Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun.

2011
Pesquisa Florestal Brasileira
Brazilian Journal of Foresty Research

www.cnpf.embrapa.br/pfb
*
Autor correspondente:
depaulaprotasio@gmail.com
Termos para indexao:
Modelagem
Regresso
Correlao
Seleo
Index terms:
Modeling
Regression
Correlation
Selection
Histrico do artigo:
Recebido em 03 mar 2011
Aprovado em 28 jun 2011
Publicado em 30 jun 2011
doi: 10.4336/2011.pfb.31.66.113
Relao entre o poder calorfco superior e os componentes
elementares e minerais da biomassa vegetal
Thiago de Paula Protsio
1
, Lina Bufalino
1
, Gustavo Henrique Denzin Tonoli
1
, Allan Motta Couto
1
, Paulo Fernando Trugilho
1
,
Mrio Guimares Jnior
2
1
Universidade Federal de Lavras, Departamento de Cincias Florestais, CP 3037, CEP 37200-000, Lavras, Minas Gerais, Brasil,
2
Centro Federal de Educao Tecnolgica de Minas Gerais, Departamento de Eletrnica, CEP 38180.510, Arax, Minas Gerais, Brasil
Resumo - Os objetivos do trabalho foram avaliar a correlao, ajustar e selecionar
modelos estatsticos lineares simples e mltiplos entre os componentes elementares
(carbono, hidrognio e oxignio) e o teor de cinzas com o poder calorfco superior
da biomassa vegetal; utilizar a anlise de componentes principais para a criao de
um ndice de desempenho energtico e ajustar um modelo linear entre o ndice de
desempenho energtico e o poder calorfco superior. Utilizaram-se oito tipos de
biomassa. Foram ajustadas equaes referentes a trs modelos estatsticos lineares
simples e nove mltiplos. Os melhores modelos foram selecionados com base na
signifcncia dos seus coefcientes, no coefciente de determinao ajustado, no erro
padro da estimativa, no coefciente de variao, na linearidade dos parmetros,
na normalidade, na presena de heterocedasticidade e ausncia de autocorrelao
dos erros. Para os modelos lineares mltiplos, determinou-se o fator de infao de
varincia. Encontrou-se alta correlao entre as variveis. Os modelos 1, 3 e 11 foram
considerados os mais adequados. A utilizao prtica do modelo 2 foi impossibilitada.
A anlise de componentes principais foi efciente na obteno de um ndice de
desempenho energtico dos resduos lignocelulsicos e pode ser utilizada para contornar
a multicolinearidade encontrada entre as variveis consideradas.
Relation between higher heating value and elemental and mineral
biomass plant components
Abstract - The aims of this work were to evaluate the correlation, to adjust and select
simple and multiple linear statistical models between elemental components (carbon,
hydrogen and oxygen) and ash content with higher heating value for plant biomass; to
use the principle components analysis for the creation of an energetic development index
and to adjust a linear model between energetic development index and higher heating
value. Eight types of biomass were used. Three linear and nine multiple statistical
models were adjusted. The best models were selected based on the signifcance of
coeffcients, adjusted determination coeffcient, estimative standard error, coeffcient
of variation, linearity of parameters, normality, presence of heterocedasticity and lack
of error correlation. The variance infation factor was determined for linear multiple
models. High correlation between the variables studied was found. Models 1, 3 and
11 were considered most adequate. Practical use of model 2 is not possible. Principle
components analysis was effcient in obtaining an energetic development index of
lignocellulosic residues and it may be used for solving multicollinearity found between
variables considered.
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
114
T. de P. Protsio et al.
Introduo
O uso energtico de resduos lignocelulsicos tem
ganhado destaque em vrios pases devido grande
quantidade desse tipo de material produzido pelo
setor agroforestal. No entanto, para o aproveitamento
racional e adequado de resduos agrcolas e forestais,
necessrio o estudo de suas propriedades energticas. O
poder calorfco um excelente parmetro para se avaliar
a potencialidade energtica de combustveis de biomassa
(Brand, 2010; Friedl et al., 2005; Parikh et al., 2005),
sendo defnido como a quantidade de energia liberada
na combusto completa de uma unidade de massa do
material combustvel. O poder calorfco chamado de
superior (PCS) quando a combusto se efetua a volume
constante e no qual a gua formada durante o processo
condensada e o calor latente do vapor dgua no
perdido (Brand, 2010; Friedl et al., 2005; Associao
Brasileira de Normas Tcnicas, 1984).
A modelagem com o uso de regresses lineares
simples ou mltiplas pode ser fundamental para
analisar a relao entre variveis e realizar predies,
seja do PCS, dos componentes qumicos elementares
(carbono - C, hidrognio - H e oxignio - O) ou do teor
de cinzas (A). Esses componentes no so os nicos
presentes na biomassa vegetal, mas so os de maior
relevncia a serem estudados devido s relaes entre
esses elementos (C, H, O e A) e o poder calorfco. No
entanto, a grande difculdade de um bom ajuste para um
modelo de regresso atender a todos os pressupostos
exigidos por essa anlise estatstica, como: a linearidade
dos parmetros, normalidade, homocedasticidade
(varincia constante dos erros do modelo no intervalo
de valores de uma varivel independente) e ausncia de
autocorrelao dos erros (resduos). Alm disso, a mdia
dos erros do modelo de regresso deve ser igual a zero e
as variveis regressoras no podem apresentar acentuada
colinearidade (ou multicolinearidade), sendo essa ltima
exigncia exclusiva para as regresses mltiplas (Hair
Jr. et al., 2009; Werkema & Aguiar, 2006). Nesse caso,
a anlise de componentes principais uma tcnica que
pode ser usada juntamente com a anlise de regresso
(Montgomery et al., 2001) como forma de contornar
a multicolinearidade. Essa tcnica permite ainda a
interpretao direta dos componentes para a criao de
ndices de interesse (Mingoti, 2005).
As regresses lineares simples e mltiplas envolvendo
os componentes qumicos elementares (carbono,
hidrognio e oxignio), o teor de cinzas e o poder
calorfco superior (PCS) so de grande valia, pois a
determinao do PCS um processo de custo elevado,
requer instrumentos especiais e analistas altamente
treinados (Majumder et al., 2008). Existem diversos
modelos na literatura que relacionam o PCS com as
anlises qumicas, imediata e elementar de combustveis
slidos (Erol et al., 2010; Akkaya et al., 2009; Majumder
et al., 2008; Friedl et al., 2005; Parikh et al., 2005; Sheng
& Azevedo, 2005; Thipkhunthod et al., 2005; Demirbas
& Demirbas, 2004; Demirbas, 2001; Cordero et al.,
2001; Demirbas, 1997). No entanto, os pressupostos
exigidos na anlise de regresso so pouco explorados
na literatura cientfca, sendo que esse procedimento
pode ser fundamental para a avaliao da qualidade do
ajuste e a confabilidade do modelo. Alm disso, esses
modelos no foram desenvolvidos para os combustveis
de biomassa especfcos do Brasil, o que pode resultar
em estimativas pouco precisas.
Sheng & Azevedo (2005) afrmam que as correlaes
baseadas na anlise elementar so as mais acuradas,
quando comparadas quelas realizadas com a anlise
imediata, porque esse tipo de anlise fornece apenas
uma composio emprica da biomassa. Os autores ainda
mencionam que as correlaes baseadas na composio
qumica (lignina e extrativos) no so viveis devido
variao das propriedades dos componentes. Contudo,
a adio do teor de cinzas nos modelos pode contribuir
para a capacidade preditiva das equaes ajustadas
(Majumder et al., 2008).
Portanto, no presente trabalho, objetivou-se:
Avaliar a correlao linear entre os teores de carbono,
hidrognio, oxignio e cinzas e o poder calorfico
superior.
Ajustar e selecionar modelos lineares simples
e mltiplos entre o poder calorfico superior e os
componentes qumicos elementares (carbono, hidrognio
e oxignio) e o teor de cinzas.
Aplicar a anlise de componentes principais para
a criao de um ndice de desempenho energtico da
biomassa analisada.
Ajustar um modelo linear entre o ndice de desempenho
energtico e o poder calorfco superior, visando verifcar
a associao entre essas variveis.
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
115
Relao entre o poder calorfco superior e os componentes elementares e minerais da biomassa vegetal
Material e mtodos
Foram utilizados oito tipos de biomassa vegetal
compostos por maravalhas de eucalipto (Eucalyptus
urophylla S.T. Blake com 6 anos de idade), maravalhas
de cedro australiano (Toona ciliata M. Roem com 18
anos de idade), maravalhas de pinus (Pinus sp. com 35
anos de idade), casca de arroz, bagao de cana-de-acar,
resduos do processamento de caf (casca e pergaminho),
resduos da colheita do milho (palha, sabugo, caule e
folhas) e polpa celulsica residual de bambu (Bambusa
vulgaris Schrad. ex J.C. Wendl). A biomassa vegetal
avaliada foi amostrada aleatoriamente. Para os ensaios
realizados foram utilizadas cinco fraes de cada
resduo que foram devidamente modos, totalizando 40
observaes por varivel.
Para a anlise elementar, as amostras foram modas e
peneiradas, sendo utilizada a frao retida pela peneira
de 270 mesh. A quantifcao dos teores de carbono,
hidrognio, nitrognio e enxofre em relao massa
seca dos resduos lignocelulsicos foi realizada em
um analisador universal da marca Elementar (modelo
Vario Micro Cube). O analisador utiliza como gs de
arraste e ignio o hlio e o oxignio, respectivamente.
As amostras de 2 mg foram colocadas em cpsulas de
estanho e completamente incineradas a 1.200 C. O teor
de oxignio foi obtido por diferena (Eq. 1), conforme
diretrizes de Bech et al. (2009):
O = 100 C H N S A (1)
em que: O o teor de oxignio (%), C o teor de
carbono (%), H o teor de hidrognio (%), N o teor
de nitrognio (%), S o teor de enxofre (%) e A o teor
de cinzas (%).
Para a quantifcao do poder calorfco superior
(PCS), foi utilizado um calormetro digital da marca IKA
C-200, sendo o ensaio padronizado com a norma ABNT
NBR 8633 (Associao Brasileira de Normas Tcnicas,
1984). As amostras foram classifcadas em peneiras de
40/60 mesh (American Society for Testing Materials,
1977). Para a determinao do poder calorfco superior,
as fraes das amostras retidas na peneira de 60 mesh
foram secas em estufa a 1032C at massa constante.
O teor de cinzas foi determinado segundo as diretrizes
previstas na norma ABTCP M11/77 (Associao
Brasileira Tcnica de Celulose e Papel, 1974) com o
uso de um forno tipo mufa.
Na Tabela 1 encontram-se os modelos estatsticos
lineares simples e mltiplos propostos que foram
ajustados com base no mtodo dos mnimos quadrados
ordinrios (MQO). Os modelos foram escolhidos com
base na retirada e adio de variveis visando melhoria
e determinao das equaes que melhor representam
a relao entre o poder calorfco superior (PCS) e os
teores de carbono (C), hidrognio (H) e oxignio mais
cinzas (O+A).
Tabela 1. Modelos estatsticos propostos entre o poder
calorfico superior (PCS) e os componentes qumicos
elementares (C, H e O) e o teor de cinzas (A).
N do
modelo
Modelos estatsticos
1 PCS =
0
+
1
C +
2 PCS =
0
+
1
H +
3 PCS =
0
+
1
(O+A) +
4 PCS =
0
+
1
C +
2
H +
5 PCS =
0
+
1
C +
2
H +
3
C*H +
6 PCS =
0
+
1
C +
2
(O+A) +

7 PCS =
0
+
1
C +
2
(O+A) +
3
[C*(O+A)] +
8 PCS =
0
+
1
H +
2
(O+A) +
9 PCS =
0
+
1
H +
2
(O+A) +
3
[H*(O+A)] +
10 PCS =
0
+
1
C +
2
H +
3
(O+A) +
11 PCS =
0
+
1
C +
2
H +
3
(O+A) +
4
C*H +
12 PCS =
0
+
1
C +
2
H +
3
(O+A) +
4
[C*(O+A)] +

0
,
1
,

2
,

3,

4
:

coefcientes dos modelos; : erro do modelo; C: Carbono (%);
H: Hidrognio (%); O: Oxignio (%); A: cinzas (%); PCS: poder calorfco
superior (kcal kg
-1
).
Os melhores modelos foram selecionados com
base na signifcncia de todos os seus coefcientes,
no coefciente de determinao ajustado (R ajust),
no erro padro da estimativa (Sxy), no coefciente de
variao experimental, na linearidade das variveis
(Teste de Harvey-Collier), na normalidade (Teste
Shapiro Wilk), presena de varincias desiguais, ou seja,
heterocedasticidade (Teste Goldfeld-Quandt) e ausncia
de autocorrelao (Teste Durbin-Watson) dos erros dos
modelos ajustados.
Verificou-se o sinal algbrico dos coeficientes da
regresso, uma vez que as variveis independentes
podem ser consideradas por sua contribuio individual
varivel estatstica dependente. O parmetro j representa
a alterao esperada na varivel resposta quando a varivel
xj sofre um acrscimo unitrio e se todas as demais
variveis explicativas forem mantidas constantes (Hair
Jr. et al., 2009; Werkema & Aguiar, 2006).
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
116
T. de P. Protsio et al.
Para os modelos lineares mltiplos, determinou-se
o fator de infao de varincia (VIF), pois esse um
indicador do efeito que as outras variveis independentes
tm sobre o erro padro de um coefciente de regresso.
Valores de VIF altos (geralmente acima de 10) indicam
um alto grau de colinearidade ou multicolinearidade
(Hair Jr. et al. 2009).
Os melhores modelos foram selecionados e
comparados estatisticamente por anlises de varincia
a 5% de signifcncia, ou seja, foram comparados aos
pares os modelos 4 e 5, 6 e 7, 8 e 9, 10 e 11, 1 e 11 e as
equaes 3 e 11.
Tambm foi avaliada a correlao linear de Pearson
entre as variveis dos modelos propostos. Utilizou-
se o teste t a um nvel de 5% de signifcncia para
verifcar se o coefciente de correlao igual a zero e,
consequentemente, avaliar a existncia de uma relao
linear entre as variveis.
Anlise de componentes principais
Foi utilizada a tcnica multivariada de componentes
principais com o objetivo de construir um ndice de
desempenho energtico (IDE) da biomassa e verifcar a
associao desse ndice com o poder calorfco superior
por meio do ajuste de um modelo linear simples. Para
essa tcnica estatstica foram considerados apenas os
teores de carbono (C), hidrognio e oxignio mais cinzas
(O+A). A utilizao dessa anlise multivariada apresenta
a vantagem de que as componentes principais obtidas so
compostas por variveis aleatrias no correlacionadas,
facilitando, portanto, a interpretao conjunta dessas
variveis (Mingoti, 2005).
Avaliaram-se os autovalores das componentes
principais que refetem a varincia estimada por elas, a
porcentagem de variao explicada pelas componentes
e as correlaes entre as variveis originais e as
componentes principais.
Todas as anlises estatsticas foram efetuadas utilizando
o software estatstico R verso 2.11.0 (R Development
Core Team, 2008) e na avaliao dos pressupostos da
anlise de regresso utilizou-se os pacotes lmtest (Hothorn
et al., 2010) e fmsb (Nakazawa, 2010).
Resultados e discusso
Na Tabela 2 encontram-se os valores mdios
encontrados para os teores de carbono, hidrognio,
oxignio e cinzas e para o poder calorfco superior dos
combustveis de biomassa vegetal analisados.
Tabela 2. Valores mdios encontrados para os teores de carbono, hidrognio, oxignio e cinzas e para o poder calorfco
superior da biomassa analisada, bem como os coefcientes de variao encontrados (entre parnteses).
Resduos Lignocelulsicos C H O A PCS
Maravalhas de eucalipto 48,20
(1,38)
6,36
(1,27)
45,04
(1,66)
0,25
(10,62)
4572,2
(0,57)
Maravalhas de pinus 49,00
(1,61)
6,65
(1,82)
43,76
(2,08)
0,39
(11,70)
4864,2
(1,18)

Maravalhas de cedro 50,00
(0,73)
6,26
(1,01)
42,34
(0,95)
1,01
(2,68)
4756,2
(0,61)

Bagao de cana-de-acar 46,80
(2,35)
6,34
(1,79)
45,44
(2,51)
0,93
(4,78)
4511,8
(1,26)

Polpa celulsica de bambu 45,20
(0,34)
6,43
(1,85)
46,67
(0,64)
1,56
(8,70)
4192,4
(0,91)

Processamento de caf 46,50
(0,82)
6,38
(0,99)
39,86
(1,09)
4,92
(0,98)
4606,4
(0,80)

Colheita do milho 45,20
(0,26)
6,43
(2,13)
39,32
(0,35)
6,83
(0,39)
4515,4
(1,28)

Casca de arroz 36,00
(0,44)
5,12
(1,55)
41,56
(0,67)
16,78
(0,53)
3863,8
(1,22)

C: carbono (%); H: hidrognio (%); O: oxignio (%); A: teor de cinzas (%); PCS: poder calorfco superior (kcal kg
-1
).
Observam-se, de maneira geral, baixos coefcientes
de variao amostral, o que sugere alta preciso das
anlises efetuadas. Os valores encontrados para os teores
dos componentes elementares (C, H e O) e cinzas (A) e
para o poder calorfco superior (PCS) esto coerentes ao
relatado na literatura para vrios tipos de combustveis
de biomassa (Lima et al., 2011; Brand, 2010; Kumar et
al., 2010; Bech et al., 2009; Friedl et al., 2005; Parikh
et al., 2005; Cordero et al., 2001).
Nas Figuras 1, 2 e 3 encontram-se as relaes lineares
simples estabelecidas entre o poder calorfco superior e
os teores de C, H e O+A, respectivamente.
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
117
Relao entre o poder calorfco superior e os componentes elementares e minerais da biomassa vegetal
Figura 1. Representao grfca da relao entre o poder
calorfco superior (PCS) e o teor de carbono (modelo 1).
o PCS, observou-se que no h relao positiva entre
essas variveis, atendendo assim a expectativa prvia.
necessrio mencionar, no entanto, que o oxignio
um elemento essencial para promover a combusto do
material, apesar de no contribuir para um aumento do
PCS. Huang et al. (2009) afrmam que altos valores
de oxignio decrescem o poder calorfico. Nordin
(1994), de forma semelhante, afrma que alta relao
entre O e H diminui o poder calorfco do material
combustvel. Brand (2010) afrma que altos teores de
cinzas contribuem para a reduo do poder calorfco,
visto que os materiais minerais (cinzas) no participam
do processo de combusto, mas so contabilizados na
massa do combustvel submetido ao processo de queima.
Dessa forma, a associao entre o oxignio e as cinzas
nos modelos estatsticos propostos vlida, pois ambos
contribuem de forma negativa para o PCS.
Os modelos lineares ajustados 1, 2 e 3 apresentaram
todos os coefcientes signifcativos (p-valor < 0,001).
Entretanto, o modelo 2 apresentou baixo coefciente
de determinao e elevado erro padro da estimativa,
quando comparado aos modelos 1 e 3. Dessa forma, no
foram encontrados parmetros estatsticos satisfatrios
para o modelo 2. A provvel causa o baixo teor desse
elemento em relao aos demais componentes avaliados.
Avaliando-se o sinal algbrico dos coefcientes dos
modelos, pode-se observar que todos esto adequados
expectativa prvia, ou seja, relaes diretas entre o
PCS e os teores de C e H e inversa com o teor de O+A.
Os valores positivos de
1
encontrados para os modelos
1 e 2 podem ser interpretados como um aumento no
PCS de 64,14 e 514,75 kcal kg
-1
quando se aumenta
1% de C e H, respectivamente. Jenkins (1989) relata
que a cada variao unitria de C (%) h um acrscimo
de aproximadamente 93,15 kcal kg
-1
no PCS, diferindo
em 29 kcal kg
-1
do encontrado no presente trabalho.
Essa diferena deve-se provavelmente aos tipos de
combustveis de biomassa utilizados nos ajustes dos
modelos. No modelo 3, o coefciente
1
apresentou
sinal algbrico negativo, ou seja, h uma diminuio
de 59,79 kcal kg
-1
quando ocorre uma variao unitria
no teor de O+A. Nota-se ainda que a alterao no PCS
muito maior quando ocorre a variao no teor de H.
Entretanto, a quantidade desse elemento na biomassa
inferior ao teor de carbono elementar.
Na Tabela 3 esto apresentadas as relaes funcionais
lineares mltiplas ajustadas, bem como o coefciente de
determinao ajustado e o erro padro da estimativa.
Figura 2. Representao grfca da relao entre o poder
calorfco superior (PCS) e o teor de hidrognio (modelo 2).
Figura 3. Representao grfica da relao entre o poder
calorfco superior (PCS) e o teor de oxignio+cinzas (modelo 3).
Todas as correlaes lineares foram signifcativas
(p-valor < 0,001) pelo teste t, o que comprova a existncia
de uma relao linear entre as variveis estudadas. Foi
encontrada correlao positiva entre o PCS e o teor de
H e C, ou seja, h uma tendncia de maiores valores de
PCS estarem associados a maiores valores percentuais
de H e C. Demirbas & Demirbas (2004) encontraram
correlaes altamente signifcativas entre os teores de
C e H com o PCS, corroborando o presente trabalho.
Quanto correlao encontrada entre o teor de O+A e
PCS = 64,14C(%) + 1539,48
R = 0,80
r = 0,90
Sxy = 137,77 kcal kg
-1
3500
3800
4100
4400
4700
5000
35 37 39 41 43 45 47 49 51 53
P
C
S

(
k
c
a
l

k
g
-
1
)
Carbono (%)
PCS = 514,75H(%) + 1270,90
R = 0,59
r = 0,77
Sxy = 198,5 kcal kg
-1
3500
3800
4100
4400
4700
5000
4,9 5,4 5,9 6,4 6,9
P
C
S

(
k
c
a
l

k
g
-
1
)
Hidrognio (%)
PCS = -59,79[O+A(%)] + 7294,51
R = 0,81
r = -0,90
Sxy = 132,17 kcal kg
-1
3500
3800
4100
4400
4700
5000
40 45 50 55 60
P
C
S
(
k
c
a

k
g
-
1
)
Oxignio + Cinzas (%)
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
118
T. de P. Protsio et al.
Tabela 3. Parmetros das regresses lineares mltiplas ajustadas para a predio indireta do poder calorfco superior
(PCS).
N Coefcientes tc Fc R
ajust
Sxy
(kcal kg
-1
)
4

0
1658,08 5,31**
75,53** 0,79 137,12
1
69,89 6,37**

2
-61,33 -0,60
ns
5

0
8041,93 2,22**
54,27** 0,80 131,53

1
-89,36 -0,98
ns

2
-1147 -1,84
ns

3
26,73 1,77
ns
6

0
5739,28 2,634*
84,09** 0,81 41,87
1
17,60 0,717
ns

2
-43,89 -1,938
ns
7

0
820,08 0,326
ns
72,05** 0,85 73,94

1
166,11 3,163**

2
76,98 1,757
ns

3
-3,54 -3,117**
8

0
9607,63 8,353**
94,12** 0,83 125,36
1
-221,17 -2,045*

2
-79,62 -7,473**
9

0
-2524,50 -0,647
ns
82,15** 0,86 110,38

1
1833,20 2,845**

2
151,90 2,097*

3
-39,70 -3,224**
10

0
8549,31 3,348**
61,49** 0,82 124,97

1
11,12 0,466
ns

2
-213,99 -1,938
ns

3
-68,93 -2,716*
11

0
21462,25 4,677**
60,90** 0,86 109,59

1
-270,43 -3,022**

2
-2044,5 -3,930**

3
-93,65 -3,564**

4
43,72 3,239**
12

0
833,26 0,201
ns
52,87** 0,84 116,47

1
165,92 2,328*

2
-0,56 -0,004
ns

3
76,78 1,129
ns

4
-3,54 -2,29*
N: nmero do modelo; tc: t calculado; Fc: F calculado; R
ajust
: coefciente de determinao ajustado; Sxy: erro padro da estimativa; e*: signifcativo
a 5% de probabilidade; e**: signifcativo a 1% de probabilidade; e
ns
: no signifcativo a 5% de probabilidade.
Observa-se que todos os modelos lineares mltiplos
apresentaram-se estatisticamente signifcativos pelo
teste F (p-valor < 0,01) e com elevado coefciente de
determinao ajustado. Entretanto, apenas os modelos
8 e 11 apresentaram todos os coefcientes signifcativos
pelo teste t (p-valor < 0,05). Observou-se ainda que o
modelo 11 apresentou erro padro da estimativa menor e
um coefciente de determinao maior que o modelo 8.
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
119
Relao entre o poder calorfco superior e os componentes elementares e minerais da biomassa vegetal
Avaliando-se os sinais algbricos dos coefcientes do
modelo 6, observa-se que so coerentes ao encontrado
na literatura e explicam com veracidade a infuncia
do teor de carbono e oxignio + cinzas no PCS (Brand,
2010; Huang et al., 2009; Demirbas & Demirbas, 2004;
Nordin, 1994). Entretanto, esses coefcientes no foram
signifcativos pelo teste t a 5% de signifcncia.
De forma geral, os demais modelos lineares mltiplos
ajustados apresentaram pelo menos um dos sinais
algbricos dos coefcientes no coerentes com o que
foi observado para os modelos lineares. Esse resultado
indica que os modelos lineares mltiplos propostos no
so inteiramente confveis para explicar as relaes e
possveis interaes entre as variveis.
Os modelos 10, 11 e 12 apresentaram, de maneira
geral, coefcientes com sinais algbricos opostos queles
que seriam esperados. O melhor modelo mltiplo
ajustado por Sheng & Azevedo (2005) para predio do
poder calorfco superior de combustveis da biomassa
foi: PCS (MJ/kg) = -1,3675 + 0,3137C + 0,7009H
+ 0,0318O. No entanto, tambm possvel observar
que o sinal algbrico do coefciente
3
obtido no foi
adequado, pois aumentos no teor de O no contribuem
para aumento do PCS (Huang et al., 2009; Nordin, 1994).
Demirbas et al. (1997) ajustaram o modelo estatstico
PCS (kJ/g) = 33,5C + 142,3H 15,4O que estabelece
relao direta entre o PCS e os teores de C e H e inversa
com o teor de O, ou seja, apresenta sinais algbricos
coerentes ao relatado na literatura (Huang et al.,2009;
Demirbas & Demirbas, 2004; Nordin, 1994) e diferente
do encontrado no presente trabalho.
Com base na avaliao dos coeficientes dos
modelos de regresso mltipla ajustados, pode-se
perceber a difculdade de se modelar estatisticamente
o comportamento ou incremento do PCS da biomassa
vegetal. Isso ocorreu provavelmente devido s
altas correlaes observadas entre os componentes
elementares (multicolinearidade). Segundo Hair Jr. et
al. (2009) o impacto da multicolinearidade reduzir o
poder preditivo de qualquer varivel independente na
medida em que ela associada com as outras variveis
independentes. Os autores ainda afrmam que quando
a colinearidade aumenta, a varincia nica explicada
por conta de cada varivel independente diminui e o
percentual da previso compartilhada aumenta.
Os modelos 4 e 5 no apresentaram diferena
signifcativa (p-valor = 0,08), ou seja, a interao entre
o C e o H pode ser estatisticamente desconsiderada.
J os modelos 6 e 7 apresentaram-se estatisticamente
diferentes (p-valor = 0,003), o que pode ser atribudo a
interao entre o C e o O+A. Os modelos 8 e 9 tambm
diferiram estatisticamente (p-valor = 0,003), sendo a
interao entre os teores de H e O+A relevante para
a modelagem do PCS em funo dos componentes
elementares. Comparando-se estatisticamente o modelo
1 com o modelo 11, observou-se diferena signifcativa
entre eles (p-valor = 0,001) proporcionada pela adio
das demais variveis independentes no modelo 11,
mesmo sendo observada relativa multicolinearidade
entre as variveis. De forma anloga, comparou-se o
modelo 3 e o modelo mltiplo 11 e observou-se diferena
estatstica signifcativa (p-valor = 0,004) entre essas
relaes funcionais. Alm disso, o modelo 11 apresentou
coefciente de determinao maior que os modelos 1 e 3,
sendo que esse resultado um indicativo da capacidade
preditiva e da superioridade do modelo 11 em explicar
a variabilidade do PCS dos resduos lignocelulsicos.
Avaliando a linearidade das variveis, foi possvel
verifcar que para todos os modelos propostos, com exceo
do modelo 2, o ajuste linear adequado segundo o Teste de
Harvey-Collier (p-valor > 0,05). As variveis dependentes
e independentes apresentaram comportamento linear,
reforando a relao linear encontrada entre o PCS e os
componentes elementares (C, H, O) e o teor de cinzas (A)
da biomassa. Diante desse resultado, a utilizao prtica
do modelo 2 impossibilitada.
Com base nos valores do fator de infao de varincia
(VIF) e nas altas correlaes lineares encontradas, foi
observado que h efeito da multicolinearidade nas
regresses mltiplas propostas, sendo que isso pode
ter afetado de maneira direta os sinais algbricos dos
modelos. Contudo, o VIF se mostrou estatisticamente
aceitvel (abaixo de 10 para todos os modelos mltiplos
ajustados), sendo que o modelo 4 apresentou o menor
ndice (5,08) e o modelo 11 apresentou o maior ndice
(7,96). A multicolinearidade (relao entre vrias
variveis independentes) ocorre quando qualquer
varivel independente altamente correlacionada com
um conjunto de outras variveis independentes.
Observou-se que os modelos estatsticos propostos
de nmero 6, 7, 8, 9 e 10 no apresentaram resduos da
regresso com distribuio normal a 5% de signifcncia
pelo teste Shapiro-Wilk, uma das suposies que so
realizadas no ajuste. As demais relaes funcionais
ajustadas atenderam a esse pressuposto da anlise de
regresso.
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
120
T. de P. Protsio et al.
Avaliando-se os modelos quanto ao teste de Durbin-
Watson, observou-se que apenas os modelos 9 e 11 no
apresentaram correlao serial dos erros (p-valor < 0,05),
sendo que esse resultado pode proporcionar estimativas
no efcientes e aumento do erro padro da estimativa.
Quando foram avaliadas a homocedasticidade dos erros
da regresso (teste de Goldfeld-Quandt), observou-se
que todos os modelos ajustados apresentaram erros com
varincia constante (p-valor > 0,05).
Na Figura 4 encontram-se os coefcientes de variao
encontrados para os modelos estatsticos ajustados.
de regresso avaliados, sem, entretanto, ter apresentado
sinais algbricos dos coefcientes condizentes. Isso
ocorreu provavelmente devido multicolinearidade
entre as variveis do modelo. Diante disso, o modelo 11
deve ser utilizado apenas para fns preditivos.
Analisando-se os modelos lineares possvel visualizar
que o modelo estatstico 1 apresentou considervel
coefciente de determinao ajustado, sinais algbricos
consistentes, normalidade e homocedasticidade dos
erros da regresso. Entretanto, apresentou elevada
correlao serial dos erros do modelo. J o modelo
linear 3 apresentou coefciente de determinao ajustado
maior e menor erro padro da estimativa, porm tambm
apresentou correlao serial dos erros da regresso,
ou seja, a predio do poder calorfco superior no
independente em cada ponto considerado. Isso ocorreu,
provavelmente, devido proximidade dos valores
encontrados para as amostras retiradas ao acaso de
cada biomassa vegetal avaliada. O modelo 3 tambm
apresentou normalidade e homocedasticidade dos erros.
No entanto, esses dois modelos lineares simples podem
ser utilizados para predies e avaliaes preliminares
da biomassa.
Anlise de componentes principais
Na Tabela 4 encontram-se os resultados obtidos para
a anlise de componentes principais considerando-
se como variveis originais os teores de carbono,
hidrognio e oxignio elementares e o teor de cinzas.
Tabela 4. Autovalores e proporo da varincia total explicada
e acumulada pelos trs componentes principais obtidos a
partir das variveis originais carbono, hidrognio e oxignio
mais cinzas.
Componentes Autovalores
Varincia
Explicada
(%)
Varincia
Acumulada
(%)

1
2,847 94,89 94,89

2
0,135 4,51 99,40

3
0,018 0,60 100,00
A primeira componente principal obtida apresentou
o maior autovalor e, consequentemente, uma alta
varincia estimada. Essa componente explica grande
parte da varincia total dos dados e pode ser interpretada
como um ndice de desempenho energtico (IDE) dos
resduos lignocelulsicos, pois apresenta correlaes
positivas com os teores de C (0,98) e H (0,95) e
negativa com o teores de O+A (-0,99). Quanto maior o
Figura 4. Coefciente de variao experimental dos modelos
estatsticos ajustados.
O modelo 2 apresentou o maior coeficiente de
variao experimental. Esse resultado pode ser um
indicativo da baixa capacidade preditiva desse modelo.
Alm disso, o modelo 2 apresentou baixo coefciente
de determinao, elevado erro padro da estimativa
e ausncia de linearidade dos parmetros. Notou-se
ainda que o modelo 9 apresentou o menor valor para o
coefciente de variao experimental, mas no o menor
erro padro da estimativa quando comparado aos demais
ajustes. Os demais modelos apresentaram coefcientes
de variao semelhantes.
O modelo 6 apresentou o menor erro padro da
estimativa, um elevado coefciente de determinao
ajustado e sinais algbricos consistentes. Entretanto,
apresentou erros da regresso com correlao e
sem distribuio normal, no atendendo assim dois
pressupostos da anlise de regresso. Alm disso, no
apresentou todos os seus coefcientes signifcativos.
Os modelos 9 e 11 apresentaram os maiores
coefcientes de determinao ajustado. No entanto, o
modelo 9 apresentou menor erro padro da estimativa,
mas no apresentou resduos com distribuio normal. J
o modelo 11 atendeu a todos os pressupostos da anlise
1%
3%
4%
6%
1 2 3 4 5 6 7 8 9 10 11 12
C
o
e
f
i
c
i
e
n
t
e

d
e

V
a
r
i
a

o
Modelos Estatsticos
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
121
Relao entre o poder calorfco superior e os componentes elementares e minerais da biomassa vegetal
valor desse ndice (escore) melhor ser o desempenho
dos resduos lignocelulsicos para a produo de
bioenergia. As demais componentes principais podem
ser desconsideradas, pois contribuem pouco para
a varincia total original. O ndice de desempenho
energtico (IDE) ou componente principal 1 pode ser
representado da seguinte forma (Eq. 2):
IDE = 0,580 C + 0,505 H 0,639 (O + A) (2)
em que: O o teor de oxignio (%), C o teor de
carbono (%), H o teor de hidrognio (%), A o teor
de cinzas (%).
Na Figura 5 encontra-se o modelo de regresso
ajustado entre o poder calorfco superior e o ndice
de desempenho energtico (escores da componente
principal 1).
modo, esse modelo pode ser utilizado para a classifcao
da biomassa estudada para a produo energtica,
bem como para avaliaes preliminares da biomassa
considerada nos ajustes.
As altas correlaes encontradas entre o PCS, os
componentes elementares (C, H e O) e o teor de cinzas
(A) reforam a expectativa da possibilidade de utilizao
de modelos simples ou mltiplos para a predio do PCS
e das demais variveis (C, H, O e A). Isso pode ser muito
til na diminuio dos custos e tempo das anlises e em
avaliaes preliminares de vrios tipos de biomassa,
como na seleo de resduos lignocelulsicos para a
produo de calor, vapor ou eletricidade em caldeiras
ou gaseifcadores.
Concluses
Foi obtida alta correlao linear entre o poder
calorfco superior e os teores de carbono, hidrognio e
oxignio mais cinzas.
Os modelos 1, 3 e 11 foram considerados os mais
adequados e podem ser utilizados para predies
de interesse. A utilizao prtica do modelo 2
impossibilitada.
A anlise de componentes principais foi efciente
na obteno de um ndice de desempenho energtico
dos resduos lignocelulsicos e pode ser utilizada para
contornar a multicolinearidade encontrada entre o poder
calorfco superior e os teores de carbono, hidrognio e
oxignio mais cinzas.
Agradecimentos
Os autores expressam seus sinceros agradecimentos
aos Professores Doutores Daniel Furtado Ferreira e
Renato Ribeiro de Lima, da Universidade Federal de
Lavras, pelo suporte estatstico concedido, fundamental
para a execuo desse trabalho.
Referncias
AKKAYA, A. V. Proximate analysis based multiple regression
models for higher heating value estimation of low rank coals. Fuel
Processing Technology, v. 90, n. 2, p. 165170, 2009.
AMERICAN SOCIETY FOR TESTING MATERIALS. Standard
method for chemical analyses of wood charcoal. Philadelphia,
1977. 1042 p.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR
8633: carvo vegetal determinao do poder calorfco. Rio de
Janeiro, 1984.
Figura 5. Relao funcional entre o poder calorfco superior
(PCS) e o ndice de desempenho energtico (IDE).
Analisando-se o modelo de regresso ajustado entre
o PCS e o IDE, nota-se a alta relao entre as variveis,
ou seja, quanto maior o ndice de desempenho energtico
maior ser o poder calorfco superior e melhor ser
a biomassa para a produo energtica. O modelo
ajustado apresentou todos os coefcientes signifcativos
(p-valor < 0,001), alto coefciente de determinao e
baixo erro padro da estimativa. A anlise dos erros do
modelo indicou que os erros do modelo apresentaram
normalidade (p-valor = 0,0842) e homocedasticidade
(p-valor = 0,2640), mas a 5% de signifcncia os resduos
apresentaram autocorrelao. O ajuste do modelo
linear estatisticamente aceitvel, pois as variveis
apresentaram comportamento linear (p-valor = 0,9752).
A anlise de regresso utilizando-se como varivel
independente o IDE apresenta a grande vantagem de
contornar a multicolinearidade observada nas variveis,
uma vez que a componente principal 1 (IDE) composta
por variveis aleatrias no correlacionadas. Desse
PCS = 51,15 IDE + 4350,95
R = 0,81
r = 0,90
Sxy = 133,4 kcal kg
-1
3700
4000
4300
4600
4900
5200
-12,0 -7,0 -2,0 3,0 8,0
P
C
S

(
k
c
a
l

k
g
-
1
)
ndice de desempenho energtico (IDE)
Pesq. for. bras., Colombo, v. 31, n. 66, p. 113-122, abr./jun. 2011
122
T. de P. Protsio et al.
ASSOCIAO BRASILEIRA TCNICA DE CELULOSE E
PAPEL. M-11/77: teor de cinzas. So Paulo, Brasil, 1974.
BECH, N.; JENSEN, P. A.; DAM-JOHANSEN, K. Determining
the elemental composition of fuels by bomb calorimetry and the
inverse correlation of HHV with elemental composition. Biomass
and Bioenergy, v. 33, n. 3, p. 534537, 2009.
BRAND, M. A. Energia de biomassa forestal. Rio de Janeiro:
Intercincia, 2010. 131 p.
CORDERO, T.; MARQUEZ, F.; RODIRGUEZ-MIRASOL, J.;
RODRIGUEZ, J. J. Predicting heating values of lignocellulosics
and carbonaceous materials from proximate analysis. Fuel, v. 80,
n. 1, p. 1567-157, 2001.
DEMIRBAS, A. Calculation of higher heating values of biomass
fuels. Fuel, v. 76, n. 5, p. 431-434, 1997.
DEMIRBAS, A; DEMIRBAS, H. A. Estimating the calorifc
values of lignocellulosic fuels. Journal Energy, Exploration &
Exploitation, v. 20, n. 1, p. 105-111, 2004.
DEMIRBAS, A. Relationships between lignin contents and
heating values of biomass. Energy Conversion & Management,
v. 42, n. 2, p. 183-188, 2001.
EROL, M.; HAYKIRI-ACMA H.; KUUKBAYRAK, S. Calorifc
value estimation of biomass from their proximate analyses data.
Renewable Energy, v. 35, n. 1, p. 170173, 2010.
FRIEDL, A.; PADOUVAS, E.; ROTTER, H.; VARMUZA, K.
Prediction of heating values of biomass fuel from elemental
composition. Analytica Chimica Acta, v. 544, n. 1-2, p. 191198,
2005.
HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON,
R. E.; TATHAM, R. L. Anlise multivariada de dados. Porto
Alegre: Bookman, 2009. 688 p.
HOTHORN, T.; ZEILEIS, A.; MILLO, G.; MITCHELL, D.
Testing Linear Regression Models. R package version 2.11.1.
Disponvel em: http://cran-r.c3sl.ufpr.br/. Acesso em: 13 jun.
2011.
HUANG, C.; HAN, L.; YANG, Z.; LIU, X. Ultimate analysis and
heating value prediction of straw by near infrared spectroscopy.
Waste Management, v. 29, n. 6, p. 17931797, 2009.
JENKINS, B. M. Physical properties of biomass. In: KITANI, O.;
HALL, C. W. (Eds.). Biomass Handbook. New York: Gordon &
Breach, 1989. p. 860-891.
KUMAR, R.; PANDEY, K. K; CHANDRASHEKAR, N.;
MOHAN, S. Effect of tree-age on calorifc value and other fuel
properties of Eucalyptus hybrid. Journal of Forestry Research,
v. 21, n. 4, p. 514516, 2010.
LIMA, E. A.; SILVA, H. D.; LAVORANTI, O. J. Caracterizao
dendroenergtica de rvores de Eucalyptus benthamii. Pesquisa
Florestal Brasileira, Colombo, v. 31, n. 65, p. 09-17, 2011.
MAJUMDER, A. K.; JAIN, R.; BANERJEE, P.; BARNWAL, J.
P. Development of a new proximate analysis based correlation to
predict calorifc value of coal. Fuel, v. 87, n. 13-14, p. 3077-3081,
2008.
MINGOTI, S. A. Anlise de dados atravs de mtodos de
estatstica multivariada: uma abordagem aplicada. Belo
Horizonte: UFMG, 2005. 297 p.
MONTGOMERY, D. C.; PECK, E. A.; VINING, G. G.
Introduction to linear regression analysis. New York: John
Wiley, 2001. 640 p.
NAKAZAWA, M. Functions for medical statistics book with some
demographic data. R package version 2.11.1. Disponvel em:
http://cran-r.c3sl.ufpr.br/. Acesso em: 13 jun. 2011.
NORDIN, A. Chemical elemental characteristics of biomass fuels.
Biomass and Bioenergy, v. 6, n. 5, p. 339347, 1994.
PARIKH, J.; CHANNIWALA, S. A.; GHOSAL, G. K. A
correlation for calculating HHV from proximate analysis of solid
fuels. Fuel, v. 84, n. 5, p. 487494, 2005.
R DEVELOPMENT CORE TEAM. R: A language and
environment for statistical computing. Vienna, Austria: R
Foundation for Statistical Computing, 2008. Disponvel em:
<http://www.R-project.org>. Acesso em: 10 dez. 2010.
SHENG, C.; AZEVEDO, J. L. T. Estimating the higher heating
value of biomass fuels from basic analysis data. Biomass and
Bioenergy, v. 28, n. 5, p. 499-507, 2005.
THIPKHUNTHOD, P.; MEEYOO, V.; RANGSUNVIGIT, P.;
KITIYANAN, B.; SIEMANOND, K.; RIRKSOMBOON, T.
Predicting the heating value of sewage sludges in Thailand from
proximate and ultimate analyses. Fuel, v. 84, n. 7-8, p. 849857,
2005.
WERKEMA, C.; AGUIAR, S. Anlise de regresso: como
entender o relacionamento das variveis de um processo. Belo
Horizonte: Werkema, 2006. 306 p.