O objetivo deste trabalho foi construir curvas de produção e de incremento corrente mensal (ICM), e analisar o efeito de variáveis climáticas no crescimento mensal em diâmetro e altura de Pinus taeda L. e Araucaria angustifolia (Bert.) O. Kuntze, no período de três anos, em fase juvenil. Para tanto, foram selecionadas 30 árvores de cada espécie, sendo, mensalmente, entre junho de 2006 e julho de 2009, medidas as variáveis diâmetro e altura. As variáveis climáticas são provenientes de duas estações meteorológicas do SIMEPAR, próximas aos plantios monitorados. Para a análise do crescimento, foram desenvolvidas curvas de incremento e produção mensais, bem como análise da matriz de correlação dos dados e regressão pelo processo stepwise. Na análise do crescimento, observaram-se maiores ICMs entre outubro e fevereiro. As matrizes de correlação indicaram forte relação do ICM com temperatura, pressão atmosférica e fotoperíodo. Os modelos ajustados por stepwise, incluindo variáveis climáticas, apresentaram boas estatísticas de ajuste.
The objective of this research was to construct curves of yield and current monthly increment (CMI) and analyze the effect of climate variables on the current monthly increment of diameter and height of young Pinus taeda L. and Araucaria angustifolia (Bert.) O. Kuntze during a three- year period. To this end, 30 trees of each species were selected and had their diameter and height measures taken monthly between June 2006 and July 2009. The climatic variables were obtained from two meteorological stations of SIMEPAR, located near the monitored stands. For growth assessment, curves of current monthly increment and yield were developed. Analysis of correlation matrixes among the studied variables and regression by stepwise process were also carried out. In the growth analysis, higher CMIs were observed between October and February. The correlation matrixes indicated that CMI correlated strongly with temperature, atmospheric pressure and photoperiod. The models adjusted by the stepwise process, including climate variables, showed good fit statistics.
