Baixar este arquivo PDF

REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
SOBRE A GERAÇÃO DE RESÍDUOS SÓLIDOS DOMICILIARES EM
BAIRROS DE CLASSE MÉDIA E ALTA DE JOÃO PESSOA
Gilson Barbosa Athayde Júnior1, Leila Brunet de Sá Beserra2 e Giulliano de
Souza Fagundes3
_________________________________________________________________________________
Resumo: Estudou-se a taxa de geração per capita de resíduos sólidos domiciliares (TGPCRSD) em bairros de
classe média e alta de João Pessoa, abrangendo sua determinação, sua estimativa a partir de indicadores de
utilização da edificação e suas variações ao longo dos dias da semana. A TGPCRSD encontrada em João
Pessoa foi de cerca de 500 g/hab.dia, valor este inferior ao sugerido pela literatura. O principal motivo para tal,
está na metodologia adotada neste trabalho em determinar a massa de resíduos gerada na fonte, antes de
eventuais misturas com frações distintas da domiciliar. Os coeficientes de correlação entre a massa de resíduos
sólidos domiciliares e o consumo de água foram moderadamente elevados e estatisticamente significantes ao
nível de 0,1%. Com exceção do domingo, não foram encontradas diferenças significativas na TGPCRSD para os
diversos dias da semana, de modo que qualquer otimização de frota de coleta baseada em eventuais diferenças
entre estes dias, não seria sugerida para o caso de coleta diária. No caso, porém, da inexistência de coleta
regular aos domingos, a quantidade de resíduos a ser coletada na segunda-feira é significativamente maior que
a dos demais dias e a frota de coleta deveria ser reforçada num fator multiplicador de 1,80.
Palavras-chave: Resíduos sólidos. Resíduos domiciliares. Taxa de geração. Consumo de água, João Pessoa.
_________________________________________________________________________________
1 Introdução
Os resíduos sólidos (RS) de naturezas
diversas constituem, nos dias atuais, um dos
maiores problemas para o meio ambiente e a
sociedade em geral. Os resíduos contaminam
o solo e a água, sua queima polui o ar e ainda
favorecem a proliferação de insetos e outros
animais que podem ser vetores de doenças.
A quantidade de RS gerados tem
aumentado consideravelmente devido ao
crescimento populacional, que ocorreu de
forma intensa nas últimas décadas. Aliado a
esse crescimento acontece um processo de
urbanização, fazendo com que a maior parte
da população se concentre em pequenos
espaços, agravando ainda mais os problemas
decorrentes da geração de resíduos. Outro
fator importante na geração de RS é a
industrialização, cujos produtos são em sua
grande
parte
não
biodegradáveis
e,
principalmente, porque são consumidos e
descartados em larga escala.
Um parâmetro importante relacionado
ao gerenciamento de RS é a taxa de geração
per capita, que é a quantidade de resíduos
produzida por um habitante em uma unidade
de tempo. Geralmente essa taxa é
determinada nas unidades de destinação final
dos resíduos e não leva em conta que podem
estar misturadas frações de resíduos de
diferentes origens tais como domiciliares,
comerciais, de varrição de vias públicas e, até
mesmo, hospitalares ou industriais. Para que
se estime mais confiavelmente a taxa de
geração de apenas uma dessas frações, seria
necessário mensurar a massa de resíduos nos
pontos de geração, antes de serem coletados.
A quantidade e qualidade de lixo
gerada por um município é função de sua
população, economia e grau de urbanização
(IPT, 1995). Estima-se que, para cidades
pequenas, a taxa de geração de resíduos
sólidos urbanos é de 0,5 kg/hab.dia e, para
grandes cidades, de 0,85 kg/hab.dia (IPT,
1995). Tenório e Espinosa (2004) apresentam
dados com coeficientes per capita de geração
de resíduos sólidos urbanos em função da
população urbana (Tabela 1).
1
Engenheiro Civil pela Universidade Federal da Paraíba, Doutor em Engenharia Civil pela University of Leeds - Inglaterra.
Professor do Departamento de Engenharia Civil, Centro de Tecnologia, Universidade Federal da Paraíba. E-mail:
[email protected]. Tel: +55 (83) 3216-7355 FAX: +55 (83) 3216-7179.
2
Engenheira Civil pela Universidade Federal da Paraíba. Ex-bolsista PIBIC-CNPq-UFPB. Departamento de Engenharia Civil,
Centro de Tecnologia, Universidade Federal da Paraíba. E-mail: [email protected]
3
Graduando em Engenharia Civil na Universidade Federal da Paraíba. Aluno PIVIC-UFPB. Departamento de Engenharia Civil,
Centro de Tecnologia, Universidade Federal da Paraíba. E-mail: [email protected]
74
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
Tabela 1 – Taxa de geração per capita de resíduos sólidos urbanos em função da população da cidade
População
(em milhares de habitantes)
Até 100
Produção de lixo
(kg/hab.dia)
0,4
100 a 200
0,5
200 a 500
0,6
Maior que 500
0,7
A estimativa da população do
município de João Pessoa para 2005, segundo
o IBGE, era de 660.798 habitantes, o que
resultaria, segundo os dados da Tabela 1,
numa taxa de geração per capita de resíduos
sólidos domiciliares (TGPCRSD) de 0,7
kg/hab.dia para o município de João Pessoa.
De acordo com o “Diagnóstico do Manejo de
Resíduos Sólidos Urbanos - 2002” elaborado
pelo Sistema Nacional de Informação sobre
Saneamento - SNIS do Ministério das
Cidades, o município de João Pessoa teria
uma TGPCRSD de 0,867 kg/hab.dia. O
diagnóstico refere-se a resíduos sólidos
domiciliares (RSD), mas ele determina essa
quantidade de resíduos com base no total
coletado que chega às unidades de
destinação final, e que, provavelmente, está
misturado com resíduos de diferentes origens.
Segundo Nóbrega (2003), no ano de 2001 o
município de João Pessoa teve uma
TGPCRSD de 0,789 kg/hab.dia, tendo esta
taxa sido determinada na unidade de
destinação final.
Devido às dificuldades operacionais de
se mensurar a quantidade de resíduos
efetivamente produzidos por uma população,
deve-se buscar outras maneiras de estimar a
geração de resíduos de uma população.
Slomp (1999) detalha a experiência ocorrida
em União da Vitória - PR. O principal objetivo
da administração deste município era diminuir
o número de inadimplentes no pagamento do
IPTU, onde a taxa de lixo estava incluída, para
isso estudaram como mudar a base de cálculo
da taxa de lixo de metro quadrado de área
construída para metro cúbico de água
consumida.
Além disso, devido a mudanças nos
hábitos da população ao longo dos dias da
semana, é possível que existam flutuações na
quantidade de RSD, e, diante disso, é
importante que essas flutuações sejam
determinadas
para
possibilitar
um
dimensionamento de coleta mais adequado.
Neste contexto, este trabalho estudou
a TGPCRSD em bairros de classe média e
alta do município de João Pessoa, visando à
sua determinação, bem como à estimativa a
partir de outros indicadores de consumo, além
de suas variações ao longo dos dias da
semana.
2 Metodologia
A massa de RSD foi medida
diariamente em quatro edifícios residenciais da
cidade de João Pessoa, sendo um deles
localizado em Brisamar (Edifício A), outro em
Manaíra (Edifício B), o terceiro em Miramar
(Edifício C) e o último em Tambaú (edifício D).
Estes bairros de João Pessoa possuem
população predominantemente de classes
média e alta. Por questões de delimitação dos
objetivos deste trabalho, edifícios que
representassem bairros de classe baixa não
foram incluídos, ficando tal abordagem como
sugestão para pesquisas futuras. A pesagem
dos resíduos era efetuada no horário em que o
auxiliar de limpeza de cada edifício os recolhia
dos vários pavimentos do edifício e os
depositava em local especifico, onde os
resíduos ficavam depositados para a coleta
por parte da empresa concessionária local,
sendo no edifício A às 16:00h, no edifício B às
19:30h, no edifício C às 16:30h e no edifício D
era às 14:30h.
Além da determinação da massa de
RSD, foram levantados, também, diariamente
e logo após a pesagem do RSD, os consumos
de água e energia elétrica nos edifícios,
através de leituras nos hidrômetros e
medidores de energia elétrica.
A população de cada edifício foi
levantada através de cadastro existente no
condomínio e informações colhidas junto aos
funcionários
das
portarias.
Uma
vez
determinada a população, ficou-se atento para
modificações em seus valores e atualizações
no banco de dados efetuadas sempre que
75
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
alterações ocorriam. Detalhes da população
de cada edifício além do período de estudo,
são apresentados na Tabela 2.
Tabela 2 - Detalhes da população de cada edifício e o período de estudo
Edifício Nº de
aptos.
População (Hab)
A
96
Média
aritmética
321,8
B
13
C
D
Mediana
Período de estudo
323
323
20/02/2005
14/05/2005
Quant. de
dias
84
37,4
37
37
04/07/2005
02/10/2005
84
12
31,0
30
30
04/07/2005
02/10/2005
84
28
89,8
91
91
17/02/2006
15/05/2006
84
Como medida de tendência central
dos dados obtidos neste trabalho, foi utilizada
a média aritmética para cada edifício estudado
isoladamente e a média aritmética ponderada
para o conjunto dos dados dos quatro
edifícios, sendo a ponderação efetuada
através da população de cada edifício.
Para a modelagem da geração de
RSD foi utilizada a técnica estatística
conhecida como stepwise multiple regression
(regressão múltipla segundo o modo
stepwise), descrita em Kinnear e Gray (1997).
Segundo Sokal e Rolf (1980), correlação não
necessariamente implica uma relação causaefeito, pois a associação entre duas variáveis
pode ser de natureza direta ou indireta
(através
de
uma
terceira
variável),
especialmente quando num grupo de
variáveis, a maioria esteja mutuamente
associada. Dessa forma, a inclusão das
variáveis independentes numa análise de
regressão múltipla deve ser efetuada com
bastante cautela. A técnica estatística
stepwise multiple regression, apesar de não
totalmente satisfatória, pode ser empregada
para solucionar tal problema. Em tal
procedimento, as variáveis entram no (ou
saem do) modelo uma de cada vez, com a
ordem de entrada (ou saída) baseada em
considerações estatísticas e ocorrendo até
que a introdução (ou remoção) das variáveis
não provoque mudanças significativas no
coeficiente de determinação, a um dado nível
de significância.
Para a comparação entre as médias
da geração de RSD nos diversos dias da
semana, foi utilizada a análise de variância
segundo o método gráfico GT-2 (SOKAL;
ROHLF, 1981) com nível de significância de
5%. Este método pode ser utilizado para
Moda
Data de início
Data de término
comparação simultânea de várias médias,
sendo que os intervalos, cujos limites se
sobrepõem, não têm médias significativamente
diferentes entre si.
Por fim, foram também aplicados
questionários junto aos apartamentos dos
quatro edifícios, com fins de se determinar o
perfil sócio-econômico da população estudada.
Uma vez determinada a faixa de rendimento
mensal das pessoas responsáveis pelo
domicílio, foi possível compará-la com as
faixas de rendimentos das pessoas do
domicílio que o IBGE dispõe para cada bairro
do município de João Pessoa.
3 Resultados
Dos questionários sócio-econômicos
distribuídos, com intuito de determinar a faixa
de renda da população estudada, 24,8% foram
devolvidos e o rendimento mediano dos
domicílios ficou entre 10 – 20 salários
mínimos. Este perfil econômico caracteriza a
população como sendo de classe média. Em
comparação com dados fornecidos pelo IBGE,
10 bairros de João Pessoa possuem
rendimento mediano também nesta mesma
faixa, correspondendo a uma população
(censo de 2000) de 68044 habitantes (IBGE,
2001).
3.1
Geração
Domiciliares
de
Resíduos
Sólidos
No edifício A, a massa de RSD gerada
diariamente variou de 95,7 a 224,6 kg, sendo
que o valor mínimo ocorreu no dia 26/03/2005,
sábado da semana-santa, associado a uma
76
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
1,2
1,0
0,8
0,6
0,4
0,2
0,0
20/2
sendo que o valor mínimo ocorreu no dia
30/04/2006, domingo anterior ao feriado de 1º
de maio. O valor médio de RSD gerados no
edifício foi de 48,6 kg.
A Figura 1 mostra a TGPCRSD
calculada diariamente para os edifícios A, B, C
e D. A média aritmética da TGPCRSD,
correspondente ao período estudado, para
cada um dos quatro edifícios, bem como a
média aritmética ponderada (sendo a
população de cada edifício utilizada para a
ponderação) para o conjunto dos dados dos
quatro edifícios é mostrada na Figura 2, onde
o ponto central corresponde à média e os
extremos, aos limites 95% de confiança
(média
±
1,96
desvio
padrão).
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita
de RSD (kg/hab.dia)
acentuada evasão da população deste edifício.
O valor médio de RSD gerados no edifício A
foi de 163,4 kg. No edifício B, a massa de RSD
geradas diariamente variou entre 6,7 e 44,6
kg, sendo que o valor mínimo ocorreu no dia
25/09/2005, domingo e o valor máximo
ocorreu no dia 11/08/2005, quinta-feira, dia em
que foi feita uma limpeza nos jardins do
edifício. O valor médio da massa de RSD
gerados neste edifício foi de 19,7 kg. No
edifício C a massa de RSD gerada diariamente
variou de 1,9 a 23,8 kg, sendo que o valor
mínimo ocorreu no dia 30/07/2005, um
sábado. O valor médio dos RSD gerados foi
de 11,7 kg. No edifício D, a massa de RSD
gerada diariamente variou de 14,2 a 92,6 kg,
7/3
22/3 6/4
Datas
21/4
6/5
1,2
1,0
0,8
0,6
0,4
0,2
0,0
4/7
3/8
18/8
Datas
2/9
17/9
18/4
3/5
(b) Edifício B
1,2
Taxa de geração per capita
de RSD (kg/hab.dia)
Taxa de geração per capita de
RSD (kg/hab.dia)
(a) Edifício A
19/7
1,0
0,8
0,6
0,4
0,2
0,0
1,2
1,0
0,8
0,6
0,4
0,2
0,0
4/7
19/7
3/8
18/8
Datas
2/9
17/9
17/2
4/3
19/3
3/4
Datas
(c) Edifício C
(d) Edifício D
Figura 1 - Taxa de geração per capita de RSD
77
Taxa de geração per capita de RSD
(kg/hab.dia)
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
1,2
1,0
0,881
0,8
0,682
0,6
0,4
0,508
0,821
0,541
0,507
0,671
0,528
0,377
0,334
0,2
0,843
0,239
0,175
0,193
0,083
0,0
Ed A
Ed B
Ed C
Ed D
Conjunto dos
dados
Figura 2 - Média aritmética da TGPCRSD para cada edifício e conjunto de dados
Os valores da TGPCRSD encontrados
nos edifícios estudados foram, em todos os
casos, menores do que os encontrados na
bibliografia
consultada
(TENÓRIO;
ESPINOSA,
2004;
MINISTÉRIO
DAS
CIDADES, 2002; NÓBREGA, 2003). O valor
médio encontrado para a TGPCRSD foi de
0,507 kg/hab.dia. Essa discrepância deve-se
ao fato de que as determinações de taxa de
geração de RSD neste trabalho foram
efetuadas na fonte, não havendo possibilidade
de mistura com outras frações de resíduos. Os
RSD
merecem
especial
atenção
em
programas de gerenciamento de resíduos
sólidos, em primeiro lugar, pela sua elevada
participação perante o computo total de
resíduos sólidos urbanos e, em segundo lugar,
por ser um resíduo de alto valor econômico
agregado devido à elevada quantidade de
itens recicláveis.
3.2 Consumo de Água
No edifício A, a quantidade água
consumida diariamente variou entre 36314 e
83483 L, sendo que a média do consumo de
água foi de 62176 L. No edifício B, o consumo
de água variou de 5190 a 16312 L e seu valor
médio foi de 9759 L. No edifício C, o consumo
de água variou entre 2947 e 8201 L, sendo
que seu valor médio foi de 5603 L. No edifício
D, o consumo diário de água variou entre
14625 e 36332 L, sendo que seu valor médio
foi de 24266 L. A Figura 3 mostra o consumo
per capita de água calculado diariamente nos
edifícios A, B, C e D. A Figura 4 mostra a
média aritmética do consumo per capita de
água, correspondente ao período de estudo,
de cada edifício, bem como a média
ponderada (sendo a população de cada
edifício utilizada para a ponderação) para o
conjunto dos dados dos quatro edifícios, onde
o ponto central corresponde à média e os
extremos aos limites 95% de confiança (média
± 1,96 desvio padrão).
3.3 Consumo de Energia Elétrica
O consumo de energia elétrica foi
estudado apenas nos edifícios B, C e D. No
edifício B, o consumo diário variou entre 71,88
e 99.60 kWh, sendo que seu valor médio foi de
85,02 kWh. No edifício C, o consumo diário de
energia elétrica variou de 33,58 a 74,55 kWh e
seu valor médio foi de 47,66 kWh. No edifício
D, o consumo diário de energia elétrica variou
de 199,14 a 348,71 kWh e seu valor médio foi
de 254,42 kWh. A Figura 5 mostra o consumo
per capita de energia elétrica, calculado
diariamente durante o período de estudo, para
os edifícios B, C e D. A Figura 6 mostra a
média aritmética do consumo per capita de
energia elétrica em cada edifico, bem como a
média ponderada dos três edifícios, onde o
ponto central corresponde à média e os
extremos, aos limites 95% de confiança
(média ± 1,96 desvio padrão).
78
450
Consumo per capita de água
(L/hab.dia)
Consumo per capita de água
(L/hab.dia)
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
300
150
0
20/2
7/3
22/3 6/4
Datas
21/4
450
300
150
0
6/5
4/7
19/7
Consumo per capita de água
(L/hab.dia)
300
150
0
4/7
19/7
18/8
Datas
2/9
17/9
(b) Edifício B
450
3/8 18/8
Datas
450
300
150
0
2/9 17/9
17/2
4/3
(c) Edifício C
19/3 3/4
Datas
18/4
3/5
(d) Edifício D
Figura 3 - Consumo per capita de água
450
Consumo per capita de água
(L/hab.dia)
Consumo per capita de água
(L/hab.dia)
(a) Edifício A
3/8
389,4
352,4
300
251,2
262,2
193,6
150
136,0
238,2
180,2
135,0
361,6
270,3
188,2
212,4
122,2
63,2
0
Ed A
Ed B
Ed C
Ed D
Conjunto dos
dados
Figura 4 - Média do consumo per capita de água para cada edifício e conjunto dos dados
79
4,0
Consumo per capita de
energia elétrica
(kWh/hab.dia)
Consumo per capita de
energia elétrica
(kWh/hab.dia)
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
3,0
2,0
1,0
0,0
4/7 19/7
3/8 18/8
Datas
4,0
3,0
2,0
1,0
0,0
2/9 17/9
4/7 19/7
(a) Edifício B
3/8 18/8
Datas
2/9 17/9
(b) Edifício C
Consumo per capita de
energia elétrica
(kWh/hab.dia)
4,0
3,0
2,0
1,0
0,0
17/2
4/3
19/3 3/4 18/4
Datas
3/5
Consumo per capita de energia
elétrica (kWh/hab.dia)
(c) Edifício D
Figura 5 - Consumo per capita de energia elétrica
4,0
3,32
3,0
2,0
3,56
2,83
2,58
2,27
1,96
2,34
1,98
1,53
1,08
1,0
2,45
1,34
0,0
Ed B
Ed C
Ed D
Conjunto dos
dados
Figura 6 - Média do consumo per capita de energia elétrica para cada edifício e conjunto dos dados
3.4 Correlação entre a massa gerada de
RSD e o consumo de água
A correlação entre a massa de RSD
gerada diariamente e o consumo de água
diário foi estudada nos quatro edifícios, com o
intuído de determinar-se uma relação entre
esses dois parâmetros. Analisou-se também o
conjunto de dados como um todo. Na Tabela 3
são mostrados os valores dos coeficientes de
correlação entre a massa de RSD gerada e o
consumo de água, além do nível de
significância estatística desses coeficientes,
para cada um dos quatro edifícios e para o
conjunto dos dados. Análises de regressão
produziram as equações mostradas nas
Figuras 7 e 8. Para os edifícios A, B e D
encontrou-se uma correlação moderada e
80
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
estatisticamente significativa entre a massa de
RSD gerada e o consumo de água. No edifício
C, no entanto, essa correlação não se mostrou
nem
acentuada
nem
estatisticamente
significante. Quando se analisou o conjunto de
dados dos quatro edifícios, o coeficiente de
correlação ficou bem próximo de um, o que
significa uma forte correlação entre os
parâmetros estudados.
Tabela 3 – Coeficientes de correlação entre a massa de RSD gerada e o consumo de água (base diária)
Edifícios
Coeficiente de correlação
Nível de significância estatística
A
0,566
≤ 0,001
B
0,620
≤ 0,001
C
0,175
0,150
D
0,523
≤ 0,001
Conjunto dos dados
0,967
≤ 0,001
50
y = 0,0017x + 52,832
200
Massa de RSD (kg/dia)
Massa de RSD (kg/dia)
250
R 2 = 0,3202
150
100
50
0
y = 0,0018x + 2,1839
R2 = 0,3849
40
30
20
10
0
0
30000
60000
90000
0
6000
12000
Com sumo de água (L/dia)
Comsumo de água (L/dia)
(a) Edifício A
(b) Edifício B
100
Massa de RSD (kg/dia)
25
y = 0,0009x + 6,7365
20
2
R = 0,0306
15
10
5
y = 0,0019x + 2,012
80
R2 = 0,2731
60
40
20
0
0
0
3000
6000
Comsumo de água (L/dia)
9000
0
10000
20000 30000
Com s umo de água (L/dia)
40000
(c) Edifício C
(d) edifício D
Figura 7 - Gráfico de dispersão da massa de RSD e consumo de água
250
Massa de RSD (kg/dia)
Massa de RSD (kg/dia)
18000
y = 0,0026x - 6,71
R2 = 0,9343
200
150
100
50
0
0
30000
60000
Comsumo de água (L/dia)
90000
Figura 8 - Gráfico de dispersão da massa de RSD e consumo de água para o conjunto dos dados
81
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
3.5 Correlação entre a TGPCRSD e o consumo per capita de água
A Tabela 4 mostra os coeficientes de
correlação e os respectivos níveis de
significância estatística entre a TGPCRSD e
os consumos per capita de água, obtidos para
cada um dos edifícios e para o conjunto dos
dados. Análises de regressão com os valores
da TGPCRSD e do consumo per capita de
água apresentaram semelhanças com as
análises dos dados em termos absolutos
(Figuras 9 e 10). Nos edifícios A, B e D a
correlação foi significativa, enquanto no
edifício C isto não ocorreu.
Tabela 4 - Coeficientes das correlações entre a TGPCRSD e consumo per capita de água.
Coeficiente de correlação
0,575
0,618
0,191
0,495
0,531
1,2
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita de
RSD (kg/hab.dia)
Edifícios
A
B
C
D
Conjunto dos dados
y = 0,002x + 0,159
R 2 = 0,331
1,0
0,8
0,6
0,4
0,2
0,0
0
75
150
225
300
375
Nível de significância estatística
≤ 0,001
≤ 0,001
0,116
≤ 0,001
≤ 0,001
1,2
y = 0,002x + 0,058
1,0
R 2 = 0,382
0,8
0,6
0,4
0,2
0,0
450
0
Consumo per capita de água (L/hab.dia)
(a) Edifício A
225
300
375
450
1,2
y = 0,001x + 0,205
R2 = 0,037
0,8
0,6
0,4
0,2
0,0
0
75
150
225
300 375
450
Consumo per capita de água (L/hab.dia)
(c) Edifício C
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita de
RSD(kg/hab.dia)
150
(b) Edifício B
1,2
1,0
75
Consumo per capita de água (L/hab.dia)
y = 0,002x + 0,046
1,0
R2 = 0,246
0,8
0,6
0,4
0,2
0,0
0
75
150
225
300
375
450
Consumo per capita de água (L/hab.dia)
(d) Edifício D
Figura 9 – Gráfico de dispersão para a TGPCRSD e o consumo per capita de água
82
Taxa de geração per capita
de RSD (kg/hab.dia)
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
1,2
y = 0,0015x + 0,1562
R 2 = 0,282
1,0
0,8
0,6
0,4
0,2
0,0
0
75
150
225
300
375
Consumo per capita de água (L/hab.dia)
450
Figura 10 - Gráfico de dispersão para a TGPCRSD e o consumo per capita de água para o conjunto dos
dados
3.6 Correlação entre a massa de RSD e o
consumo de energia elétrica
A Tabela 5 mostra os coeficientes de
correlação e seus respectivos níveis de
significância estatística entre a TGPCRSD e
os consumos per capita de energia elétrica
para cada um dos edifícios estudados e para o
conjunto dos dados.
Tabela 5 - Coeficientes da correlação entre a massa de RSD e consumo de energia elétrica.
Edifícios
B
C
D
Conjunto dos dados
Coeficiente de correlação
0,189
0,113
0,430
0,875
No caso dos edifícios B e C não foi
encontrada
correlação
acentuada
ou
significativa ao nível de 5%. Já no caso do
edifício D, os dados mostraram uma
correlação moderada e bastante significativa
(α ≤ 0,001). Em relação ao conjunto de dados
dos três edifícios, encontrou-se forte e
significativa correlação, sendo que, no entanto,
esta correlação proveio de uma distribuição de
pontos não uniforme (Figura 12). As Figuras
11 e 12 mostram as equações das análises de
regressão para os edifícios B, C e D e para o
Nível de significância estatística
0,091
0,354
≤ 0,001
≤ 0,001
conjunto dos dados
respectivamente.
dos
três
edifícios,
3.7 Correlação entre a TGPCRSD e o
Consumo per capita de Energia Elétrica
Foi estudada nos edifícios B, C, D e no
conjunto de seus dados a correlação entre a
TGPCRSD e o consumo per capita de energia
elétrica, ambos em base diária. A Tabela 6
mostra os coeficientes de correlação e seus
respectivos níveis de significância estatística.
83
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
30
y = 0,2193x + 1,0154
40
Massa de RSD (kg/dia)
Massa de RSD (kg/dia)
50
2
R = 0,0358
30
20
10
0
0
20
40
60
80
100
y = 0,0629x + 8,7365
R2 = 0,0128
20
10
0
120
0
Consumo de energia elétrica (kWh/dia)
20
40
60
Consumo de energia elétrica (kWh/dia)
(a) Edifício B
(b) edifício C
Massa de RSD (kg/dia)
100
y = 0,2601x - 17,716
R2 = 0,1849
80
60
40
20
0
0
100
200
300
400
Consumo de energia elétrica (kWh/dia)
Massa de RSD (kg/dia)
(c) Edifício D
Figura 11 - Gráfico de dispersão da massa de RSD e o consumo de energia elétrica
100
y = 0,1767x + 3,8362
80
R2 = 0,7655
60
40
20
0
0
100
200
300
400
Consumo de energia elétrica (kWh/dia)
Figura 12 - Gráfico de dispersão da massa de RSD e o consumo de energia elétrica para o conjunto dos
dados
Tabela 6 - Coeficientes das correlações entre a TGPCRSD e o consumo per capita de energia elétrica.
Edifícios
Coeficiente de correlação
Nível de significância estatística
B
0,180
0,107
C
0,126
0,304
D
0,372
≤ 0,001
≤ 0,001
Conjunto dos dados
0,426
80
84
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
Enquanto que na análise do edifício D e do
conjunto de dados dos três edifícios
encontrou-se uma correlação moderada e
bastante significativa. As Figuras 13 e 14
mostram as equações obtidas nas análises de
regressão para os edifícios B, C, D e para o
conjunto de seus dados, respectivamente.
1,2
1,0
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita
de RSD (kg/hab.dia)
Na análise dos dados per capita
obteve-se resultados semelhantes aos da
análise com os dados em termos absolutos.
Quando se analisou os dados dos edifícios B e
C
separadamente
não
se
identificou
correlação significativa entre a TGPCRSD e o
consumo per capita de energia elétrica.
y = 0,207x + 0,056
R 2 = 0,033
0,8
0,6
0,4
0,2
0,0
0,0
1,0
2,0
3,0
4,0
Consumo per capita de energia elétrica
(kWh/hab.dia)
1,2
1,0
y = 0,081x + 0,254
R2 = 0,016
0,8
0,6
0,4
0,2
0,0
0,0
1,0
2,0
3,0
4,0
Consumo per capita de energia elétrica
(kWh/hab.dia)
(b) Edifício C
Taxa de geração per capita de
RSD (kg/hab.dia)
(a) Edifício B
1,2
1,0
y = 0,232x - 0,118
R2 = 0,139
0,8
0,6
0,4
0,2
0,0
0,0
1,0
2,0
3,0
4,0
Consumo per capita de energia elétrica
(kWh/hab.dia)
Taxa de geração per capita de
RSD (kg/hab.dia)
(c) Edifício D
Figura 13 - Gráfico de dispersão para a TGPCRSD e o consumo per capita de energia elétrica
1,2
1,0
y = 0,133x + 0,188
R2 = 0,181
0,8
0,6
0,4
0,2
0,0
0,0
1,0
2,0
3,0
4,0
Consumo per capita de energia elétrica (kWh/hab.dia)
Figura 14 – Gráfico de dispersão para a TGPCRSD e o consumo per capita de energia elétrica para o
conjunto dos dados
85
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
3.8 Modelagem da Geração de RSD
Na tentativa de se estabelecer um
modelo para se estimar a massa de RSD,
tanto em termos absolutos quanto per capita,
procedeu-se a análise múltipla de regressão
segundo o modelo stepwise (stepwise multiple
regression). A massa de RSD foi a variável
dependente, enquanto que a população (no
caso da análise dos dados em termos
absolutos), o consumo de água e o consumo
de energia elétrica foram as variáveis
independentes.
Os
resultados
são
apresentados na Tabela 7.
Tabela 7 - Coeficientes de regressão e respectivo coeficiente de determinação para estimativa da massa
de RSD
População
Cons. de água
Cons. de EE
Termo Constante
Edifícios
r²
(hab.)
(L/dia)
(kWh/dia)
(kg/dia)
A
0,001732
52,832
0,320
B
0,000836
10,802
0,108
C
D
2,645
0,001632
-228,235
0,344
Conjunto dos dados
0,06973
0,002283
-7,252
0,939
No caso dos edifícios A e B
permaneceu no modelo matemático apenas o
consumo diário de água. No caso do edifício C
nenhum parâmetro permaneceu no modelo, o
que está consistente com as análises de
correlação, as quais mostraram que nenhum
parâmetro dentre os
estudados
está
correlacionado significativamente com a
massa de RSD gerada num dia. No caso do
edifício D e do conjunto dos dados dos quatro
edifícios, além do consumo de água, a
população também permaneceu no modelo
matemático. Para o caso do conjunto dos
dados o modelo de estimativa apresenta uma
forte determinação, pois o coeficiente r² é bem
próximo a um e, portanto, os valores
estimados a partir deste modelo deverão ser
bem próximos aos valores reais.
A partir da análise de regressão acima
mencionada depreende-se que a estimativa da
massa de RSD gerada por uma população
pode ser estimada a partir não apenas do
tamanho da população, mas também do
respectivo consumo de água. Apesar de o
consumo de água ser também função da
população, ele reflete a intensidade de uso da
residência, incluindo o tempo de permanência
de seus habitantes nela. Por exemplo, se os
habitantes de alguma residência não
permanecem nela ao longo do dia, a massa de
RSD gerada e o consumo de água desta
residência serão menores do que os de outra,
na qual os habitantes permaneçam grande
parte do dia, mesmo que o número de
habitantes seja o mesmo.
No caso da análise dos dados em
termos per capita, a população não foi incluída
como variável independente. Os resultados
são apresentados na Tabela 8. No geral, o
consumo de energia elétrica não permaneceu
no modelo matemático, pois o consumo per
capita
de
água
apresentou-se
mais
correlacionado com a TGPCRSD que o
consumo per capita de energia elétrica (ver
tabelas 5 e 6). No caso do edifício C, nenhum
parâmetro permaneceu no modelo, o que já
era esperado, pois nenhum dos parâmetros,
quando
estudados
separadamente,
apresentou correlação significativa com a
massa de RSD gerada diariamente. No caso
do conjunto dos dados, o modelo não
apresentou coeficiente de determinação
próximo a um como no caso dos dados em
termos absolutos, sendo este coeficiente
menor, inclusive, do que no caso dos edifícios
A e B quando considerados separadamente.
Tabela 8 - Coeficientes de regressão e respectivo coeficiente de determinação para estimativa da
TGPCRSD
Cons. de Água
Cons. de EE
Edifícios
Termo Constante (kg/hab.dia)
r²
(L/hab.dia)
(kWh/hab.dia)
A
0,00176
0,1580
0,331
B
0,00184
0,0574
0,382
C
D
0,00182
0,0465
0,245
Conjunto dos dados
0,00143
0,1680
0,256
86
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
3.9 Variações da TGPCRSD ao longo dos
dias da semana.
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
Taxa de geração per capita
de RSD (kg/hab.dia)
Taxa de geração per capita
de RSD (kg/hab.dia)
Foram estudadas, nos quatro edifícios,
as variações de geração de RSD ao longo dos
dias da semana. A Figura 15 mostra a
variação da TGPCRSD para os edifícios A, B,
C e D. A Figura 16 mostra a mesma variação
para o conjunto dos dados dos quatro
edifícios.
No edifício A, dos 28 casos possíveis
de
comparação,
existiram
diferenças
significativas ao nível de 5% apenas entre o
domingo e a segunda-feira, sendo a taxa de
geração
per
capita
do
domingo
significativamente menor que a da segundafeira. Esta mesma diferença também ocorreu
nos edifícios B e C, além de no conjunto de
dados analisados como um todo. Esta
diferença na TGPCRSD (menos intensa nos
domingos) pode estar relacionada a uma
menor atividade doméstica neste dia, devido à
folga de empregadas domésticas.
Dom Seg
Ter
Qua Qui
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
Dom Seg
Sex Sab
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
Qua
Qui
Sex
Sab
Sex
Sab
(b) Edifício B
Qui
Sex
Sab
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita
de RSD (kg/hab.dia)
(a) Edifício A
Ter
Qua
Dias da semana
Dias da semana
Dom Seg
Ter
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
Dom Seg
Dias da semana
(c) Edifício C
Ter
Qua
Qui
Dias da semana
(d) Edifício D
Figura 15 - Variação semanal da TGPCRSD
No edifício B, além da diferença
significativa já citada, as taxas de geração per
capita de RSD do domingo e da quarta-feira
foram significativamente menores que a da
quinta-feira, o que pode ser explicado pelas
atividades de limpeza de jardim (podas) que
ocorreram em 3 quintas-feiras naquele edifício
(11/08/2005, 25/08/2005 e 08/09/2005). Um
período de estudo mais estendido poderia ter
diluído os efeitos desta coincidência.
Já no edifício C, além da segundafeira (já mencionada), as quartas-feiras e
sextas-feiras
também
apresentaram
TGPCRSD significativamente maior que a do
domingo.
No edifício D não ocorre nenhuma
diferença significativa, embora o valor médio
do domingo seja inferior aos demais valores
médios.
Analisando-se o conjunto dos dados,
situação em que uma dada variação ocorrida
87
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
Foi então feita análise dos dados
considerando a massa de RSD gerada no
domingo e na segunda-feira (Figura 16b) como
coletada em um único dia (segunda-feira),
tendo resultado que neste dia, a quantidade
de RSD a ser coletada é foi significativamente
superior a todos os outros dias, que por sua
vez, não diferiram um dos outros entre si. A
taxa de geração per capita de RSD,
considerando-se o domingo e a segunda-feira
em conjunto, foi 1,80 vezes maior que a média
da dos demais dias da semana.
1,0
1,0
0,8
0,6
0,4
0,2
0,0
Dom Seg
Ter Qua Qui
Sex Sab
Dias da semana
(a) Para os sete dias da semana analisados em
separado
Taxa de geração per capita de
RSD (kg/hab.dia)
Taxa de geração per capita de
RSD (kg/hab.dia)
num determinado dia da semana pode ser
atenuada pelos dados dos demais edifícios, o
domingo apresentou taxa de geração per
capita significativamente menor que a de todos
os outros dias da semana. Em termos práticos,
esta única diferença (domingo com TGPCRSD
inferior aos demais dias) perde sua
importância pelo fato de que os RSD gerados
no domingo são geralmente coletados na
segunda-feira, como é o caso dos bairros onde
os edifícios estudados estão localizados.
0,8
0,6
0,4
0,2
0,0
Dom
+ Seg
Ter
Qua
Qui
Sex
Sab
Dias da semana
(b) Para o domingo e a segunda-feira analisados
agrupados
Figura 16 - Variação semanal da TGPCRSD no conjunto dos dados dos quatro edifícios
4 Conclusões
A taxa de geração de resíduos sólidos
exclusivamente domiciliares em João Pessoa
é de cerca de 500 g/hab.dia, valor este inferior
ao sugerido e/ou determinado pela literatura.
O principal motivo para esta discrepância está
na metodologia adotada neste trabalho, que
determina a massa de resíduos gerada na
fonte antes de ser possivelmente misturada
com outras frações (distintas da domiciliar)
durante a coleta.
Os resultados mostraram que é
possível a estimativa da quantidade de RSD
gerada a partir de indicadores de consumo,
sendo que dentre os dois indicadores de
consumo estudados, o consumo de água e o
consumo de energia elétrica, apenas o
primeiro mostrou-se adequado à referida
estimativa.
Não existem diferenças significativas
na quantidade de resíduos sólidos domiciliares
gerados nos diversos dias da semana, de
modo que qualquer otimização de frota de
coleta baseada em eventuais diferenças entre
estes dias não seria recomendada para o caso
de coleta diária (inclusive no domingo). No
caso, porém, da inexistência de coleta regular
aos domingos, como no caso dos edifícios
estudados neste trabalho, a quantidade de
RSD a ser coletada na segunda-feira é
significativamente maior que a dos demais
dias e a frota de coleta deve ser reforçada
num fator multiplicador de 1,80.
88
REA – Revista de estudos ambientais
v.9, n.2, p. 73-88, jul./dez. 2007
__________________________________________________________________________________________
5 On the generation of solid wastes from houses in middle and upper class neighborhoods in João
Pessoa
Abstract: The per capita domestic solid waste generation rate (PCDSWGR) in João Pessoa was studied with
special emphasis given to its determination, estimation from utilization indicators and its variations during the days
of the week. The PCDSWGR found in João Pessoa was about 500 g/hab.day, which is lower than that suggested
by the literature. The main cause for this is the methodological procedures used in determining the mass of
residue at the source, before it can be mixed with fractions of residues other than domestic ones. The correlation
coefficients between the mass of domestic solid wastes and water consumption were moderately high and
statistically significant at the level of 0.1%. With the exception of Sunday, no differences in the PCDSWGR were
found for the various days of the week; as such, optimization of collection based on this data is not suggested.
However, in the case of no regular collection on Sunday, the amount of wastes to be collected on Monday is
significantly higher than that of the other days of the week and the number of collection vehicles should be
multiplied by 1.80.
Keywords: Solid wastes. Domestic residues. Generation rate. Water consumption. João Pessoa.
_________________________________________________________________________________
6 Referências
IBGE. Instituto Brasileiro de Geografia e Estatística.
Censo demográfico de 2000. Rio de Janeiro,
2001.
IPT. Lixo Municipal: Manual de Gerenciamento
Integrado. São Paulo: Instituto de Pesquisas
Tecnológicas / CEMPRE, 1995. 236 p.
KINNEAR, Paul R.; GRAY, D. Colin. SPSS for
Windows made simple. East Sussex, U.K.
nd
Psycology Press Ltd. 2 ed., 1997. 386 p.
MINISTÉRIO DAS CIDADES. Sistema Nacional de
Informações sobre saneamento: Diagnóstico da
Gestão e Manejo de Resíduos Sólidos Urbanos 2002. Brasília, DF, 2004. 218 p.
NÓBREGA,
Cláudia
Coutinho.
Viabilidade
Econômica, com Valoração Ambiental e Social
de Sistemas de Coleta Seletiva - estudo de caso:
João Pessoa / PB. 2003. Tese (Doutorado em
Recursos Naturais) - UFCG/CCT, Campina Grande.
2003. 177 p.
SLOMP, Mario N. Taxa de lixo junto à tarifa de
água/esgoto - uma forma alternativa de cobrança.
Revista Limpeza Pública. ABLP - Associação
Brasileira de Limpeza Urbana. São Paulo, n.50, p.
11-16, janeiro. 1999.
SOKAL, Robert R; ROHLF, F. James. Biometry The Principles and Practice of Statistics in
Biological Research. New York: W. H. Freeman
and Company, 2 ed. 1981. 859 p.
TENÓRIO, Jorge Alberto. Soares.; ESPINOSA,
Denise Crocce Romano. Controle Ambiental de
Resíduos. In: PHILIPPI Jr, Arlindo.; ROMERO,
Marcelo Andrade.; BRUNA, Gilda Collet. Curso de
Gestão Ambiental. Barueri, SP: Manole, 2004. p.
155-211.