Aplicação multivariavel na caracterização de sedimentos de corrente

Abstract

Este trabalho tem como objectivo mostrar que, para além dos métodos estatísticos convencionais (média, desvio padrão, variância, teste t-student, entre outros), também se pode recorrer a métodos mais robustos, como o PCA, o LDA ou o PLS e, desta forma, conseguir extrair mais informação dos dados a analisar. Assim, foram utilizadas amostras de sedimentos de corrente, recolhidas no Distrito de Castelo Branco (em Portugal), na zona de Sarzedas, uma vez que estes são reconhecidos como sendo um meio privilegiado para a propagação de focos de poluição dos solos. Depois de sujeitas ao plano de amostragem, inicialmente estabelecido, a partir de métodos reconhecidos internacionalmente para a recolha e preparação deste tipo de amostras, sofreram digestão ácida parcial, sendo analisadas por ICP-OES, e, nos casos em que o limite de detecção do ICP-OES não é suficientemente preciso, colorimetria. Após a análise, obteve-se uma matriz de dados que continha os valores das concentrações de cada variável, que foi devidamente tratada, removendo-se as amostras que não continham alguns dos valores, evitando, assim, complicações aquando da aplicação dos métodos estatísticos. A análise dos dados revelou que apenas a distribuição da variável bário (Ba) pode ser considerada normal, que existem variáveis que não contêm informação relevante para o estudo realizado, uma vez que se mantêm constantes e, finalmente, que há variáveis que possuem baixa capacidade discriminante e severos casos de outliers, confirmados depois de usado o teste t-student. Depois de removidos os outliers, procedeu-se ao seu escalamento e posterior análise robusta, a qual demonstrou que com apenas 13 das 26 variáveis se consegue explicar 80% da informação contida na matriz de dados original e que existem várias associações, entre as variáveis, com significado estatístico e visual (V-Fe, V-Ba, Fe-Ba, V-Cu, V-Ni, Fe-Cu, Fe-Ni, Fe-Zn, Ni-Cu, Fe-Cr e V-Cr).