Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/41747
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018_CarolinaPintoDiniz.pdf1,55 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorFigueiredo, Lúcio Flávio de Alencar-
dc.contributor.authorDiniz, Carolina Pinto-
dc.date.accessioned2021-08-17T12:43:28Z-
dc.date.available2021-08-17T12:43:28Z-
dc.date.issued2021-08-17-
dc.date.submitted2018-03-15-
dc.identifier.citationDINIZ, Carolina Pinto. Espectroscopia no infravermelho próximo para predição de lignina siringil/guaiacil em Eucalyptus usando equipamento portátil e de bancada. 2018. 54 f., il. Dissertação (Mestrado em Botânica) — Universidade de Brasília, Brasília, 2018.pt_BR
dc.identifier.urihttps://repositorio.unb.br/handle/10482/41747-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Biológicas, Departamento de Botânica, Programa de Pós-Graduação em Botânica, 2018.pt_BR
dc.description.abstractA madeira do eucalipto (Eucalyptus spp.) é uma das principais fontes de polpa de celulose para a produção de papel. No processo de extração da polpa de celulose, a proporção de lignina siringil e guaiacil (S/G) é a principal característica química. Quanto maior a proporção S/G, menores são os custos na extração da polpa de celulose. Todavia, as análises químicas são onerosas e demoradas, tornando-se necessária a utilização de métodos indiretos. Nesse contexto, a espectroscopia do infravermelho próximo (NIR) tem sido amplamente utilizada para o desenvolvimento de modelos de predição das características químicas em diversas amostras. Isso reduz os custos com novas análises químicas e fornece predições rápidas a partir da aquisição dos espectros. O objetivo deste trabalho foi utilizar a NIR para o desenvolvimento de modelos de predição a partir da serragem de 1.220 árvores de duas populações de eucaliptos (Eucalyptus benthamii e E. pellita), com cerca de quatro anos de idade, crescidas em dois biomas diferentes no Brasil. Foram utilizados dois espectrômetros, um de bancada (FOSS 5000) e um portátil (Viavi MicroNIR 1700). Os modelos de classificação e predição foram desenvolvidos a partir de análises multivariadas utilizando somente os espectros (n=6.100) e dos espectros correlacionados com a proporção S/G a partir de trinta árvores de cada população. A classificação das espécies foi muito boa no equipamento de bancada [acurácia superior a 95% na análise discriminante linear (LDA) e coeficiente de determinação (R2) superior a 0,90 na análise discriminante por regressão de mínimos quadrados parciais (PLS-DA)] e levemente menor do equipamento portátil (LDA=93% e R2=0,80). Nos modelos de predição quantitativa, os resultados da PLS feitas a partir dos espectros no equipamento de bancada foram superiores aos resultados do equipamento portátil baseado em quatro parâmetros de análise dos modelos desenvolvidos: RSD - desvio padrão relativo (coeficiente de variação entre o valor de referência e o predito), rs - ranqueamento pela correlação de Spearman, RPD - razão da performance pelo desvio, e R2 . Os melhores modelos, com validação externa obtiveram os seguintes índices: 4,06; 0,95; 2,08 e 0,82 para o equipamento de bancada e 6,39; 0,0; 1,06 e 0,46 para o equipamento portátil, respectivamente. Dessa forma, os modelos no equipamento de bancada podem ser utilizados além de uma seleção inicial, o que seria sugerido baseando-se somente na RPD. Esses modelos podem ser utilizados em programas de melhoramento para as espécies desse estudo e como referência para a extração da polpa de celulose na indústria.pt_BR
dc.language.isoPortuguêspt_BR
dc.rightsAcesso Abertopt_BR
dc.titleEspectroscopia no infravermelho próximo para predição de lignina siringil/guaiacil em Eucalyptus usando equipamento portátil e de bancadapt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordEspectroscopia do infravermelho próximopt_BR
dc.subject.keywordEucaliptopt_BR
dc.subject.keywordProporção lignina siringil/guaiacilpt_BR
dc.subject.keywordEucalyptus Benthamiipt_BR
dc.subject.keywordEucalyptus Pellitapt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1Eucalyptus (Eucalyptus spp.) wood is one of the main sources in the pulping industry for paper production. In the cellulose extraction process from pulp, the principal chemical characteristic of relevance is the lignin syringyl to guaiacyl (S/G) ratio. The higher the S/G ratio, the lower the cost for cellulose extraction. However, as chemical analyses are expensive and time consuming, the development and utilization of indirect methods for measurement are therefore necessary. In this context, near infrared spectroscopy (NIR) has been widely used to develop prediction models for chemical characteristics in various samples. This reduces cost of chemical analyses and provides rapid predictions from spectral acquisitions. The objective of this study was to use NIR for the development of prediction models from sawdust samples of 1,220 trees from two eucalyptus species populations (Eucalyptus benthamii and E. pellita), all approximately four years old, and cultivated in two different Brazilian biomes. Two spectrometers were employed in analyses, a bench spectrometer (FOSS 5000) and a portable spectrometer (Viavi MicroNIR 1700). Classification and prediction models were developed using multivariate analysis of spectral data (n=6,100), and spectral data correlated to S/G ratio from 30 trees from each population. Species classification was highly accurate when employing the bench equipment [accuracy higher than 95% in linear discriminant analysis (LDA) and coefficient of determination (R2) higher than 0.90 in partial least square regression for discriminant analysis (PLS-DA)] and slightly less accurate with the portable equipment (LDA=93% and R2=0.80). Quantitative prediction models for PLS were superior with the bench equipment, when compared to the portable device, considering four parameters: RSD - relative standard deviation (coefficient of variation between reference and prediction values), rs - Spearman's rank correlation, RPD - ratio performance to deviation, and R2. The best prediction models, with external validation, were as follows: 4.06, 0.95, 2.08 and 0.82 for the bench spectrometer and 6.39, 0.0, 1.06 and 0.46 for the portable spectrometer. Thus, the models obtained with the bench spectrometer are useful for application beyond initial screening, as suggested based only on the RPD. These models can be used in breeding programs for the species in this study and as references for the cellulose industry, with regard to cellulose extraction from pulp material.pt_BR
dc.description.unidadeInstituto de Ciências Biológicas (IB)pt_BR
dc.description.unidadeDepartamento de Botânica (IB BOT)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Botânicapt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.