SOBRE A GERAÇÃO DE RESÍDUOS SÓLIDOS DOMICILIARES EM BAIRROS DE CLASSE MÉDIA E ALTA DE JOÃO PESSOA

Transcrição

1 SOBRE A GERAÇÃO DE RESÍDUOS SÓLIDOS DOMICILIARES EM BAIRROS DE CLASSE MÉDIA E ALTA DE JOÃO PESSOA Gilson Barbosa Athayde Júnior 1, Leila Brunet de Sá Beserra 2 e Giulliano de Souza Fagundes 3 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 5 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,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 1,8. 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,5 kg/hab.dia e, para grandes cidades, de 5 kg/hab.dia (IPT, 1995). Tenório e Espinosa (24) 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. gilson@ct.ufpb.br. Tel: +55 (83) FAX: +55 (83) Engenheira Civil pela Universidade Federal da Paraíba. Ex-bolsista PIBIC-CNPq-UFPB. Departamento de Engenharia Civil, Centro de Tecnologia, Universidade Federal da Paraíba. leilabrunet@hotmail.com 3 Graduando em Engenharia Civil na Universidade Federal da Paraíba. Aluno PIVIC-UFPB. Departamento de Engenharia Civil, Centro de Tecnologia, Universidade Federal da Paraíba. giulliano_fagundes@yahoo.com.br

2 74 Tabela 1 resíduos sólidos urbanos em função da população da cidade População Produção de lixo (em milhares de habitantes) (kg/hab.dia) Até 1 1 a 2,5 2 a 5 Maior que 5,7 A estimativa da população do município de João Pessoa para 25, segundo o IBGE, era de habitantes, o que resultaria, segundo os dados da Tabela 1, numa taxa de geração per capita de resíduos sólidos domiciliares (TGPCRSD) de,7 kg/hab.dia para o município de João Pessoa. De acordo com o Diagnóstico do Manejo de Resíduos Sólidos Urbanos - 22 elaborado pelo Sistema Nacional de Informação sobre Saneamento - SNIS do Ministério das Cidades, o município de João Pessoa teria uma TGPCRSD de 67 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 (23), no ano de 21 o município de João Pessoa teve uma TGPCRSD de,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:h, no edifício B às 19:3h, no edifício C às 16:3h e no edifício D era às 14:3h. 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

3 75 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) Período de estudo Média aritmética Mediana Moda Data de início Data de término Quant. de dias A , /2/25 14/5/25 84 B 13 37, /7/25 2/1/25 84 C /7/25 2/1/25 84 D 28 89, /2/26 15/5/26 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 (198), 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 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 1 2 salários mínimos. Este perfil econômico caracteriza a população como sendo de classe média. Em comparação com dados fornecidos pelo IBGE, 1 bairros de João Pessoa possuem rendimento mediano também nesta mesma faixa, correspondendo a uma população (censo de 2) de 6844 habitantes (IBGE, 21). 3.1 Geração de Resíduos Sólidos Domiciliares 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 26/3/25, sábado da semana-santa, associado a uma

4 76 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 25/9/25, domingo e o valor máximo ocorreu no dia 11/8/25, 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 3/7/25, 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, sendo que o valor mínimo ocorreu no dia 3/4/26, 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 2/2 7/3 22/3 6/4 21/4 6/5 4/7 19/7 3/8 18/8 2/9 17/9 (a) Edifício A (b) Edifício B 4/7 19/7 3/8 18/8 2/9 17/9 Taxa de geração per capita de 17/2 4/3 19/3 3/4 18/4 3/5 (c) Edifício C (d) Edifício D Figura 1 - RSD

5 77 RSD (kg/hab.dia) 82,58,528,334 81,175 71, ,541,57 39,193 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, 24; MINISTÉRIO DAS CIDADES, 22; NÓBREGA, 23). O valor médio encontrado para a TGPCRSD foi de,57 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 e L, sendo que a média do consumo de água foi de L. No edifício B, o consumo de água variou de 519 a L e seu valor médio foi de 9759 L. No edifício C, o consumo de água variou entre 2947 e 821 L, sendo que seu valor médio foi de 563 L. No edifício D, o consumo diário de água variou entre e L, sendo que seu valor médio foi de 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 99.6 kwh, sendo que seu valor médio foi de 85,2 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).

6 78 Consumo per capita de água (L/hab.dia) /2 7/3 22/3 6/4 21/4 6/5 Consumo per capita de água (L/hab.dia) /7 19/7 3/8 18/8 2/9 17/9 (a) Edifício A (b) Edifício B Consumo per capita de água (L/hab.dia) /7 19/7 3/8 18/8 2/9 17/9 Consumo per capita de água (L/hab.dia) /2 4/3 19/3 3/4 18/4 3/5 (c) Edifício C Figura 3 - Consumo per capita de água (d) Edifício D Consumo per capita de água (L/hab.dia) ,6 389,4 262,2 238, , 135, 122,2 352,4 361,6 27,3 188,2 212,4 63,2 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

7 79 Consumo per capita de energia elétrica (kwh/hab.dia) 4, 3, 2, 4/7 19/7 3/8 18/8 2/9 17/9 Consumo per capita de energia elétrica (kwh/hab.dia) 4, 3, 2, 4/7 19/7 3/8 18/8 2/9 17/9 (a) Edifício B Consumo per capita de energia elétrica (kwh/hab.dia) 4, 3, 2, 17/2 4/3 19/3 3/4 18/4 3/5 (b) Edifício C (c) Edifício D Figura 5 - Consumo per capita de energia elétrica Consumo per capita de energia elétrica (kwh/hab.dia) 4, 3, 2, 2,58 2,27 1,96 1,98 1,53 8 3,32 2,83 2,34 3,56 2,45 1,34 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

8 8 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,566 1 B 2 1 C,175,15 D,523 1 Conjunto dos dados, y = 17x + 52,832 2 R 2 =, Comsumo de água (L/dia) (a) Edifício A 25 y = 9x + 6, R 2 = y = 18x + 2,1839 R 2 =, Comsumo de água (L/dia) (b) Edifício B y = 19x + 2,12 R 2 = Comsumo de água (L/dia) Comsumo de água (L/dia) (c) Edifício C (d) edifício D Figura 7 - Gráfico de dispersão da massa de RSD e consumo de água y = 26x - 6,71 R 2 =, Comsumo de água (L/dia) Figura 8 - Gráfico de dispersão da massa de RSD e consumo de água para o conjunto dos dados

9 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 1). 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. Edifícios Coeficiente de correlação Nível de significância estatística A,575 1 B 18 1 C,191,116 D 95 1 Conjunto dos dados,531 1 y = 2x +,159 R 2 =, Consumo per capita de água (L/hab.dia) y = 2x + 58 R 2 =, Consumo per capita de água (L/hab.dia) (a) Edifício A (b) Edifício B RSD(kg/hab.dia) y = 1x + 5 R 2 = Consumo per capita de água (L/hab.dia) y = 2x + 46 R 2 = Consumo per capita de água (L/hab.dia) (c) Edifício C (d) Edifício D Figura 9 Gráfico de dispersão para a TGPCRSD e o consumo per capita de água

10 82 Taxa de geração per capita de y = 15x +,1562 R 2 = Consumo per capita de água (L/hab.dia) Figura 1 - 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 Coeficiente de correlação Nível de significância estatística B, C,113,354 D 3 1 Conjunto dos dados 75 1 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 1). 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 conjunto dos dados dos três edifícios, respectivamente. 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.

11 y = 193x R 2 = Consumo de energia elétrica (kwh/dia) 2 1 y = 629x + 8,7365 R 2 = Consumo de energia elétrica (kwh/dia) (a) Edifício B (b) edifício C y = 61x - 17,716 R 2 =, Consumo de energia elétrica (kwh/dia) (c) Edifício D Figura 11 - Gráfico de dispersão da massa de RSD e o consumo de energia elétrica y =,1767x + 3,8362 R 2 =, 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,18,17 C,126,34 D,372 1 Conjunto dos dados 26 1

12 84 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. 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. Taxa de geração per capita de y = 7x + 56 R 2 = 33 2, 3, 4, Consumo per capita de energia elétrica (kwh/hab.dia) y = 81x + 54 R 2 = 16 2, 3, 4, Consumo per capita de energia elétrica (kwh/hab.dia) (a) Edifício B (b) Edifício C y = 32x -,118 R 2 =,139 2, 3, 4, Consumo per capita de energia elétrica (kwh/hab.dia) (c) Edifício D Figura 13 - Gráfico de dispersão para a TGPCRSD e o consumo per capita de energia elétrica y =,133x +,188 R 2 =,181 2, 3, 4, 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

13 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 Edifícios População Cons. de água Cons. de EE Termo Constante (hab.) (L/dia) (kwh/dia) (kg/dia) r² A ,832,32 B ,18 C D 2, ,235,344 Conjunto dos dados ,252,939 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 Edifícios Cons. de Água Cons. de EE (L/hab.dia) (kwh/hab.dia) Termo Constante (kg/hab.dia) r² A 176,158,331 B ,382 C D Conjunto dos dados 143,168 56

14 Variações da TGPCRSD ao longo dos dias da semana. 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. Taxa de geração per capita de,9,7,5,3,1 Dom Seg Ter Qua Qui Sex Sab Dias da semana Taxa de geração per capita de,9,7,5,3,1 Dom Seg Ter Qua Qui Sex Sab Dias da semana (a) Edifício A (b) Edifício B Taxa de geração per capita de,9,7,5,3,1 Dom Seg Ter Qua Qui Sex Sab Dias da semana,9,7,5,3,1 Dom Seg Ter Qua Qui Sex Sab Dias da semana (c) Edifício C (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 (11/8/25, 25/8/25 e 8/9/25). 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

15 87 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. 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 1,8 vezes maior que a média da dos demais dias da semana. Dom Seg Ter Qua Qui Sex Sab Dias da semana (a) Para os sete dias da semana analisados em separado 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 5 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 1,8.

16 88 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 5 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.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 1.8. Keywords: Solid wastes. Domestic residues. Generation rate. Water consumption. João Pessoa. 6 Referências IBGE. Instituto Brasileiro de Geografia e Estatística. Censo demográfico de 2. Rio de Janeiro, 21. IPT. Lixo Municipal: Manual de Gerenciamento Integrado. São Paulo: Instituto de Pesquisas Tecnológicas / CEMPRE, p. KINNEAR, Paul R.; GRAY, D. Colin. SPSS for Windows made simple. East Sussex, U.K. Psycology Press Ltd. 2 nd ed., p. MINISTÉRIO DAS CIDADES. Sistema Nacional de Informações sobre saneamento: Diagnóstico da Gestão e Manejo de Resíduos Sólidos Urbanos Brasília, DF, p. NÓBREGA, Cláudia Coutinho. Viabilidade Econômica, com Valoração Ambiental e Social de Sistemas de Coleta Seletiva - estudo de caso: João Pessoa / PB. 23. Tese (Doutorado em Recursos Naturais) - UFCG/CCT, Campina Grande 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.5, p , janeiro 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 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, 24. p