Predição e espacialização de elementos potencialmente tóxicos em solos no entorno de pilha de rejeitos de mineração: riscos à saúde humana e fitorremediação

• Autor(a) principal: Paes, Ésio de Castro
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/29517; https://doi.org/10.47328/ufvbbt.2022.071
• topic: Solos - Poluição; Algoritmos computacionais; Aprendizado do computador; Fitorremediação; Ciência do Solo

A atividade de mineração é muito importante para o crescimento de um País, porém a mesma gera uma grande quantidade de rejeitos, que, quando dispostos de maneira inadequada podem se dispersar no meio ambiente, aumentando os níveis de elementos potencialmente tóxicos (PTEs) nos solos. Assim, determinar os níveis e a distribuição espacial dos PTEs é essencial para traçar estratégias mitigadoras e remediar áreas contaminadas. Dessa forma, o objetivo desse estudo foi avaliar os níveis e a extensão da contaminação de elementos potencialmente tóxicos nos solos próximos a pilha de rejeito de mineração, bem como avaliar o potencial risco à saúde da população (Capítulo 1), desenvolver metodologia rápida e eficiente para monitorar os níveis de contaminantes em áreas impactadas pela atividade de mineração (Capitulo 2) e identificar espécies vegetais capazes de remediar áreas contaminadas (Capítulo 3). O estudo foi desenvolvido no Município de Boquira-Ba, no qual foram coletadas 120 amostras compostas de solos em uma malha regular, na profundidade de 0-10 cm. Os resultados demonstraram que os uso de algoritmos de aprendizagem de maquinas é uma alternativa eficiente para espacializar áreas contaminadas pela atividade de mineração, onde predomina fontes difusas de contaminantes. Observou-se também que as áreas próximas as pilhas de rejeito se encontram altamente contaminadas podendo ser prejudicial ao meio ambiente e a saúde humana. No segundo capítulo foi desenvolvida uma estrutura metodológica para monitorar áreas contaminadas com PTEs, por meio do uso de algoritmos de aprendizagem de máquinas. Os resultados demonstraram que o uso de covariáveis como as concentrações totais dos elementos, medidas por fluorescência de raio-X (XRF), texturais e morfométricas são úteis para prever os teores de PTEs nos solos. Por fim, foi possível observar que as espécies vegetais P. juliflora, A. peregrina toleram altas concentrações de Pb nos solos, e são capazes de estabilizar esse metal no sistema radicular. As demais espécies M. oleífera e U. ruziziensis também cresceram nos solos contaminados, porém ocorreram reduções nos valores dos parâmetros de crescimentos. Palavras-chave: Áreas contaminadas. Algoritmos de aprendizagem de máquinas. Fitorremediação.