Tese em PDF - departamento de engenharia florestal - ufpr ...

transversal (AV) e da área total de vasos por campo (AC), permitindo a obtenção da
porcentagem de área transversal ocupada por vasos: %AV = ∑AV/ACx100. Durante
a tabulação dos dados, os vasos foram classificados por agrupamento como
solitários (1), geminados (2) ou múltiplos (3, 4, 5...), usando-se a média desses
valores como índice de agrupamento (AGV). Também foi obtida a frequência de
vasos por mm 2 (FV). Foram medidos também o comprimento dos elementos de vaso
(CEV); altura (AR) e largura dos raios (LR); das fibras, o comprimento (CF), largura
(LF), e espessura das paredes (EPF). Destas características foram obtidas 30
medidas por árvore, utilizando-se a ocular com escala graduada do microscópio
óptico. Foram estimados também os índices de vulnerabilidade (V = DV/FV) e
mesomorfia (M = V x CEV), considerando as implicações funcionais na eficiência de
condução e segurança do xilema, relacionadas aos vasos, conforme proposto por
CARLQUIST (2001). As características mais relevantes foram fotografadas no
Laboratório de Anatomia da Madeira, do Departamento de Engenharia e Tecnologia
Florestal da UFPR e no Laboratório de Botânica Estrutural do Setor de Ciências
Biológicas da UFPR.
3.6 ANÁLISE DE DADOS
Para todas as variáveis quantitativas foram calculadas as médias e
respectivos desvios-padrão. Foi utilizado Shapiro-Wilk, para testar a normalidade
dos dados. Quando as pressuposições de normalidade não foram atendidas,
realizou-se a transformação logarítmica dos dados. Foi realizada análise de
variância (one way ANOVA) e as médias foram comparadas pelos testes “t” e
Duncan, com um nível de significância de 5% (p=0,05). Os dados foram
padronizados para as análises multivariadas, utilizando-se a seguinte fórmula: x =
(média da espécie – média geral) / desvio padrão. Para avaliar o grau de
similaridade entre as espécies estudadas foi realizada uma análise de agrupamento
(Cluster analysis), utilizando-se o método Ward’s como algoritmo. As análises de
agrupamento foram consideradas significativas com índice cofenético superior a 0,7.
Também foi utilizada a análise de componentes principais (ACP), a fim de
compreender melhor a estrutura dos dados, buscando-se através do conjunto de
variáves identificar as que mais contribuem para a variação dos dados. Para tais
análises, utilizou-se o programa Past, versão 1.34 (Hammer et al. 2001).
21