ABSTRACT One of the main difficulties in choosing forest biomass for energetic purposes is the evaluation of its quality. Thus, the objective of this research was to propose a classification of the biomass of black wattle stands based on the variables gross calorific value, energy density, ash content and biomass stock. For this purpose, commercial stands of the species were sampled in three growing regions (Cristal, Encruzilhada do Sul and Piratini) in Rio Grande do Sul, with 1 to 10 years old classified into age groups I, II, III and IV. In these stands, 670 trees were felled, their biometric and energetic variables were measured. From these locations, meteorological and edaphic variables were also collected. Cluster analysis was used to separate the predictor variables into three quality classes called low, medium and high. Discriminant analysis revealed two functions capable of classifying new observations into quality classes. The discriminant functions were able to correctly classify more than 51% of the trees based on gross calorific value, 65% based on energy density, 89% on ash content and 85% on energy stock. The biometric, energetic and meteorological variables contributed to the discrimination of the quality classes.
RESUMO Uma das principais dificuldades na escolha de uma biomassa florestal para fins energéticos está na avaliação de sua qualidade. Desse modo, o objetivo desta pesquisa foi propor uma classificação da biomassa de povoamentos de acácia negra com base nas variáveis poder calorífico superior, densidade energética, teor de cinzas e estoque de biomassa. Para esse fim, povoamentos comerciais da espécie foram amostrados em três regiões de cultivo (Cristal, Encruzilhada do Sul e Piratini) no Rio Grande do Sul, com 1 a 10 anos classificados em grupos de idade I, II, III e IV. Nesses povoamentos, foram abatidas 670 árvores, as quais tiveram suas variáveis biométricas e energéticas mensuradas. Desses locais, também foram coletadas variáveis meteorológicas e edáficas. A análise de agrupamento (cluster) foi utilizada para separar as variáveis preditoras em três classes de qualidade denominadas baixa, média e alta. A análise discriminante revelou duas funções capazes de classificar novas observações nas classes de qualidade. As funções discriminantes conseguiram classificar corretamente mais de 51% das árvores com base no poder calorífico superior, 65% com base na densidade energética, 89% no teor de cinzas e 85% no estoque energético. As variáveis biométricas, energéticas e meteorológicas contribuíram para a discriminação das classes de qualidade.