Caracterização Inorgânica de Cogumelos Amanita Ponderosa: Abordagem em Data Mining

• Autor(a) principal: Salvador, Cátia
• Data de Publicação: 2018
• Outros Autores: Martins, M. Rosário, Vicente, Henrique, Caldeira, A. Teresa
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10174/23148
• topic: Data Mining; Árvores de Decisão; k-Means; Amanita Ponderosa; Composição Inorgânica; Conteúdo Mineral do Solo

A espécie silvestre de cogumelos Amanita ponderosa é característica de microclimas da Península Ibérica. Gastronomicamente é muito relevante, devido não só ao consumo tradicional das populações rurais, mas também devido ao seu valor comercial nos mercados gourmet. Desta forma a caracterização mineral de cogumelos comestíveis torna-se extremamente importante para os processos de certificação e comercialização. O objetivo deste estudo focou a análise da composição inorgânica de corpos de frutificação de A. ponderosa (Ca, K, Mg, Na, P, Ag, Al, Ba, Cd, Cr, Cu, Fe, Mn, Pb e Zn) e seus respetivos substratos de solo de 24 pontos de amostragem diferentes do sudoeste da Península Ibérica (nomeadamente Alentejo, Andaluzia e Extremadura). A análise da composição mineral revelou alto conteúdo em macroelementos, tais como: potássio, fósforo e magnésio, presença de oligoelementos importantes e baixos teores de metais pesados nos limites da Dose Diária Recomendada (DDR). O fenómeno de bioconcentração foi observado para alguns macro e microelementos, tais como K, Cu, Zn, Mg, P, Ag e Cd. Por outro lado, observou-se que os corpos de frutificação de Amanita ponderosa apresentam diferentes perfis inorgânicos de acordo com a sua localização. Metodologias de Data Mining foram aplicadas de forma a estudar a composição mineral dos corpos de frutificação de A. ponderosa, tendo sido utilizado o método de agrupamento "k-means" recorrendo a Árvores de Decisão (DTs) de forma a explicar o modelo de segmentação. Os resultados apontaram que é possível gerar um modelo explicativo de segmentação, realizado com dados baseados na composição inorgânica de cogumelos e conteúdo mineral do solo, mostrando a possibilidade de relacionar esses dois tipos de dados.