Composição da água subterrânea pode afetar os resultados da remediação voltada à adsorção de PFAS

Compostos constituintes da água subterrânea influenciam a adsorção de substancias perfluoradas de cadeia curta e impactam o desempenho da remediação com carvão ativado coloidal

Por Dra. Adriana C. Velosa, Instituto de Ciências Ambientais, Químicas e Farmacêuticas, UNIFESP-Diadema (acvelosa@gmail.com)

Substancias alquílicas poli e perfluoradas (PFAS) são compostos químicos sintetizados pelo homem e incluem mais de 4 mil diferentes compostos. Tais substâncias possuem como característica química uma cadeia carbônica parcial ou completamente saturada por átomos de flúor, podendo ser ramificada ou linear, sendo representada pela formula química F(CF2)n-R, onde o grupo R representa a parte hidrofílica da molécula. Os ácidos perfluoroalquilicos (PFAAs) constituem-se nos mais comuns e ambientalmente importantes representantes dos PFAS, sendo classificados como ácidos sulfônicos, quando o grupo R é igual a -SO3H, ou ácidos carboxílicos, quando R é igual a -COOH. Os ácidos perfluorooctanóico (PFOA) e perfluorooctanossulfônico (PFOS) são os compostos mais comumente encontrados no meio ambiente. Devido às suas características hidrofóbicas e lipofóbicas, os PFAS são amplamente utilizados como substâncias antiaderentes e em espumas de combate a incêndio, sendo encontrados em concentrações da ordem de ppt (ng/ L) em corpos d’água em todo o mundo. Suas características físico-químicas dependem tanto do comprimento de sua cadeia carbônica quanto do grupamento funcional presente nela, sendo que compostos de cadeia longa (com 8 ou mais átomos de carbono) são mais lipofílicos e quimicamente inertes, enquanto que os de cadeia mais curta são mais solúveis em água e menos propensos a adsorção sendo, portanto, mais móveis no ambiente. A degradação química dos PFAS é bastante dificultada devido à força da ligação C-F, o que leva ao uso de técnicas de adsorção, como em carvão ativado, por exemplo, como solução para a remoção de tais compostos de águas superficiais ou subterrâneas. Neste trabalho foram investigados os efeitos de íons comumente presentes em águas subterrâneas, assim como a presença de matéria orgânica, nas isotermas de adsorção de diferentes PFAS a um carvão ativado coloidal (CAC) usado na formação de barreiras reativas.  

O CAC utilizado tem tamanho médio de 500 nm, PI = 4,5, PCZ = 9,5 e foi fornecido pela INTRAPORE (Alemanha). Ao comparar-se a eficiência de adsorção de acordo com o PFAS testado, observou-se que quanto maior o tamanho da cadeia carbônica, maior a afinidade pelo carvão, independentemente da cadeia ser linear ou ramificada (Tabela 1). Observou-se também que compostos com grupo R igual a -SO3H (PFBS) adsorvem mais do que os com grupo R igual a -COOH (PFBA).

Um parâmetro extremamente importante no processo de sorção dos PFAS em CAC é a força iônica, uma vez que propomos um modelo conceitual no qual os compostos de cadeia curta são adsorvidos em microporos mais internos, via interação eletrostática nos sítios básicos, enquanto os compostos de cadeia longa são adsorvidos tanto por ação eletrostática quanto por forças de van der Waals, na superfície mais externa. O efeito da força iônica também é importante para se prever o comportamento de barreiras reativas em áreas costeiras, com ação da água do mar nos aquíferos. Como pode ser observado na figura 1, conforme aumenta-se a força iônica e, portanto o Cl, ocorre uma menor adsorção para compostos de cadeia mais curta pela competição com o ânion cloreto pelos sítios positivos internos. Compostos de cadeia mais longos, no entanto, não demonstram o mesmo comportamento.

Figura 1 – Valores calculados de  em função da concentração de cloreto. Usou-se NaCl para o ajuste da força iônica em todos os experimentos.

O efeito da matéria orgânica dissolvida (DOM) também foi avaliado usando-se para tanto compostos modelo de massa molecular conhecida. Observou-se que embora nenhum efeito na adsorção tenha sido observado pela presença de qualquer DOM na concentração de 1mg/ L, a DOM de menor massa molecular reduz significativamente a capacidade de adsorção do CAC quando em concentrações tão altas quanto 10 mg/L, sendo o efeito inversamente proporcional ao tamanho da cadeia carbônica do PFAS.

Figura 2- Valores calculados de  em função da massa molecular do DOM testado () para PFOA (◆), PFBS (▲), e PFPeA (●). Condições experimentais: 1 mM NaHCO3, pH = 7.5

Usando-se um modelo de transporte reativo simulou-se ainda o tempo de saturação de uma barreira permeável feita de CAC, nas diversas condições geoquímicas avaliadas em batelada, obtendo-se um tempo de saturação 1000 vezes menor para PFBA quando comparado ao PFOA. Observou-se ainda que a longevidade da barreira pode ser bastante reduzida ao se ter condições de alta força iônica e/ ou alta concentração de DOM, demonstrando a importância de se levar em consideração a composição da água subterrânea para o sucesso do processo de remediação.

Para maiores detalhes acesse:

MOLE, R. A., VELOSA, A.C. CAREY, G. R., LIU, X., LI, G., FAN, D., DANKO, A. and LOWRY, G.V. (2024) Groundwater solutes influence the adsorption of short-chain perfluoroalkyl acids (PFAA) to colloidal activated carbon and impact performance for in situ groundwater remediation. J. Haz. Mat. 474, 134746.  https://doi.org/10.1016/j.jhazmat.2024.134746

Assembleia Geral 2023: Conquistas e próximos passos rumo à inovação

No último dia 23 de agosto, a Rede NICOLE Latina America reuniu seus membros de forma presencial na Assembleia Geral 2023 para compartilhar resultados e destacar os pilares para os próximos passos, rumo à inovação no setor do Gerenciamento de Áreas Contaminadas (GAC).

Durante a assembleia, tivemos a oportunidade de discutir ideias, compartilhar insights valiosos dos diferentes setores da Rede (Indústria, Academia e Serviços) e fortalecer nossa colaboração em busca de metas comuns.

No decorrer da manhã, um diálogo enriquecedor foi realizado envolvendo propostas e sugestões que direcionarão o futuro da nossa rede. Depois deste importante momento, seguimos para apresentações de impacto.

Eleições para vicê-presidência do Comitê Gestor 2023/2025

E finalizamos o período da manhã com o resultado das eleições para os cargos de vice-presidente dos setores NICOLE! Parabenizamos as eleitas e o eleito:

Paloma Carvalho (Corteva) – Setor Industrial

Juliana Freitas (Unifesp) – Setor Acadêmico

Pablo Yoshikawa (Certel) – Setor de Serviços

Fim da programação

Após o almoço, foram compartilhadas experiências bem-sucedidas de colaboração com universidades, indústrias e consultorias, contando com a participação de Gabriela Oliveira, Adriana Soriano, Admir Giachini, Marcio Schneider, Sasha Hart, Ariel Sanchez e Reginaldo Bertolo.

Na sequência, Sergejus Ustinov e seus parceiros Sasha Hart e Sander Eskes fizeram uma apresentação sobre o desenvolvimento de um projeto voltado a entender a contaminação por cádmio em plantações de cacau na América Latina.

Por fim, encerramos a programação com o lançamento das Publicações NICOLE Latin America sobre MCA e Economia Circular, e com um coquetel regado de ótimas companhias.

Agradecemos imensamente a participação de todos e todas!

Nos vemos no próximo evento NICOLE.

Confira alguns cliques:

Impulsionando o Gerenciamento de Áreas Contaminadas por com Inteligência Artificial e Aprendizado de Máquina

Por Sergio Luis Ferreira, vice-presidente do setor industrial NICOLE Latin America.

A remediação sustentável é essencial para a recuperação de áreas contaminadas e a proteção do meio ambiente. À medida que enfrentamos desafios cada vez mais complexos, a adoção de tecnologias inovadoras, como a inteligência artificial (IA) e o aprendizado de máquina, pode melhorar significativamente a eficiência e a eficácia dos processos de remediação. Vamos explorar como a IA e o aprendizado de máquina estão revolucionando a abordagem da remediação sustentável e os benefícios que essas tecnologias podem oferecer.

A Inteligência Artificial e Aprendizado de Máquina podem ser aplicadas na Remediação Sustentável das seguintes formas:

Otimização de processos de remediação

Algoritmos de aprendizado de máquina podem analisar grandes conjuntos de dados para identificar padrões e tendências que não seriam facilmente detectáveis ​​por seres humanos. Ao aplicar essas técnicas aos dados coletados durante a remediação, os profissionais podem otimizar os processos de tratamento, ajustando fatores como o tempo de aplicação e a dosagem de agentes químicos ou biológicos.

Monitoramento e previsão de contaminação

A IA pode ser usada para desenvolver modelos preditivos que ajudam a prever a evolução da contaminação no tempo e no espaço. Esses modelos podem ser fundamentais para priorizar áreas de intervenção, avaliar riscos e definir estratégias de gerenciamento a longo prazo.

Detecção e identificação de poluentes

Técnicas de aprendizado de máquina podem ser aplicadas na análise de dados de sensores e equipamentos de monitoramento ambiental para detectar e identificar poluentes com maior precisão e rapidez. Isso permite uma resposta mais rápida e eficiente aos eventos de contaminação.

Avaliação de risco e tomada de decisão

Algoritmos de IA podem processar informações complexas e variáveis ​​para apoiar a avaliação de riscos ecológicos e humanos, aplicando de forma muito produtiva as mais diversas metodologias de análises de riscos, incluindo até mesmo os HAZOPs de projetos para remediação. Com base nessa análise, a IA pode sugerir abordagens de remediação adequadas, levando em consideração os impactos ambientais, sociais e econômicos.

Portanto, a inteligência artificial e o aprendizado de máquina têm um enorme potencial para revolucionar a remediação sustentável de áreas contaminadas. Ao aproveitar essas tecnologias, podemos melhorar a eficiência, a eficácia e a precisão dos processos de remediação, o que, por sua vez, beneficia o meio ambiente, a saúde humana e as comunidades afetadas. 

À medida que continuamos a enfrentar os desafios de eventuais contaminações, a IA e o aprendizado de máquina serão ferramentas cada vez mais valiosas na busca por um futuro mais limpo e sustentável e com maior produtividade.