Dissertação/Tese EFICIÊNCIA NUTRICIONAL, ÁREA FOLIAR E PRODUTIVIDADE DE PLANTAÇÕES DE EUCALIPTO EM DIFERENTES ESPAÇAMENTOS ESTIMADOS COM REDES NEURAIS ARTIFICIAIS - PPGCF

O emprego de práticas silviculturais apropriadas associado ao uso de métodos de avaliação nutricional e técnicas estatísticas avançadas pode ser uma alternativa viável no estabelecimento de critérios práticos de caracterização e classificação nutricional, além de permitir obter informações sobre a dinâmica de crescimento dentro de povoamentos florestais, enriquecendo estudos sobre a sustentabilidade e produção de um ecossistema florestal. O presente trabalho foi dividido em três capítulos. Os objetivos foram avaliar os coeficientes de utilização biológicos (CUB’s) dos nutrientes pelo eucalipto, a eficiência e possibilidade de utilização das redes neurais artificiais (RNA) para obter os CUB’s e estimativas para a biomassa de tronco sob diferentes espaçamentos. O experimento foi instalado em dezembro de 2002 utilizando-se um híbrido de Eucalyptus grandis W. Hill ex Maiden x Eucalyptus camaldulensis Dehnh sobre Latossolo Vermelho-Amarelo em relevo plano a 1097 m altitude. Adotou-se o delineamento em blocos ao acaso sendo estudado, em três blocos, o efeito de cinco espaçamentos de plantio: T1 - 3,0 x 0,5 m; T2 - 3,0 x 1,0 m; T3 - 3,0 x 1,5 m; T4 - 3,0 x 2,0 m e T5 - 3,0 x 3,0 m. Realizou-se o inventário florestal contínuo nas idades de 48, 61, 73, 85 e 101 meses. Em cada árvore-amostra por unidade experimental na última idade foram: quantificada a biomassa; mensurada a área e perímetro foliar, área foliar específica e realizada a análise química de N, P, K, Ca, Mg e S para amostras composta (ao longo do fuste) e simples (região do DAP) dos componentes. Os resultados foram submetidos à ANOVA, regressão e a aplicação das RNA. A modelagem por redes neurais artificiais demonstrou-se adequada para estimar a produção de biomassa de tronco em função da idade sob diferentes espaçamentos, utilizando o DAP e perímetro foliar como variáveis preditoras. Não houve grande variação da eficiência de uso dos nutrientes entre os espaçamentos, principalmente para o tronco. A rede neural artificial foi eficiente em estimar a eficiência de uso dos nutrientes. A modelagem por redes neurais artificiais utilizando-se apenas amostra da casca na região do DAP demonstrou ser adequada para a estimativa do coeficiente de utilização biológico do tronco.

The use of appropriate silvicultural practices associated with the use of methods of nutritional assessment and advanced statistical techniques can be a viable alternative to establish practical criteria characterization and classification of nutritional status, and allows information on the dynamics of growth in forest stands, enriching studies on the sustainability and production of a forest ecosystem. This work was divided into three chapters. The objectives were assess the coefficient of biological use (CUB's) of nutrients by eucalyptus trees, the efficiency and possible use of artificial neural networks (RNA) for the CUB's and biomass trunk under different spacings. The research plots was installed in december 2002 using a hybrid of Eucalyptus grandis W. Hill ex Maiden X Eucalyptus camaldulensis Dehnh. The statistical design was randomized blocks being studied, in three blocks, the effect of different planting spacings: T1 – 3,0 x 0,5 m, T2 – 3,0 x 1,0 m, T3 – 3,0 x 1,5 m, T4 – 3,0 x 2,0 m e T5 – 3,0 x 3,0 m. Data collection was carried out at ages 48, 61, 73, 85 and 101 months. In each sample-tree per experimental unit in the last age were: quantified biomass; measured leaf area, leaf perimeter, specific leaf area and chemical analysis of N, P, K, Ca, Mg and S for composite samples (along the stem) and simple samples (the region of the DAP) of components. Statistical analysis of the data consisted of ANOVA, regression and application of RNA. The modeling by artificial neural networks demonstred to be adequate to estimate the biomass of the trunk in relation to age at different spacings, using the DBH and perimeter leaf as predictors variables. There wasn't wide variation in efficiency use nutrient among spacings, especially for the trunk. The artificial neural network was effective in estimating the efficiency of nutrient use. The modeling by artificial neural networks using only sample in the DAP region proved to be adequate for estimating the coefficient of biological use of stem.