ABSTRACT Stem conicity and the sawing pattern, besides the presence of hollows and sapwood, are among the principal factors that are responsible for the low yield of lumber from harvested wood in the Amazon. Therefore, the objective of this study was to analyze of logs and stem conicity, and its effect on yield of sawn wood from the species Handroanthus impetiginosus (Mart. ex DC.) Mattos, Lecythis lurida (Miers) S. A. Mori, Manilkara huberi (Ducke) Chevalier, Astronium lecointei Ducke and Couratari sp., which are currently the most important commercial species in the study area. The data used were obtained from six production units in the Tapajós National Forest, Pará. The variables analyzed were conicity (obtained as a function of the difference between diameters at the base and top) between logs, DBH classes (diameter at breast height) and species, as well as yield (estimated using the Software MaxiTora) between logs and species. The majority of the species showed differences in conicity between logs, with the first log being the most conic, which was directly reflected by the lower yield for this log. There was a tendency of increase in conicity in the larger DBH classes, and differences in conicity and yield between species. The estimated yields were superior to the percent yields observed for Amazonian species in studies done using samples with similar characteristics. Therefore, it was concluded that conicity can vary between species, logs, and DBH classes, and is a characteristic that directly effects the yield of lumber. Furthermore, the incorporation of cutting templates represents an alternative for maximizing lumber yield.

RESUMO Vários métodos têm sido propostos para realizar a classificação de sítio para produção de madeira. No entanto, há necessidade frequente de se obter a capacidade produtiva do local antes mesmo do estabelecimento da floresta. Isto motivou a aplicação das Redes Neurais Artificiais (RNA) para classificação de sítio. Desta forma, o método tradicional da curva guia (CG) foi comparado com a RNA sem medidas do povoamento como variáveis preditivas. Além disso, diferentes configurações de RNA foram testadas. As variáveis utilizadas para treinamento da RNA foram: variáveis climáticas, tipos de solo, espaçamento e material genético. Os resultados obtidos pela RNA e CG foram comparados com as classes de referência, definidas utilizando altura dominantes de povoamentos observadas no sétimo ano de idade. A comparação foi realizada utilizando o coeficiente Kappa (K) e análise descritiva. Os resultados mostraram que a função de custo “entropia cruzada” e a função de ativação da camada de saída “softmax” foram melhores para este propósito. A classificação pela RNA resultou em uma “concordância substancial” com a classificação observada, contra uma “concordância moderada” gerada pela CG. A mudança no padrão de crescimento das árvores durante o tempo dificultou a classificação pela CG. Entretanto, este método mostrou alta eficiência na classificação quando dados em idades próximas à de referência estão disponíveis. Além disso este método pode ser aprimorado se outras técnicas avançadas de regressão forem aplicadas. Porém o método da RNA apresentado aqui não é sensível à instabilidade do crescimento e permite classificar locais sem registro de plantios anteriores.

ABSTRACT Several methods have been proposed to perform site classification for timber production. However, there is frequent need to assess site productive capacity before forest establishment. This has motivated the application of Artificial Neural Networks (ANN) for site classification. Hereby, the traditional guide curve (GC) procedure was compared to the ANN with no stand measures as input. In addition, different ANN settings were tested to assess the best setting. The variables used to train the ANN were: climatic variables, soil types, spacing and genetic material. The results from the ANN and the GC methods were compared to the observed classes, which were defined using the observed dominant high at the age of seven years. The comparison was performed using the Kappa coefficient (K) and descriptive analysis. The results showed that the cost function “Cross Entropy” and the output activation function “Softmax” were the best for this purpose. The ANN classification resulted in substantial agreement with the observed indices against a moderate agreement of the GC procedure. The change in growth patterns throughout the rotation may have hindered the proper classification by the CG method, which does not happen with the ANN. Moreover, the GC method shows efficiency on classification in cases which data from stands at the age close to the reference age are available. Also, it could be possible to improve its accuracy if another advanced regression techniques were applied. However, the ANN method presented here is not sensible to growth instability and allows classifying sites with no plantation history.

RESUMO Este estudo teve como objetivo avaliar um processo de regulação cooperativa de produtores florestais, em comparar com o método de regulação clássico e individual das propriedades. Vinte propriedades florestais foram utilizadas 20 propriedades florestais como exemplo para elaboração de três cenários de regulação florestal: 1) regulação individual, 2) regulação em grupo, e 3) regulação cooperativa. O Valor Presente Líquido (VPL) dos cenários foram otimizados a partir de modelos de programação matemática, e comparados com um cenário base, sem regulação florestal. Para a regulação cooperativa proposta, as propriedades tiveram um fator de proporção para distribuição da renda líquida anual, calculado a partir do resultado do cenário base. Comparando os resultados da maximização do VPL dos cenários 1 e 3 com o cenário sem regulação, o custo da regulação individual foi, em média, de 25%, enquanto que para regulação cooperativa foi de 11%, ou seja, redução 14% no custo da regulação das propriedades. A regulação cooperativa apresentou ainda a vantagem de menor divisão das áreas das propriedades quando comparado à regulação individual.

ABSTRACT This study aims to assess the cooperative regulation process of forestry producers in comparison to the traditional individual regulation of properties. Twenty (20) forest properties are studied as examples of the development of three forest regulation scenarios: 1) individual regulation, 2) group regulation, and 3) cooperative regulation. The Net Present Value (NPV) of each of the scenarios is optimized according to mathematical programming models and compared to a baseline scenario without forest regulation. According to the proposed cooperative regulation, properties had a proportion factor for annual net revenue distribution calculated from results of the baseline scenario. By comparing the NPV maximization results from scenarios 1 and 3 with the non-regulation scenario, the cost for individual regulation is on average 25%, while being only 11% for cooperative regulation, that is, a 14% reduction in property regulation costs. Additionally, cooperative regulation had the advantage of dividing properties into fewer areas when compared to individual regulation.

Objetivou-se propor neste estudo uma metodologia com a utilização de Redes Neurais Artificiais (RNA), para redução do número de árvores a serem cubadas durante o processo de geração de equações volumétricas. Os dados utilizados neste estudo foram provenientes de cubagens de 2.700 árvores de povoamentos clonais de eucalipto localizados no Sul da Bahia. O treinamento das RNA foi feito visando à obtenção de redes para a estimação do volume com e sem casca. Como variáveis de entrada, utilizaram-se o diâmetro à altura do peito - 1,30 m (dap), a altura e os diâmetros nas posições de 0,0; 0,5; 1,0; 1,5; 2,0; e 4,0 m do solo e os volumes obtidos até 2 e 4 m. A precisão do método foi feita com a aplicação do teste L&O. Avaliaram-se também a dispersão dos erros percentuais, o histograma de frequência dos erros percentuais e a raiz do erro quadrático médio (RMSE). A metodologia proposta neste estudo mostrou-se eficiente para a estimação do volume de árvores, sendo indicada para a obtenção do volume total com e sem casca de povoamentos de eucalipto, possibilitando a redução dos custos para a construção de equações volumétricas.

The objective of this study was to propose a methodology by using Artificial Neural Networks (ANN) to reduce the number of trees to be scaled during the process of generating volumetric equations. The data used in this study were originated from measurements of 2,700 trees of clonal eucalyptus plantations located in southern Bahia State, Brazil. The training of ANN was performed in order to obtain networks for estimating the volume with and without bark. As input variables, we used the diameter at breast height (dbh) - 1.30 m, height, and diameter at 0.0, 0.5, 1.0, 1.5, 2.0 and 4.0 m above the ground and the volumes obtained until 2 and 4 m. The accuracy of the method was carried out using the test L & O. We also evaluated the dispersion of percentage errors, frequency histogram of the percentage error and the root mean square error (RMSE). The methodology proposed in this study proved to be efficient for estimating the volume of trees, and is indicated to obtain the total volume with and without bark of eucalyptus, enabling the reduction of costs for the construction of volumetric equations.

Este estudo teve como objetivos a determinação de grupos florísticos, a discriminação e avaliação de espécies importantes na composição florística em duas áreas de pesquisa localizadas na Floresta Nacional de Irati, Estado do Paraná. Uma área com 10 ha foi instalada em um povoamento de Araucária implantado há 60 anos (área A), onde espécies arbóreas se estabeleceram, enquanto que outra de 25 ha foi instalada em uma Floresta Ombrófila Mista (área B). As áreas constituem-se de blocos contínuos de 1 ha (100 m x 100 m) divididos em parcelas de 0,25 ha (50 m x 50 m), onde todas as árvores com diâmetro a altura do peito (DAP) igual ou superior a 10 cm foram medidas e identificadas. Foram utilizadas técnicas estatísticas multivariada, análises de agrupamento e discriminante, com a finalidade de identificar a formação de grupos florísticos nas áreas e as espécies discriminantes dos grupos. Uma matriz de dados foi estruturada contendo o valor de cobertura da i-ésima parcela obtido da j-ésima espécie. Seis grupos foram identificados pela análise de agrupamento. O primeiro e o segundo grupo reuniram 15 e 24 parcelas, respectivamente, e pertencentes à área A. Nos 25 ha da área B foram obtidos mais 4 grupos (3, 4, 5 e 6), reunindo 28, 21, 36 e 16 parcelas. Com a análise discriminante, obteve-se 12 variáveis (espécies) com poder de diferenciar os grupos formados. Realizando as análises fitossociológicas dos grupos, as seguintes associações foram identificadas: associação com o povoamento de Araucaria angustifolia I; associação com povoamento de Araucaria angustifolia II; associação Nectandra grandiflora; associação Ocotea porosa; associação Ocotea odorifera; associação Matayba elaeagnoides.

This study aimed to determine the floristic groups, the discrimination and the evaluation of important species in the floristic composition in two research areas located on the National Forest of Irati, Paraná State, Brazil. An area of 10 ha was installed in a Araucaria stand deployed 60 years ago (area A), where arboreal species were established, while another 25 ha area was installed in a Mixed Ombrophylous Forest (area B). The areas were set up from continuous blocks of 1 ha (100 m x 100 m) divided into plots of 0.25 ha (50 m x 50 m), where all trees with diameter at breast height (dbh) equal or higher than 10 cm were measured and identified. We used statistical multivariate techniques, cluster, and discriminant analysis, in order to identify the floristic groups formation in these areas and the species of discriminant groups. An array containing the data was structured containing the coverage value of the i-th plot obtained from the j-th species. Six groups were identified by cluster analysis. The first and the second group gathered 15 and 24 parcels, respectively, belonging to the area A. In the 25 ha from the area B, four groups (3, 4, 5, and 6) were obtained, gathering 28, 21, 36, and 16 plots. With discriminant analysis, we obtained 12 variables (species) that could differentiate the formed groups. Carrying out the groups' phytosociological analysis, the following associations were identified: "association with Araucaria angustifolia stand I; association with Araucaria angustifolia stand II; Nectandra grandiflora association; Ocotea porosa association; Ocotea odorifera association; Matayba elaeagnoides association.