Desenvolvimento de modelos de calibração NIRS para minimização das análises de madeiras de Eucalyptus spp

Abstract

Foi avaliada a técnica de seleção de amostras de madeira de Eucalyptus spp. pelo algoritmo de Kennard- Stone para desenvolvimento de modelos de calibração NIRS (Espectroscopia de Infravermelho próximo), objetivando minimizar o número de amostras, mas mantendo a precisão dos modelos. Foram utilizadas 3.369 amostras de madeiras de Eucalyptus spp. para desenvolvimento de modelos NIRS para densidade básica, teor de lignina e teor de extrativos em álcool-tolueno. Os modelos de calibração desenvolvidos com a totalidade das amostras para predição dos parâmetros de qualidade da madeira foram comparados com modelos desenvolvidos utilizando apenas 1.000, 500, 200 e 100 amostras selecionadas pelo algoritmo de Kennard-Stone. As análises dos parâmetros estatísticos comprovaram a similaridade dos modelos, com exceção dos modelos desenvolvidos com apenas 100 amostras, demonstrando a eficiência desta técnica no desenvolvimento de calibrações NIRS, possibilitando considerável economia de tempo e de custo das análises.

The Kennard-Stone algorithm was used to select Eucalyptus spp. wood samples for development of NIRS (Near-Infrared Spectroscopy) calibration models aiming to minimize number of samples but maintaining the model precisions. A large number of Eucalyptus spp. wood samples (3369 samples) were used to develop NIRS calibration models for the wood basic density, the lignin content and the ethanol-toluene extractives. The models developed with the total number of samples were compared with models developed using only 1000, 500, 200 and 100 samples, which were selected using the Kennard-Stone algorithm. Analysis of the models statistics parameters confirmed the similarity of all models, with exception of the 100 sample models, demonstrating the possibility of substantial savings in time and costs for wood laboratory analysis.