COMO O INTEMPERISMO DE FELDSPATOS PODE REVELAR CARACTERÍSTICAS DISCRIMINANTES DO SOLO PARA APLICAÇÃO FORENSE NA BAIXADA FLUMINENSE, RJ

 

Resumo

O solo é um importante vestígio, e sua análise uma importante ferramenta para a resolução de crimes. A UFF, em convênio com a Polícia Civil do Estado do Rio de Janeiro, desenvolveu um banco de fingerprint de solos e uma metodologia de análise para correlacionar entre solos para fins forenses. Contando com 51 amostras padrão de solo, as análises elementar, mineralógica, granulométrica e de teor de matéria orgânica do solo foram capazes de fornecer variáveis marcadoras de discriminação entre solos a 500 m.

Introdução

Em um local de crime, evidências são capazes de conectar uma pessoa ou objeto a um determinado local. Uma dessas evidências em potencial é o solo, devido a sua capacidade de onipresença e transferência (DAWSON & HILLIER, 2010) Cada vez mais países investem em bancos de solos georrefenciados cujos fingerprint sejam capazes de conectar um vestígio à uma localização geográfica (MENCHACA et al., 2018; PACHECO,2017), inclusive no Brasil (MELO et al., 2018; TESTONI et al., 2020).

Na Baixada Fluminense, região com grande cobertura de solo e aliada a um número significativo de homicídios [6], a Universidade Federal Fluminense e a Polícia Civil do Estado do Rio de Janeiro colaboraram numa pesquisa envolvendo a investigação da eficiência de variáveis analíticas como marcadores capazes de correlacionar ou discriminar os solos (https://forenso.uff.br/).

Considerando que o intemperismo de feldspatos é essencial na formação de solos, objetiva-se avaliar como este processo gera variáveis forenses.

 

Método

1. Área de Estudo

Na Baixada Fluminense, região de 13 municípios (Figura 1) pertencente a região metropolitana do Estado do Rio de Janeiro, 4 municípios foram selecionados para a amostragem: Queimados (maior taxa de homicídios da Baixada Fluminense), Nova Iguaçu (maior número absoluto de homicídios e presença de litologia de Rocha Alcalina), Belford Roxo (maior número absoluto de ocultação de cadáver e presença de litologia de Sedimento) e Seropédica (presença das classes de solo Planossolo e Luvissolo) (MATOS, 2024).

 

Figura 1 - Localização da Baixada Fluminense e da área de estudo.

 

2. Amostragem

Foram coletadas 51 amostras de solo superficial (0-10cm), seguindo procedimentos definidos por TESTONI et al.(2019). Cada amostra foi separada em 2 alíquotas (A e B). A nomeação das amostras corresponde à delegacia policial responsável pela área e pela numeração da ordem de coleta. Por exemplo: amostra 58-016 - 16ª coleta na região da 58ª delegacia policial.

 

3. Análises desenvolvidas

A alíquota (A) foi preparada para promover as análises de pH, densidade de partículas, cor, granulométrica, mineralógica – em Difração de raio X e elementar – em Espectrômetro de Fluorescência de Raios-X com Energia Dispersiva (EMBRAPA, 2017). A alíquota (B), após liofilizada, foi submetida à análise de teor de matéria orgânica do solo (MOS) (HOOGSTEEN et al., 2015).

Ao todo, 29 variáveis foram candidatas à discriminação de solos: Densidade de Partículas, Delta pH, MOS; concentração (em massa) de Na, Mg, Al, Si, P, K, Ca, Ti, Mn, Fe e Zr, % granulométrica de Argila, Silte e Areia; %  (em massa) dos minerais quartzo, caulinita, feldspato alcalino, plagioclásio, rutilo e anatásio (agrupados como óxidos de Ti), gibbsita, clorita, calcita, zircão, goethita, anfibólio e mica.

Os dados foram submetidos às análises estatísticas multivariadas (Principal Component Analysis – PCA e Hierarchical Cluster Analysis – HCA).

 

Resultados e Discussões

Ao submeter o conjunto amostral à PCA, o peso significativo foi considerado como critério (loadings >[0,5]) para a identificação das variáveis marcadoras. Assim, 18 variáveis foram identificadas com potencial discriminante (Al>  caulinita > Areia > goethita > Fe > MOS > Silte > Argila > K > Na > feldspato Alcalino > Si > óxido Ti > feldspato plagioclasio > quartzo > Zr > mica > Mg); e a soma entre a PC1 e PC2 foi de 64,6%. Exceto pela % de gibbsita, todas as variáveis relacionadas ao processo de intemperismo de feldspatos (% de feldspato alcalino, plagioclásio, caulinita, Si, Al, K e Na) foram muito significativas para discriminar as amostras.

Uma divisão clara foi identificada no eixo da PC1 entre solos de características mais intemperizadas e solos de características menos intemperizadas e  3 cluster distintas foram identificadas (Figura 2): A cluster 1 representa as amostras  mais intemperizadas, caracterizadas pelos minerais secundários caulinita e goethita, além de óxido de titânio, Al, Fe, MOS, argila e silte.  Já a cluster 2 representa  as amostras menos intemperizadas, caracterizadas por plagioclásio, feldspato alcalino e mica, associados às % de Na e de Mg. Por fim, a cluster 3 é intermediária. Logo, as amostras foram discriminadas quanto a seu nível de intemperismo 1 > 3 > 2.

Com os dados levantados pela análise multivariada, um mapa georreferenciado das amostras na área de estudo foi elaborado (Figura 3).  Ao analisar o mapa foi possível observar amostras diferenciadas em pelo menos de 500 metros a 1 quilômetro, como entre as amostras 54-008 e 58-008, de municípios diferentes (Belford Roxo e Nova Iguaçu) ou mesmo dentro município, em Nova Iguaçu (56-006 e 005, 58-015 e 009). No municipio de Seropédica não foi possível a discriminação entre as amostras pelos clusters.

 

Figura 2 - HCA x PCA das 18 variáveis levantadas na análise da área de estudo (n=50 amostras)

Figura 3 - Distribuição das amostras (n=50), agrupadas por clusters de 18 variáveis, pela área de estudo

 

 

 

 

 

Conclusão

O processo de intemperismo de feldspatos estabeleceu marcadores importantes (mineralógicos e geoquímicos) para a discriminação espacial de solos, diferenciando amostras com até 500 m de distância na Baixada Fluminense. Desta forma é uma excelente ferramenta para uso forense 

 

Agradecimentos

À FAPERJ, SEPOL, DHBF e DGHPP pelo apoio.

 

Referências

[1] Dawson, L. A., & Hillier, S. (2010). Measurement of soil characteristics for forensic applications. Surface and Interface Analysis, 42(5), 363–377. https://doi.org/10.1002/sia.3315

[2] Pacheco, Â. (2017). Caracterização de solos da região de Lisboa para aplicação forense. Repositorio-Aberto.up.pt. sigarra:250110.

[3] Menchaca, P. R., Graham, R. C., & Younglove, T. (2018). Developing and Testing a Soil Property Database for Forensic Applications in Southern California. Journal of Forensic Sciences, 63(4), 1043–1052. https://doi.org/10.1111/1556-4029.13723

[4] Melo, V. F., Testoni, S. A., Dawson, L., de Lara, A. G., & da Silva Salvador, F. A. (2019). Can analysis of a small clod of soil help to solve a murder case? Science & Justice, 59(6), 667–677. https://doi.org/10.1016/j.scijus.2019.06.008

[5] Testoni, S. A., Melo, V. F., Anne Dawson, L., Malakoski, J., Cunico, E., & Junqueira Neto, J. A. (2020). The Use of a Sequential Extraction Technique to Characterize Soil Trace Evidence Recovered from a Spade in a Murder Case in Brazil*. Journal of Forensic Sciences, 65(6), 1921–1934. https://doi.org/10.1111/1556-4029.14491

[6] Cerqueira, D., Bueno, S., Caballero, B., De Oliveira, G., Lins, A., & Chacon, K. (n.d.). RETRATO DOS MUNICÍPIOS BRASILEIROS. https://www.ipea.gov.br/atlasviolencia/arquivos/artigos/9277-atlasviole…

[7] Matos, J. de A. (2024). Marcadores de solo para uso forense: uma ferramenta para a elucidação de homicídios na Baixada Fluminense (RJ). App.uff.br. https://app.uff.br/riuff/handle/1/32913

[8] Testoni, S. A., Melo, V. F., Dawson, L. A., Salvador, F. A. da S., & Kunii, P. A. (2019). Validation of a Standard Operating Procedure (SOP) for Forensic Soils Investigation in Brazil. Revista Brasileira de Ciência Do Solo, 43. https://doi.org/10.1590/18069657rbcs20190010

[9] Embrapa. Centro Nacional De Pesquisa De Solos. (2017). Manual de metodos de análise de solo. Embrapa.

[10] Hoogsteen, M. J. J., Lantinga, E. A., Bakker, E. J., Groot, J. C. J., & Tittonell, P. A. (2015). Estimating soil organic carbon through loss on ignition: effects of ignition conditions and structural water loss. European Journal of Soil Science, 66(2), 320–328. https://doi.org/10.1111/ejss.12224