SERVIÇO FLORESTAL BRASILEIRO

O arquivo selecionado para download refere-se aos espectros da espécie Dalbergia congestiflora. Conforme descrição abaixo, esses espectros fazem parte de uma base de dados ampla de espectros NIR englobando 16 espécies de Dalbergia coletados em diferentes coleções de referência e expedições de coleta. Caso seja de interesse a obtenção dos espectros das demais espécies deve-se realizar o download do arquivo individual de cada espécie.

Introdução:

O gênero Dalbergia representa um importante grupo de espécies produtoras de madeira que vem sendo significativamente exploradas para produção de diversos materiais, como exemplo a Dalbergia nigra que é vastamente utilizada para instrumentos musicais e móveis de luxo. Como resultado dessa demanda e da similaridade visual e anatômica entre as diferentes espécies pertencentes a esse gênero, o controle da exploração é extremamente dificultado, o que vem causando uma redução considerável no número de indivíduos/árvores dessas espécies na natureza.

Atualmente, a técnica mais amplamente empregada para a identificação de uma espécie produtora de madeira em campo é a anatomia de madeira, que realiza a comparação dos caracteres anatômicos de determinada amostra com amostras de referência depositadas em coleções de madeiras. Contudo, devido à necessidade de especialistas altamente treinados, essa técnica não tem conseguido atender a grande demanda do setor florestal. Por essa razão, outras técnicas eletrônicas ou instrumentais vêm sendo estudadas para auxiliar a discriminação/identificação de espécies produtoras de madeira. A tecnologia NIR, associação da espectroscopia no infravermelho próximo (NIR) e análise quimiométrica, vem sendo proposta para como alternativa para realizar a discriminação de gêneros, espécies e origens de madeira1,2,3,4,5 6,7. A experiência de nosso grupo de pesquisa tem mostrado que desde que os espectros de madeira sejam obtidos de amostras em uma mesma condição de umidade e que tiveram sua superfície preparadas da mesma forma, é possível a utilização de um modelo criado a partir de uma base de dados de espectros NIR para determinar a espécie, ou mesmo a origem, de uma amostra de madeira a partir do seu espectro NIR. Haja vista o potencial dessa ferramenta para o estudo e proteção de espécies produtoras de madeira o Laboratório de Produtos Florestais do Serviço Florestal Brasileira (LPF-SFB) em conjunto com o Laboratório de Automação, Quimiometria e Química Ambiental da Universidade de Brasília (AQQUA – UnB) disponibiliza por meio dessa base de dados os espectros NIR coletados, desde 2016 de diferentes espécies visualmente similares do gênero Dalbergia.

Descrição dos dados:

Os espectros foram coletados em triplicata em posições distintas da superfície do cerne da amostra com o equipamento microPhazirTM RX Analyzer (Thermo). Por conta das superfícies irregulares das amostras, à priori da coleta do espectro as amostras foram lixadas com lixas grã 80 e os resquícios de pó foram retirados com pincel. Todas as amostras analisadas estavam na condição de madeira seca, com umidade variando entre 9 e 13 % (m/m). 

A relação das amostras presentes na base de dados disponibilizada é descrita na Tabela 1 que indica a xiloteca na qual os espectros foram coletados de acordo com a espécie e o número de amostras.

Tabela 1. Origem e quantidade de amostras por espécie.

1FPBw – Xiloteca do Laboratório de Produtos Florestais do Serviço Florestal brasileiro; 2MADw - Laboratório de Produtos Florestais do Departamento de Agronomia dos Estados Unidos de Madison - coleção original de Madison; 3SJRw - Laboratório de Produtos Florestais do Departamento de Agronomia dos Estados Unidos de Madison - coleção Samuel J. Record; SPSFw4 - Xiloteca do Instituto Florestal de São Paulo; 5RBw - Xiloteca do Jardim Botânico do Rio de Janeiro; 6LPF - Laboratório de Produtos Florestais do Serviço Florestal Brasileiro; 7BCTw - Xiloteca Dr. Calvino Mainieri do Instituto de Pesquisas Tecnológicas de São Paulo.     

Os arquivos são disponibilizados no formato .txt e estão organizados de acordo com a Tabela 2. Esse formato contém todas as informações para ser importado no software Method Generator, que consiste no software para a análise de dados no equipamento onde foram obtidos os espectros. Contudo, os arquivos podem ser importados para diferentes tipos de softwares especializados ou mesmo planilhas eletrônicas. Considerando a sua importação em uma planilha eletrônica (por exemplo, utilizando os softwares Microsoft Excel ou LibreOffice) cada linha corresponde ao espectro de uma amostra a as colunas seguem a organização/identificação apresentada na Tabela 2. 

Tabela 2. Ordem das informações contidas nas colunas dos arquivos .txt formatados para importação no software Method Generator.

*Espectros com maior probabilidade de serem anômalos (outliers) foram indicados nas colunas K com o termo -out. Mais informações sobre forma de identificação das amostras anômalas são apresentadas na próxima seção.

Espectros Anômalos:

A identificação de espectros anômalos ou outliers é uma tarefa que depende muito do tipo de pré-processamento e tipo de análise que será aplicado aos dados espectrais. Portanto, a identificação incluída nos arquivos disponibilizados não deve ser considerada como definitiva, mas apenas representa uma identificação preliminar dos espectros que mais se distanciam do grupo de espectros de uma mesma espécie com base em uma análise de componentes principais (PCA, do inglês, Principal Component Analysis) realizada apenas com o pré-processamento de centragem na média (mean centering) aplicado às colunas dos espectros de cada espécie. O número de componentes principais foi definido como aquele a partir da qual não houve diminuição considerável no valor de erro RMSECV (RMSECV, do inglês, Root Mean Square Error of Crossvalidation), seguindo o critério estabelecido pelo software PLS-Toolbox (versão 8.5). Os espectros apontados como prováveis outliers foram aqueles que apresentaram seus valores de Hotelling T² (parâmetro que mede o quanto uma amostra se distancia do centro do conjunto de dados) ou de resíduos Q (parâmetro que representa a soma dos quadrados dos resíduos de modelagem do espectro) que excederam seus valores limites, considerando o nível de confiança de 99 %. 

As amostras que apresentaram Hottelling T² ou Q residual acima do limite foram indicadas nas planilhas (Coluna K) com o termo “-out” para que todos que acessarem os dados estejam cientes que estes espectros se afastam do comportamento geral da espécie a qual pertencem, segundo os critérios descritos no parágrafo anterior. Essas amostras não foram excluídas dos dados, pois, como destacado anteriormente, dependendo do pré-processamento, análise e do critério utilizado pelos pesquisadores é possível que essas amostras não sejam consideradas anômalas. 

Contato:

Quaisquer outras dúvidas ou maiores informações sobre a base de dados podem ser obtidas através do contato: 

Dra. Tereza Cristina Monteiro Pastore (LPF-SFB) - tereza.pastore@florestal.gov.br

Prof. Dr. Jez Willian Batista Braga (IQ/UnB) – jez@unb.br;jezwillian@gmail.com 

Msc. Filipe Augusto Snel de Oliveira Barros – filipesnel@gmail.com 

Agradecimentos:

Os autores agradecem à Organização do Tratado de Cooperação Amazônica (OTCA) por todo o apoio e financiamento e as agências de fomento CNPq (473936/2013-5), FAPDF (193.001.634/2017) e CITES (S1-32QTL-000018).

Os autores também agradecem aos laboratórios e xilotecas que contribuíram muito com a possibilidade de coleta de amostras e medidas espectrais: Laboratório de Produtos Florestais do Serviço Florestal Brasileiro; Laboratório de Produtos Florestais do Departamento de Agronomia dos Estados Unidos de Madison - coleção original de Madison e coleção Samuel J. Record;  Xiloteca do Instituto Florestal de São Paulo; Xiloteca do Jardim Botânico do Rio de Janeiro;; Xiloteca Dr. Calvino Mainieri do Instituto de Pesquisas Tecnológicas de São Paulo.     

REFERÊNCIA BIBLIOGRÁFICA

1. Soares, L. F.; Silva, D. C. da; Bergo, M. C. J.; Coradin, V. T. R.; Braga, J. W. B.; Pastore, T. C. M.; Quim. Nova 2017, 40, 418.
2. Pastore, T. C. M.; Braga, J. W. B.; Coradin, V. T. R.; Magalhães, W. L. E.; Okino, E. Y. A.; Camargos, J. A. A.; De Muñiz, G. I. B.; Bressan, O. A.; Davrieux, F.; Holzforschung 2011, 65, 73.
3. Bergo, M. C. J.; Pastore, T. C. M.; Coradin, V. T. R.; Wiedenhoeft, A. C.; Braga, J. W. B.; IAWA J. 2016, 37, 420.
4. Silva, D. C.; Pastore, T. C. M.; Soares, L. F.; Barros, F. A. S.; Bergo, M. C. J.; Coradin, V. T. H.; Gontijo, A. B.; Sosa, M. H.; Chacón, C. B.; Braga, J. W. B.; Holzforschung 2018, 72, 521.
5. Braga, J. W. B.; Pastore, T. C. M.; Coradin, V. T. R.; Camargos, J. A. A.; da Silva, A. R.; IAWA J. 2011, 32, 285.
6. Snel, F. A.; Braga, J. W. B.; Silva, D.; Wiedenhoeft, A. C.; Costa, A.; Soares, R.; Coradin, V. T. R.; Pastore, Tereza, C. M. Wood Sci. Technol. 2018, 52, 1411.
7. Snel, F. A.; Identificação de Madeira do Gênero Dalbergia com espectrômetro NIR portátil por PLS-DA e SIMCA. 2018. 92 p. Dissertação Mestrado em Química – Instituto de Química, Universidade de Brasília, Brasília, 2018.