Seleção de clones de eucalipto por meio da curva de crescimento: idade técnica de corte, idade de aceleração máxima e produtividade máxima

Abstract

O crescimento de árvores é uma importante característica que fornece suporte para tomadas de decisão em plantios florestais. Com isso, o objetivo deste estudo foi considerar o comportamento da curva de crescimento genotípica na seleção de materiais genéticos de eucalipto. Os dados para condução deste estudo são de um teste clonal pertencente a empresa Eldorado Brasil, onde são testados 154 clones em 20 repetições. As mensurações foram realizadas anualmente dos 2 aos 6 anos. Para captar o crescimento dos genótipos, as variáveis mensuradas foram circunferência a altura do peito e altura total, que posteriormente foram calculadas área basal (AB) e volume de madeira (V) para proceder as análises. Para modelar o crescimento das árvores foram utilizadas as funções Logistica e Chapman-Richards, que são modelos não-lineares capazes de relacionar a variável quantitativa crescimento com a variável discreta idade, de maneira que a função que melhor se ajustar aos dados seja selecionada via Critério de Informação de Akaike para as análises genéticas. O modelo 20 do software Selegen foi utilizado para predizer os valores genotípicos dos parâmetros da função de crescimento e das variáveis de crescimento V e AB. Neste estudo, informações como idade técnica de corte e idade de arranque foram extraídas a partir do comportamento da curva de crescimento genotípica via primeira derivada parcial da curva de incremento médio e terceira diferenciação da expressão do modelo de crescimento. Essas características posteriormente fornecem informações para planejamento silvicultural, período ótimo de corte da floresta, bem como estimar a produtividade no máximo incremento aproveitando o máximo potencial de cada clone. De acordo o AIC, a função que melhor representou os dados foi a de Chapman- Richards, de maneira que as análises preditivas foram utilizando essa expressão. A seleção considerando a predição dos valores genéticos na idade técnica de corte garantiu uma eficiência média superior de 9 e 11% para as variáveis V e AB respectivamente, comparado a idade adotada pela empresa de 6 anos. Isso demonstra que além de selecionar os materiais com melhor desempenho, o planejamento de colheita no momento de máximo incremento potencializa a máxima produção por unidade de tempo da área plantada. Os parâmetros da curva de crescimento genotípica foram agrupados via análise multivariada afim de classificar os materiais por comportamento de crescimento. A seleção considerando a curva de crescimento dos genótipos selecionados garante uma maior eficiência seletiva/produtiva, fornece informações como momento ideal para aplicações de técnicas silviculturais, idade ótima de corte, além de agrupar os materiais conforme o crescimento afim de recomendação para compostos clonais. Palavras-chave: Genética quantitativa. Análise de dados. Melhoramento Florestal.

Tree growth is an important feature that supports decision-making in forest plantations. Therefore, the objective of this study is to consider the behavior of the genotypic growth curve in the selection of eucalyptus genetic materials. The data for conducting this study are from a clonal test belonging to the company Eldorado Brasil, where 154 clones are tested in 20 repetitions, the measurements were carried out annually from 2 to 6 years. To capture the growth of the genotypes, the measured variables were circumference at breast height and total height, which were later calculated by basal area (AB) and wood volume (V) to proceed with the analyses. To model tree growth, the Logistic and Chapman-Richards functions were used, which are non-linear models capable of relating the quantitative variable growth with the discrete variable age, so that the function that best fits the data is selected via Akaike Information Criterion for genetic analyses. The model 20 of the Selegen software was used to predict the genotypic values of the parameters of the growth function and of the growth variables V and AB. These characteristics later provide information for silvicultural planning, optimal forest cutting period, as well as estimating productivity at maximum increment taking advantage of the maximum potential of each clone. In this study, information such as technical cutting age and starting age were extracted from the behavior of the genotypic growth curve via the first partial derivative of the average increment curve and the third differentiation of the expression of the growth model. According to the AIC, the function that best represented the data was the Chapman-Richards function, so that the predictive analyzes used this expression. The selection considering the prediction of genetic values at the cutting technical age ensured a higher average efficiency of 9 and 11% for the variables V and AB respectively, compared to the age adopted by the company of 6 years, showing that in addition to selecting the materials with the best performance, harvest planning at the moment of maximum increment maximizes the maximum production per unit of time of the planted area. The parameters of the genotypic growth curve were grouped via multivariate analysis in order to classify the materials by growth behavior. It is concluded that the selection considering the growth curve of the selected genotypes guarantees a greater selective/productive efficiency, provides information such as the ideal moment for the application of silvicultural techniques, optimal cutting age, in addition to grouping the materials according to the growth in order to recommend clonal compounds. Keywords: Quantitative genetics. Data analysis. Forest Improvement.