Caracterização da madeira de híbridos de Corymbia via espectroscopia no infravermelho próximo (NIRS)
Resumo
A madeira de Corymbia é promissora no setor florestal devido à sua resistência
a fatores bióticos e abióticos e à sua alta densidade básica da madeira. Entretanto,
para a aplicação dessa madeira na indústria se faz necessário realizar uma análise
detalhada da sua qualidade, o que pode ser facilitado por métodos de avaliação não
destrutivos. Embora a espectroscopia de infravermelho próximo (NIRS) apresente
eficácia nesse aspecto, existe uma escassez de estudos que apliquem essa técnica à
madeira de Corymbia. Portanto, o presente estudo objetivou aplicar a ferramenta
NIRS na avaliação da qualidade da madeira de materiais clonais híbridos de
Corymbia. Para isto, amostras de serragem foram coletadas de forma não destrutiva
na altura do peito (DAP) de 1059 árvores de 34 clones híbridos de Corymbia com 3
anos de idade. Essas amostras foram analisadas em espectrômetro NIR e, com base
nos espectros, foram selecionadas 100 árvores para determinar os valores de
referência para densidade básica, lignina, extrativos, holocelulose e cinzas. Os
modelos foram calibrados por meio de análise de regressão de mínimos quadrados
parciais (PLS-R) e foram avaliados de acordo com os parâmetros de validação. Os
modelos desenvolvidos para densidade básica (R²cv=0,71; RMSECV=19), lignina
total (R²cv=0,63; RMSECV=0,58), extrativos totais (R²cv=0,72; RMSECV=0,60),
holocelulose (R²cv=0,61; RMSECV=1,05) e cinzas (R²cv=0,42; RMSECV=0,22)
demonstraram desempenho satisfatório. As predições dos modelos destacaram os
clones 11 e 23 como promissores para a produção de celulose, devido à baixa lignina
e extrativos, juntamente com a alta densidade básica da madeira. Enquanto os clones
12, 15, 16 e 17 foram considerados adequados para a produção de carvão, devido à
alta densidade básica e alto teor de lignina. O estudo demonstrou que a ferramenta
NIRS é valiosa na análise da qualidade da madeira de Corymbia de forma não
destrutiva, especialmente em grandes populações de árvores, oferecendo
informações relevantes para o setor florestal.