ABSTRACT Nutrient prediction models applied to tree species from Brazilian Caatinga can be a crucial tool in understanding this biome. The study aimed to fit a mixed model to predict nitrogen (N), phosphorus (P), and potassium (K) content in tree species native to the Caatinga biome located in Floresta municipality, Pernambuco State – PE, Brazil. The following species were considered the area’s most important and evaluated in the present study: Poincianella bracteosa (Tul.) L.P.Queiroz, Mimosa ophtalmocentra Mart. ex Benth, Aspidosperma pyrifolium Mart, Cnidoscolus quercifolius (Mull. Arg.) Pax. & Hoffm, and Anadenanthera colubrina var. cebil (Griseb.) Altschul. Four trees, representing the average circumference in each diameter class, were harvested for NPK quantification. The Spurr model was evaluated for NPK prediction, and species inclusion as a random effect was significant (p > 0.05) in all models. The Spurr model with fixed and random effects presented better statistics than fixed-effect models in all parameters for all nutrients. Generated NPK predicting equations can be a handy tool to understand the impact of wood extraction over Caatinga’s biogeochemical cycles and guide forest management strategies in semi-arid regions of the world.

RESUMO Modelos de predição de nutrientes aplicados a espécies arbóreas da Caatinga brasileira podem ser uma ferramenta crucial para a compreensão do bioma. O estudo teve como objetivo ajustar um modelo misto para prever os teores de nitrogênio (N), fósforo (P) e potássio (K) em espécies arbóreas nativas do bioma Caatinga localizadas no município de Floresta, Pernambuco – PE, Brasil. As seguintes espécies foram as mais importantes da área e avaliadas no presente estudo: Poincianella bracteosa (Tul.) L.P.Queiroz, Mimosa ophtalmocentra Mart. ex Benth, Aspidosperma pyrifolium Mart, Cnidoscolus quercifolius (Mull. Arg.) Pax. & Hoffm e Anadenanthera colubrina var. cebil (Griseb.) Altschul. Quatro árvores, representando a circunferência média em cada classe de diâmetro, foram colhidas para quantificação de NPK. O modelo Spurr foi avaliado para predição de NPK e a inclusão de espécies como efeito aleatório foi significativa (p > 0,05) em todos os modelos. O modelo de Spurr com efeitos fixos e aleatórios apresentou estatísticas melhores que os modelos de efeito fixo em todos os parâmetros para todos os nutrientes. As equações de previsão de NPK geradas podem ser uma ferramenta útil para entender o impacto da extração de madeira sobre os ciclos biogeoquímicos da Caatinga e orientar estratégias de manejo florestal em regiões semiáridas do mundo.

ABSTRACT Pinus palustris Mill. ecosystem is considered one of the most threatened of North America. In this context, studies on biomass quantification are fundamental for forest management plans. Thus, the objective of this study was to develop a set of allometric equations to predict total P. palustris stump-biomass. Biomass data were collected at different locations in the southeastern United States. A total of 119 allometric equations were fitted from the combination of explanatory variables: diameter at breast height (DBH), height (H), age (I), basal area (G), number of trees per hectare (N), site index (S) and quadratic diameter (Dq). One of the models that presented the lowest residual standard error (Sy.x) and root mean square error (RMSE) was ln(W) = -0.9978+0.7082.(H)+0.1009.ln(H.DBH)-0.5310.(N)-0.0003.ln(Dq). Therefore, the insertion of dendrometric variables characteristic of forest stands has great efficacy in biomass prediction for trees from different sites.

RESUMO O objetivo deste trabalho foi testar a aplicabilidade das redes neurais artificiais na estimação da altura em testes clonais e de progênies de eucalipto. Foram utilizados 8.329 dados de teste clonal, coletados em seis idades, divididos em 6 blocos e 5 repetições, e 36.793 dados para o teste de progênie, coletados em 5 idades e divididos em 10 blocos e 5 repetições. As variáveis categóricas de entrada foram a idade, o genótipo e o bloco. O diâmetro (dap) foi utilizado com variável de entrada contínua. Para definição dos dados para treinamento das redes foram utilizadas duas sub-amostras: a sub-amostra 1, composta pela primeira árvore de cada bloco e a sub-amostra 2, uma árvore foi selecionada aleatoriamente dentro de cada bloco. Essa seleção foi feita para os testes clonal e de progênies. Os dados selecionados foram separados em 70% para treinamento e 30% para a validação. As demais árvores, que não faziam parte das duas sub-amostras, foram utilizadas para a generalização. Para cada idade e tratamento foi calculado o teste kolmogorov - Smirnov (K-S) afim de verificar a normalidade dos resíduos. Os resultados demonstram que as redes podem ser usadas na estimação da altura das árvores dos diferentes genótipos presentes nos testes clonais e de progênies, sem perda da exatidão e significativa redução de custo de medição dos experimentos.

ABSTRACT The goal of this study was to test the applicability of artificial neural networks for estimating tree heights in clonal tests and progenies. We used data from 8,329 clonal tests collected for six age groups, divided into six blocks and five repetitions. For the progeny tests, we used 36,793 data points, collected at age 5 and divided into ten blocks and five repetitions. The categorical input variables considered were age, treatment, and block. The diameter (dap) was used with continuous input variables. For training the networks, we used two samples. Sub-sample 1 was composed of the first tree of each block. In sub-sample 2, the tree was selected randomly within each block. This selection was made in both tests. The selected data were separated, with 70% used for training and 30% used for validation. The other unselected trees were used for generalization. For each age and treatment, we used the Kolmogorov-Smirnov (KS) test to verify the normality of the errors. The results show that ANNs can be used to estimate the heights of trees subjected to various experimental plot treatments, with no loss of accuracy or estimation precision.