva, é
essencial conhecer incertezas de medida desses métodos para comparar aos
valores característicos da calibração.
Dessa maneira, a técnica NIRS pode ser empregada como forma de
avaliar a qualidade dos resultados do laboratório. Se a calibração para
propriedades químicas da madeira não for satisfatória, os resultados dos ensaios
de laboratório podem não ser confiáveis e precisam ser reavaliados.
3.9 Vantagens e limitações da técnica
O NIRS é um método considerado rápido (So et al., 2002), não-
destrutivo, não-invasivo, com alta penetração da radiação emitida, aplicável em
processos on-line e de aplicação universal (qualquer molécula que contenha,
principalmente, ligações C-H, N-H, S-H ou O-H) e que exige mínina preparação
de amostras (Pasquini, 2003). Esta é a descrição geral da técnica NIRS e pode
ser verificada facilmente na vasta literatura. Vale esclarecer que o método é
considerado como não-destrutivo e não-invasivo, por não exigir preparação
prévia da amostra. Contudo, para algumas aplicações, como é o caso das
investigações em madeiras, a necessidade da produção de corpos-de-prova e a
conseqüente “destruição” do material tornam aquela descrição inicial imprecisa.
De qualquer forma, os corpos-de-prova, mesmo após análise pelo NIRS, podem
ser guardados e ou reaproveitados para futuras inspeções.
Existem outras várias vantagens em se trabalhar no comprimento de
onda infravermelha. De acordo com Baillères et al. (2002), os espectros no
infravermelho próximo apresentam vantagem substancial sobre outros
indicadores porque contêm informação sobre todos os constituintes químicos do
material orgânico. Esta vantagem elimina a necessidade inicial de localizar o
fator chave que determina uma característica específica.
19
Como o método é considerado não-destrutivo, pois não exige preparação
da amostra, as mesmas podem ser re-utilizadas depois da medida do NIRS ou,
ainda, pode-se submetê-las à análise adicional. Segundo Antti (1999), isto é
atraente por inúmeras razões: em casos nos quais a quantidade de amostras é
limitada ou quando a amostra tem que ser utilizada em um tratamento adicional,
por exemplo, em um processo corrente.
Além disso, a técnica NIRS, em conjunto com métodos quimiométricos,
fornece calibrações robustas, ou seja, os parâmetros do modelo não se alteram de
maneira significativa quando novas amostras são acrescentadas ou retiradas do
conjunto de calibração (Geladi & Kowalski, 1986).
A rapidez das medidas no equipamento NIRS facilita a aquisição dos
dados descritivos e também é uma condição prévia para criar sistemas de
controle em tempo real. Além disso, os resultados da técnica NIRS dependem
pouco da habilidade do operador (Antti, 1999).
No caso específico de medir refletância difusa, a análise do
infravermelho próximo tem a vantagem de apresentar alta relação sinal-ruído. A
relação sinal-ruído é dada pela razão entre a amplitude média do sinal e o desvio
padrão do sinal medido.
Todavia, muitos problemas precisam ser resolvidos para aumentar a
eficiência da espectroscopia no controle de processos. Estes problemas ocorrem,
principalmente, devido às perturbações ambientais e constituem a limitação
principal para todos os tipos de modelagem com NIRS.
O laboratório é um ambiente relativamente hospitaleiro para se trabalhar
com a espectroscopia. No entanto, adequar a utilização do NIRS na linha de
processo, que é um ambiente bastante severo, exige muita tecnologia (Antti,
1999). Enquanto no laboratório é possível controlar variáveis como temperatura
e a umidade das amostras, no ambiente de processo, tais condições são altamente
variáveis. Mudanças em temperatura e umidade, vibrações, partículas no ar e
20
outras perturbações inerentes aos ambientes de processo afetam o resultado das
medidas.
Variações de temperatura, umidade, tamanho, heterogeneidade e
impurezas podem constituir problemas ao aplicar a tecnologia em um processo.
Alguns dos fatores que causam perturbação podem ser corrigidos antes da
medida, enquanto muitos dos problemas têm que ser considerados. Tais
problemas podem ser atenuados por meio da aplicação adequada de pré-
tratamentos nos dados espectrais. O modelo pode ser melhorado por meio de
uma adequada seleção de amostras de calibração de acordo com delineamento
experimental, no qual todas as variações são incluídas, até mesmo as
perturbações. Procedendo a uma seleção competente de amostras, podem ser
utilizados análise multivariada de dados e métodos de filtragem espectrais.
Dessa forma, é possível criar modelos robustos que permitam monitorar e
controlar processos industriais.
De forma geral, pode-se dizer que a precisão de uma medida
espectroscópica é limitada pelas incertezas ou ruídos associados ao instrumento
utilizado (Oliveira et al., 2004).
3.10 Quimiometria
A obtenção de dados, principalmente na área de química analítica, atingiu
um ponto sofisticado. A interface de instrumentos analíticos aos computadores
produz enorme quantidade de informação, muitas vezes complexa e variada.
A quimiometria é a ciência que utiliza métodos matemáticos, estatísticos e
informáticos, com o objetivo de extrair a informação obtida a partir de dados
analíticos (Geladi et al., 1995). De acordo com Booksh (2000), as ferramentas
desta ciência não podem ser diretamente aplicadas sem o conhecimento e o
entendimento do sistema químico em questão.
21
O ponto chave no sucesso da aplicação da técnica NIRS é o
desenvolvimento de métodos para manipular e interpretar os dados da análise.
Assim, segundo Pasquini (2003), existe forte simbiose entre a técnica de NIRS e
a análise multivariada dos dados.
Os métodos estatísticos multivariados mais comumente utilizados para
modelar a dependência entre variáveis espectroscópicas e as concentrações são:
regressão linear múltipla (MLR), regressão dos componentes principais (PCR) e
regressão dos mínimos quadrados parciais (PLS). Segundo Pasquini (2003),
esses métodos pressupõem uma relação linear entre os espectros e as
concentrações ou o valor da propriedade a ser determinado.
O objetivo da maioria das análises multivariadas é desenvolver modelos
para predizer uma propriedade de interesse (Workman & Weywer, 2007). A
maior parte dos instrumentos fornece um sinal como resposta. No caso da
espectroscopia, o sinal é a quantidade de luz que chega ao detector. O grande
desafio da espectroscopia difusa é criar métodos rápidos, precisos e confiáveis
para monitorar e controlar processos (Antti, 1999).
De acordo com Naes et al. (2002), a técnica mais empregada para
análises qualitativas baseadas em espectros de infravermelho próximo é a análise
de componentes principais, ou PCA (em inglês, principal component analysis).
3.11 Análise dos componentes principais
A extração de informações dos resultados de um experimento químico
envolve a análise de grande número de variáveis. Muitas vezes, um pequeno
número dessas variáveis contém as informações químicas mais relevantes,
enquanto a maioria das variáveis adiciona pouco ou nada à interpretação dos
resultados, em termos químicos. A decisão sobre quais variáveis são importantes
é tomada, geralmente, com base na intuição química ou na experiência, ou seja,
22
é baseada em critérios que são mais subjetivos que objetivos (Neto & Moita,
1998).
Por meio de critérios objetivos, a redução de variáveis é realizada por
meio da análise de componentes principais. A análise dos componentes
principais permite a construção de gráficos bidimensionais contendo maior
informação estatística. Também é possível construir agrupamentos entre as
amostras de acordo com suas similaridades, utilizando todas as variáveis
disponíveis e representá-los de maneira bidimensional. A análise de
componentes principais e a de agrupamento hierárquico são técnicas
complementares de estatística multivariada que têm grande aceitação na análise
de dados químicos (Neto & Moita, 1998).
A PCA foi desenvolvida primeiramente por Pearson, em 1901, que
descreveu que um grupo de componentes ou combinações lineares (CL) era
gerado de um conjunto de variáveis originais, possuindo variâncias mínimas não
explicadas. Essas combinações lineares geram um plano no qual o ajuste da
nuvem de pontos será, em conseqüência, o melhor, em função de ser mínima a
soma das distâncias de cada ponto ao plano (Lopes, 2001).
Há mais de uma década, Brown (1995) afirmava que a análise de
componentes principais (PCA) era um dos métodos mais comuns empregados na
análise de informações, devido à sua capacidade de compressão dos dados.
Atualmente, segundo Agrawal (2008), está técnica continua sendo largamente
empregada em diversas aplicações.
Quando um algoritmo de PCA é aplicado num conjunto de variáveis,
como, por exemplo, espectros no infravermelho, o conjunto original dessas
variáveis é substituído por um novo conjunto de variáveis denominado de
componentes principais (Thomas, 1994).
A principal característica deste novo conjunto é a ortogonalidade, ou
seja, são completamente não correlacionadas (Thomas, 1994). Como vantagem,
23
o novo conjunto de variáveis (PCs), geralmente, concentra a maior parte da
informação (variância) em poucas variáveis, diminuindo, assim, a
dimensionalidade dos dados, sem perda significativa da informação química.
De acordo com Brereton (2000), as novas coordenadas das amostras, no
novo sistema de eixos das componentes principais, são denominadas de scores.
Cada componente principal é construída pela combinação linear das variáveis
originais. Os coeficientes da combinação linear (o peso, ou quanto cada variável
antiga contribui) são denominados de loadings. Dessa forma, os loadings são
capazes de mostrar quais variáveis originais têm maior importância na
combinação linear de cada componente principal (Centner & Massart, 1996).
Lopes (2001) afirma que a técnica de análise de componentes principais
é limitada, ou seja, é incapaz de captar comportamentos não-lineares. Esse
método é muito difundido no campo multivariado, que permite a estruturação de
um conjunto de dados multivariados, em que a distribuição de probabilidade não
precisa ser conhecida.
Segundo Hawkins (1974), a análise de componentes principais permite
detectar erros de forma tão eficiente quanto com a utilização dos dados originais,
pois os vetores estarão expressando o comportamento conjunto das variáveis.
3.12 Calibração do modelo
Uma das técnicas mais utilizadas nos últimos anos, para inferir
propriedades a partir de informação espectral, é a regressão dos mínimos
quadrados parciais (Partial Least Squares Regression ou PLS Regression), que
utiliza PCA nos dados de entrada e saída, de modo a maximizar a covariância
entre os mesmos. O modelo resultante desta técnica é simplesmente a relação
existente entre as variáveis latentes, que pode ser linear ou não.
O método de calibração por regressão PLS foi desenvolvido,
inicialmente, por Herman e Svante Wold, na década de 1970. As informações
24
espectrais e as informações das concentrações são usadas ao mesmo tempo na
fase de calibração. A matriz de espectros é decomposta em matrizes de variações
dos espectros, que são os loading e a posição das amostras, que são os scores
(Geladi & Kowalsky, 1986).
Segundo Geladi & Kowalsky (1986), os espectros originais podem ser
considerados como combinações lineares das variações dos espectros (scores),
em que os loadings representam suas contribuições.
Na regressão PLS, tanto a matriz das variáveis independentes X como a
das variáveis dependentes Y são decompostas como na análise de componentes
principais, em que: X = TP + E e Y = UQ + F.
Simas (2005) comenta que as informações são incorporadas de modo
que cada componente principal (CP) do modelo seja modificada, fazendo com
que as covariâncias de T e U sejam maximizadas. Nesta etapa, a CP recebe o
nome de variável latente (VL) ou fatores PLS (R). Quando as matrizes X e Y são
decompostas, T são scores; P e Q são loadings e E e F são matrizes de erro das
decomposições de X e Y, respectivamente (Geladi & Kowalsky, 1986).
O processo de modelagem consiste em duas etapas: calibração e
validação do modelo. Os métodos de calibração multivariada são
particularmente úteis devido à precisão decorrente da evolução dos métodos
estatísticos. Assim, a calibração é, geralmente, uma operação que estabelece a
relação entre uma grandeza de saída com uma grandeza de entrada para um
sistema de medida sob condições controladas (Workman & Weywer, 2007).
Uma grande vantagem do método de regressão PLS é a sua robustez.
Isso significa que os parâmetros do modelo não se alteram de maneira
significativa quando novas amostras são acrescentadas ou retiradas do conjunto
de calibração (Geladi & Kowalsky, 1986). Essa robustez permite que seja
possível trabalhar com sistemas industriais cujas características nem sempre são
mantidas rigorosamente da mesma maneira durante todo o processo, ou seja, é
25
possível acrescentar estas “novas amostras” conforme elas apareçam, sem alterar
os parâmetros do modelo criado inicialmente (Parreira, 2003).
3.13 Validação da calibração
Após a calibração de uma propriedade qualquer de um dado material por
espectroscopia, é indispensável validar o modelo (Gemperline, 2006). De acordo
com Wold (1978), as amostras do lote de validação devem apresentar valores
que compreendam o intervalo de dados do lote de calibração e que devem
apresentar desempenho muito semelhante em todos os parâmetros de avaliação
dos modelos de calibração. A validação do modelo pode ser realizada por dois
métodos: validação independente ou validação cruzada (Workman & Weywer,
2007).
3.13.1 Validação externa
Para realizar a validação externa ou independente, um segundo lote de
amostras é analisado. Para validar um modelo a partir de um lote externo, as
amostras precisam ter as mesmas características que as utilizadas na fase de
calibração. Assim como para o lote de calibração, as amostras da validação
externa também são analisadas pelo método de referência e formam o lote de
validação. A calibração é, então, usada para estimar o valor das propriedades do
lote de validação a partir dos seus espectros de infravermelho próximo. Dessa
forma, é, então, possível comparar os valores estimados com os valores
determinados em laboratório (Burns & Ciurczak, 2008).
3.13.2 Validação cruzada
Uma parte de amostras do lote de calibração é utilizada para a obtenção
da equação de calibração, que é usada para estimar a propriedade do restante das
amostras. A operação é repetida de maneira a obter a estimativa de todo o lote de
26
validação. Assim, Pasquini (2003) recomenda o uso da validação independente,
pois o método produz resultados mais reais.
A validação cruzada é baseada na avaliação da grandeza dos erros de
previsão, comparando-se os valores das variáveis dependentes das amostras do
conjunto de calibração com as respectivas previsões, quando as mesmas não
participam na construção do modelo de regressão (Simas, 2005).
Giordanengo (2005) sugere que a validação cruzada seja utilizada apenas
nos casos em que o número de amostras é limitado. O método é freqüentemente
utilizado porque o custo das análises de laboratório é bastante elevado. Contudo,
a recomendação é a validação de modelos a partir de um lote independente.
3.14 Parâmetros de calibração
As leituras obtidas pela técnica NIRS sofrem variação devido a um
grande número de fatores: condições de aquisição dos espectros, diferenças na
essência e natureza do material (madeira sólida, moída, deteriorada, usinada,
tratada, etc.), método de amostragem, resolução espectral, comprimento de onda,
número médio de leituras (varreduras) adotado para aquisição dos espectros etc.
Esses parâmetros, além de outros, influenciam diretamente a qualidade
da calibração. Giordanengo (2005) enfatiza que é importante levar em conta
todos esses parâmetros para efetuar uma calibração segura. Alguns dos
parâmetros mais importantes são abordados a seguir.
3.14.1 Pré-tratamento espectral
Parte da informação espectral não possui correlação direta com a
propriedade investigada, provocando distorções e erros no modelo. Martens &
Tormod (1989) afirmam que, para minimizar este problema, diversos métodos
de pré-tratamento têm sido utilizados, como normalização, correção da linha de
base, cálculo da derivada, correção multiplicativa de sinal, escalonamento e
filtragem digital para remoção de ruído.
27
Næs et al. (2002) afirmam que os filtros espectrais são técnicas
matemáticas úteis para reduzir efeitos, tais como diferenças de espessura da
amostra e espalhamento de luz, tipicamente freqüente em espectroscopia de
reflexão difusa. A idéia do pré-tratamento consiste na remoção de informações
irrelevantes para calibração, ou seja, melhorar a qualidade do sinal. Isto é
importante tanto para a previsão de desempenho como para a interpretação dos
resultados.
Os espectros originais de madeira são contaminados, freqüentemente, de
imperfeições. Os pré-tratamentos são usados para melhorar a qualidade do sinal,
reduzindo parte do ruído (Figuras 7, 8 e 9). Classicamente, para espectros
obtidos a partir de madeira, a primeira e a segunda derivada são usadas, como
também as normalizações. Em alguns casos, pré-tratamentos um pouco mais
complexos são utilizados para suprimir uma parte do ruído contido na
informação espectral, como a correção multiplicativa de sinal.
FIGURA 7 Espectros originais da madeira de E. urophylla
28
FIGURA 8 Espectros da madeira de E. urophylla, sob tratamento da 1
a
derivada
+ snv
FIGURA 9 Espectros da madeira de E. urophylla, sob tratamento da 2
a
derivada
29
A aplicação da primeira ou da segunda derivada sobre os dados
espectrais brutos resulta em ampliação dos ombros espectrais e em redução do
efeito das inclinações provocadas na linha de base do espectro, devido à
morfologia das partículas (Martens & Tormod, 1989).
3.14.2 Seleção de comprimentos de onda
Segundo Delwiche & Reeves (2004), a seleção de variáveis permite
eliminar os comprimentos de onda que não são relevantes para a modelagem.
Dessa forma, gera-se um novo subconjunto com menor número de variáveis e
com maior sensibilidade e linearidade em relação às propriedades estudadas.
As estruturas químicas, os respectivos comprimentos de onda que
promovem a absorção da energia incidida sobre o material que as contêm, os
tipos de deformação causados pela incidência dos comprimentos de onda e as
regiões as quais pertencem são apresentados na Tabela 1.
TABELA 1 Bandas de absorção do infravermelho próximo
Comprimento de onda (nm) Estrutura química e tipo de deformação Região
11760-11630 Aromática 3ª harmônica
11490-11300 e 11110-10990 -CH3 : estiramento assimétrico 3ª harmônica
10640-10470 -OH: bend 2ª harmônica
9350-9220 2*CH estiramento + 2*C-C estiramento combinação
8850-8770 Aromática 2ª harmônica
8700-8580; 8840-8370 e 8400-8330* -CH3 : estiramento assimétrico 2ª harmônica
7170-7020 -OH 1ª harmônica
7090-7040 e 6940-6900 2*CH estiramento + CH bend combinação
5950-5920 Aromática 1ª harmônica
5850-5870; 5700-5630 e 5650-5600* -CH3 : estiramento assimétrico 1ª harmônica
4850-4780 OH estiramento + OH bend combinação
4400-4380 CH estiramento + CH bend combinação
4220-4180 -OH: estiramento 2ª harmônica
Fonte: Schimleck et al. (2004) * estiramento simétrico
30
Com base nisso, é recomendado escolher a faixa espectral utilizada para
realizar a calibração. Embora o método de regressão PLS determine as variáveis
latentes em função de comprimentos de ondas mais informativos (cálculo da
covariância entre valores de referência da propriedade calibrada e o espectro
infravermelho próximo), às vezes, é vantajoso suprimir faixas espectrais também
contaminadas ou não informativas.
A escolha da região espectral envolve a escolha de determinados canais
espectrais (um comprimento de onda ou um conjunto de comprimentos de onda)
que permitem ao modelo de calibração minimizar os erros de previsão.
Jiang et al. (2002) salientam que os benefícios da seleção da região
espectral vão desde a estabilidade do modelo de calibração em relação à
colinearidade, como também a interpretação das relações entre o modelo e a
composição da amostra
A seleção de faixas espectrais resulta em melhor ajuste dos dados ao
modelo de calibração. Vários estudos procuram pelas faixas espectrais que
explicam as variáveis de interesse e, na maioria dos casos, os comprimentos de
onda incidiram sobre a região da primeira e da segunda harmônicas, que são as
regiões mais informativas (Leardi et al., 2002; Ghasemi et al., 2003). Algumas
faixas de comprimento de onda são informativas para determinados
componentes químicos da madeira.
As ligações químicas constituem um sistema de vibração cuja freqüência
varia de acordo com a natureza da ligação atômica. Assim, a absorção de energia
proveniente de um emissor de infravermelho é regulada pela freqüência de
vibração e pela natureza química da ligação (Pasquini, 2003).
3.14.3 Detecção e descarte de outliers
A identificação de amostra muito diferente ou que apresenta erro
grosseiro, quando comparado à maioria dos dados, representa a necessidade de
sua eliminação no processo de calibração (Martens & Tormod, 1989).
31
Para isso, um cálculo de distância permite verificar a aderência de uma
amostra ao lote de calibração. Se o dado apresenta uma variabilidade anormal,
isso significa heterogeneidade em relação ao grupo. Trata-se de um dado outlier
e deverá ser descartado do conjunto de amostras. A exclusão de algumas
amostras é freqüente e, geralmente, contribui para uma melhoria da qualidade da
calibração. No entanto, é necessário ser prudente, pois a supressão de uma
grande quantidade de amostras outliers resulta na diminuição da
representatividade.
Basicamente, existem dois tipos de substância química considerada
como outliers:
• as amostras de predição contêm os mesmos componentes como as
amostras de calibração, mas em concentrações diferentes, fora da gama na
calibração fixada, de forma que a sua predição resulta em extrapolação do
modelo, ou
• as amostras de predição contêm componentes que não estavam
presentes nas amostras utilizadas para calibração.
Ferreira et al. (1999) afirmam que a detecção e a remoção de amostras
consideradas como outlier são tão importantes quanto a determinação do número
de componentes principais que serão empregadas na calibração do modelo. Ao
verificar a qualidade do conjunto de amostras, deve-se assegurar a formação de
um conjunto homogêneo, removendo-se aquelas amostras que são solitárias ou
anômalas.
Uma forma de detectar a presença de outliers é a utilização de duas
grandezas complementares: leverage e resíduos de student. A leverage é uma
medida da influência de uma amostra no modelo de regressão. De acordo com
Ferreira et al. (1999), um valor de leverage pequeno indica que a amostra em
questão influencia pouco na construção do modelo de calibração. Por outro lado,
se as medidas experimentais de uma amostra são diferentes das outras do
32
conjunto de calibração, ela, provavelmente, terá uma alta influência no modelo,
que pode ser negativa. Em geral, as amostras anômalas são identificáveis
facilmente no gráfico de scores.
3.14.4 Definição do número de componentes principais
O número de componentes principais (R) utilizados para calibração
influencia bastante os resultados da modelagem. Calibração com um baixo R
poderá fornecer resultados não satisfatórios, uma vez que toda a informação
espectral disponível não é aproveitada. Por outro lado, se muitas componentes
principais forem utilizadas na calibração, ruídos poderão ser incluídos no
processo de modelagem, resultando em problemas na predição (Martens &
Tormod, 1989)
De acordo com Johnson & Wichern (1992), a variância total da
população
11
+
22
+ ... +
pp
é igual à soma dos autovalores
1
+
2
+ ... +
p
da
matriz e, conseqüentemente, a proporção da variância total explicada devido
ao k-ésimo componente principal é , k = 1, 2, …, p. Quando a
maior parte da variância, por exemplo, 80% a 90% da variância total, para um
número grande de p-variáveis, é atribuída a um, dois ou três componentes
principais, então, esses componentes podem substituir as p-variáveis originais,
sem muita perda de informação (Lopes, 2001).
Um dos critérios para selecionar o número de componentes consiste em
incluir só aqueles cujos valores próprios sejam superiores à média, caso tenha
sido utilizada a matriz de variância-covariância. Se for utilizada a matriz “r” de
correlação, incluir-se-ão os componentes cujos valores próprios sejam maiores
que 1. Esse é o critério de Kaiser (Mardia et al., 1979), o qual tende a incluir
poucos componentes, quando o número original de variáveis é inferior a vinte
(20).
Outra forma de definição do número de componentes principais é a
utilização do critério gráfico de Cattel (Cattel, 1966), que diz que o número de
33
componentes principais será determinado por um corte na curva dos loadings
dos autovalores, antes que ocorra uma estabilização dos loadings.
Um critério geral, empregado amplamente, é a utilização daqueles
componentes que conseguem sintetizar uma variância acima de 70% (Lopes,
2001).
34
4 MATERIAL E MÉTODOS
4.1 Origem do material e amostragem
O material vegetal foi proveniente de um teste de descendência de
Eucalyptus urophylla iniciado em 1992, na estação florestal de Kissoko, em
Point-Noire, na República do Congo (4°45’S, 12°00’E, 50 metros de altitude). A
precipitação anual é de 1.200 mm. com quatro meses de estação seca. A
temperatura anual média é de 24°C. Os solos são quimicamente pobres
(areia>85%, CEC<0,5cmolc kg
-1
) (Jamet, 1975). Uma fertilização de 150 g de
NPK 13-13-21 foi realizada em cada árvore, 15 dias após a plantação. A parcela
unitária é de 4x4 árvores plantadas a 667 mudas/hectare. A altura e a
circunferência das árvores foram medidas antes do abate. As árvores foram
abatidas aos 170 meses (14 anos), com altura média de 22,5 m e circunferência,
a 1,3 m de altura do solo (DAP), de 53 cm. Um disco de 2 cm de espessura foi
retirado no DAP de cada uma das 348 árvores. A variação diametral dos discos
está representada na Figura 10 A.
FIGURA 10 Variação de diâmetros das amostras (A) e esquema de corte (B)
35
4.2 Preparação dos corpos-de-prova
Os discos brutos (sem processamento) foram utilizados para aquisição
espectral e, em seguida, foram usinados. Nova medição espectral foi realizada
nos discos usinados por lixadeiras. De cada disco, foram retiradas duas cunhas
opostas e livres de nós, além de uma faixa diametral (de uma extremidade a
outra do disco) de dois centímetros de espessura, passando pela medula. As
cunhas usinadas foram destinadas à moagem, tendo o pó produzido sido
utilizado para a aquisição espectral e para as análises químicas.
A faixa diametral retirada de 20 árvores selecionadas aleatoriamente foi
subdividida em corpos-de-prova, a cada 1,5 cm (Figura 10 B) e utilizada para a
determinação da densidade básica média e sua variação radial. É importante
notar que as propriedades físicas foram determinadas por meio da medida de 105
corpos-de-prova, ao passo que, para as propriedades químicas, foram utilizadas
60 amostras.
Os discos usinados foram moídos por um moinho Retsch Strabe 36,
modelo FCP90L-M (Figura 11 A). A operação de moagem foi realizada em duas
etapas, tendo a primeira produzido pó grosso (granulometria de 4 mm) e a
segunda, pó fino (granulometria de 0,5 mm), como ilustrado na Figura 11 B.
Após a operação de moagem, a temperatura da serragem foi determinada por um
termômetro infravermelho da marca Calex (Figura 11 C). Altas temperaturas,
durante e após o processo de moagem, podem causar termodegradação em
alguns dos componentes da madeira. A serragem da madeira foi acondicionada
em sala com umidade relativa e temperatura constante de 60% e 20°C,
respectivamente e, posteriormente, armazenada em frascos hermeticamente
fechados.
36
FIGURA 11 Moinho (A), granulometria do pó de madeira (4,0 mm e 0,5 mm)
(B) e verificação da temperatura após operação de moagem (C)
Alguns discos continham bolsas de resina e regiões deterioradas.
Entretanto, as amostras moídas estavam livres de bolsas de resina e outros
eventuais problemas.
4.3 Parâmetros de aquisição espectral
A aquisição dos espectros infravermelho próximo foi realizada em modo
de reflexão difusa, diretamente sobre o material, por meio de um espectrômetro
Bruker Vetor 22/NI (Figura 12 A), em conjunto com o programa OPUS versão
4.2. Este espectrômetro é um equipamento que utiliza transformada de Fourier e
é composto pelos seguintes elementos (Figura 12 B):
• uma fonte de radiação luminosa do tipo halogênio (1),
• um interferômetro de Michelson, com posicionamento de espelhos
específico para a trajetória da luz (2),
• sistema de lentes para transferir o feixe (3),
• uma célula de medida (face superior do equipamento) (4),
• uma esfera de integração (sistema de detecção de sulfureto de
chumbo), a qual recebe o raio depois da reflexão na amostra (5),
37
FIGURA 12 Espectrômetro Bruker Vector 22/NI (A) e esquema NIRS [adaptado
de Giordanengo (2005)] (B).
A aquisição dos espectros foi realizada na gama 12.500-3.500 cm
-1
(800
- 2.850 nm), com resolução espectral de 8 cm
-1
(um espectro é composto por
1.125 valores de absorbância). Uma referência foi usada para calibrar a absorção
da luz infravermelha próxima. Este padrão tinha a superfície da base banhada em
ouro e foi medido antes do início de cada série de leituras (Figura 13 A). Para
cada amostra, foram efetuadas 64 medidas e, para adquirir um espectro de
absorbância, o valor médio das 64 leituras foi comparado à referência; 64
medidas também são efetuadas para a medida de referência. A aquisição
espectral foi realizada em sala climatizada, com temperatura média de 20°C e
umidade relativa do ar de 60%.
Um teste de instrumentação automatizado foi realizado a cada nova
experimentação. O teste verificou a confiabilidade do equipamento por meio de
diferentes testes, como a reprodução de um espectro de referência, a amplitude e
o posicionamento do interferograma em uma medida de referência e o poder da
fonte luminosa.
38
4.4 Leitura dos espectros na madeira
Os discos de madeira foram mantidos em sala climatizada (Figura 13 B),
de modo a estabilizar a sua umidade. Os espectros na madeira sólida foram
obtidos diretamente nos discos brutos e usinados em três pontos distintos: ponto
interno, mediano e externo (Figura 13 C).
FIGURA 13 Padrão de medidas (A), temperatura e umidade da sala de
climatização (B) e aquisição espectral na madeira sólida (C)
As amostras de madeira moída (Figura 14 A) foram mantidas em sala
climatizada (temperatura por volta de 20°C e umidade relativa do ar por volta de
60%) para a estabilização da umidade. Os espectros do pó grosso - 4,00 mm - e
do pó fino - 0,5 mm - foram adquiridos a partir de um spinning cup (Figura 14
B), um acessório rotativo especialmente desenvolvido para leituras a partir de
pó. O pó da madeira foi bem misturado de modo a homogeneizar a amostra. Para
cada amostra, aproximadamente 10 gramas de pó de madeira foram utilizados
para a aquisição espectral. A mesma amostra de pó de madeira foi destinada à
análise química. O pó de madeira restante foi armazenado em recipientes
lacrados para futuras investigações.
39
FIGURA 14 Amostras moídas (A) e spinning cup (B)
Na Tabela 2 é apresentado um resumo dos quatro tipos de informação
espectral em relação ao grau de preparação da amostra, número de leituras por
amostra e modo de aquisição espectral.
TABELA 2 Tipos de espectro
Preparação da amostra N° de leituras Aquisição
madeira bruta 64 scans
madeira usinada 64 scans
3 pontos no disco
(EXT, MED e INT)
pó grosso (4,00 mm) 64 scans
pó fino (0,50 mm) 64 scans
spinning cup
4.5 Análises químicas e físicas de referência
Para as 60 amostras selecionadas, 5 gramas de pó (0,5 mm) foram
submetidos à extração exaustiva em aparelho soxhlet pelos solventes
tolueno/etanol (2/1, v/v), etanol e água. O resíduo paretal (RP) assim obtido,
constituído essencialmente de parede celular, foi seco e pesado. As dosagens de
lignina insolúvel em ácido, denominada lignina Klason (LK), e de lignina
solúvel em ácido (LAS) foram realizadas a partir de 300 mg de RP e seguiu a
metodologia descrita por Dence (1992). A estrutura das ligninas foi estudada por
thioacidólise a partir de 20 mg de RP e conforme a metodologia descrita
40
anteriormente (Lapierre et al., 1995). Os produtos monômeros do tipo siringil
(S) e guaiacil (G) foram analisados sob forma de seus derivados trimetilsililes e
por cromatografia em fase gasosa ligada à espectroscopia de massa (CPG-SM)
(Lapierre et al., 1995). Todas as análises foram feitas em duplicata.
A densidade básica foi obtida pelo método da ABNT (2003) em que a
densidade básica (g/cm³) é obtida pela relação entre massa seca (g) e volume
saturado (cm³). As amostras foram saturadas em água e, com base no princípio
de Arquimedes, seus volumes foram determinados pelo método da imersão. As
amostras foram secas em estufa à temperatura de 103±2ºC até atingirem massa
constante. A massa absolutamente seca foi determinada em balança de precisão
de 0,001 g.
Para a determinação da variação dimensional da madeira e da umidade,
os corpos-de-prova foram medidos nas seguintes condições de umidade: i)
umidade de equilíbrio (UE); ii) saturação em água e iii) absolutamente secos. A
retração volumétrica foi determinada em função da relação entre diferentes os
volumes nas condições saturada e seca.
4.6 Estatística multivariada
A análise de regressão dos mínimos quadrados parciais (PLS regression)
foi usada para estabelecer a relação entre as informações espectrais e as
propriedades investigadas por meio do programa The Unscrambler® versão 9.1.
Os modelos foram ajustados com um máximo de doze fatores e o número de
fatores adotado para cada modelo foi o valor que minimizou a variância residual
da calibração e da validação cruzada. O método da validação cruzada completa
(full cross-validation) foi adotado para a validação dos modelos de calibração.
Para calibrar os modelos preditivos das propriedades investigadas,
utilizaram-se faixas espectrais específicas, conforme a Tabela 3.
41
TABELA 3 Faixa de número de ondas utilizado na calibração
Propriedade Faixa de número de onda utilizado (cm
-1
)
lignina 6.140-5.488, 4.640-4.289
extrativo 12.500-7.702, 5.700-5.600, 5.002-4.887, 4.161-3.849
S/G 6.102-4.250
As calibrações foram realizadas a partir dos espectros originais e dos
espectros tratados matematicamente pelo método da normalização, da primeira e
da segunda derivada, pelo método Savitzky-Golay (Savitzky & Golay, 1964) e
foram testadoas combinações entre os métodos.
Amostras anômalas (leverage e os resíduos de Student visivelmente
diferentes do restante das amostras) classificadas como outliers no gráfico de
resíduos foram detectadas e excluídas dos modelos.
4.7 Seleção das calibrações
Os critérios adotados para selecionar o modelo de predição foram: (a)
coeficiente de determinação do modelo na validação cruzada (R²cv); (b) erro
padrão da validação cruzada (SECV); (c) relação de desempenho do desvio
(RPD) e (d) número de fatores PLS (R) utilizado na calibração.
O SECV mede a eficiência do modelo de calibração na predição da
propriedade de interesse em um lote de amostras desconhecidas, diferente das
amostras que compõem o lote de calibração e é dado por:
Em que y
i
é o valor conhecido da propriedade analisada da amostra i,
i
é
o valor estimado da propriedade analisada da amostra i e NP é o número de
amostras do lote de validação cruzada (Schimleck et al., 2001).
42
O valor de RPD representa a relação entre o desvio padrão dos valores
da propriedade analisada pelo método convencional (SD) e o erro padrão da
validação cruzada (SECV). Esta estatística fornece uma base de padronização do
erro padrão da predição (Williams & Sobering, 1993) e torna possível a
comparação entre calibrações de diferentes propriedades.
Para a aplicação de calibrações NIRS no campo da química analítica,
Williams & Soberings (1993) classificam calibrações com valores de RPD entre
2 e 3 como “suficientes para predições aproximadas” e relações entre 3 e 5 como
“satisfatórias para predição”. Para calibrações com valores de relação maiores
que 5, os autores recomendam a “aplicação em análise de controle de qualidade”
e calibrações com RPD superior a 8 são “utilizáveis em todo o tipo de situação
analítica”.
Para utilizações no campo das ciências florestais, Schimleck et al. (2003)
afirmam que um RPD maior que 1,5 é considerado satisfatório para leituras e
predições preliminares (screenings) e, para seleção de árvores em programas de
melhoramento, Schimleck & Evans (2004) consideram suficiente um RPD de 2,5.
43
5 RESULTADOS E DISCUSSÃO
5.1 Características de crescimento
As características de crescimento foram medidas antes do corte das
árvores. Na Tabela 4 são apresentados os valores médios, mínimos (Min) e
máximos (Max) das características de crescimento das árvores, aos 169 meses de
idade, além dos coeficientes de variação.
TABELA 4 Características de crescimento de 341 Eucalyptus urophylla, aos 14
anos (altura - HT169 e circunferência à altura do peito – C169).
Média Min Max CV (%) N
HT169 (m) 21,18 7,8 29,6 17,21 341
C169 (cm) 53,00 24 84 21,21 341
Em média, as árvores apresentaram 21,18 m de altura e 53 cm de
circunferência, a 1,3 m do solo. A circunferência dessas árvores é inferior às das
árvores estudadas por Cruz (2006), que avaliou Eucalyptus urophylla, aos 16
anos de idade, plantados em Paraopeba, MG, com altura média de 31,8 m e 35
cm de diâmetro (109,95 cm de circunferência).
As determinações químicas e físicas das madeiras do lote de calibração,
as calibrações utilizadas para as estimativas, bem como as predições são
apresentadas e discutidas separadamente.
5.2 Análises químicas da madeira do lote de calibração
Na Tabela 5 são apresentados os valores médios, mínimos (Min) e
máximos (Max) dos resultados das análises químicas das madeiras das árvores
do lote de calibração, além dos coeficientes de variação (CV).
A variável RP expressa o resíduo paretal em percentagem ponderal da
massa inicial. As análises foram realizadas em duplicata e apresentam valores
44
bem reprodutivos. As amostras apresentaram valor médio de parede residual
(RP) de 85,39%. A variação do teor de RP é baixa: 2,52% de coeficiente de
variação e as amostras estão distribuídas no intervalo de 80,4% a 88,8%.
TABELA 5 Resumo das análises químicas da madeira do lote de calibração
RP LKRP LASRP LTRP S/G EXT
Média 85,39 28,49 1,63 30,12 2,39 14,61
Min 80,40 25,10 1,14 26,95 1,70 11,20
Max 88,80 31,95 2,12 33,25 3,04 19,60
CV (%) 2,52 4,80 13,19 4,36 14,48 14,75
N 60 60 60 60 60 60
RP – resíduo perietal (%); LKRP – lignina klason (%); LASRP – lignina ácido solúvel (%); LTRP
– lignina total (%); S/G relação siringil e guaiacil; EXT – extrativos (%); CV – coeficiente de
variação; n – número de amostras
O teor de lignina Klason (LKRP) variou significativamente,
apresentando valores entre 25,1% e 31,95%, com média de 28,49% e coeficiente
de variação de 4,8%. O teor de lignina total (LTRT) também variou,
apresentando valor médio de 30,12%. A lignina solúvel em ácido (LASRP)
apresentou variação em maior magnitude, com valor médio de 1,62% e
coeficiente de variação de 13,19%.
A relação S/G média foi de 2,39, com coeficiente de variação de
14,48%. Os valores de S/G variaram de 1,7 a 3,04. O teor de extrativo foi alto e
apresentou valor de 14,61%, variando de 11,20% a 19,60%.
É importante notar a amplitude de variação nos valores das propriedades.
Com base nesses valores é que as calibrações serão ajustadas. Como as
calibrações NIRS, realizadas por meio de regressão dos mínimos quadrados
parciais, não permitem extrapolações, é importante que as amostras do lote de
calibração representem todo o lote de amostras a serem analisadas. Por exemplo,
o lote de calibração apresenta teor de lignina klason (LKRP) variando entre 25%
e 31%. Por isso, é desejável que a coleção de amostras desconhecidas apresente
45
variação nesta mesma faixa. Ou seja, caso uma amostra apresente teor de lignina
de 32%, a estimativa por NIRS nesta amostra para esta propriedade não será
satisfatoriamente precisa.
5.3 Análises físicas da madeira do lote de calibração
As análises físicas das amostras do lote de calibração são apresentadas
na Tabela 6 As amostras medidas apresentaram densidade básica média de 0,526
g/cm
3
, variando entre 0,401 e 0,746 g/cm
3
. Os valores de densidade básica
apresentados na Tabela 6 estão compatíveis com aqueles obtidos por vários
pesquisadores trabalhando com madeira de E. urophylla e E. grandis, no Brasil.
TABELA 6 Resumo das análises físicas da madeira do lote de calibração
DB (g/cm
3
) U (%)
RV
sat-0
(%)
Média 0,526 10,703 19,038
Min 0,401 8,601 12,088
Máx 0,746 38,600 30,597
CV (%) 15,29 33,24 15,8
n 105 105 105
DB – densidade básica da madeira; U – umidade de equilíbrio da madeira; RV
sat-0
– retratibilidade
volumétrica da condição saturada até 0% de umidade; CV – coeficiente de variação e n – número
de amostras
Brito & Barrichelo (1977) encontraram E. urophylla, aos 7 anos, com
densidade básica média de 0,51 g/cm
3
e, aos 11 anos, com densidade de 0,75
g/cm
3
. Brito & Barrichelo (1980) encontraram madeira de E. urophylla com
densidade de 0,594 g/cm³. Carvalho & Nahuz (2001), estudando E. grandis e E.
urophylla, aos 7 anos de idade, encontraram árvores com densidade básica
média de 0,505 g/cm
3
. Alencar et al. (2002) estudaram híbridos de E. urophylla
e E. grandis, aos 7 anos de idade, com densidade básica de 0,521. Scanavaca
Junior & Garcia (2004) estudaram E. urophylla, aos 7 anos, com densidades
46
básicas médias variando de 0,484 a 0,793 g/cm
3
. Cruz (2006) encontrou E.
urophylla, aos 16 anos de idade, com densidade básica média de 0,615 g/cm³.
As amostras apresentaram contração volumétrica de 19,038%, com
coeficiente de variação de 15,8%, como mostrado na Tabela 6. Esses valores são
equivalentes aos encontrados por Scanavaca Junior & Garcia (2004), que
relataram contração volumétrica média de 19,77%, variando de 14,59% até
23,34% do volume da madeira de E. urophylla, aos 7 anos. Os corpos-de-prova
apresentaram umidade média de 10,7%, com coeficiente de variação de 33,24%.
5.4 Correlação entre os resultados das análises químicas
As correlações entre os resultados das análises químicas realizadas nas
sessenta amostras do lote de calibração são apresentadas na Tabela 7.
TABELA 7 Correlação entre os resultados das análises químicas
RP LKRP LASRP LTRP S/G EXT
RP 1
LKRP -0,270 1
LASRP -0,019 -0,323 1
LTRP -0,284 0,988 -0,172 1
S/G 0,046 -0,424
0,911
-0,292 1
EXT -1 0,270 0,019 0,284 -0,046 1
RP – resíduo paretal; LKRP – lignina klason; LASRP – lignina solúvel em ácido; S/G – relação
siringil/guaiacil e EXT - extrativos
Pode-se observar que a relação siringil e guaiacil (S/G) apresentou forte
correlação com os valores de lignina solúvel em ácido. A correlação entre SG e
LASRP foi de 0,911.
De acordo com Musha & Goring (1974), a lignina solúvel em ácido é
correlacionada com a riqueza em unidades do monômero siringil. Os resultados
apresentados na Tabela 7 confirmam essa afirmativa. O ajuste da relação linear
entre as variáveis SG e LASRP está ilustrado na Figura 15.
47
FIGURA 15 Relação entre os resultados de lignina solúvel em ácido (LASRP) e
a relação S/G
Não houve correlação significativa entre os valores de lignina klason
(LK) e lignina solúvel em ácido (LAS). Poke & Raymond (2006), estudando
amostras de Eucalyptus, também não encontraram correlação significativa entre
essas variáveis.
5.5 Informação espectral
5.5.1 Espectros da madeira
A aquisição dos espectros de infravermelho próximo foi realizada
diretamente do material no modo de reflexão difusa. As assinaturas espectrais da
madeira de E. urophylla podem ser vistas na Figura 16. As informações
espectrais são apresentadas na gama de 12.500-3.500 cm
-1
, com resolução de 8
cm
-1
. Pode-se observar que a primeira metade da região espectral (de 12.500 cm
-
1
a 9.000 cm
-1
) não é informativa e apresenta ruídos. Os picos de absorbância
48
podem ser observados a partir da segunda metade do espectro (de 9.000 cm
-1
a
3.500 cm
-1
).
FIGURA 16 Espectros de reflexão difusa da madeira
5.5.2 Análise dos componentes principais dos espectros de calibração
A análise de componentes principais foi executada para avaliar os quatro
tipos de preparação de amostras (madeira sólida bruta, sólida usinada, pó grosso
e pó fino) que originaram os espectros e identificar amostras outliers.
Para os espectros obtidos a partir da madeira bruta, cinco componentes
principais explicam 100% da variabilidade dos dados analisados, dos quais 55%
são explicados pela componente principal 1 (PC1), 36% pela componente
principal 2 (PC2) e 6% pela componente principal 3 (PC3). Para os espectros
obtidos na madeira usinada, 81% da variabilidade é explicada pela componente
principal 1 (PC1), 13% pela componente principal 2 (PC2) e 4% pela
componente principal 3 (PC3).
A porcentagem de variância e de porcentagem de variância acumulada
em cada componente principal pode ser vista na Tabela 8.
49
TABELA 8 Porcentagem de variância (var) e porcentagem de variância
acumulada (var ac) para a análise de PCA dos quatro tipos de espectro.
Bruta
Usinada
Pó grosso
Pó fino
pc scores
var var ac var var ac var var ac var var ac
1 55% 55% 81% 81% 72% 72% 69% 69%
2 36% 91% 13% 94% 17% 89% 17% 86%
3 6% 97% 4% 98% 6% 95% 11% 97%
4 2% 99% 2% 100% 2% 97% 2% 99%
5 1% 100%
0% 100%
1% 98%
1% 100%
Para os espectros obtidos a partir da madeira usinada e do pó (grosso e
fino), grande parte da variância é captada pela primeira componente principal; a
primeira componente principal consegue captar 81% da variabilidade da
informação espectral da madeira usinada. Para o pó grosso e fino, a componente
principal 1 (PC1) explica, respectivamente, 72% e 69% da variância e a
componente principal 2 (PC2) explica 17%, para os dois tipos de espectro.
5.6 Calibração multivariada
As propriedades químicas da madeira, lignina klason (LKRP), lignina
solúvel em ácido (LASRP) e lignina total (LTRP), estão expressas em
porcentagem ponderal do resíduo paretal inicial das amostras, após extração em
Soxhlet. A retratibilidade da madeira (instabilidade dimensional) não apresentou
correlação com os espectros de infravermelho próximo.
5.6.1 Calibração para teor de lignina klason (LKRP)
A calibração com melhor desempenho para predizer o teor de lignina em
relação ao resíduo paretal (LKRP) foi ajustada com os espectros obtidos a partir
do pó de 4,0mm. O modelo ajustado apresentou um coeficiente de determinação
de 0,90 para o lote de calibração de 0,87 para a validação cruzada. A calibração
com os espectros do pó grosso (4,0 mm) apresentou relação de desempenho do
50
desvio (RPD) de 2,8, que é considerado suficiente para predições aproximadas,
de acordo com a tabela de Williams & Soberings (1993).
A análise dos resultados permite verificar que, à medida que o nível de
preparação das amostras é refinado (sólida bruta, sólida usinada, pó grosso e pó
fino), a relação de desempenho do desvio (RPD) aumenta e o número de
variáveis latentes exigido na calibração diminui.
As estatísticas associadas às calibrações para predizer os teores de
lignina klason (LKRP) estão apresentadas na Tabela 9.
TABELA 9 Calibrações para o teor de lignina (LKRP)
Espectro
Trat R
2
c R
2
cv SEC SECV
R Outlier % RPD
Bruta osd 0,792 0,670 0,579 0,735 7 3 5,17 1,9
Usinada 1d 0,875 0,751 0,437 0,623 8 6 10,00 2,2
Pó grosso 1d 0,900 0,869 0,423 0,484 4 3 5,00 2,8
Pó fino osd 0,881 0,834 0,545 0,460 6 3 5,00 3,0
Bruta – madeira sólida bruta; Usinada – madeira sólida usinada; Pó grosso – pó de 4,00 mm; Pó fino – pó de
0,5 mm; trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; R²c - coeficiente de
determinação da calibração; R²cv - coeficiente de determinação da validação cruzada; SEC – erro padrão da
calibração; SECV – erro padrão da validação cruzada; R – número de variáveis latentes; Outlier – número de
amostras descartadas; % - porcentagem de outliers; RPD – relação da desempenho do desvio.
Se for considerado o valor de RPD sugerido por Schimleck et al. (2003),
em que um RPD maior que 1,5 é considerado satisfatório para leituras e
predições preliminares, os quatro tipos de preparação de amostra fornecem
modelos satisfatórios para a predição do teor de lignina klason. Essas calibrações
têm as estatísticas semelhantes às de calibrações desenvolvidas em outros
trabalhos.
Baillères et al. (2002) investigaram o teor de lignina (método klason) de
200 híbridos E. urophylla x E. grandis e calibraram um modelo com oito
componentes principais, RPD de 2,3, SEC=0,29 e SECV=0,37. As amostras
foram classificadas em peneira de mesh 40.
51
Meder et al. (1999) calibraram o teor de lignina klason de Pinus radiata
e encontraram R
2
de 0,95 para calibração e R
2
de 0,79 para a validação de um
lote independente. Os autores utilizaram sete componentes principais na
modelagem.
Brinkmann et al. (2002) estudaram a predição de lignina por dois
métodos distintos: ácido thioglicólico (TGA) e ácido detergente fibra (ADF) e
encontraram os seguintes coeficientes de determinação: 0,989 para o método
TGA e 0,996 para o método ADF.
Yeh et al. (2004) calibraram o teor de lignina de Pinus taeda e
obteveram R
2
=0,812 para a relação entre os valores de laboratório e as
predições. O SEC foi de 0,47 e o SECV foi de 0,73 para as estimativas.
Hodge & Woodbridge (2004) investigaram Pinus plantados no Brasil e,
na Colômbia e ajustaram modelos usando espectros de reflectância para
madeiras moídas e encontraram R
2
de 0,90 e SEC de 0,43% de lignina para a
calibração e R
2
cv de 0,91 e SECV de 0,40%, para a validação do set. Os autores
encontraram boas predições, com R² variando de 0,83 a 0,90 e SEP variando de
0,43% a 0,54% de lignina.
Kelley et al. (2004) avaliaram madeiras de Pinus provenientes de
Arkansas. Ao utilizarem a faixa de 500nm a 2400nm, os autores calibraram
modelos com quatro componentes principais. Os coeficientes de correlação (R)
dos modelos foram de 0,81 e 0,71, para o conjunto de calibração e o conjunto de
teste, respectivamente.
Sykes et al. (2005) estudaram madeiras de Pinus e encontraram
calibrações para o teor de lignina com coeficiente de determinação (R
2
) de 0,54,
SEC de 0,857% e SECV de 1,098%. Para esses resultados, os autores utilizaram
seis componentes principais na modelagem.
52
Magalhães et al. (2005) analisaram o teor de lignina de Eucalyptus e
obtiveram calibrações com coeficiente de determinação de 0,92, SEC de 1,31 e
SECV de 1,49.
É importante notar que alguns autores citam o coeficiente de correlação
(R) como sendo o coeficiente de determinação (R
2
) do modelo. Para comparar
resultados, é preciso que se avalie a mesma estatística, tanto para a etapa de
calibração como para a validação, seja na validação cruzada ou a validação a
partir de um lote independente de amostras.
5.6.2 Calibração para teor de lignina solúvel em ácido (LASRP)
Para a predição do teor de lignina solúvel em ácido em relação ao
resíduo paretal (LASRP), tanto o pó grosso (4,0mm) como o pó fino (0,50 mm)
forneceram equações satisfatórias. As calibrações a partir do pó apresentaram
um coeficiente de determinação de 0,77 na validação cruzada e um RPD
superior a 1,5, o que é satisfatório para predições aproximadas (Schimleck et al.,
2003). No entanto, a calibração do modelo a partir dos espectros provenientes do
pó fino (0,5 mm) exigiu o descarte de seis amostras consideradas outliers, ao
passo que os espectros do pó grosso originaram apenas duas amostras fora do
padrão.
TABELA 10 Calibrações para teor de lignina solúvel em ácido (LASRP)
Espectro Trat R
2
c R
2
cv SEC SECV R Outlier % RPD
Bruta
osd 0,836 0,629 0,085 0,129 12 3 5,17 1,6
Usinada
2d 0,893 0,690 0,070 0,123 11 0 0,00 1,7
Pó grosso
1d 0,925 0,772 0,057 0,101 10 2 3,33 2,1
Pó fino
osd 0,872 0,773 0,072 0,096 9 6 10,00 2,2
Bruta – madeira sólida bruta; Usinada – madeira sólida usinada; Pó grosso – pó de 4,00 mm; Pó fino – pó de
0,5 mm; trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; 2d – segunda derivada; R²c
- coeficiente de determinação da calibração; R²cv - coeficiente de determinação da validação cruzada; SEC –
erro padrão da calibração; SECV – erro padrão da validação cruzada; R – número de variáveis latentes; Outlier
– número de amostras descartadas; % - porcentagem de outliers; RPD – relação da desempenho do desvio.
53
De maneira geral, a análise da Tabela 10 permite dizer que a predição do
teor de lignina solúvel em ácido (LASRP) exige um alto número de
componentes principais na sua calibração, independente do tipo de preparação
das amostras. Além disso, pode-se observar que o número de componentes
principais diminui (12; 11; 10 e 9) e o RPD aumenta (1,6; 1,7; 2,1 e 2,2), à
medida que a preparação do material é refinada (madeira bruta, madeira usinada,
pó grosso e pó fino).
5.6.3 Calibração para teor de lignina total (LTRP)
O desempenho das calibrações para predizer o teor de lignina total em
relação ao resíduo paretal (LTRP) também é muito semelhante para os modelos
ajustados a partir dos pós da madeira (Tabela 11). Entretanto, a calibração a
partir do pó grosso exigiu o uso de três componentes principais para o ajuste, ao
passo que a calibração do pó fino exigiu seis componentes.
As calibrações apresentaram coeficiente de determinação de 0,84% para
o lote de calibração e relação de desempenho do desvio (RPD) de 2,58 e 2,61
para o pó grosso e fino, respectivamente. Essas relações são consideradas
suficientes para predições aproximadas, de acordo com a tabela de Williams &
Soberings (1993).
TABELA 11 Calibrações para teor de lignina total (LTRP)
Espectro
Trat R
2
c R
2
cv SEC SECV R Outlier % RPD
Bruta 2d 0,808 0,679 0,549 0,718 6 2 3,45 1,8
Usinada 1d 0,762 0,643 0,627 0,774 5 2 3,33 1,7
Pó grosso 1d 0,879 0,843 0,447 0,509 3 2 3,33 2,6
Pó fino osd 0,892 0,849 0,426 0,503 6 3 5,00 2,6
Bruta – madeira sólida bruta; Usinada – madeira sólida usinada; Pó grosso – pó de 4,00 mm; Pó fino – pó de
0,5 mm; trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; 2d – segunda derivada; R²c
- coeficiente de determinação da calibração; R²cv - coeficiente de determinação da validação cruzada; SEC –
erro padrão da calibração; SECV – erro padrão da validação cruzada; R – número de variáveis latentes; Outlier
– número de amostras descartadas; % - porcentagem de outliers; RPD – relação da desempenho do desvio.
54
Para a calibração da lignina klason (LKRP), lignina solúvel em ácido
(LASRP) e lignina total (LTRP) ajustada a partir do pó grosso, o número de
amostras outliers descartadas na calibração foi, de maneira geral, menor quando
comparado ao das calibrações do pó retido na peneira de 0,5 mm.
Schimleck et al. (2003) afirmam que um RPD de 1,5 pode ser usado
como uma ferramenta inicial para o melhoramento e, em outro trabalho,
Schimleck & Evans (2004) consideraram um valor de RDP maior que 2,5 como
satisfatório para a seleção de árvores.
5.6.4 Calibração para teor de extrativos (EXT)
Os modelos para estimar o teor de extrativos (EXT) a partir de madeira
sólida (bruta e usinada) e a partir do pó grosso (4,00 mm) não foram satisfatórios
e apresentaram RDP inferior a 1,5.
As calibrações a partir do pó fino para predizer o teor de extrativos
(EXT) apresentam alto coeficiente de determinação (0,929) e relação da
desempenho do desvio (RPD=1,9) considerada suficiente.
As calibrações para o teor de extrativos dessas madeiras são
apresentadas na Tabela 12.
TABELA 12 Calibrações para teor de extrativos (EXT)
Espectro
Trat R
2
c R
2
cv SEC SECV R Outlier % RPD
Bruta 2d 0,981 0,369 0,282 1,754 10 3 5,00 1,2
Usinada osd 0,445 0,274 1,606 1,860 5 0 0,00 1,1
Pó grosso 1d + n 0,894 0,521 0,714 1,573 4 3 5,00 1,4
Pó fino 1d 0,945 0,929 0,520 1,137 4 4 6,67 1,9
Bruta – madeira sólida bruta; Usinada – madeira sólida usinada; Pó grosso – pó de 4,00 mm; Pó fino – pó de
0,5 mm; trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; 2d – segunda derivada; 1d
+ n – primeira derivada + normalização; R²c - coeficiente de determinação da calibração; R²cv - coeficiente de
determinação da validação cruzada; SEC – erro padrão da calibração; SECV – erro padrão da validação
cruzada; R – número de variáveis latentes; Outlier – número de amostras descartadas; % - porcentagem de
outliers; RPD – relação da desempenho do desvio.
55
Meder et al. (1999) desenvolveram calibrações para predizer o teor de
extrativos de Pinus radiata e encontraram R
2
de 0,89 para calibração e R
2
de
0,59 para a validação de um lote independente. Os autores utilizaram sete
componentes principais na modelagem.
Baillères et al. (2002), investigando o teor de extrativos de híbridos E.
urophylla x E. grandis, calibraram um modelo com oito componentes principais,
RPD de 2, SEC=0,29 e SECV=0,35. As amostras foram classificadas em peneira
mesh 40.
Kelley et al. (2004) avaliaram os extrativos de madeiras de Pinus
provenientes de Arkansas (EUA). Os autores utilizaram a faixa de 500nm a
2400nm e calibraram modelos com quatro componentes principais e coeficiente
de correlação (R) de 0,93, tanto para o lote de calibração como para o lote de
teste.
Magalhães et al. (2005) analisaram o teor de extrativo de Eucalyptus e
obtiveram calibrações com coeficiente de determinação de 0,80, SEC de 0,53 e
SECV de 0,61.
5.6.5 Calibração para relação S/G
Para predizer a relação SG, o ajuste das calibrações foi satisfatório, tanto
para madeira íntegra (sólida) quanto para madeira moída. A propriedade exige
grande número de componentes principais na sua calibração e a relação de
desempenho do desvio foi satisfatória (RDP>1,5) para a madeira sólida bruta e
usinada e para os pós da madeira (fino e grosso).
A melhor calibração pra relação S/G foi ajustada a partir do pó grosso,
apresentando coeficiente de determinação (R
2
cv
) de 0,88 e RPD de 2,93. No
entanto, a calibração exigiu o uso de nove variáveis latentes. As calibrações para
predizer a relação S/G das amostras são apresentadas na Tabela 13.
56
TABELA 13 Calibrações para relação S/G
Espectro Trat R
2
c R
2
cv SEC SECV R Outlier % RPD
Bruta 2d 0,929 0,738 0,082 0,160 11 4 6,67 2,2
Usinada 1d + n 0,868 0,679 0,124 0,196 10 2 3,33 1,8
Pó grosso 2d 0,984 0,880 0,043 0,118 9 2 3,33 2,9
Pó fino 1d 0,939 0,863 0,085 0,129 8 3 5,00 2,7
Bruta – madeira sólida bruta; Usinada – madeira sólida usinada; Pó grosso – pó de 4,00 mm; Pó fino – pó de
0,5 mm; trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; 2d – segunda derivada; 1d
+ n – primeira derivada + normalização; R²c - coeficiente de determinação da calibração; R²cv - coeficiente de
determinação da validação cruzada; SEC – erro padrão da calibração; SECV – erro padrão da validação
cruzada; R – número de variáveis latentes; Outlier – número de amostras descartadas; % - porcentagem de
outliers; RPD – relação da desempenho do desvio.
A relação S/G de híbridos E. urophylla x E. grandis foi avaliada por
Baillères et al. (2002), que calibraram um modelo com sete componentes
principais, RPD de 3, SEC=0,17 e SECV=0,20. As amostras foram classificadas
em peneira de mesh 40.
5.6.6 Calibração para densidade básica da madeira
As calibrações para predizer a densidade básica da madeira são
apresentadas na Tabela 14. As calibrações foram realizadas a partir da madeira
maciça. Os espectros foram adquiridos sobre os três planos da madeira: axial,
radial e tangencial. As faces axiais e radiais forneceram calibrações precisas,
tendo a face radial fornecido o modelo de melhor desempenho.
TABELA 14 Calibrações para densidade básica da madeira (DB)
Face Trat R
2
c R
2
cv SEC SECV
R Outlier % RPD
tranversal osd 0,901 0,861 0,026 0,030 7 3 2,86 2,6
radial 1d 0,911 0,896 0,024 0,026 3 6 5,71 3,1
tangencial osd 0,740 0,719 0,041 0,043 2 5 4,76 1,9
trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; R²c - coeficiente de determinação da
calibração; R²cv - coeficiente de determinação da validação cruzada; SEC – erro padrão da calibração; SECV –
erro padrão da validação cruzada; R – número de variáveis latentes; Outlier – número de amostras descartadas;
% - porcentagem de outliers; RPD – relação da desempenho do desvio.
57
A partir da face radial, obteve-se uma calibração com coeficiente de
determinação de 0,896 e relação de performance do erro de 3,1.
A calibração sobre a face tangencial foi a de desempenho mais baixo.
Apesar do coeficiente de determinação de 0,713; a relação de performance do
desvio foi de apenas 1,9; o que indica que essa face não fornece calibrações
satisfatórias.
Segundo Panshin & De Zeeuw (1980), a densidade básica é uma
característica resultante da interação entre as propriedades químicas e
anatômicas da madeira, portanto, as variações na densidade são provocadas por
diferenças nas dimensões celulares, das interações de fatores e pela quantidade
de componentes extraíveis presentes por unidade de volume. Ainda segundo os
mesmos autores, em termos químicos, a densidade da madeira é o reflexo da
porcentagem dos diferentes constituintes que são celulose, hemiceluloses,
lignina e extrativos.
Assim, o que torna possível a utilização da espectroscopia de
infravermelho próximo na avaliação das propriedades, como densidade básica, é
o fato de que a expressão de todas essas propriedades sofre alguma influência da
constituição química da madeira (Burger & Richter, 1991). Dessa forma, é
possível determinar a densidade básica da madeira por meio de espectroscopia
de infravermelho próximo, que é um método baseado em energia de vibração
molecular.
Muitas pesquisas foram desenvolvidas, nos últimos anos, com o objetivo
de calibrar modelos baseados em espectroscopia de infravermelho próximo para
estimar a densidade básica das madeiras de árvores.
Thygesen (1994) investigou a densidade básica de 169 amostras de
Picea abies, testando os métodos de refletância e transmitância no espectrômetro
e obteve coeficientes de correlação que variam entre 0,71 a 0,89 (R
2
=0,504 a
R
2
=0,792), usando entre seis e oito componentes principais, respectivamente.
58
Meder et al. (1999) calibraram a densidade básica da madeira de Pinus
radiata e encontraram R
2
=0,96 para calibração e R
2
=de 0,91 para a validação.
Schimleck et al. (1999) investigaram a madeira de Eucalyptus globulus,
aos oito anos de idade. As árvores apresentaram densidades básicas entre 0,378 e
0,656 g/cm³. Os autores calibraram modelos a partir de espectros médios, com
coeficiente de correlação (R) variando de 0,62 a 0,77 (r
2
=0,384 a r
2
=0,593),
utilizando de 4 a 10 componentes principais. No mesmo trabalho, Schimleck et
al. (1999) mostraram que o uso do pré-tratamento espectral da segunda derivada
melhorou os modelos. O filtro nas informações espectrais diminuiu o erro (SEC
e SEP) e aumentou o R de 0,63 a 0,80 (r
2
=0,397 a r
2
=0,64).
Gindl et al. (2001) avaliaram madeiras de Larix decidua Mill. Os autores
desenvolveram calibrações com sete componentes principais e coeficiente de
correlação (R) de 0,986 na calibração e 0,975 na validação cruzada (o
coeficiente de determinação foi de 0,972 na calibração e 0,95 na validação
cruzada).
Jones et al. (2005) estudaram a densidade básica de 120 amostras de
Pinus taeda. A partir dos espectros puros, estes autores encontraram R
2
de 0,82,
SEP de 0,551 e RPD de 1,89. No mesmo trabalho, os autores mostraram que a
aplicação do pré-tratamento espectral da primeira derivada não afetou o
coeficiente de determinação, que permaneceu o mesmo (R
2
=0,82), mas diminuiu
o SEP de 0,551 para 0,458 e aumentou o RPD de 1,89 para 2,28.
O efeito do pré-tratamento espectral na redução do SEP e o aumento do
RPD das calibrações também são relatados por Hein et al. (2008), que avaliaram
14 espécies de madeira. Esses autores encontraram calibrações para densidade
básica com coeficientes de determinação na validação cruzada, variando entre
0,922 e 0,951 e relação de desempenho do desvio entre 3,55 e 4,47.
59
5.7 Modelos de calibração utilizados para predição
As calibrações que apresentaram melhores desempenhos foram
selecionadas para predizer as propriedades do lote de predição (Tabela 15).
TABELA 15 Calibrações para propriedades químicas e físicas da madeira
Prop Espectro Trat R²cv R SECV Outlier % RPD
LKRP Pó grosso 1d 0,87 4 0,484 5,00 2,8
LASRP
Pó grosso 1d 0,77 10 0,101 3,33 2,1
LTRP Pó grosso 1d 0,84 3 0,509 3,33 2,6
SG Pó grosso 2d 0,88 9 0,118 3,33 2,9
EXT Pó fino 1d 0,93 4 1137 6,67 1,9
DB Transv osd 0,86 7 0,030 2,86 2,6
Trat – tratamento; osd – dados espectrais originais; 1d – primeira derivada; 2d – segunda derivada; R²cv -
coeficiente de determinação da validação cruzada; R – número de variáveis latentes; SECV – erro padrão da
validação cruzada; Outlier% – número de amostras descartadas; RPD – relação da desempenho do desvio.
As propriedades LKRP, LASRP, LTRP e SG foram estimadas pelos
modelos calibrados a partir do pó grosso. No entanto, a propriedade teor de
extrativo foi estimada pelo modelo calibrado pelos espectros obtidos a partir do
pó fino. A densidade básica foi estimada pelo modelo calibrado pelos espectros
obtidos na face transversal, porque os espectros na face radial, que forneceram
calibrações mais precisas, foram adquiridos apenas nos corpos-de-prova do lote
de calibração.
5.8 Predição das propriedades químicas da madeira
As propriedades químicas da coleção de estudo (341 árvores) foram
preditas a partir das calibrações NIRS apresentadas na Tabela 16. As estimativas
do teor de lignina (LKRP), teor de lignina solúvel em ácido (LASRP), lignina
total (LTRP), relação siringil e guaiacil (S/G) e do teor de extrativos (EXT) são
apresentadas na Tabela 16.
O teor de lignina klason (LKRP) variou pouco, apresentando valor
médio de 28,15% e coeficiente de variação de 4,31%. O teor de lignina total
60
(LTRP) também variou pouco, entre 26,64% e 33,06% e valor médio de
29,79%. A lignina solúvel em ácido (LASRP) apresentou maior variação, com
valor médio de 1,63 e coeficiente de variação de 13,19%.
TABELA 16 Resumo das predições das características químicas das madeiras
LKRP (%) LASRP (%) LTRP (%) S/G EXT (%)
Média 28,12 1,63 29,79 2,42 15,74
Min 24,82 1,12 26,64 1,67 10,69
Máx 31,76 2,52 33,06 3,13 22,22
CV (%) 4,32 13,19 3,88 12,38 14,29
n 341 341 341 341 341
Brito & Barrichelo (1977) investigaram E. urophylla cultivados em Rio
Claro, com teores de lignina iguais a 23,6%, aos sete anos de idade e E.
urophylla cultivados em Timor com 29,8% de lignina klason aos 11 anos.
Carvalho & Nahuz (2001) estudaram híbridos de E. grandis e E. urophylla, com
teor médio de lignina klason igual a 22,4% e teor de extrativos de 3,67%, aos
sete anos de idade. Alencar et al. (2002) encontraram teores médios de 27,38%
em híbridos de E. grandis e E. urophylla aos sete anos. Gomide et al. (2005)
apresentaram resultados de lignina total que variam de 27,5% a 30,5%, para
clones de E. grandis e E. urophylla. Para lignina insolúvel, os valores variam de
22,4% a 27% e para lignina solúvel a variação é de 3,1% a 5,1%.
A relação siringil e guaiacil (S/G) média foi de 2,42 e variou entre 1,67 e
3,13. Relações elevadas dos monômeros siringil e guaiacil são conhecidas por
induzir uma elevada reatividade da lignina (Chiang, 2005). Esses valores de
relação SG estão de acordo com a literatura.
Gomide et al. (2005) estudaram clones de Eucalyptus, aos 7 anos de
idade e encontraram relações S/G que vão de 2,1 a 2,8. Silva (2006) estudou E.
grandis e E. urograndis e encontrou valores médios de 2,1 e 2,5,
61
respectivamente, para a relação S/G e Yamada et al. (2004), investigando
árvores transgênicas, relataram relação S/G média de 2,8.
5.9 Predição da densidade básica da madeira
Os resultados das predições da densidade básica da madeira são
apresentados na Tabela 17. A retratibilidade e a umidade de equilíbrio da
madeira não foram estimadas porque as calibrações não apresentaram bom
desempenho.
TABELA 17 Resumo das predições de densidade básica da madeira (g/cm³)
DB
lc
DB
int
DB
med
DB
ext
DB
m
média 0,526 0,444 0,529 0,590 0,521
sd 0,08 0,049 0,055 0,051 0,079
min 0,746 0,253 0,352 0,373 0,253
max 0,401 0,625 0,718 0,780 0,780
CV (%) 15,29 10,98 10,48 8,68 15,23
n 105 324 324 324 972
Os parâmetros DB
int
, DB
med
e DB
ext
se referem aos valores estimados nos
pontos interno, mediano e externo, respectivamente. A DB
int
foi estimada pela
calibração a partir da informação espectral adquirida nos pontos internos de cada
cunha. O mesmo procedimento foi adotado para a estimativa da densidade
básica da madeira no ponto mediano (DB
med
) e a densidade básica, no ponto
externo (DB
ext
). Para a densidade básica média (DB
m
), utilizou-se a média
aritmética para todas as predições (972 estimativas).
Pela Tabela 17 foi possível constatar que a densidade básica dessas
árvores aumentou no sentido medula-casca. As estimativas permitem constatar
que a densidade básica média foi de 0,444 g/cm³, na parte interna do tronco;
0,529 g/cm³, na região intermediária e 0,590 g/cm³, na porção externa do caule.
62
A densidade básica média das árvores de toda população estudada foi de 0,521
g/cm³, com um desvio padrão de 0,079 g/cm³.
Brito & Barrichelo (1977) investigaram E. urophylla, aos 7 anos, com
densidade básica média de 0,51 g/cm
3
e, aos 11 anos, com densidade de 0,75
g/cm
3
. Carvalho & Nahuz. (2001), estudando E. grandis e E. urophylla, aos sete
anos de idade, encontraram árvores com densidade básica média de 0,505 g/cm
3
.
Alencar et al. (2002) estudaram híbridos de E. urophylla e E. grandis, aos sete
anos de idade, com densidade básica de 0,521. Scanavaca Junior & Garcia
(2004) estudaram E. urophylla, aos sete anos, com densidades básicas médias
variando de 0,484 a 0,793 g/cm
3
.
63
6 CONCLUSÕES
A partir dos resultados apresentados por este trabalho, pode-se concluir
que:
a técnica NIRS se mostrou promissora para predizer propriedades da
madeira de Eucalyptus urophylla;
as calibrações ajustadas a partir dos espectros adquiridos no pó das
madeiras forneceram modelos mais precisos para as propriedades
químicas, no entanto, é possível utilizar a técnica NIRS em madeira
sólida;
os espectros provenientes das faces radiais das amostras da madeira
forneceram os melhores resultados para calibração da densidade básica;
a aplicação de tratamento matemático, a detecção e o descarte de
amostras anômalas e a seleção de comprimento de ondas reduziram o
erro padrão da calibração e da validação cruzada (SEC e SECV) e
aumentaram o coeficiente de determinação (R²) e a relação de
desempenho do desvio (RPD);
as madeiras do Eucalyptus urophylla avaliadas pela técnica NIRS
apresentaram, em média, teor de lignina klason de 28,12%, teor de
lignina solúvel em ácido de 1,63% e relação S/G de 2,42. A densidade
básica média foi de 0,521 g/cm³ e
houve aumento da densidade básica da madeira, no sentido medula-
casca, sendo 0,444 g/cm³ na região interna, 0,529 g/cm³ na região
intermediária e 0,590 na região externa dos caules.
64
7 REFERÊNCIAS BIBLIOGRÁFICAS
AGRAWAL, K.R.K. Perturbation scheme for online learning of features:
Incremental principal component analysis. Pattern Recognition, v.41, p.1452-
1460, 2008.
ALENCAR, G.S.B.; BARRICHELO, L.E.G.; JÚNIOR, F.G.S.J. Qualidade da
madeira de híbrido de E. grandis x E. Urophylla e seleção precoce. In:
CONGRESSO E EXPOSIÇÃO ANUAL DE CELULOSE E PAPEL, 35., 2002,
São Paulo. Anais... Disponível em:
<http://www.celuloseonline.com.br/imagembank/Docs/DocBank/
dc/dc054.pdf>. Acesso em: 20 jan. 2008.
ANTTI, H. Multivariate characterization of wood related materials. 1999.
86p. Tese (Doutorado em matemática aplicada) - Umea University, Sweden.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 11941 –
Madeira – Determinação da densidade básica. Rio de Janeiro, 2003. 6 p.
BAILLÈRES, H.; DAVRIEUX, F.; HAM-PICHAVANT, F. Near infrared
analysis as a tool for rapid screening of some major wood characteristics in a
Eucalyptus breeding program. Annals of Forest Science, v.59, p.479-490,
2002.
BEN-GERA, I.; NORRIS, K.H. Determination of moisture content in soybeans
by direct spectrophotometry. Israel Journal of Agriculture Research, v. 18, p.
125-132, 1968.
BERTRAND, D. La spectroscopie proche infrarouge et ses applications dans les
industries de l’alimentation animale. Journal of Animal Production, v. 15, n.
3, p. 209-219, 2002.
BERTRAND, D.; DUFOUR, E. La spectroscopie infrarouge et ses
applications analytiques. Collection sciences et techniques agroalimentaires,
Éditions Tec et Doc, Paris, 566 p. 2000.
BIRKETT, M.D.; GAMBINO, M.J.T. Potential applications for Near Infrared
Spectroscopy in the pulping industry. Paper Southern Africa, v.11, n.12, p.34-
38, 1988.
65
BIRKETT, M.D.; GAMBINO, M. J. T. Estimation of pulp kappa number with
near infrared spectroscopy. Tappi Journal, v.9, n.72, p.193-197, 1989.
BOOKSH, K.S. Chemometric Methods in Process Analysis. In: Encyclopedia
of Analytical Chemistry. Tempe: Arizona State University, 2000. 27p.
BRERETON, R.G. Introduction to multivariate calibration in analytical
chemistry. Analyst, v.125, p.2125-2154, 2000.
BRINKMANN, K.; BLASCHKE, L.; POLLE, A. Comparison of different
methods for lignin determination as a basis for calibration of near-infrared
reflectance spectroscopy and implications of lignoproteins. Journal of
Chemical Ecology, v.28, n.12, p. 2483-2501, 2002.
BRITO, J.O.; BARRICHELO, L.E.G. Correlações entre características físicas e
químicas da madeira e a produção de carvão vegetal: I. densidade e teor de
lignina da madeira de eucalipto. IPEF, n.14, p.9-20, 1977.
BRITO, J.O.; BARRICHELO, L.E.G. Correlações entre características físicas e
químicas da madeira e a produção de carvão: 2. Densidade da madeira x
densidade do carvão. IPEF, n.20, p.101-113, 1980.
BROWN, S.D. Has the chemometrics revolution ended? some views on the
past, present and future of chemometrics. Chemometrics and Intelligent
Laboratory Systems, v.30, p.49-58, 1995.
BROWNING, B.L. Methods of wood chemistry. 2.ed. New York: J.
Wiley/Interscience, 1967. 498p.
BURGER, L.M.; RICHTER, H.R. Anatomia da madeira. São Paulo: Nobel,
1991. 154p.
BURNS, D.A.; CIURCZAK, E.W. Handbook of near-infrared analysis. 3
rd
ed.
Boca Raton: CRC, 2008. 808p.
CARVALHO, A.M.; NAHUZ, M.A.R. Valorização da madeira do híbrido
Eucalyptus grandis x urophylla através da produção conjunta de madeira serrada
em pequenas dimensões, celulose e lenha. Scientia Forestalis, n.59, p.61-76,
2001.
66
CATTEL, R.B. The screen test for the number of factors. Multivariate
Behavior Research, v.1, p.245-276, 1966.
CENTNER, V.; MASSART, D. Elimination of uniformative variables for
multivariate calibration. Analytical Chemistry, v.68, n.21, p.3851-3858, 1996.
CHIANG, V.L. Understanding gene function and control in lignin formation in
wood. Agricultural Biotechnology, v.17, p.139-144, 2005.
COGDILL, R.P.; SCHIMLECK, L.R. JONES, P.D.; PETER, G.F.; DANIELS,
R.F; CLARK, A. Estimation of the physical wood properties of Pinus taeda L.
radial strips using least square support vector machines. Journal of Near
Infrared Spectroscopy, v.12, p.263-269, 2004.
COIMBRA, M.A. Isolamento e Caracterização dos Polissacarídeos das
Paredes Celulares da Azeitona. 1993. 205p. Tese (Doutorado em Química) -
Universidade de Aveiro, Aveiro, Portugal.
CRUZ, C.R. Aplicação de ondas de tensão para a estimativa da umidade em
madeira de Eucalyptus. 2006. 72 p. Tese (Doutorado em Ciências Florestais) -
Universidade Federal do Paraná, Curitiba.
DAVIES, A.M.C. A simple technique for obtaining the near-infrared spectra of
small samples. Applied Spectroscopy, v.44, n.4, p.1417-1418, 1990
DENCE, C.W. The determination of lignin. In: LIN, S.Y.; DENCE, C.W. (Ed.).
Methods in lignin chemistry. Berlin: Springer-Verlag, 1992. p.33-61.
DELWICHE, S.R.; REEVES, J.B. The effect of spectral pretreatments on the pls
modeling of agricultural products. Near Infrared Spectroscopy Journal, v.12,
p.177-182, 2004.
EASTY, D.B.; BERBEN, S.A.; DETHOMAS, F.A.; BRIMMER, P.J. Near-
infrared Spectroscopy for the analysis of wood pulp: quantifying hardwood-
softwood mixtures and estimating lignin content. Tappi Journal, v.73, n.10,
p.257-261, 1990.
FENGEL, D.; WEGENER, G. Wood, chemistry, ultrastructure, reactions.
New York: Waster & Grugter, 1984. 613p.
FERRÃO, M.F.; CARVALHO, C.W.; MÜLLER, E.I.; DAVANZO, C.U.
Determinação simultânea dos teores de cinza e proteína em farinha de trigo
67
empregando NIRR-PLS E DRIFT-PLS. Ciência e Tecnologia de Alimentos,
v.24, n.3, p.333-340, 2004
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
FREUDENBERG, K.; NEISH, A.C. The constitution and biosynthesis of
lignin. Berlin: Springer-Verlag, 1968. 129 p.
GELADI, P.; DAVIES, A.M.C.; WILLIAMS, P. An overview of multivariate
spectral data analysis. In: ______. Near infrared spectroscopy: the future
waves. Chichester: NIR, 1995.
GELADI, P.; KOWALSKI, B.R. Partial Least-Square regression: a tutorial.
Analytica Chimica Acta, v.185, p.1-17, 1986.
GEMPERLINE, P. Practical guide to chemometrics. 2.ed. Boca Raton: Taylor
and Francis, 2006. 520p.
GHASEMI, J.; NIAZI., A.; LEARDI, R. Genetic-algorithm-based wavelength
selection in multicomponent spectrophotometric determination by PLS:
application on copper and zinc mixture. Talanta, v.59, p.311-317, 2003.
GIERLINGER, N.; JACQUES, D.; SCHWANNINGER, M.; WIMMER, R.;
HINTERSTOISSER, B.; PÂQUES, L.E. Rapid prediction of natural durability
of larch heartwood using Fourier transform near-infrared spectroscopy.
Canadian Journal of Forest Research, v.33, n.9, p.1727–1736, 2003.
GINDL, W., TEISCHINGER, A.; SCHWANNINGER, M.;
HINTERSTOISSER, B. The relationship between Near Infrared Spectra of
radial wood surfaces and wood mechanical properties. Journal of Near
Infrared Spectroscopy, v.9, p.255-261, 2001.
GIORDANENGO, T. Commentaire Bibliographique sur les Procédures
d’évaluation de la composition chimique du bois par spectrométrie proche
infrarouge. 2005. p.106. Master em Sciences du Bois. ENGREF, Montpellier.
GOMIDE, J.L.; COLODETTE, J.L.; OLIVEIRA, R.C.; SILVA, C.M.
Caracterização tecnológica, para produção de celulose, da nova geração de
clones de Eucalyptus do Brasil. Árvore, v.29, n.1, p.129-137, 2005.
68
HART, J. R.; NORRIS, K.H.; GOLUMBIC, C. Determination of the moisture
content of seeds by near-infrared spectrophotometry of their methanol extracts.
Cereal Chemistry, v.39, p.94-99, 1962.
HATFIELD, R.; FUKUSHIMA, R.S. Can lignin be accurately measured? Crop
Science Society of America, v.45, p.832-839, 2005.
HAWKINS, D.M. The detection of error in multivariate data using principal
components. Journal American Statistical Association, v.69, p.340-344, 1974.
HEIN, P.R.G.; CAMPOS, A.C.M.; LIMA, J.T.; CHAIX, G. Uso da
espectroscopia para avaliação de densidade básica e propriedades colorimétricas
da madeira de 14 espécies. In: ENCONTRO BRASILEIRO EM MADEIRAS E
EM ESTRUTURAS DE MADEIRAS, 11., 2008, Londrina. Anais… Londrina,
IBRAMEM: 2008
HODGE, G.R.; WOODBRIDGE, W.C. Use of near infrared spectroscopy to
predict lignin content in tropical and sub-tropical pines. Journal Near Infrared
Spectroscopy, v.12, p.381-390, 2004.
HOFFMEYER P.; PEDERSEN J.G. Evaluation of density and strength of
Norway spruce by near infrared reflectance spectroscopy. Holz als Roh- und
Werkstoff, v.53, p.165-170, 1995.
JACQUES, D.; PÂQUES, L.E.; GIERLINGER, N.; WIMMER, R.;
MARCHAL, M.; SCHWANNINGER, M. Heartwood extractives and durability
of larch: relationships and their prediction by FT-NIR spectroscopy.
Improvement of larch (Larix sp.) for better growth, stem form and wood quality.
Proceedings of an International Symposium Gap (Hautes-Alpes) - Auvergne
& Limousin: INRA, 2002. p.414-421.
JAMET, R. Evolution des principales caractéristiques des sols des
reboisements de Pointe-Noire. ORSTOM, Cote MC 189. Centre de
Brazzaville, 1975. 35p.
JIANG, J.; BERRY, R. J.; SIESLER, H. W.; OZAKI, Y.; wavelength interval
selection in multicomponent spectral analysis by moving window partial least-
squares regression with applications to mid-infrared and near-infrared
spectroscopic data Analytical Chemistry, v.74, p.35-55, 2002.
JOHNSON, R.A.; WICHERN, D.W. Applied multivariate statistical analysis.
3
rd
.ed. New Jersey: Prentice Hall, 1992.
69
JONES, P.D.; SCHIMLECK, L.R.; PETER, G.F. ; DANIELS, R.F.; CLARK, A.
Nondestructive estimation of Pinus taeda L. wood properties for samples from a
wide range of sites in Georgia. Canadian Journal of Forest Research, v.35,
p.85-92, 2005.
JOUREZ, B.; RIBOUX, A.; LECLERCQ, A. Anatomical characteristics of
tension wood and opposite wood in young inclined stems of poplar (Populus
euramericana CV “Ghoy”). IAWA Journal. v.22, p.133-157, 2001.
KELLEY, S.S.; RIALS, T.G.; GROOM, L.R.; SO, C-L. Use of near infrared
spectroscopy to predict the mechanical properties of six softwoods.
Holzforschung, v.58, p.252–260, 2004.
KOLLMANN, F.R.; COTÉ, W.A. Principles of wood science and technology.
Berlin: Springer-Verlag, 1968. 592p.
KRISHNA, P.J. Trangenic aspen trees with altered lignification: Good news
for pulp and paper industry. Hyderaba, ISB News Report: 2003. 2p.
LAPIERRE, C.; POLLET, B.; ROLANDO, C. New insights into the molecular
architecture of hardwood lignins by chemical degradative methods. Research on
Chemical Intermediates, v.21, p.397-412, 1995.
LEARDI, R.; SEASHOLTZ, M.B.; PELL, R.J. Variable selection for
multivariate calibration using a genetic algorithm: prediction of additive
concentrations in polymer films from Fourier transform-infrared spectral data.
Analytica Chimica Acta, n.461, p.189-200, 2002.
LIMA, S.R.; OLIVEIRA, G.S.; MORAIS, S.A.L.; NASCIMENTO, E.A.;
CHANG, R. Estudo dos constituintes macromoleculares, extrativos voláteis e
compostos fenólicos da madeira de candeia – Moquinia polymorpha (LESS.)
DC. Ciência Florestal, v.17, n.2, p.145-155, 2007.
LOPES, L.F.D. Análise de componentes principais aplicada à confiabilidade
de sistemas complexos. 2001. 121p. Tese (Doutorado em Engenharia de
Produção) – Universidade Federal de Santa Catarina, Florianópolis.
MAGALHÃES, W.L.E.; PEREIRA, J.C.D.; MUÑIZ, G.I.B.; KLOCK, U.;
SILVA, J.R.M. Determinação de propriedades químicas e anatômicas de
madeira com o uso da reflexão difusa de infravermelho próximo. Boletim
Pesquisa Florestal, Colombo, n.50, p.25-36, 2005.
70
MARDIA, K.V.; KENT, J.T.; BIBBY, J.M. Multivariate analysis. London:
Academic, 1979. 512p.
MARTENS, H.E.; TORMOD, N. Multivariate calibration. New York: J.
Wiley, 1989.
MARTIN, B.; COSSALTER, C. Les Eucalyptus des Iles de La Sonda. Bois et
forêts des tropiques, v.167, p.3-24, 1976.
MEDER, R.; GALLAGHER, S.; MACKIE, K.L.; BÖHLER, H.; MEGLEN,
R.R. Rapid Determination of the Chemical Composition and Density of Pinus
radiata by PLS Modelling of Transmission and Diffuse Reflectance FTIR
Spectra. Holzforschung, v.53, p.261–266, 1999.
MEDER, R.; THUMM, A.; MARSTON, D. Sawmill trial of at-line prediction of
recovered lumber stiffness by NIR spectroscopy of Pinus radiata cants. Journal
Near infrared spectroscopy, v.11, p.137-143, 2003.
MICHELL, A.J. Pulpwood quality estimation by near-infrared spectroscopic
measurements on eucalypt woods. Journal Appita, v.48, p.425–428, 1995.
MUSHA, Y.; GORING, D.A.I. Klason and acid-soluble lignin content of
hardwoods. Journal of Wood Science, v.7, p.133–134, 1974.
NÆS, T.; ISAKSSON, T.; FEARN, T.; DAVIES, T. A User-Friendly Guide to
Multivariate Calibration and classification. NIR Publication, Chichester, p.344,
2002.
NETO, J.M.; MOITA, G.C. Uma introdução à análise exploratória de dados
multivariados. Química Nova, v.21, n.4, 1998.
OLIVEIRA, F.C.C.; de SOUZA, A.T.P.C.; SILVIA, J.A.D.; DIAS, C.L.;
RUBIM, J.C.; A escolha da faixa espectral no uso combinado de métodos
espectroscópicos e Quimiométricos. Química Nova, v.27, n.2, p.218-225, 2004.
OLIVEIRA, J.S. Análise química de madeiras tropicais. Ciências
Agronômicas, v.4, n.3, p.1-32, 1971.
OSBORNE, B.G.; FEARN, T.; HINDLE, P.H. Practical NIR Spectroscopy
with application in food and beverage analysis. Harlow: Longman Scientific
& Technical, 1993. 227p.
71
OUDIA, A.; MÉSZÁROS, E.; SIMÕES, R.; QUEIROZ, J.; JAKAB, E.
Pyrolysis-GC/MS and TG/MS study of meiated laccase biodelignification of
Eucalyptus glubulus Kraft pulp. Journal of Analytical and Applied Pyrolysis,
v.78, p.233-242, 2007.
PANSHIN, A.J.; DE ZEEUW, C. Textbook of wood technology. 4.ed. New
York: Mc Graw Hill, 1980. 722p.
PARREIRA, T.F. Utilização de métodos quimiométricos em dados de
natureza multivariada. 2003. 91 p. Dissertação (Mestrado em Química) -
Universidade Estadual de Campinas, Campinas.
PASQUINI, C. Near infrared spectroscopy: fundamentals, practical aspects and
analytical applications. Journal of the Brazilian Chemical Society, v.14, n.2,
p.198-219, 2003.
PHILIPP, P.; D’ALMEIDA, M.L.O. Celulose e papel: tecnologia de fabricação
da pasta celulósica. 2.ed. São Paulo: IPT, 1988. 964 p.
POKE, F.S.; POTTS, B.M.; VAILLANCOURT, R.E.; RAYMOND, C.A.
Genetic parameters for lignin, extractives and decay in Eucalyptus globulus.
Annals of Forest Science, v.63, p.813-821, 2006.
POKE, F.S.; RAYMOND, C.A. Predicting extractives, lignin and cellulose
contents using near infrared spectroscopy on solid wood in Eucalyptus globules.
Journal of Wood Chemistry and Technology, v.26, p.187-199, 2006.
RAYMOND C.A.; SCHIMLECK L.R.; MICHELL A.J.; MUNERI A.
Nondestructive sampling of Eucalyptus globulus and E. nitens for wood
properties. III. Predicted pulp yield using near infrared reflectance analysis.
Wood Science and Technology, v.35, p.203–215, 2001.
ROLANDO, C.; MONTIES, B.; LAPIERRE, C. Thioacidolysis, In: STEPHEN,
Y.L.; CARLTON, W.D. (Ed.). Methods in lignin chemistry. Timell: Springer-
Verlag, 1992. p.334–350.
SALIBA, E.O.S.; RODRIGUES, N.M.; MORAIS, S.A.L. PILÓ-VELOSO, D.
Ligninas – métodos de obtenção e caracterização química. Ciência Rural, v.31,
n.5, p.917-928, 2001.
72
SAVITZKY, A.; GOLAY, M.J.E. Smoothing and differentiation of data by
simplified least-squares procedures. Analytical Chemistry, v.36, n.8, p.1627-
1639, 1964.
SCANAVACA JUNIOR, L.; GARCIA, J.N. Determinação das propriedades
físicas e mecânicas da madeira de Eucalyptus urophylla. Scientia Forestalis,
n.65, p.120-129, 2004.
SCHIMLECK, L.R.; DORAN, J.C.; RIMBAWANTO, A. Near infrared
spectroscopy for cost-effective screening of foliar oil characteristics in a
Melaleuca cajuputi breeding population. Journal of Agricultural and Food
Chemistry, v.51, p.2433-2437, 2003.
SCHIMLECK, L.R.; EVANS, R.; ILIC, J. Estimation of Eucalyptus
delegatensis wood properties by Near Infrared Spectroscopy. Canadian
Journal of Forest Research, v.31, p.1671-1675, 2001.
SCHIMLECK, L.R.; EVANS, R. Estimation of Pinus radiata D. Don tracheid
morphological characteristics by near infrared spectroscopy. Holzforschung,
v.58, p.66-73, 2004.
SCHIMLECK, L.R.; JONES, P.D.; PETER, G.F.; DANIELS, R.F.; CLARK, A.
Nondestructive estimation of tracheid length from sections of radial wood strips
by near infrared spectroscopy. Holzforschung, v.58, p.375-381, 2004.
SCHIMLECK L.R.; MICHELL A.J. Determination of within-tree variation of
Kraft pulp yield using near-infrared spectroscopy. Journal Appita, v.81, p.229–
236, 1998.
SCHIMLECK, L.R.; MICHELL, A.J.; RAYMOND, C.A.; MUNERI, A.
Estimation of basic density of Eucalyptus globulus using near-infrared
spectroscopy. Canadian Journal of Forest Research, v.29, p.194-201, 1999.
SCHIMLECK, L.R.; MICHELL, A.J.; VINDEN, P. Eucalypt wood
classification by NIR spectroscopy and principal component analysis. Tappi
Journal, v.49, p.319-324, 1996.
SCHIMLECK, L.R.; RAYMOND, C.A.; BEADLE, C.L.; DOWNES, G.M.;
KUBE, P.D.; FRENCH, J. Some applications of NIR spectroscopy to forest
research. Journal Appita, v.53, p.458-464, 2000.
73
SCHIMLECK L.R.; WRIGHT P.J.; MICHELL A.J.; WALLIS A.F.A. Near-
infrared spectra and chemical compositions of Eucalyptus globulus and E. nitens
plantation woods. Journal Appita, v.50, p.40-46, 1997.
SEFARA, N.L.; CONRADIE, D.; TURNER, P. Progress in the use of near-
infrared absorption spectroscopy as a tool for the rapid determination of pulp
yield in plantation eucalypts. Tappsa Journal, v.53, n.11, p.15-17, 2000.
SO, C.L.; GROOM, L.H.; RIALS, T.G.; SNELL, R.; KELLEY, S.S.; MEGLEN,
R. Rapid assessment of the fundamental property variation of wood. In:
BIENNIAL SOUTHERN SILVICULTURAL RESEARCH CONFERENCE,
11., 2002, Asheville, Proceedings… Asheville, NC: USDA/Forest Service,
2002. p.176-180.
SHENK, J.S.; WESTERHAUS, M.O. Near Infrared Reflectance Analysis with
single and multiproduct calibration. Crop Science, v.33, p.582-584, 1993.
SHEPPARD, N.; WILLIS, H. A.; RIGG, J. C. Pure and Applied Chemistry,
v.57, n.1, p.105-120, 1985.
SILVA, V.L. Caracterização de ligninas de Eucalyptus spp. pela técnica de
pirólise associada à cromatografia gasosa e à espectrometria de massas.
2006. 85p. Dissertação (Mestrado em Agroquímica) - Universidade Federal de
Viçosa, Viçosa.
SIMAS, R.C. Determinação de proteína bruta e aminoácidos em farelo de
soja por espectroscopia no infravermelho próximo. 2005. 119 p. Dissertação
(Mestrado em Química) - Universidade Estadual de Campinas, Campinas.
SJÖSTRÖM, E.; ALÉN, R. Analytical methods in wood chemistry, pulping,
and papermaking. Berlin: Springer-Verlag, 1998. 316p.
SKOOG, D.A.; HOLLER, F.J.; NIEMAN, T.A. Princípios de análise
instrumental. 5.ed. São Paulo: Bookman, 2002.
SKOOG, D.A.; LEARY, J.J. Principles of instrumental analysis. 4.ed.
Sounders: College, 1992.
SYKES, R.; LI, B.; HODGE, G.; GOLDFARB, B.; KADLA, J.; CHANG, H.M.
Prediction of loblolly pine wood properties using transmittance near-infrared
spectroscopy. Canadian Journal of Forest Research, v.35, p.2423–2431,
2005.
74
TAIZ, L.; ZEIGER, E. Fisiologia Vegetal. Porto Alegre: Artmed, 2004. 719p.
THOMAS, E.V. A primer on multivariate calibration. Analytical Chemistry,
v.66, n.15, p.795-803, 1994.
THUMM, A.; MEDER, R. Stiffness prediction of radiata pine clearwood test
pieces using near infrared spectroscopy. Journal of Near Infrared
Spectroscopy, v.9, p.117-122, 2001.
THYGESEN, L.G. Determination of dry matter content and basic density of
Norway spruce by near infrared reflectance and transmission spectroscopy.
Journal of Near Infrared Spectroscopy, v.2, p.127-135, 1994.
TSUCHIKAWA, S.; INOUE, K.; NOMA, J.; HAYASHI, K. Application of
near-infrared spectroscopy to wood discrimination. Journal of Wood Science
and technologies, v.49, p.29-35, 2003.
VALENTE, C.A.; FURTADO, F.P.; SOUZA, A.P.M. Improvement program for
Eucalyptus globulus at PORTUCEL: Technogical component. Tappi Journal,
v.45, n.6, p.403-407, 1992.
VIA, B.K.; SHUPE, T.F.; GROOM, L.H.; STINE, M. SO, C-H. Multivariate
modelling of density, strength and stiffness from near infrared spectra for
mature, juvenile and pith wood of longleaf pine (Pinus palustris). Journal of
Near Infrared Spectroscopy, v.11, p.365-378, 2003.
WALLBACKS, L.; EDLUND, U.; NORDEN, B.; BERGLUND, I. Multivariate
characterization of pulp using 13C NMR, FTIR and NIR. Tappi Journal, v.74,
n.10, p.201-206, 1991.
WIBERG, K. Multivariate spectroscopic methods for the analysis of
solutions. 2004. 73p. These (Ph.D. in Analytical Chemistry) - Stockholm
University, Stockholm, Sweden.
WILLIAMS, P.C.; SOBERING, D.C. Comparison of commercial near infrared
transmittance and reflectance instruments for analysis of whole grains and seeds.
Journal of Near Infrared Spectroscopy, v.1, n.1, p.25-33, 1993.
WOLD, S. Cross-validation estimation of the number of components in factor
and principal components models. Technometrics v.20, p.397–405, 1978.
75
WORKMAN, J.; WEYWER, L. Practical guide to interpretive near-infrared
spectroscopy. Boca Raton: CRC, 2007. 332p.
WRIGHT, J.A.; BIRKETT, M.D.; GAMBINO, M.J.T. Prediction of pulp yield
and cellulose content from wood samples using Near Infrared Reflectance
Spectroscopy. Tappi Journal, v.73, n.8, p.164-166, 1990.
YAMADA, T.; YEH, T-F.; CHING, H-M.; LI, L.; KADLA, F.K.; CHIANG,
V.L. Rapid analysis of transgenic trees using transmittance near-infrared
spectroscopy Journal Near Infrared Spectroscopy, v.12, p.263-269, 2004.
YEH, T-F.; CHANG, H-M.; KADLA, J.F.; Rapid Prediction of Solid Wood
Lignin Content Using Transmittance Near-Infrared Spectroscopy. Journal
Agriculture Food Chemistry, v.52, p.1435-1439, 2004.
ZOBEL, B.; JETT, J.B. Genetics of wood production. Berlin: Springer-Verlag,
1995. 336p.
ZOBEL, B.J.; VAN BUIJTENEN, J.P. Wood variation: its causes and control.
New York: Springer-Verlag, 1989. 363p.
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
