Orientador: Márcia Miguel Castro Ferreira

Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Química

Resumo: A geração de materiais residuais e o seu descarte no ambiente têm sido motivo de grande preocupação, tanto ambiental quanto econômica. O aproveitamento dessas matérias-primas residuais renováveis, não apenas para a produção de energia e calor, mas também para a geração de produtos...

Resumo: A geração de materiais residuais e o seu descarte no ambiente têm sido motivo de grande preocupação, tanto ambiental quanto econômica. O aproveitamento dessas matérias-primas residuais renováveis, não apenas para a produção de energia e calor, mas também para a geração de produtos tecnológicos, tornou-se uma prioridade. Neste trabalho, utilizaram-se caracterizações físico-químicas para o aproveitamento de resíduos agroindustriais e agroflorestais como caroço de açaí; serragem de eucalipto; cascas de arroz, café e soja; capim elefante; bambu; resíduos de banana e coco. Tais biomassas foram submetidas à caracterizações físico-químicas a fim de avaliá-las como potenciais matérias-primas no conceito de biorrefinarias. Essas foram caracterizadas e analisadas por meio de técnicas de difração de raios-X (XRD), espectrometria no infravermelho próximo (NIR), extração acelerada por solvente (ASE), cromatografia de troca iônica (HPAEC), análise térmica (TGA), poder calorífico, análise no ultravioletavisível (UV-Vis), análise elementar e análise imediata. Com base nesses resultados, os resíduos de banana, café e coco foram selecionados como biomassas promissoras no contexto de biorrefinarias. Vários estágios de processamento dessas amostras, úmidas - não moídas (WU), secas ¿ não moídas (DU) e secas moídas (DS) foram analisadas. Usando a espectroscopia NIR e análise multivariada foi possível construir modelos de regressão para predizer os teores de lignina Klason, lignina ácida solúvel, resíduo ácido insolúvel, lignina total, extrativos, umidade, cinzas, glicose, xilose, manose, arabinose, ramnose, galactose, bem como o teor de açúcares totais de 104 amostras de resíduos de banana, 102 resíduos de café e 30 resíduos de coco oriundos de diferentes regiões do Brasil. Modelos utilizando o método de regressão por quadrados mínimos parciais (PLS) foram construídos para amostras de banana, café, coco e amostras combinadas de (Banana + Café) e de (Banana + Café + Coco). Os coeficientes de regressão multivariados de cada modelo foram interpretados a fim de garantir a obtenção de modelos confiáveis e não obtidos ao acaso. A precisão da metodologia NIR foi melhor (p < 0,05) que o método de referência para quase todos os parâmetros, sendo pior apenas para a umidade. Com exceção do teor de cinzas, lignina ácida solúvel, e açúcares (principalmente os minoritários) que foram preditos pobremente (Rval < 0,80) em alguns modelos de diferentes frações, os modelos para os demais analitos exibiram Rval > 0,80. Normalmente as frações DU e WU forneceram modelos um pouco inferiores, necessitando um maior número de variáveis latentes, provavelmente devido à heterogeneidade dessas amostras. Os erros relativos variaram de 2 a 25%, e os desvios padrões entre os valores de referência e os previstos foram todos menores que 10%. Os modelos foram validados utilizando figuras de mérito de calibração multivariada. Com base nos resultados da validação externa e figuras de mérito, a espectroscopia NIR mostrou-se útil para a predição química dos resíduos de banana, coco e café, podendo ser usada como uma alternativa rápida, econômica e com menor produção de resíduos químicos frente às metodologias padrões.

Abstract: The generation of waste disposed in the environment has been of great concern, both environmentally and economically. The use of the wastes from renewable feedstocks, not only for the production of power and heat, but also for the generation of technology products, has become a priority....

Abstract: The generation of waste disposed in the environment has been of great concern, both environmentally and economically. The use of the wastes from renewable feedstocks, not only for the production of power and heat, but also for the generation of technology products, has become a priority. In this work, we investigated the physicochemical characteristics for the utilization of agro-industrial and agroforestry residues such as acai seed; eucalyptus sadwust; rice husks, coffee husks, soypeel, elephant grass; bamboo; banana and coconut wastes. These biomasses were subjected to physicochemical characterizations in order to evaluate their as potential as raw materials in the biorefinery concept. They were characterized and analyzed using techniques of X-ray diffraction (XRD), Near-infrared spectroscopy (NIR), Accelerated Solvent Extraction (ASE), Anion-Exchange chromatography (HPAEC-PAD), Thermogravimetric analysis (TGA), Heating Value, ultraviolet-visible spectroscopy analysis (UV-Vis), proximate and elemental analysis. Based on the results, banana, coffee and coconut residues were selected for biorefineries opportunities. Several stages of processing of the samples, wet and unground (WU), dried and unground (DU), dried and sieving (DS) were analyzed. Using NIR spectroscopy, coupled with chemometric tools was possible to build regression models to predict the Klason lignin (KL), acid soluble lignin (ASL), acid insoluble residue (AIR), total lignin (TL), extractives, moisture, ash, glucose, xylose, manose, arabinose, rhamnose, glactose and the total sugar content, of 104 samples of banana residues, 102 samples of coffee residues and 30 samples of coconut residues, all from different regions of Brazil. Models using the Partial least squares regression (PLS) method were built for Banana, Coffee and Coconut samples and for pooled samples (Banana + Coffee) and (Banana + Coffee + Coconut). Regression Coefficients Interpretation of the model was made to help in the identification of spectral signals characteristics to the analyte and also to detect potential spurious correlations. The precision of the NIR methodology was better (p < 0.05) than the reference method for almost all the parameters, being worse for moisture. With the exception of ash, acid soluble lignin and sugars (especially the minority) content, which was predicted poorly (Rval < 0.80) in some biomass models from different fractions, the models for all the analytes exhibited Rval > 0.80. Normally WU and DU fractions provided somewhat worse models, requiring a greater number of latent variables (LV), probably due to the heterogeneity of the samples. The relative errors varied from 2.00 to 25.00%, and the standard deviations between the reference and predicted values were less than 10.00%. The quality of the models were evaluated by the determination of the multivariate figures of merit. Based on the results of external validation and figures of merit, NIR spectroscopy proved to be useful for chemical prediction of banana, coconut and coffee residues and can be used as a faster and more economical alternative to the standard methodologies.