GLOBAL TIMBER TRACKING NETWORK (GTTN) REGIONAL STAKEHOLDER MEETING IN LATIM AMERICA

Tecnología NIRS para identificaciones de madera y de origen geográfico

Dr. Tereza C. M. Pastore (LPF/SBF) – Coordinadora del proyectoDr. Vera T. R. Coradin - Investigadora asociada

Prof. Dr. Jez W. B. Braga – Investigador de la UnB

07 a 09 de noviembre de 2018 Lima, Peru

1

2

1. CONTEXTO- 2006 - El proyecto fue iniciado y fue financiado por el CNPq,

FAPDF, INCTBio, OTCA, Programa CITES-OIMT y Programa CITES .

- Es una investigación pionera en identificación de madeira de

especies forestales nativas: Swietenia macrophylla (caoba) y

maderas similares como Carapa guianensis (andiroba), Cedrela

odorata (cedro), Swietenia humilis…

- El equipo del laboratorio y la forma de la madera pulverizada,

inicialmente usados, fueron sustituidos por un aparato portátil y

madera en troza o aserrada, con el fin de usarlo en punto de

fiscalización y aduana

- 2018 - La tecnología NIRS está siendo expandida para otros

productos forestales, como las Dalbergia y maderas similares y para

el aceite de palo de rosa.

Título del proyecto:"Identificación rápida en campo para la madera de Dalbergia y el aceitede palo de rosa por Tecnología NIRS '‘Duración: 24 mesesAgencia financiadora: CITES

Agencia implementadora: IBAMA y Servicio Forestal Brasileño /Laboratorio de Productos Forestales

Agencias executoras:Investigación y desarrollo - Laboratorio de Productos Forestales y

Laboratorio AQQUA - Universidad de BrasiliaGestión de los recursos financieros – FUNTEC

Líder del proyecto: Dr. Tereza C. M. Pastore 3

2. Maderas estudiadas por la tecnología NIRS

4

CITES Apéndice1) Cedrela odorata cedro III

2) Swietenia macrophylla caoba II

3) Swietenia humilis caoba II

4) Caraipa guianensis andiroba

5) Micropholis melinoniana curupixá

6) Erisma uncinatum cedrinho

7) Hymenae courbaril jatobá

8) Eucaliptus grandis eucalipto

• https://www.cites.org/Index of CITES species, 2014• V.T.R. Coradin, J.A.A. Camargos, L.F. Marques, E.R. da Silva Jr. Madeiras similares ao mogno

(Swietenia macrophylla King.): Chave ilustrada para identificação anatômica em campo. 2 ed. Serviço Florestal Brasileiro/LPF, Brasília, 2009.

2. Maderas estudiadas por la tecnología NIRSCITES Apéndice

9) Dalbergia bariensis II10) D. cearenses II11) D. congestiflora II12) D. decipularis II13) D. glaucescens II14) D. latifólia II15) D. melanoxylon II16) D. miscolobium II17) D. nigra I18) D. retusa II19) D. sisso II20) D. spruceana II21) D. stevensonii II22) D. tucurensis II23) D. villosa II

https://www.cites.org/Index of CITES species, 2014 5

D. nigra

D. spruceana

D. cearensis

D. decipulares

3. Introducción

6

Como la madeira es identificada?Anatomia da madeira: Características organolépticas

brillo, color, olor... Características anatómicas macro y microscópicas

rayos, parénquima, vasos ...

V. Coradin, J. Camargos, L.F. Marques, E. Silva Jr. Madeiras similares ao mogno (Swietenia macrophylla King.): Chave ilustrada para identificação anatômica em campo. 2 ed. Serviço Florestal Brasileiro/LPF, Brasília, 2009.

Swieteniamacrophylla

Cedrelaodorata

Carapaguianensis

Micropholismelinoniana

3. Introducción

7

Tecnología NIRS - espectroscopia en el infrarrojo cercano asociada a la quimiometría

(A)

0 20 40 60 80 100 1200.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

Comprimento de onda (nm)

Log

(1/R

)

(B)

(A) Sonda óptica; (B) Espectros de 5 especies forestalesdiferentes y (C) Desarrollo del modelo PLS-DA

AndirobaCedrinhoCedroCurupixáCaoba

Method

0

1

(C)

Best Practice Guide for Forensic Timber Identification – UNODC, 2016Pastore et al. Holzforschung. 2011, 65, 73. 7Braga et al. IAWA Journal. 2011, 32, 285. 8.

4. Estrategia para la ejecución: Equipos portátiles

8MicroNIR 1700 Spectrometer950 -1650 nm

MicroPHAZIR RX Analyser1595 - 2396 nm

4. Estrategia para la ejecución: MISIONES PILOTO

(1) Brasil: Brasilia (DF) (2) Brasil: Fazenda Seringal Novo Macapá (AC)

(3) Bolivia: Santa Cruz de la Sierra (4) Guatemala: Petén9

5. Desarrollo del modelo estadístico.

4. Etapas principales para construir un modelo de discriminación

4. Construcción del banco de espectros

-0,4

0,1

0,6

1,1

0 50 100 150 200 250 300

Estim

ated

cla

ss n

umbe

r

Sample number

1. identificación de la madera 2. Preparación de la superficie 3. Obtención del espectro NIRS

6. Modelo PLS-DA para identificación de madera de caoba

Tasa de Eficiencia = 98% muestras fueron clasificadas como caoba

5. RESULTADOS: Muestras de caoba de 27 países fueron correctamente identificadas

-0,20

0,20,40,60,8

11,21,41,61,8

22,22,4

0 100 200 300 400

Cla

ss v

alue

Sample number

Caoba

11

12

5. RESULTADO: identificación de madera de caoba de cinco países con dispositivo portátil

Equipo Tasa de Eficiencia (%)

Country

Bolivia Brasil Guatemala México Perú

MicroNIR 99.3 90.1 100 94.9 99.4

MicroPhazir 99.6 98.4 96.5 89.6 91.2

Silva et al. Holzforschung. 2018, 72, 521-530

Tasa de eficiencia = 100%

5. Resultado: las maderas de Swietenia macrophyllay S. humilis de Guatemala son discriminadas

13

6. RESULTADO: Discriminación de 6 especies de Dalbergia

14

Número de muestra 234Número de espectro 702

Especies D. nigra D. reutsa D. sisso D. latifólia D. frutescens D. stevensoniiTasa de Eficiencia 98.6% 82.4% 97.6% 79.6% 97.5% 96.7%

Snel, F.A. et al. Wood Science and Technology, 2018. 52, 1411-1427

RESULTADO: Discriminación entre Dalbergia nigra y7 Dalbergia spp

15

Figures of meritEficciency Rate 97.12 %

Total number of samples - 249Total number of spectra - 747

Resultado: Influencia de la humedad en el espectro medio de andiroba

16

1000 1100 1200 1300 1400 1500 16000

0.2

0.4

0.6

0.8

1

1.2

1.4

Comprimento de onda (nm)

Log

(1/R

)

molhadoseco5 min10 min20 min

Reducción de la intensidad del espectro en la red entre 1.400 y 1.500nmEspectro medio de 20 minutos se aproxima al perfil de espectro medio seco

1º sobretonligação O-H

Resultados:Modelo de discriminación para caoba seca

17

200 400 600 800 1000 1200 1400 1600-0.5

0

0.5

1

Valo

res

de c

lass

e es

timad

os

Número de amostra

Treinamento Validação

TEF 96,03%

andiroba (▼)cedrinho (*)cedro (■)curupixá (+) mogno (◊)

Resultado: Modelo de discriminación de caoba húmeda

18

TEF 45,00%

Aumento en ladispersión en elconjunto de lavalidación

Muestras de caobapresentaran valores <<1

Error de clasificación

500 1000 1500 2000-1.5

-1

-0.5

0

0.5

1

1.5

2

Número de amostra

Valo

res

de c

lass

e es

timad

os

Treinamento Validaçãoandiroba (▼)cedrinho (*)cedro (■)curupixá (+) mogno (◊)

Ventajas del NIRS

5. NIRS puede distinguir madera de:diferentes partes de un árbol: tronco, ramas y entroncamiento diferentes especies de la misma familia (Meliaceae):

caoba, cedro y andirobadiferentes familias:

caoba (Meliaceae) y curupixá (Sapotaceae)6. La comparación de costos entre el análisis de química húmeda (convencional) y NIRS es muy favorable: NIRS es 2 veces más barato.

19

1. Las análisis se realizan en campo muy rápidamente (<30s);

2. Los dispositivos portátiles son de uso fácil y los resultados se obtienen en tiempo real;

3. La superficie de la madera es fácilmente preparada (plaina, lija y limpia)

4. NIRS es un método no destructivo, sin reactivos y sin residuos;

Algunos requisitos básicos1. Un gran número de muestras de cada especie debe estar

disponible, al menos veinte de árboles diferentes;

2. La participación de un anatomista de madera muy experientey entrenado es esencial para construir un modelo de previsión confiable;

3. El modelo estadístico debe ser robusto y abarcar el máximo de posibles facetas que puedan influenciar en la madera (como el clima local, el suelo, las enfermedades, la vida silvestre, etc.) para dar lugar a una discriminación confiable de las especies;

4. Factores variables como la orientación de la fibra deben introducirse en el modelo quimiométrico;

5. Los modelos deben revisarse y actualizarse periódicamente;

6. Todos los modelos desarrollados por nuestro equipo son válidos para madera con el contenido de humedad igual o inferior al 15%, considerando los equipos portátiles.

Próximos pasos

21

1) consolidación de un modelo estadístico para la identificación de la procedencia/origen geográfico de la madera de Swietenia macrophylla en más países productores de América Latina;

2) realizar un piloto en la línea de frontera (puestos de vigilancia y aduanas);

3) ampliar el modelo para la discriminación de al menos 20 especies de Dalbergia;

4) realizar un análisis exploratorio del aceite de palo de rosa (Anexo II de la CITES);y

5) verificar la viabilidad de remover la contribución de la humedad de la madera en los espectros usando el algoritmo de selección variable (sMC).

• El NIRS asociado con el análisis multivariado es un método confiable para la identificación de la madera e de su origen geográfica;

• El método se puede utilizar en condiciones de campo con una alta tasa de clasificación correcta (> 90% con dispositivos portátiles);

Conclusiones

• Se pudo identificar el origen geográfico de la madera;

• El método puede ser utilizado para la certificación de la madera y el control del tráfico ilegal.

22

Equipo de investigaciónInvestigadores:

Tereza C. M. Pastore (Coordinadora del proyecto– LPF/SFB)Paulo J. P. de Fontes (Asesor de proyectos– LPF/SFB)Jez W. B. Braga (Quimiometrista – Instituto de Química/UnB)Vera T. R. Coradin (Anatomista de madera – Investigadora asociada)Alexandre B. Gontijo (Anatomista de madera– LPF/SFB)Fernanda Pieruzzi (Botánica– LPF/SFB)Júlia Sonsin Oliveira (Anatomista de madera– Instituto de Biología/UnB)Diego C. da Silva (Estudiante de postgrado)Filipe Snel (Estudiante de postgrado)Daniele C. G. da Cunha Kunze (Estudiante de postgrado)Rafaela Dornelas Vieira (Estudiante de graduación)

Priscila Veras dos Anjos Lopes – (Estudiante de graduación)

Gestión financiera: Fundación de Tecnología Forestal yGeoprocesamiento/FUNTEC Mônica L. Vasconcelos (Directora Ejecutiva) Angelo Santarlacci (Gerente de Proyecto) Débora G. B. S. Brito (Asistente administrativo) 23

¡Muchas Gracias!tereza.pastore@florestal.gov.br

24