Discriminação de madeiras comerciais em áreas de manejo florestal comunitário na Amazônia brasileira

Orientadora: Profa. Dra. Silvana NisgoskiCoorientadoras: Profa. Dra. Patrícia Soffiatti e Profa. Dra. Graciela Inés Bolzon de MuñizTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa : Curitiba, 27/10/2022Inclui referênciasÁrea de concentração: Tecnologia e Utilização de Produtos FlorestaisResumo: A correta identificação de espécies florestais é de extrema importância, pois o uso do nome vernacular omite a verdadeira ocorrência geográfica das espécies. No entanto, existe grande dificuldade de relacionar nome científico com o nome vernacular, haja vista que não há uma padronização que associe um nome popular a um nome científico. O principal objetivo desta pesquisa é contribuir para conservação da flora em áreas de Manejo Florestal Comunitário na Amazônia Brasileira, usando de ferramentas inovadoras de distinção de espécies florestais de valor comercial associada à caracterização anatômica da madeira. As amostras de madeira utilizadas nesta pesquisa foram coletadas nas Comunidades Extrativistas Paraiso e Arimum, localizadas na Reserva Extrativista Verde para Sempre, no Estado do Pará. A identificação das amostras de madeira foi realizada através da caracterização anatômica macroscópica e microscópica, de acordo com as normas da Associação Internacional dos Anatomistas de Madeira (IAWA, 1989) no laboratório de Anatomia e Qualidade da Madeira (LANAQM) da Universidade Federal do Paraná, UFPR. Foram avaliadas amostras de madeira das famílias Lauraceae, Proteaceae e Fabaceae nas três superfícies anatômicas: transversal, radial e tangencial. A determinação da cor das amostras foi realizada através da curva de reflectância no espectro visível, na faixa de 360 a 740 nm, e da análise de componentes principais (PCA) com base nos parâmetros colorimétricos (L* a* b* C* e h). Os espectros do Infravermelho Próximo (NIR), na faixa de 4.000 a 10.000 cm¯¹ e resolução de 4 cm¯¹, foram obtidos diretamente das amostras de madeira nas diferentes seções anatômicas (transversal, tangencial e radial). Os espectros originais e em segunda derivada foram avaliados através da Análise de Componentes Principais (PCA) e modelos de classificação k- NN foram treinados. O conjunto de dados foi dividido em aprendizado (70%) e teste (30%), usando de amostragem estratificada aleatória. O método k-fold cross validation foi usado para encontrar o hiperparâmetro k de ajuste ótimo. Todas as análises foram realizadas no ambiente R. Observou-se uniformidade das características anatômicas da madeira nas análises macroscópicas e microscópicas das espécies avaliadas. Os caracteres anatômicos mais eficazes para a discriminação das amostras das famílias Lauraceae, Proteaceae e Fabaceae foram o tipo de parênquima axial, presença de fibras septadas, tipo e agrupamento de vasos, presença de células oleíferas e amido. No que tange à técnica colorimétrica, os resultados indicaram que os dados do sistema CIEL* a* b*produziram informações úteis para a discriminação das madeiras. Em relação aos resultados do NIR, foram promissores e indicaram a possibilidade de integração da espectroscopia NIR e técnicas de aprendizado de máquina na discriminação de espécies comercializadas na Amazônia brasileira. Porém, outros estudos são necessários, bem como a construção de um banco de dados espectral com mais amostras das espécies de outras famílias.Abstract: The correct identification of forest species is extremely important, as the use of the vernacular name omits the true geographic occurrence of the species. However, there is great difficulty in relating the scientific name with the vernacular name, given that there is no standardization that associates a popular name with a scientific name. The main objective of this research is to contribute to the conservation of flora in areas of Community Forest Management in the Brazilian Amazon, using innovative tools to distinguish commercially valuable forest species associated with the anatomical characterization of wood. The wood samples used in this research were collected in the Paraiso and Arimum Extractive Communities, located in the Verde para Sempre Extractive Reserve, in the State of Pará. The identification of wood samples was performed through macroscopic and microscopic anatomical characterization, according to the norms of the International Association of Wood Anatomists (IAWA,1989) in the Laboratory of Anatomy and Quality of Wood (LANAQM) of the Federal University of Paraná, UFPR. Wood samples from the Lauraceae, Proteaceae and Fabaceae families were evaluated on the three anatomical surfaces: transverse, radial and tangential. The determination of color samples was through the reflectance curve in the visible spectrum, in the range from 360 to 740 nm, and the principal component analysis (PCA) based on the colorimetric parameters (L* a* b* C* and h). The Near Infrared (NIR) spectra, in the range from 4.000 to 10.000 cm¯¹ and resolution of 4 cm¯¹, were obtained directly from wood samples in different anatomical sections (transverse, tangential and radial). The original and second derivative spectra were evaluated using Principal Component Analysis (PCA) and k-NN classification models were trained. The dataset was divided into learning (70%) and testing (30%), using stratified random sampling. The k-fold cross validation method was used to find the optimal fit hyperparameter k. All analyzes were performed in the R environment. Uniformity of the anatomical characteristics of the wood samples from the macroscopic and microscopic analyzes of the evaluated species was observed. The most effective anatomical characters for the discrimination of samples from the Lauraceae, Proteaceae and Fabaceae families were the type of axial parenchyma, presence of septate fibers, type and grouping of vessels, presence of oil cells and starch. Regarding the colorimetric technique, the results indicated that the data from the CIEL* a* b* system produced useful information for the discrimination of woods. Regarding the NIR results, they were promising and indicated the possibility of integrating NIR spectroscopy and machine learning techniques in the discrimination of marketed species in the Brazilian Amazon. However, other studies are necessary, as well as the construction of a spectral database with more samples of species from other families