O presente trabalho teve por objetivo a seleção de variáveis para estimativas do peso verde do fuste (pvf), peso verde de acículas (pva) e peso verde de galhos vivos (pvgv), por meio de Análise de Componentes Principais (ACP), em árvores nativas e plantadas de Araucaria angustifolia na região sul do estado do Paraná. Os dados analisados são provenientes de 15 árvores de diversas idades (29 a 33 anos), tendo sido avaliadas as variáveis diâmetro à altura do peito, altura total (h), altura comercial definida no ponto de inversão morfológica (hc), pvf, pva e pvgv. Como variáveis independentes (x), foram utilizados: dap, dap2, logdap, h, dap2h, logh, hc, dap2hc e loghc, e como variáveis dependentes, pvf, pva e pvgv. Após o preparo dos dados para todas as relações dimensionais, foi gerada a matriz correlação, por meio da planilha Excel 2000, e posteriormente foi feita a ACP, utilizando-se o software Statgraphics 5.0. Concluiu-se que a utilização da ACP em conjunto com a Análise de Regressão apresenta grandes possibilidades para o ajuste de equações alométricas para Araucaria angustifolia, bem como para outras espécies florestais, sugerindo-se que, para a melhoria dos ajustes proceda-se à obtenção de um número maior de determinações de biomassa em outros indivíduos de Araucaria angustifolia.
The main objective of the present research was to select variables for fitting alometric equations in order to estimate stem fresh weight (sfw), needles fresh weight (nfw) and branches fresh weight (BFW), through Principal Components Analysis, for native and planted Araucaria angustifolia trees, in the southern regions of Paraná State, Brazil. Data from 15 trees of several ages (29 to 33 years) being evaluated the following variables: dbh (diameter at breast height), h (total height) hc (commercial height), sfw, nfw and bfw. As independent variables (x) they were used dbh, dbh 2 , log(dbh), ht, dbh 2 ht, log(h), hc, dbh 2 hc and log(hc) and as dependent variables sfw, nfw, bfw. Once data were computed for all variable combinations, a correlation matrix was generated by Excel 2000 and Principal Components Analysis was made by Statgraphics 5.0. The study leaded to the conclusion that the use of Principal Components Analysis together with Regression Analysis showed a great potential for fitting alometric equations for Araucaria angustifolia, as well as for other wood species. A greater number of tree measurements for biomass variables is advisable, to improve the fitting of biomass equations for Araucaria angustifolia.
