UTILIZAÇÃO DE ANÁLISE DE COMPONENTES PRINCIPAIS NA VISUALIZAÇÃO DE DADOS AMBIENTAIS: UM ESTUDO DE CASO

Fabiana Alves de Lima Ribeiro (PG)¹, Edenir Rodrigues Pereira-Filho (PG)²,
Márcia Miguel Castro Ferreira (PQ)¹

Departamentos de Físico Química¹ e Química Analítica² – Instituto de Química, UNICAMP, C. P. 6154, CEP 13083-970, Campinas, SP, Brasil

palavras-chave: PCA, Hidrocarbonetos Policíclicos Aromáticos, Química Ambiental

O estudo e interpretação dos resultados de um determinado conjunto de dados muitas vezes envolve a análise de uma infinidade de variáveis, constituindo-se desta forma um trabalho que, além de complicado e demorado, é suscetível a interpretações errôneas e a perdas de informações relevantes. Desta forma, o emprego de métodos multivariados, tais como a Análise de Componentes Principais (PCA), destaca-se como uma importante ferramenta para o tratamento de um grande número de dados, principalmente os provenientes de Química Ambiental [1, 2].

Neste trabalho foi aplicado PCA para estudar um conjunto de dados relativos aos teores de Hidrocarbonetos Policíclicos Aromáticos (PAHs), determinados em amostras de sedimentos marinhos a diferentes níveis de profundidades. Esses resultados foram extraídos de um trabalho encontrado na literatura [3], onde os autores determinaram 38 PAHs, tais como Naftaleno, Antraceno, Dibenzotiofeno, entre outros, em duas baías situadas no Alaska-USA. A primeira região denominada de Bay of Isles (BOI), sofreu o impacto do derramamento de petróleo (42 x 10⁶ litros) proveniente do petroleiro Exxon Valdez que provocou um grande desastre ambiental em Março 1989, e Drier Bay (DB), menos atingida pelo derramamento, foi utilizada como baía de referência para comparar os teores de PAHs, uma vez que esta região apresenta outras fontes destes compostos além do óleo proveniente do derramamento.

A amostragem do sedimento foi feita em três níveis de profundidades para cada baía: a primeira mais superficial, perto da costa (10-50m), uma intermediária (50-100m) e uma terceira mais profunda e mais distante da linha costeira (100-150m). Os autores empregaram amostras certificadas de referência para determinar a exatidão das determinações. As amostragens foram executadas de forma aleatória em 12 estações, sendo 7 em DB e 5 em BOI.

Uma das dificuldades na avaliação do impacto do derramamento encontra-se justamente no fato de que a região possui numerosas fontes naturais e antropogênicas de hidrocarbonetos, que também contaminaram o sedimento marinho ao longo do tempo. Desta forma os autores agruparam os valores determinados dos 38 PAHs em 10 variáveis mais relevantes que fornecem informações sobre o petróleo proveniente de processos biológicos, queima de combustíveis ou derramamento, gerando assim uma matriz de dados composta por 82 amostras (40 BOI e 42 DB) e 10 variáveis.

Com a aplicação da PCA (dados autoescalados) foi possível notar uma nítida separação entre as amostras referentes a cada uma das duas baías, conforme a figura 1a, formando 2 agrupamentos distintos. Ainda, utilizando PCA foi possível detectar a origem dos grupos de hidrocarbonetos relacionados à cada baía, onde a variável D2/P2 (relação Dibenzotiofeno/Fenantreno) diretamente interligada ao derramamento caracteriza a Bay of Isles e as variáveis PER (processos biológicos) e PYRO (queima de combustíveis fósseis) estão ligadas a Drier Bay (figura 2b). A figura 2c, onde os dados foram classificados segundo a profundidade, mostra que as amostras de sedimentos provenientes de 10-50m apresentam uma maior contaminação quando comparada com as outras faixas.

Figura 1: Gráficos dos Scores e Loading onde pode ser visualizada a separação entre as amostras provenientes das duas baías estudadas (a); variáveis que contribuem para estas separações (b) e separação da faixa de 10-50m das demais profundidades (c).

Com o emprego da Análise de Componentes Principais a visualização de diversas variáveis em um determinado conjunto de dados torna-se mais produtiva, rápida, objetiva e eficiente. Neste sentido, a união da Química Ambiental com a Quimiometria, apresenta uma sinergia, onde a interpretação de uma grande série de dados adquiri uma maior qualidade nas informações geradas, abrindo espaço para novos estudos.

[1] M.M.C.Ferreira, C.G.Faria, E.T.Paes, Chemom. Intell. Lab. Syst., 47, 1999, 289.

[2] S. Wold, K. Esbensen, P. Geladi, Chemom. Intell. Lab. Syst., 2, 1987, 37.

[3] P. D. Boehm, D. S. Page, E. S. Gilfillan, A. E. Bence, W. A. Burns, P. J. Mankiewicz, Environ, Sci. Technol., 32, 1998, 567.

CAPES, FAPESP