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

Abstract

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.

Mining activity is very important for the growth of a country, but it generates a large amount of tailings, which, when improperly disposed of, can be dispersed in the environment, increasing the levels of potentially toxic elements (PTEs) in the soil. Thus, determining the levels and spatial distribution of PTEs is essential to design mitigating strategies and remediate contaminated areas. Thus, the objective of this study was to assess the levels and extent of contamination of potentially toxic elements in soils near mining tailings piles, as well as to assess potential risks to the health of the population (Chapter 1), develop a rapid and efficient methodology to monitor contaminant levels in areas impacted by mining activity (Chapter 2) and identify plant species capable of remediate contaminated areas (Chapter 3). The study was developed in the city of Boquira-Ba, in which 120 samples were collected in a regular mesh, at a depth of 0-10 cm. The results showed that the use of machine learning algorithms is an efficient alternative to spatialize areas contaminated by mining activity, where diffuse sources of contaminants predominate. It was also observed that the areas close to the tailings piles are highly contaminated and can be harmful to the environment and human health. In the second chapter, a methodological framework was developed to monitor areas contaminated with PTEs, through the use of machine learning algorithms. Our results demonstrated that the use of covariates such as X-ray fluorescence (XRF), textural and morphometric measurements are useful to predict PTEs levels in soils. Finally, it was possible to observe that the plant species P. juliflora, A. peregrina tolerate high concentrations of Pb in soils, and are able to stabilize this metal in the root system. The other species M. oleífera and U. ruziziensis also grew in contaminated soils, however there were reductions in the values of growth parameters. Keywords: Contaminated areas. Machine learning algorithms. Phytoremediation.