DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS DO ESTADO DO RIO GRANDE DO SUL. Fabiano de Oliveira Fortes

(1)

DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE

ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS

DO ESTADO DO RIO GRANDE DO SUL

________________________________________________

(2)

UFSM

Dissertação de Mestrado

DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE

ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS

DO ESTADO DO RIO GRANDE DO SUL

_____________________________________________

Fabiano de Oliveira Fortes

PPGEF

Santa Maria, RS, BRASIL

(3)

DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE

ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS

DO ESTADO DO RIO GRANDE DO SUL

________________________________________________

por

Fabiano de Oliveira Fortes

Dissertação apresentada ao Curso de Mestrado do Programa de Pós-Graduação em Engenharia Florestal, Área de concentração Manejo Florestal, da Universidade Federal de Santa Maria (UFSM, RS), como requisito parcial para a obtenção do grau de Mestre em Engenharia Florestal

PPGEF

Santa Maria, RS, BRASIL

2004

(4)

Programa de Pós-Graduação em Engenharia Florestal

A Comissão Examinadora, abaixo assinada, Aprova a Dissertação de Mestrado.

DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS

DO ESTADO DO RIO GRANDE DO SUL

Elaborada por Fabiano de Oliveira Fortes

Como requisito para obtenção do grau de Mestre em Engenharia Florestal COMISSÃO EXAMINADORA:

___________________________ Alessandro Dal’Col Lúcio

(Presidente/Orientador)

___________________________ Alberto Cargnelutti Filho

___________________________ Sidinei José Lopes

(5)

AGRADECIMENTOS

À Universidade Federal de Santa Maria e ao Programa de Pós-Graduação em Engenharia Florestal, pela oportunidade concedida.

Ao meu orientador Prof. Dr. Alessandro Dal’Col Lúcio, pela serenidade, amizade, e contribuição em todas fases do desenvolvimento deste trabalho.

Ao Prof. Dr. Paulo Renato Schneider, pelo incentivo durante a realização dessa dissertação.

À minha família por tudo.

Um agradecimento especial à Daniela T. Motta que sempre esta presente, incentivando e motivando minha vida.

Aos amigos, colegas, professores e funcionários que de alguma forma, contribuíram para a realização desta.

À Bruna pela colaboração na digitação dos dados deste trabalho; À FEPAGRO pelo fornecimento dos dados.

(6)

SUMÁRIO

RESUMO...vii ABSTRACT...viii LISTA DE TABELAS...ix LISTA DE FIGURAS...xiii LISTA DE ANEXOS...xvi 1 INTRODUÇÃO...1 2 REVISÃO DE LITERATURA...3 3 MATERIAL E MÉTODOS...21 3.1 Caracterização geral...21 3.2 Análises estatísticas...22 4. RESULTADOS E DISCUSSÃO...25 4.1 Caracteristicas geral...25 4.2 Espécies nativas...35 4.2.1 Schinus sp...35 4.2.2 Cassia leptophylla...39 4.2.3 Peltophorum dubium...42 4.2.4 Cedrela fissilis...46 4.2.5 Allophylus edulis...49 4.2.6 Lafoensia pacaria...54 4.2.7 Enterolobium contortisiliquum...57 4.2.8 Apuleia leiocarpa...61

(7)

4.3 Espécies exóticas...64 4.3.1 Acacia cavem...64 4.3.2 Calistemon speciosus...67 4.3.3 Cassia fistula...70 4.3.4 Eucalyptus grandis...73 4.3.5 Eucalyptus robusta...77 4.3.6 Eucalyptus saligna...79 4.3.7 Eucalyptus tereticornis...82 4.3.8 Delonix regia...84 4.3.9 Jacaranda mimosaefolia...88 4.3.10 Pinus elliottii...91 4.4 Considerações finais...95 5 CONCLUSÕES...96 6 REFERÊNCIAS BIBLIOGRÁFICAS...97 7 ANEXOS...104

(8)

vii RESUMO

DIAGNÓSTICO DAS ANÁLISES DE SEMENTES DE ESPÉCIES FLORESTAIS NATIVAS E EXÓTICAS

DO ESTADO DO RIO GRANDE DO SUL Autor: Fabiano de Oliveira Fortes

Orientador: Prof. Dr. Alessandro Lúcio Dal’Col

Data e local da defesa: Santa Maria, 19 de fevereiro de 2004.

Este trabalho teve por objetivos realizar um diagnóstico geral das análises de sementes coletadas na FEPAGRO – no Centro de Pesquisas Florestais e Conservação do Solo, Santa Maria, Rio Grande do Sul, com espécies nativas e exóticas, analisadas a partir de 1997, e agrupar, por espécie, as matrizes mais similares, utilizando as variáveis observadas em análises de sementes de espécies florestais. Para a análise de agrupamento, foram analisadas todas as espécies que possuiam mais de quatro análises por lote, sendo separadas em nativas e exóticas, pelo método completo hierárquico da distância euclidiana média padronizada, utilizando-se também a técnica de componentes principais para a redução do número de variáveis. Foram realizadas 1376 análises de 85 localidades, e a variável com menor número de medições, com 850 análises, foi a umidade. O gênero Schinus sp e as espécies nativas Cassia leptophulla, Pelthophorum dubium, Cedrela fissilis, Allophylus edulis, Lafoensi pacari, Enterolobium contortisiliquum, Apuleia leiocarpa foram as espécies encontradas com mais de quatro análises por lotes em que no terceiro e quarto componentes principais conseguiram explicar a variação existente. Já as espécies exóticas Cassia fistula, Callistemon speciosus, Acacia cavem, Eucalyptus grandis, Eucalyptus robusta, Eucalyptus saligna, Eucalyptus tereticornis, Delonix regia, Jacaranda mimosifolia e Pinus elliottii com duas e três componentes principais, já explicavam 80% da variação existente no conjunto de dados. A análise de agrupamento mostrou-se eficiente na separação dos grupos de todas as espécies testadas, assim como o método dos componentes principais quando se fez necessário.

(9)

viii ABSTRACT

ANALYSIS DIAGNOSTIC OF

NATIVE AND EXOTIC FOREST SPECIES SEEDS OF RIO GRANDE DO SUL

Author: Fabiano de Oliveira Fortes Adviser: Alessandro Dal’Col Lúcio

Date and Place of Defense: February, 19th, 2004 – Santa Maria. This work had the objectives of accomplishing a general diagnosis of the analyses of seeds collected in FEPAGRO - in the Center of Forest Researches and Conservation of the Soil, Santa Maria, Rio Grande do Sul, with native and exotic species, analyzed since 1997, and grouping, in species, the most similar ones, using the variables observed in analyses of forest species seeds. For the grouping analysis, all the species that possessed more than four analyses in a lot were analyzed, being separated in native and exotic, by the hierarchical complete method of the standardized Euclidian medium distance, being also used the technique of main components for the reduction of the number of variables. A number of 1376 analyses, from 85 places, was accomplished, and the humidity was the variable with the smallest number of measures, with 850 analyses. The gender Schinus sp and the native species Cassia leptophulla, Pelthophorum dubium, Cedrela

fissilis, Allophylus edulis, Lafoensi pacari, Enterolobium

contortisiliquum, Apuleia leiocarpa were the species found with more than four analyses in a lot, in which in the third and fourth main components explained the existent variation. As for the exotic species Cassia fistula, Callistemon speciosus, Acacia cavem, Eucalyptus grandis, Eucalyptus robusta, Eucalyptus saligna, Eucalyptus tereticornis, Delonix regia, Jacaranda mimosifolia e Pinus elliottii with two three main components, already explained 80% of the existent variation in the data group. The grouping analysis was shown efficient in the separation of the groups of all the tested species, as well as the method of the main components when it was necessary.

(10)

ix LISTA DE TABELAS

TABELA 1 - Caracterização geral sobre procedência, lote, número de análise, data de coleta e análises no Laboratório de sementes da FEPAGRO, Santa Maria, RS de 1997 até Fevereiro de 2003...25 TABELA 2 - Caracterização geral da pureza, peso de mil sementes

(PMS) e umidade, do Laboratório de sementes da FEPAGRO, Santa Maria, RS de 1997 até

Fevereiro de 2003...26 TABELA 3 - Números de coletas (NC) e de análise (NA) realizados

de 1989 a 2003, no Laboratório de sementes . da FEPAGRO, Santa Maria de 1997 até Fevereiro de 2003...27 TABELA 4 -Valores das estatísticas descritivas, número de

observações (N), mínimo e máximo, média e desvio padrão (DP) em relação as variáveis observadas em análises de sementes de espécies nativas e exóticas no período de 1997 a 2003 – FEPAGRO – Santa Maria – RS, 2004...28

TABELA 5 – Indicação das variáveis eliminadas após análise dos componentes principais...33

(11)

x

TABELA 6 - Contribuições (%) das variáveis observadas em análises de sementes na formação dos grupos, para cada espécies florestais estudadas, Santa Maria, RS – 2004...34

TABELA 7 – Médias dentro dos grupos de Schinus sp, (aroeira), quanto às variáveis que contribuíram

na análise de agrupamento...38

TABELA 8 – Médias dentro dos grupos de Cassia leptophylla, (falso - barbatimão), quanto às variáveis que

contribuíram na análise de agrupamento...41

TABELA 9 – Médias dentro dos grupos de Pelthophorum dubium, (canafístula), quanto às variáveis que

TABELA 10 – Médias dentro dos grupos de Cedrela fissilis, (cedro), quanto às variáveis que contribuíram

TABELA 11 – Médias dentro dos grupos de Allophylus edulis, (chal-chal), quanto às variáveis que contribuíram

TABELA 12 – Médias dentro dos grupos de Lafoensia pacari, (dedaleiro), quanto às variáveis que contribuíram

(12)

xi

TABELA 13 – Médias dentro dos grupos de Enterolobium contortisiliquum, (timbaúva), quanto às variáveis

que contribuíram na análise de agrupamento...60

TABELA 14 – Médias dentro dos grupos de Apuleia leiocarpa (grápia), quanto às variáveis que contribuíram na

análise de agrupamento...63

TABELA 15 – Médias dentro dos grupos de Acacia cavem (acácia), quanto às variáveis que contribuíram na análise

de agrupamento...66

TABELA 16 – Médias dentro dos grupos de Callistemon speciosus (calistemon), quanto às variáveis que contribuíram

TABELA 17 – Médias dentro dos grupos de Cassia fistula, ( cássia imperial ), quanto às variáveis que

TABELA 18 – Médias dentro dos grupos de Eucalyptus grandis, quanto às variáveis que contribuíram na

TABELA 19 – Médias dentro dos grupos de Eucalyptus robusta, quanto às variáveis que contribuíram na

(13)

xii

TABELA 20 – Médias dentro dos grupos de Eucalyptus saligna, quanto às variáveis que contribuíram na

TABELA 21 – Médias dentro dos grupos de Eucalyptus tereticornis, quanto às variáveis que contribuíram na análise

de agrupamento...83

TABELA 22 – Médias dentro dos grupos de Delonix regia, (flamboyantl), quanto às variáveis que contribuíram na análise de agrupamento...86

TABELA 23 – Médias dentro dos grupos de Jacaranda mimosaefolia (jacarandá mimoso), quanto às variáveis que contribuíram na análise de agrupamento...90

TABELA 24 – Médias dentro dos grupos de Pinus elliottii, quanto às variáveis que contribuíram na

(14)

xiii

LISTA DE FIGURAS

FIGURA 1 – Exemplo da distância euclidiana entre dois

objetos médio entre duas variáveis X e Y...14

FIGURA 2 – Dendrograma para o agrupamento das 16 matrizes e Schinus sp, (aroeira) com base nas variáveis observadas em análises de sementes de espécies Florestais, Santa Maria

– RS, 2004...36

FIGURA 3 - Dendrograma para o agrupamento das 14 matrizes de Cassia leptophylla (falso-barbatimão) com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...40

FIGURA 4 – Dendrograma para o agrupamento das 17 matrizes de Pelthophorum dubium (canafístula), com base nas variáveis coletadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...44

FIGURA 5 - Dendrograma para o agrupamento das 20 matrizes de Cedrela fissilis (cedro), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

(15)

xiv

FIGURA 6 - Dendrograma para o agrupamento das 12 matrizes de Allophylus edulis (chal-chal), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...51

FIGURA 7 - Dendrograma para o agrupamento das 17 matrizes de Lafoensia pacaria (dedaleiro), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...56

FIGURA 8 - Dendrograma para o agrupamento das 20 matrizes de Enterolobium contortisiliquum (timbaúva), com base nas variáveis observadas em análises de sementes de espécies florestais,

Santa Maria – RS, 2004...59

FIGURA 9 - Dendrograma para o agrupamento das 18 matrizes de Apuleia leiocarpa (grápia), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...62

FIGURA 10 – Dendrograma para o agrupamento das 11 matrizes de Acácia cavem (acácia), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

(16)

xv

FIGURA 11 – Dendrograma para o agrupamento das 44 matrizes de Callistemon speciosus, com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...68

FIGURA 12 - Dendrograma para o agrupamento das 13 matrizes de Cássia fistula (cassia), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...71

FIGURA 13 - Dendrograma para o agrupamento das 10 matrizes de Eucalyptus grandis , com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...75

FIGURA 14 - Dendrograma para o agrupamento das 18 matrizes de Eucalyptus robusta , com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...77

FIGURA 15 - Dendrograma para o agrupamento das 32 matrizes de Eucalyptus saligna , com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

(17)

xvi

FIGURA 16 - Dendrograma para o agrupamento das 17 matrizes de Eucalyptus tereticornis , com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...82

FIGURA 17 - Dendrograma para o agrupamento das 31 matrizes de Delonix regia (flamboyant), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...84

FIGURA 18 – Dendrograma para o agrupamento das 13 matrizes de Jacaranda mimosaefolia, com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...89

FIGURA 19 – Dendrograma para o agrupamento das 15 matrizes de Pinus elliottii (pinus), com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria

– RS, 2004...93

LISTA DE ANEXOS

ANEXO 1 – Lotes, local de coletas, tempo de armazenamento

(18)

1 INTRODUÇÃO

A importância da experimentação vegetal é atestada por pesquisadores de diferentes áreas, que a utilizam a fim de reduzir custos e desenvolver hipóteses desejadas para vários tipos de experimentos. Um dos principais objetivos da experimentação é a tomada de decisões a respeito das pesquisas realizadas com base em observações amostrais, ou melhor, a obtenção de conclusões válidas para futuras pesquisas.

A estatística experimental é considerada como a principal ferramenta para análise de dados e tem por princípio a consolidação de técnicas adequadas a diferentes tipos de experimentos. Porém, determinadas áreas da Engenharia Florestal, como a análise de sementes nativas, ainda são pouco exploradas. Além disso, publicações recentes têm demonstrado a falta de padrões para comparação dos resultados.

Com a maior rigorosidade das leis federais e estaduais no que se refere à fiscalização dos órgãos executivos quanto à reposição obrigatória de 25% da mata nativa nas propriedades rurais, a procura por sementes

de espécies nativas em viveiros florestais tem aumentado

consideravelmente. No entanto, os produtores compram sementes ou mudas de espécies florestais sem ter a garantia da qualidade do lote que estão comprando.

Existem normas para o controle de qualidade de sementes, porém a confiabilidade dos resultados já obtidos, tanto na coleta quanto na análise dos dados, é que deve ser questionada. Assim, deve-se realizar,

(19)

primeiramente, a pesquisa de base com o objetivo de saber a qualidade na descrição geral dos dados coletados para, posteriormente, estudar-se quais os níveis máximos e mínimos que determinadas espécies podem alcançar em suas progênies, em relação a variáveis como; percentagens de germinação, vigor, umidade, entre outras, que indicam a qualidade fisiológica e pureza qualidade física.

Sabendo-se da importância dos experimentos nesta área, principalmente de espécies nativas, que pouco são conhecido devido o seu desenvolvimento mais lento, e do retorno garantido, seja social ou econômico, foram selecionadas as espécies nativas e exóticas mais estudadas até fevereiro de 2003 no Laboratório de Sementes da Fundação Estadual de Pesquisas Agropecuária – FEPAGRO – localizado em Santa Maria – Rio Grande do Sul.

Os objetivos deste trabalho consistiram em realizar um diagnóstico geral das análises de sementes coletadas com espécies nativas e exóticas no Estado do Rio Grande do Sul, analisadas a partir de 1997 a Fevereiro de 2003, visando o controle de estoque de sementes com ganho de tempo e de material, e agrupar, por espécie, as matrizes mais similares, utilizando as variáveis observadas em análises de sementes de espécies florestais.

(20)

2 REVISÃO BIBLIOGRÁFICA

A experimentação é o princípio do estudo dos experimentos, isto inclui o seu planejamento, execução, análise dos dados obtidos e interpretação dos resultados.

A ciência estatística pode ser dividida basicamente em duas partes de acordo com Costa Neto (1995): a estatística descritiva, que se preocupa com a organização e descrição dos dados experimentais, e a estatística indutiva, que cuida da sua análise e interpretação.

Na estatística descritiva ou análise exploratória de dados, Moore (1995) comenta que é simplesmente a descrição do que vimos, e o primeiro passo para se entender um conjunto de dados é organizá-los e dispô-los, de modo a deixar os números “falarem por si”. O autor ainda recomenda duas estratégias básicas para organizarmos um conjunto de dados; a) analisar cada variável por si mesma e depois a relação entre as variáveis; b) os pontos de partida são os gráficos, depois resumos numéricos de aspectos específicos dos dados.

Já na estatística indutiva o objetivo é tirar conclusões sobre populações, com base nos resultados observados em amostras extraídas dessas populações (Costa Neto, 1995). O próprio termo “indutivo” decorre da existência de um processo de indução, isto é, um processo de raciocínio, em que partindo-se do conhecimento de uma parte, procura-se tirar conclusões sobre a realidade, no todo. É fácil perceber que um processo de indução não pode ser exato. Ao induzir, portanto, estar-se-á sempre sujeito a erro, e a estatística indutiva, entretanto, irá nos dizer até

(21)

que ponto poderemos estar errando em nossas induções, e com que probabilidades.

A qualidade de um experimento pode ser avaliada pela magnitude do erro experimental. Steel et al. (1997) definem este erro como sendo uma variação que ocorre de forma aleatória, entre unidades experimentais de um mesmo tratamento, onde a unidade experimental é a menor unidade de um experimento na qual é aplicado um tratamento. O erro é inevitável, no entanto, se forem conhecidas suas origens, pode-se contorná-lo e mantê-lo em níveis aceitáveis. Além disso, deve-se avaliar a qualidade de análise do experimento, verificando se as pressuposições do modelo matemático em questão estão sendo satisfeitas (Storck et al. 2000).

Em condicionantes da regressão estão três aspectos estatísticos importantes, que devem ser considerados, segundo recomendação de Schneider (1998): o primeiro aspecto diz respeito ao planejamento da coleta de dados, que consiste em distribuir um certo número de amostras por classe de variável independente, a fim de se obter uma boa precisão no ajuste das equações; o segundo aspecto relaciona-se a escolha do modelo. Isso é mais um problema de lógica do que propriamente um problema estatístico e, por isso depende muito da experiência do pesquisador. Por exemplo, em se tratando de crescimento, sabe-se a “priori” que a curva deve passar pela origem, tem um ponto de inflexão e assíntota. Quando não se conhece nada a respeito do modelo é recomendado o processo de regressão múltipla, passo a passo para

(22)

proceder a escolha; o terceiro aspecto, refere-se à verificação das condições a serem cumpridas para a análise de regressão, que são: aditividade, homogeneidade entre as variâncias, independência e normalidade.

Se estas exigências não forem satisfeitas a análise paramétrica como o teste F e os testes de comparação múltipla de média, ficam prejudicadas podendo levar a falsas conclusões. Se as distorções forem significativas deve se preferir a análise não paramétrica (Campos, 1983) ou transformar os dados em uma nova escala (transformação raiz quadrada, logarítmica, arcoseno e outras) para que o modelo obedeça as pressuposições do modelo matemático (Markus, 1974).

Os testes chamados não paramétricos se referem a outros aspectos que não os parâmetros em si. Esses testes podem ser úteis em diversos casos e as vezes podem ser usados como alternativa a algum teste paramétrico, quando verificamos a boa ou má aderência dos dados da amostra ao modelo. Costa Neto (1995) comenta que o método de Kolmogorov Smirnov foi desenvolvido para testar a aderência, em que a variável de teste é a maior diferença entre a função de distribuição acumulada do modelo e a da amostra. A função de distribuição acumulada do modelo testado, ou em função da repartição, dá as probabilidades acumuladas em cada ponto.

Para saber se é razoável pressupor que os erros têm distribuição normal de média zero e variância um, o pesquisador pode fazer uma análise dos resíduos. E para calcular os resíduos:

(23)

eij = Yij - ŷi

A verificação destas pressuposições, para os resultados de um experimento, é conhecida como “análise de resíduos” que avalia a qualidade dos experimentos.

Em análise de regressão a plotagem dos resíduos é de suma importância para modelagens de equações, pois é graficamente que podemos ver se o modelo esta sub ou superestimando os valores (Schneider, 1998).

Segundo Vieira (1999) esta análise de resíduos é extremamente útil, mas é gráfica. Isto significa que não se pode associar um nível de probabilidade à conclusão de que a distribuição dos erros não é normal. Mas a pressuposição de normalidade pode, se for o caso, ser transformada em hipótese, e essa hipótese pode ser colocada em teste.

A comparação de médias é feita após a análise de variância pois se a estatística F não for significativa em nível α de erro não tem explicação fazer a comparação, por que todas as médias não diferem estatisticamente.

O pesquisador pode decidir que só compara médias se o valor de F for significativo a determinado nível. Nesse caso, diz-se que o método usado para a comparação de médias é protegido. Mas esse também pode decidir que compara as médias, qualquer que seja o valor do teste F. Neste caso, diz-se que o método para comparação de médias é não-protegido (Costa Neto, 1995).

(24)

Na escolha do método adequado para comparar médias exige, ainda, que se leve em consideração tanto o nível de significância como o poder do teste. O nível de significância de um teste é a probabilidade de rejeitar a hipótese de que as médias sejam iguais, quando esta hipótese é, na realidade, verdadeira. Já o poder do teste é a probabilidade de rejeitar hipótese de que as médias são iguais quando esta hipótese é falsa, segundo Costa Neto (1995).

Banzatto & Kronka (1995) apuraram que ao tomarmos a decisão de rejeitar ou aceitar uma hipótese estamos sujeitos a incorrer em dois tipos de erros: Erro do tipo I: é o erro que cometemos ao rejeitar uma hipótese verdadeira, que deveria ser aceita. Erro do tipo II: é o erro cometido ao aceitar uma hipótese falsa, que deveria ser rejeitada.

Storck & Lopes (1997) afirmam que quanto maior o número de restrições na casualização, menor será o número de graus de liberdade associados ao erro experimental, e se esta restrição não é eficiente no sentido de reduzir a variância do erro experimental, pode haver perda de eficiência do experimento. Portanto a restrição, conhecida como controle local, só deve ser usada quando efetivamente necessária.

Steel et al. (1997) citam três maneiras de controle do erro experimental e por conseqüência, a redução dos coeficientes de variação e de precisão, resultando em maior precisão experimental. A primeira, através do delineamento experimental, consiste no planejamento do experimento visando o controle da variação natural que ocorre na área experimental. A segunda maneira de controle do erro experimental está

(25)

baseada no uso de observações concomitantes. Com o auxílio destas, é realizada a análise de covariâncias em experimentos com tratamentos de efeito fixo em que a variável dependente principal (Y) é afetada por uma ou mais variáveis dependentes secundárias (X1, X2,...). A terceira maneira está relacionada com o tamanho e forma das parcelas onde em geral, deve-se ter o menor tamanho da parcela, compatível, com os tratamentos, e o maior número de repetições.

Pimentel Gomes (1994) relata que o aumento do número de repetições é o método geral e eficiente para aumentar a precisão dos experimentos, mas acarreta maiores custos.

Para se avaliar a magnitude do erro experimental existem várias estatísticas disponíveis e algumas delas já são fornecidas automaticamente, ao se dispor de softwares estatísticos para análise de dados provenientes de experimentos. A mais comumente utilizada é o coeficiente de variação (CV%), cuja estimador é:

m QMe CV ˆ * 100 % =

onde QMe = Quadrado Médio do erro e mˆ = média geral do experimento para a variável estudada. Ele permite comparar o erro, também chamado resíduo, de experimentos semelhantes, possibilitando assim avaliar a precisão dos mesmos (Estefanel et al. 1987).

Contudo o CV% não tem boas propriedades estatísticas. Se as escalas usadas nas avaliações não forem racionais ou, mesmo sendo racionais, se existirem valores negativos esta estimativa sofre restrições em seu uso (Estefanel et al. 1987). Essa estatística permite comparações

(26)

entre variáveis de natureza distintas e fornece uma idéia de precisão dos experimentos segundo Garcia (1989). A princípio considera-se que quanto menores os CV% mais homogêneos serão os dados.

O CV% tem a vantagem de permitir a comparação da precisão entre experimentos sem a necessidade de igualdade de unidades (Amaral et al. 1997). Porém o número de repetições influi nos valores destes, sobretudo pelo fato de que, mesmo havendo um experimento com o coeficiente de variação maior em relação a outro, que possui menor número de repetições, quando comparado àquele com CV% maior, seria considerado mais preciso (Pimentel Gomes, 1991). O autor sugere como alternativa a utilização do índice de variação (IV%), que é a relação entre o CV% e a raiz quadrada do número de repetições.

Storck & Lúcio (1999), em classificação de experimentos de competição de cultivares quanto à precisão, mostraram que em grupos com manejos semelhantes e com uma certa padronização, há uma normalidade, e uma boa correlação quanto à aderência na distinção das estatísticas CV% e diferença mínima significativa em percentagem da média (DMS%).

A relação DMS% e CV% dependem do número de repetições do valor tabelado para teste tukey o qual depende de cultivares e de graus de liberdade do erro (GLe). Este por sua vez depende do número de repetições e número de cultivares de delineamento, cujos valores são variados (Storck & Lúcio, 1998).

(27)

Lúcio (1997) em análises estatística da DMS% obtida pelo delta de Tukey, quando comparada com os limites das classes previamente estabelecidos, afirma que está é uma estatística adequada para o controle de qualidade.

O controle estatístico da qualidade de acordo com Bravo (1995) se divide em controle da produção e inspeção da qualidade. O controle da produção é exercido durante o processo produtivo com o objetivo de manter a qualidade de produto satisfazendo as especificações de produção. Os principais dispositivos para controle da produção são os gráficos de controle que são procedimentos adotados com objetivo de indicar de forma simples e eficiente, um eventual descontrole no funcionamento do processo.

Não se podem obter boas decisões sobre qualidade sem boas informações. Bons dados precisam ser coletados e interpretados corretamente, isso é estatística segundo Guedes (2002): coletar dados da forma mais eficiente, preferivelmente por experimentos planejados de forma apropriada e analisar dados corretamente, sendo posteriormente comunicado os resultados aos usuários para que decisões corretas sejam tomadas, sendo que o objetivo principal no controle estatístico de processo é reduzir cada vez mais a variabilidade.

Dentro os métodos fundamentados em modelos biométricos, que se destinam à avaliação da diversidade dos progenitores, Cruz & Regazzi (1997) citam as análises dialélicas, onde se avalia tanto a capacidade específica quanto a heterose manifestada nos híbridos. Esses autores

(28)

ainda comentam que na predição da divergência genética, vários métodos multivariados podem ser aplicados, como a análise de componentes principais por variáveis e os métodos aglomerativos, dependendo da precisão do pesquisador e facilidade da análise e pela forma como os dados foram obtidos.

O uso de técnicas de agrupamento pode ser feito nos casos uni e multivariados, entretanto, no caso univariado, se torna obvio e pode ser substituído por outros procedimentos mais simples (Alves, 1999).

Oliveira & Padovani (2001) explicam que algumas técnicas multivariadas são extensões de técnicas utilizadas na análise univariada, a análise de variância simples (ANOVA), que tem como contrapartida multivariada a análise de variância multivariada (MANOVA). Eles ainda destacam que a MANOVA não é simplesmente uma junção de várias ANOVA pois a estrutura de erros envolvida na multivariada leva em consideração não só a variabilidade dentro das variáveis, mas também a variação entre variáveis.

Já Oshiiwa & Padovani (2002), em trabalho de uso de procedimentos estatísticos univariado e multivariado, afirmam que se o objetivo do pesquisador é obter conclusão conjunta envolvendo duas ou mais variáveis, o procedimento de análise multivariada é o mais indicado por considerar um nível de significância conjunto real, diferentemente do que ocorre na conclusão conjunta de várias análises univariadas.

Kendall (1972) vê a análise multivariada como a relação entre a análise estatística com a preocupação da relação entre os conjuntos de

(29)

variáveis dependentes, e Hair et al. (1998) explica que é onde se analisa duas ou mais variáveis simultaneamente.

A técnica classificatória multivariada da análise de agrupamentos (Cluster Analysis) pode ser utilizada quando se deseja explorar as similaridades entre indivíduos ou entre variáveis (Landim, 2000). É uma técnica de classificação de variáveis ou objetos semelhantes dentro de grupos ou agrupamentos. Os resultados da análise de agrupamento são agrupados na forma hierárquica e resumidos em uma estrutura chamada dendrograma (Ludwing & Reynolds, 1988).

O uso de técnicas de agrupamento é especialmente útil nas pesquisas exploratórias nas quais é feita a coleta de dados não pertencentes, “a priori” a grupos distintos de acordo com Alves (1999).

Assim, a análise de agrupamento é o nome dado a grupos de técnicas multivariadas que têm por objetivo fazer grupos baseados em características de similaridade ou dissimilaridade entre observações (Gnanadesikan, 1977; Cruz & Regazzi, 1997; Johnson & Wicherns, 1998; Hair et al. 1998). Tudo com a finalidade de reunir, por algum critério de classificação os progenitores, ou qualquer outro tipo de unidade amostral, em vários grupos de tal forma que exista homogeneidade dentro do grupo e heterogeneidade entre grupos, mas de acordo com Gnanadesikan (1977) a questão crucial do agrupamento é encontrar grupos de n unidades (Objetos, unidades experimentais, espécies etc...) e formar grupos similares.

(30)

O método por agrupamento hierárquico é, dentre vários existentes, o comumente usado, onde a partir da matriz inicial de dados, obtém-se uma matriz simétrica de similaridades e inicia-se a detecção de pares de casos com a mais alta similaridade, ou as mais baixa distâncias entre dois objetos (Landim, 2000).

Uma vez que temos a medida de semelhança (distância euclidiana, por exemplo), temos que desenvolver um procedimento para formar grupos. E este pode ser o procedimento hierárquico porque se avança um passo para formar um alcance inteiro de soluções de agrupamentos, e também aglomerativo porque agrupamentos são formados pela combinação de agrupamentos existentes (Hair et al.1998).

Os métodos aglomerativos, segundo Johnson & Wicherns (1998) diferem dos demais em razão de dependerem fundamentalmente de medidas de dissimilaridade estimadas previamente como a distância Euclidiana ou a distância Mahalanobis, dentre outras.

Em medidas de dissimilaridades ou similaridade como a Distância Euclidiana (Cruz & Regazzi, 1997) sendo Xij a observação no i-ésimo progenitor (i=1, 2,...p) em referências ao j-ésimo caráter (j=1, 2,...n) estudado define-se a Distância Euclidiana entre dois progenitores e ou objetos i e i’

Na distância euclidiana parte-se do pressuposto que os caracteres estudados são independentes, porém algumas vezes existe um certo grau de correlação entre as variáveis. Quando estas não são totalmente independentes devemos usar a distância generalizada de Mahalanobis

(31)

(1936), onde as coordenadas do progenitor Pi’ dados por (Xi1 , Xi2) devem ser substituídos por (Yi1, Yi2) por ser de mais fácil medição no eixo das coordenadas em relação as abscissas.

FIGURA 1- Exemplo da Distância Euclidiana entre dois objetos médios entre duas variáveis X e Y.

Porém, para se fazer análise com um número reduzido de variáveis é utilizada a análise de componentes principais (Analysis Principal Components), com o objetivo de facilitar o estudo das relações existentes entre as variáveis e, na dispersão das observações, detectar os componentes responsáveis (Longhi, 1997).

A análise de componentes principais depende somente da matriz de covariância ou da matriz de correlação de X1,..Xp. As componentes principais são as combinações lineares Y1,...,Yp não correlacionadas, cujas variâncias são as maiores possíveis.

Embora p componentes sejam necessários para reproduzir a variabilidade total existente, Johnson & Wicherns (1998) mostram que algumas vezes explica-se a variação com um número reduzido k de componentes principais. Isto acontece quando elimina-se as variáveis que

(32)

pouco contribuem na variação, ficando somente as que realmente contribuem para a variação total.

Aplicação da técnica dos componentes principais, em

experimentos em blocos completamente casualizados, multivariados, feito por Oliveira & Padovani (2001) em dois casos testados, mostrou-se eficiente no caso onde o primeiro componente principal conseguiu reter 98,84% da variabilidade.

Leite (2001) estudando em análise de agrupamento a diversidade

genética, morfométrica e potencial germinativo de Syagrus

romanzoffiana, mostrou-se eficiente usando o agrupamento das matrizes de acordo com a origem de coleta do material vegetal.

Usando a análise de agrupamento em árvores matrizes de Eucalyptus grandis em função das variáveis dendrométricas e das características tecnológicas da madeira, Lopes (2003) classificou as árvores avaliadas em grupos distintos onde encontrou 88,9% de classificação correta.

Longhi (1997) em análise de agrupamento baseada em matriz de similaridade quantitativa revelou um potente método de estratificação de florestas naturais. Já Messetti & Padovani (2000) encontraram robustez e consistência na utilização da análise de agrupamento no estudo da divergência genotípica de girassol (Helianthus annuus L.), onde constataram que os empregos das análises multivariadas são eficientes e instrumentos indispensáveis às pesquisas genéticas.

(33)

Os levantamentos de estatísticas agrícolas, levados a efeito sob o ponto de vista institucional, permitem elaborar uma estrutura de dados a partir da qual são possíveis análises setoriais (Igreja et al. 1988). Os agrupamentos de culturas, segundo os graus de tecnologia, instrumento de política agrícola e segmentação das atividades em mercados externo e interno têm sido analisados ao longo dos anos por instituições e autores diversos, visando contribuir para o debate referente à questões como: a modernização, política agrícola; e causas de mudança na composição da produção.

O germoplasma é, segundo Goedert et al. (2002), o elemento dos recursos genéticos que maneja a variabilidade genética entre e dentro das espécies, com fins de utilização para a pesquisa em geral, especialmente para o melhoramento genético, inclusive a biotecnologia.

Barros (2002) afirma que produzir sementes, alguns produzem, mas as de alta qualidade requerem conhecimento e tecnologia. O autor ainda comenta que semente de qualidade só é produzida e comercializada por pessoas qualificadas, e por isso atualmente alguns produtores, estão procurando empresas que tenha a ISO 9002.

Para Wetzel & Camargo (2003), a Associação Brasileira de Normas Técnicas (ABNT) conceitua a certificação como sendo um “conjunto de atividades desenvolvidas por organismo independente de relação comercial com o objetivo de atestar publicamente, por escrito, que determinado produto, processo ou serviço está em conformidade com os requisitos específicos”.

(34)

O sistema de certificação de sementes, segundo esses autores seguem os princípios gerais da certificação, ou seja; da normalização com o estabelecimento de procedimentos, normas técnicas e padrões de qualidade; da inspeção de todas as fases da produção, incluindo armazenagem; e identificação dos lotes de sementes ou rotulagem.

Na embalagem vai a identificação das sementes constando, entre outras características: o nome do produtor, a espécie, a cultivar e/ou híbrido, o peso e a qualidade física (pureza) e fisiológica (germinação). As sementes são colocadas em embalagem para separá-la em lotes, facilitando sua identificação e individualização (Peske, 2003). O autor ainda lembra que o lote é constituído por sementes com atributos de qualidade similares, o que é muito importante porque possibilita que a amostragem realmente represente os lotes inteiros de sementes. A dificuldade de se avaliar qualquer componente da qualidade de um lote está intimamente relacionada aos problemas e amostragem (Vieira & Carvalho, 1994).

Um lote de semente que germinasse 80% em 10 dias era considerado da mesma qualidade de um lote de sementes da mesma espécie que germinasse 80% em 6 dias (Delouche, 2002). Assim começou-se a estudar a germinação a deterioração e o vigor das sementes devido à existência de diferenças significativas na velocidade de germinação e no crescimento de plântulas entre lotes da mesma espécie de semente.

(35)

Entre os componentes da qualidade de sementes o conceito público reflete no fato de que para muitos laboratórios de análise de sementes, entre 80 a 90% de todas as análises solicitadas são de pureza e germinação (Hampton, 2001). O teste de germinação é empregado rotineiramente para avaliar a qualidade de sementes (Machado, 2002). A germinação de sementes, em testes de laboratório, é a emergência das estruturas essênciais do embrião, demonstrando sua aptidão para produzir planta normal sob condições favoráveis de campo (Brasil, 1992).

Por outro lado, o excesso de umidade, em geral, provoca decréscimo na germinação, e Nassif (1998) constatou que, isso impede a penetração do oxigênio e reduz todo o processo metabólico resultante.

A germinação é uma seqüência de eventos fisiológicos influenciada por fatores externos (ambientais) e internos (dormência, inibidores e promotores da germinação) à semente. Cada fator pode atuar por si ou em interação com os demais (Nassif, 1998). Em síntese, tendo-se uma tendo-semente viável em repouso, por quiescência ou dormência, quando são satisfeitas umas séries de condições externas (do ambiente) e internas (intrínsecas do indivíduo), ocorrerá o crescimento do embrião, o qual conduzirá à germinação. Por isso, do ponto de vista fisiológico, germinar é simplesmente sair do repouso e entrar em atividade metabólica.

A percentagem de plântulas normais obtidas nos testes de germinação representa o máximo que a amostra pode oferecer, uma vez

(36)

que o teste é conduzido em condições ótimas, artificiais e padronizadas para cada espécie avaliada (Machado, 2002).

Oliveira et al. (1987) em estudos silviculturais integrados de espécies florestais de valor econômico e ecológico encontraram para Cedrela fissilis 76,4% germinação e 84% de pureza, para Pelthophorum dubium 38,3% germinação com 92% de pureza e Enterolobium contortisiliquum 70% de germinação e 98% de pureza.

Mais tarde Durigan et al. (2002) na cultura do cedro (Cedrela fissilis Vell.) encontrou a percentagem de germinação geralmente ultrapassando 80%, já na timbaúva (Enterolobium contortisiliquum (Vell.) pode se aproximar de 100%, no angico (Parapiptadenia rigida (Benth.) Brenan) é superior a 80%, na canafístula (Pelthophorum dubium (Spreng.) Taub.) a percentagem de germinação fica entre 80 a 90% e na aroeira (Schinus terebinthifolius Raddi) gira em torno de 80% a percentagem de germinação).

De acordo com as Regras para Análise de Sementes (Brasil, 1992), os tipos sementes firmes, plântulas anormais e sementes mortas são: as sementes firmes as que permanecem sem absorver água por um período mais longo que o normal e se apresentam por tanto no final do teste com aspecto de sementes recém colocadas no substrato, normalmente o motivo é impermeabilidade do tegumento das sementes à água, seria um tipo especial de dormência. Nesta categoria ainda tem as sementes dormentes que embora aparentemente viáveis não germinam, mas são capazes de absorver água e intumescem, mas não germinam nem

(37)

apodrecem até o final do teste. Já as plântulas anormais são aquelas que não mostram potencial para continuar seu desenvolvimento e dar origem a plantas normais, sendo dividida em plântulas danificadas, deformadas e deterioradas. As sementes mortas são as que no final do teste não germinaram, não estão duras, nem dormentes, e geralmente, apresentam-se amolecidas e atacadas por microorganismos.

Segundo Goedert et al. (2002) muitos dos recursos genéticos que podem ser vitais para o futuro de várias espécies estão hoje ameaçados de extinção ou podem ter sido perdidos para sempre. Como uma das causas mais freqüentes para este fenômeno, pode-se apontar a substituição de variedades locais por variedades modernas.

Os tecnologistas de sementes florestais, de acordo com Cardoso et al.(1998), têm encontrado sérias dificuldades no estabelecimento de condições e técnicas adequadas para os diferentes tipos de sementes, devido à grande variação bio-morfológica que estas apresentam em espécies nativas, devido a grande diversidade. Esta grande diversidade na morfologia dos frutos e sementes de espécies florestais nativas e exóticas tem comprometido e, muitas vezes, causado muita insegurança quanto à confiabilidade dos resultados obtidos. O conhecimento de como os fatores ambientais influenciam a germinação das sementes é de extrema importância, pois assim, eles poderão ser controlados e manipulados de forma a otimizar a percentagem, velocidade e uniformidade de germinação, resultando na produção de mudas mais vigorosas para plantio e minimização dos gastos (Nassif, 1998).

(38)

3 MATERIAL E MÉTODOS

3.1 Caracterização Geral

Foi utilizado o banco de dados de sementes florestais nativas e exóticas analisadas a partir de 1997, da Fundação Estadual de Pesquisas Agropecuária - FEPAGRO – do Centro de Pesquisas Florestais e Conservação do Solo, em Santa Maria, Rio Grande do Sul. Alguns lotes são anteriores a 1997, porém somente os analisados a partir desta data foram selecionados, e as variáveis coletadas foram:

a) Espécie; b) Procedência;

c) Lote e número da análise; d) Data da coleta;

e) Data da análise;

f) Análise de Pureza (%);

g) Peso de Mil Sementes (PMS) em gramas; h) Umidade (%);

i) Percentagem de plântulas normais (PPN); j) Percentagem de plântulas anormais (PPA); k) Percentagem de sementes firmes (PSF); l) Percentagem de sementes mortas (PSM);

(39)

Nas espécies Eucalyptus grandis, E. robusta, E. saligna, E. tereticornis e Callistemon citrinum (Calistemon), é contabilizado, o número de sementes germinadas em 0,10g.

3.2 Análises estatísticas

Com as espécies que apresentaram quatro ou mais análises por lote, foi primeiramente realizada a análise de componentes principais (Analysis Principal Components) na qual as p variáveis originais (X1, X2,...Xp) foram transformadas em p variáveis (Y1,Y2,...Yp) denominadas componentes principais, de modo que Y1 é aquela que explica a maior parcela da variabilidade total dos dados, Y2 a segunda maior parcela e assim sucessivamente, segundo Barroso & Artes (2003), objetivando reduzir a dimensionalidade dos dados, obter combinações interpretáveis das variáveis e descrever e entender sobre a estrutura de correlação das variáveis.

O critério utilizado foi o de escolher as componentes que explicavam aproximadamente 80% das variações existentes e, após este passo, eliminar as variáveis que possuíam menos poder de explicação nas primeiras componentes e maior nas últimas.

Feita a análise de componentes principais, com o intuito de selecionar as variáveis que realmente contribuem mais significativamente para a constituição das matrizes, realizou-se a análise de agrupamento pelo método hierárquico aglomerativo (Hierarchical Clustering

(40)

Methods), no qual, num primeiro passo, a matriz de parecença foi utilizada para identificar o par de objetos que mais se parece. A partir desse instante, esse par foi agrupado e considerado como sendo um único objeto, redefinindo-se nova matriz de parecença e, em seguida, identificando-se o par mais semelhante, que formará um novo grupo, e assim, sucessivamente, até que todos os objetos estejam reunidos num mesmo grupo.

Pelo método do vizinho mais longe (Complete Linkage Method) definiu-se a distância como sendo a maior entre um elemento de d1 e um elemento de d2 através da distância Euclidiana. A escolha desse método foi devido ao fato de este fornecer grupos mais homogêneos, favorecendo a discussão e a interpretação dos resultados obtidos.

Para contornar o problema de escalas e medidas dos caracteres diferentes, foram utilizados dados padronizados ou estandartizados e, para contornar a influência do número de caracteres, utilizou-se a distância Euclidiana média, descrita por Cruz & Regazzi (1997) como:

xij = ) ( Xj DP Xij ,

em que DP(Xj) é o desvio-padrão dos dados do j-ésimo caráter, então

(

)

∑

− = j j xi xij n dii' 1 ' 2

é a distância Euclidiana média baseada em dados padronizados e n o número de caracteres analisados.

(41)

Para cada espécie, foram calculadas as estatísticas de tendência central – média - (mˆ ) e de dispersão – Desvio padrão ( DP ) pelas

equações: n xi mˆ =

∑

1 ) ˆ ( 2 − − = n m xi DP ,

onde: i = 1, 2, 3, ...,n; xi = valores observados em cada amostra.

O procedimento básico de todos os métodos aglomerativos de agrupamento é similar. Eles partem da construção de uma matriz de dissimilaridade entre as unidades operacionais e finalizam num dendrograma (diagrama de árvore).

Para a formação dos grupos, optou-se por definir a percentagem de 70% de parecença. Após a definição dos grupos, foi estimado, dentro de cada grupo e cada espécie a média, as forma comparadas em nível 5% de significância.

Nas análises, foi utilizado o software estatístico SAEG, versão 8.1 (Ribeiro Jr, 2001).

(42)

4.1 Caracterização geral

Realizou-se no Laboratório de Sementes Florestais da Fepagro de Santa Maria, de 1997 até fevereiro de 2003, 1376 (100%) análises de sementes, provenientes de 85 localidades, sendo que, em 1364 (99,12%) análises, foram especificadas as procedências (Tabela 1).

As análises realizadas estão distribuídas em 576 lotes de 1369 (99,49%) análises, sendo que 7 (0,51%) não possuíam identificação do lote. Quanto às datas de coleta e de análise, 1369 (99,56%) e 1352 (98,25%) foram registradas, respectivamente. Portanto análises sem registros de informações não puderam ser utilizadas no estudo.

TABELA 1 - Caracterização geral sobre procedência, lote, número de análise, data de coleta e análises no Laboratório de sementes da FEPAGRO, Santa Maria, RS de 1997 até Fevereiro de 2003.

Com registro Sem registro

Itens N° análises % N° análises %

Procedência 1364 99,12 12 0,88 Lote 1369 99,49 7 0,51 Análise n° 1370 99,56 6 0,44 Data da coleta 1369 99,49 7 0,51 Data da análise 1352 98,25 24 1,75 Total 1376 100 -- --

(43)

O total de espécies nativas e exóticas foi de 124, sendo que, com mais de 4 análises em 7 anos, esse número diminuiu para 37 (29,8%) espécies, indicando que aproximadamente a terça parte do número de espécies tem uma seqüência de registro no arquivo de dados.

Do universo das análises coletadas, 1039 (75,5%) foram feitas quanto à pureza e peso de mil sementes (PMS). Os gêneros Eucalyptus spp, Calistemon sp e Tabebuia sp não são analisados quanto a essas variáveis (Tabela 2).

Em relação à umidade, que é uma das variáveis mais importantes na qualidade de sementes, foram avaliadas 850 (61,7%) amostras, o que demonstra ser um número bastante baixo para uma variável que deve ser analisada em todos os lotes.

TABELA 2 - Caracterização geral sobre pureza, peso de mil sementes (PMS) e umidade, do Laboratório de sementes da FEPAGRO, Santa Maria, RS de 1997 até Fevereiro de 2003.

Com registro Sem registro

Itens N° análises % N° análises %

Pureza (%) 1039 75,5 337 24,5

PMS (g) 1039 75,5 337 24,5

Umidade (%) 850 61,7 526 38,3

No ano de coleta e data de análise, referente ao período de 1997 a 2002, começou uma padronização no número de coletas ano (mesmo esse

(44)

fator sendo bastante afetado pelos recursos disponíveis na instituição e época de floração das árvores) e na data de análise, embora o ano de 2002 tivesse um número reduzido de coletas/ano e na data de análise (Tabela 3).

TABELA 3 - Números de coletas (NC) e de análise (NA) realizados de 1989 a 2003, no Laboratório de sementes da FEPAGRO, Santa Maria de 1997 até Fevereiro de 2003.

Ano 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03*

NC 3 3 5 5 6 12 18 32 67 68 51 68 50 46 3

NA - - - 98 110 115 117 135 85 25

*Até 6 de fevereiro 2003.

O maior número de análises deu-se no ano de 2001, e o menor em 2002. Quanto ao número de coletas, nos anos 1998 e 2000, realizou-se o maior número de coletas a campo.

O gênero Schinus sp (aroeira) e as espécies nativas Cassia leptophylla (falso barbatimão), Pelthophorum dubium (canafístula), Cedrela fissilis (cedro), Allophylus edulis (chal-chal), Lafoensia pacari (dedaleiro), Enterolobium contortisiliquum (timbaúva) e Apuleia leiocarpa (grápia) foram às espécies encontradas com mais de quatro análises por lote, assim como as espécies exóticas Cassia fistula (cassia imperial), Callistemon speciosus, Acacia cavem (acácia), E.grandis, E.robusta, E.saligna, E.tereticornis, Delonix regia (flamboyant), Jacaranda mimosaefolia (jacarandá mimoso) e Pinus elliottii (Tabela 4).

(45)

TABELA 4 - Valores das estatísticas descritivas, número de observações (N), mínimo e máximo, média e desvio padrão (DP) em relação as variáveis observadas em análises de sementes de espécies nativas e exóticas no período de 1997 a 2003 – FEPAGRO - Santa Maria – RS, 2004.

Espécies Nativas

Variáveis N mínima máxima média DP

Schinus sp (aroeira) Pureza (%) 16 94,21 98,98 97,67 1,44 PMS (g) 16 15,62 43,04 25,25 10,38 Umidade (%) 16 7,11 15,44 11,08 2,02 Gnormal (%) 16 6,00 85,75 46,18 20,21 Gfirmes (%) 16 0,00 71,50 5,79 18,09 Ganormal (%) 16 0,00 0,00 0,00 0,00 Mortas (%) 16 12,50 94,00 48,01 21,78

Cassia leptophylla Vogel (Falso-Barbatimão)

Pureza (%) 14 97,58 100,00 99,49 0,64 PMS (g) 14 116,12 169,80 137,95 12,92 Umidade (%) 14 9,58 14,86 11,66 1,45 Gnormal (%) 14 30,00 82,00 59,07 16,38 Gfirmes (%) 14 0,00 6,50 0,68 1,85 Ganormal (%) 14 0,00 0,00 0.00 0.00 Mortas % 14 18,00 70,00 40,25 16,33 TABELA 4 – Continuação…

(46)

Espécies Nativas

Variáveis N mínimo máximo média DP

Pelthophorum dubium (Spreng.) Taub. (Canafístula)

Pureza (%) 17 99,14 99,99 99,78 0,14 PMS (g) 17 46,56 61,75 49,80 2,02 Umidade (%) 15 7,819 11,03 9,42 0,94 Gnormal (%) 17 60,00 95,50 82,48 8,93 Gfirmes (%) 17 0,00 2,25 0,12 0,40 Ganormal (%) 17 0,00 2,00 0,28 0,72 Mortas (%) 17 0,00 40,00 17,10 9,25

Cedrela fissilis Vell. (Cedro)

Pureza (%) 20 63,58 94,06 83,79 8,78 PMS (g) 20 20,65 39,95 31,42 3,45 Umidade (%) 15 6,70 13,57 9,32 1,64 Gnormal (%) 20 68,00 96,50 83,73 8,51 Gfirmes (%) 20 0,00 4,00 0,63 1,23 Ganormal (%) 20 0,00 0,00 0.00 0.00 Mortas (%) 20 3,50 32,00 15,60 8,67

Allophylus edulis (A. St. –Hil.et al.) Radlk (Chal-Chal)

Pureza (%) 12 96,40 99,64 98,20 1,11 PMS (g) 12 27,47 48,96 36,47 7,00 Umidade (%) 03 8,29 13,93 10,23 3,19 Gnormal (%) 12 0,00 79,50 35,04 30,66 Gfirmes (%) 12 0,00 96,75 10,08 27,45 Ganormal (%) 12 0,00 97,00 8,10 27,99 Mortas (%) 12 3,00 100 46,77 32,99

Lafoensia pacari St. Hil. (Dedaleiro)

Pureza (%) 17 75,4 98,76 92,20 5,71 PMS (g) 17 12,23 19,15 15,32 2,31 Umidade (%) 04 9,64 12,50 10,73 3,12 Gnormal (%) 17 9,00 92,00 71,91 19,80 Gfirmes (%) 17 0,00 22,50 2,97 6,23 Ganormal (%) 17 0,00 0,00 0.00 0.00 Mortas (%) 17 8,00 91,00 25,11 19,23 TABELA 4 – Continuação…

(47)

Espécies Nativas

Variáveis N min máx média DP

Enterolobium contortisiliquum (Vell.) Morong (Timbaúva)

Pureza (%) 20 97,55 100 99,73 0,567 PMS (g) 20 176,32 270,83 221,69 29,97 Umidade (%) 20 5,72 19,73 9,06 3,60 Gnormal (%) 20 63,00 99,00 93,80 3,64 Gfirmes (%) 20 0,00 1,50 0,05 0,153 Ganormal (%) 20 0,00 2,00 0,2 0,523 Mortas (%) 20 1,00 35,5 5,95 3,475

Apuleia leiocarpa (Vogel) J. F. Macbr. (Grápia)

Pureza (%) 17 88,09 99,81 97,11 3,98 PMS (g) 16 72,40 106,44 96,49 10,78 Umidade (%) 08 8,02 12,76 10,64 1,54 Gnormal (%) 17 10,00 96,50 74,62 28,40 Gfirmes (%) 17 0,00 4,00 0,25 0,70 Ganormal (%) 17 0,00 8,00 0,35 0.73 Mortas (%) 17 3,50 90,00 25,12 27,94 Espécies Exóticas Acacia cavem (Mol.) Mol. (Acácia)

Pureza (%) 11 98,28 99,94 99,41 0,64 PMS (g) 11 32,03 37,82 34,37 2,45 Umidade (%) 11 6,68 9,13 8,10 0,79 Gnormal (%) 11 3,75 88,25 75,97 6,43 Gfirmes (%) 11 0,00 89,25 8,25 8,29 Ganormal (%) 11 0,00 0,00 0.00 0.00 Mortas (%) 11 5,00 53,15 15,72 6,89

Callistemon speciosus DC. (Calistemon)

Umidade (%) 44 8,43 11,97 10,20 0,88

Gnormais (0,10g) 44 17,00 190,00 39,61 32,48

Gfirmes (0,10g) 44 0,00 0,00 0,00 0,00

Ganormal (0,10g) 44 0,00 0,00 0,00 0,00

(48)

TABELA 4 – Continuação…

Espécies Exóticas

Variáveis N mínima máxima média DP

Cassia fistula L. (cassia imperial )

Eucalyptus grandis Hill ex Maiden

Umidade (%) 10 8,74 13,67 10,34 1,81

Gnormal (0,10g) 10 0,00 88,00 34,90 29,62

Gfirmes (0,10g) 10 0,00 0,00 0,00 0,00

Ganormal (0,10g) 10 0,00 0,00 0,00 0,00

Mortas (0,10g) 10 0,00 0,00 0,00 0,00

Eucalyptus robusta Smith

Umidade (%) 18 10,00 11,88 9,56 1,01

Gnormal (0,10g) 18 8,12 72,00 45,10 17,92

Gfirmes (0,10g) 18 0,00 0,00 0,00 0,00

Ganormal (0,10g) 18 0,00 0,00 0,00 0,00

Mortas (0,10g) 18 0,00 0,00 0,00 0,00

Eucalyptus saligna Smith

Umidade (%) 32 7,27 15,55 10,16 1,85

Gnormal (0,10g) 32 45,00 138,00 70,85 17,22

Gfirmes (0,10g) 32 0,00 0,00 0,00 0,00

Ganormal (0,10g) 32 0,00 13,75 0,71 2,62

Mortas (0,10g) 32 0,00 0,00 0,00 0,00

Eucalyptus terenticorns Smith

Umidade (%) 13 6,19 9,65 8,39 0,86

Gnormal (0,10g) 17 23,00 62,75 45,36 10,73

Gfirmes (0,10g) 17 0,00 1,50 0,11 0,41

Ganormal (0,10g) 17 0,00 2,25 0,17 0,62

(49)

TABELA 4 – Continuação…

Estatística Descritiva de Espécies Exóticas

Variáveis N mínima máximo média DP

Delonix regia (Boj.) Rafin. (Flamboyant)

Jacaranda mimosaefolia D. Don. (Jacarandá mimoso)

Pinus elliottii Engl.

Após a análise dos componentes principais, nota-se que a variável germinação normal foi a que mais esteve presente, sendo que, das 18 espécies somente na formação dos grupos de Acacia cavem, ela não esteve presente, o que mostra a importância desta variável assim como o PMS, que esteve ausente em 4 de 13 ensaios (Tabela 05). Em contrapartida, as variáveis germinação anormal e umidade foram as que

(50)

menos tiveram participação, sendo a primeira devido aos zeros atribuídos às sementes anormais e a segunda ao baixo número de observações desta variável.

TABELA 5 - Indicação das variáveis eliminadas após a análise dos componentes principais.

Germinação

Espécie Pureza PMS Umidade

Normal Firmes Anormal Mortas

Schinus sp x Cassia leptophylla x x x Pelthophorum dubium x x x Cedrela fissilis x x x Allophylus edulis x x Lafoensia pacari x x x x Enterolobium contortisiliquum x x x Apuleia leiocarpa x x x Acacia cavem x x Callistemon speciosus -- -- x x x Cassia fistula x x E.grandis -- -- x x x E.robusta -- -- x x x E.saligna -- -- x x E.tereticornis -- -- x x Delonix regia x x Jacaranda mimosaefolia x x x Pinus elliottii x x x x

-- : variáveis de espécies que não têm dados coletados; x : variáveis eliminadas.

Nas contribuições por espécies, nas quais cada variável ajudou na formação dos grupos com até 80% de explicação feita após a análise de componentes principais para a redução no número de variáveis, nota-se que esta análise foi eficiente quando foi utilizada.

(51)

TABELA 6 - Contribuições (%) das variáveis observadas em análises de sementes na formação dos grupos, para cada espécie florestal estudada. Santa Maria, RS – 2004.

ESPÉCIES NATIVA

Variáveis Schinus sp Cassia

leptophylla Pelthophorum dubium Cedrela fissilis Allophylus edulis Lafoensi pacari Enterolobium contortisiliquum Apuleia leiocarpa Pureza 9,16 -- -- 21,57 24,24 14,70 -- -- PMS 15,83 17,59 -- 13,15 10,60 -- -- 16,17 Umidade 29,16 27,47 -- -- -- -- 25,78 -- PPN 21,66 28,57 46,32 42,63 39,39 63,97 32,63 33,82 PSF 2,50 -- 10,29 -- 15,15 -- 11,05 8,82 PPA -- -- 11,76 -- -- -- -- -- PSM 21,66 26,38 31,61 22,63 10,60 21,32 30,52 41,17 TOTAL 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 ESPÉCIES EXÓTICA Variáveis Acacia cavem Callistemon speciosus Cassia fistula

E.grandis E.robusta E.saligna E.tereticornis Delonix

regia Jacaranda mimosifolia Pinus elliottii Pureza 27,27 -- 30,76 -- -- -- -- 12,5 25,69 -- PMS 20 -- 17,94 -- -- -- -- 29,16 28,45 -- Umidade 20 47,56 -- 31,11 47,71 42,54 39,74 -- -- -- PPN -- 52,43 6,41 68,88 52,28 25,60 34,61 30,30 30,83 39,13 PSF 5,45 -- 20,51 -- -- -- 25,64 12,87 -- 39,85 PPA -- -- -- -- -- 31,85 -- -- -- -- PSM 27,27 -- 24,35 -- -- -- -- 15,15 15,02 21,01 TOTAL 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00

(52)

4.2 Espécies Nativas

4.2.1 Schinus sp

Gênero de expressiva dispersão no Estado do Rio Grande do Sul (RS), comumente chamado de aroeira, sendo muito freqüente no Escudo Sul rio grandense em vegetação aberta do tipo parque. As árvores apresentam de seis a dez metros de altura, com troncos de 20 a 35 cm de diâmetro, que são utilizados como moirões, em virtude da durabilidade que demonstram quando impostas a intempéries (Reitz et al. 1988).

Para a descrição dos dados e formação dos grupos, foram realizados estudos de 16 análises de sementes, os quais estão representados no dendrograma (Figura 2).

Foram selecionados três grupos pela ligação completa da distância euclidiana média padronizada: o primeiro, com 3 análises e se destaca pela formação mais homogênea, perto dos 40%; o segundo é composto por apenas uma análise, ligando-se com o grupo I próximo aos 85%, por isso ficou isolada; e o terceiro, composto por 12 análises as quais perto dos 70% uniram-se para a formação do grupo (Figura 2).

A pureza média da Schinus sp é bastante alta, com 97,67%, e o DP, pequeno, de 1,44. O peso de mil sementes (PMS) oscilou entre 15,62 e máxima de 43,04 revelando uma diferença muito grande entre ambas (Tabela 4).

(53)

FIGURA 2 – Dendrograma para o agrupamento das 16 matrizes de Schinus sp, (aroeira) com base nas variáveis observadas em análises de sementes de espécies florestais, Santa Maria – RS, 2004.

A germinação normal média para o gênero ficou em 46,18%, com a máxima de 85,75%, sendo considerada baixa, visto que a percentagem de germinação da aroeira de acordo Durigan et al. (2002), gira em torno de 80%, além do que somente a máxima (85,75%) aproxima-se dessa resposta. Provavelmente, a época de colheita e a análise estão influenciando nesta variável, assim como a germinação das sementes firmes, com oscilação entre 0,0% e 71,50%, deixando claro que, apesar de não haver necessidade de tratamento pré-germinativo, Durigan et al. (2002) comentam que, colocar água fria durante duas horas antes da semeadura pode favorecer na germinação.

(54)

Nesta espécie, a percentagem de sementes mortas oscilou entre 12,50% a 94,00% com média de 48,01%, mostrando que o maior valor não é um caso isolado.

A contribuição das mortas para a formação dos grupos foi de 21,66%, assim como a germinação normal, sendo a umidade a variável de maior destaque, com 29,16%. As demais contribuições foram: PMS 15,83%, pureza 9,16% e firmes 2,5% (Tabela 6). Na análise dos componentes principais, com o propósito de diminuir o número de variáveis, retiraram-se somente as anormais, representando na terceira formação 79% da variação total existente em sementes de aroeira.

Nos três grupos formados, as médias dos valores da pureza e umidade apresentaram uma pequena diferença (Tabela 7). Já o PMS do grupo III, com 19,94, corresponde a metade do I, com 42,41, e do grupo II, com 43,05, e é menor que a média geral de 25,25 (Tabela 4). Isso mostra que os grupos I e II são próximos quanto ao PMS, contudo são diferentes quanto à germinação normal, na qual o grupo I teve 73,75%, valor superior à média geral, que foi 46,18%, e aos grupos II e III, que obtiveram 16% e 41,81%, respectivamente, ambos abaixo da média geral.

O número de sementes mortas do grupo III foi de 58,00%, percentual bastante alto, o que não acontece com os grupos I (19,92%), e II (12,50%), os quais estão bem abaixo da média geral, correspondente a 48,01% (Tabela 4). Esta indica que quase a metade das sementes posta para germinar morre.