Neste trabalho procurou-se avaliar o processo de construção e aplicação de modelos preditivos no meio florestal. Para tanto, no primeiro artigo parte-se de uma amostra destrutiva de 200 indivíduos de dez espécies arbóreas distintas, originárias do bioma Atlântico, testando-se três modelos teóricos comumente usados na predição de volume e biomassa, sendo a esses adicionados preditores informativos da densidade básica da árvore. Para a avaliação os modelos ajustados foram simuladas três situações preditivas distintas. Os resultados demonstraram que aplicar o modelo em situações distintas a da amostra de ajuste gera viés nas predições que, no entanto, é reduzido com a entrada dos referidos preditores. O segundo artigo apresenta aplicações da calibração do modelo linear de efeito misto na predição do volume em plantios de Eucalyptus grandis em primeira e segunda rotação. Para tanto, partiu-se do modelo de Schumacher e Hall, em sua forma linearizada, para o desenvolvimento modelo de efeitos mistos, que considerou alguns de seus parâmetros como sendo aleatórios ao longo das diferentes fazendas. A calibração foi realizada em nível de fazenda partindo-se de um pequeno número de árvores-amostra. A abordagem foi desenvolvida para modelos univariados de primeira rotação, além de modelos bivariados de duas rotações. Os resultados mostraram que o procedimento de calibração fornece predições mais confiáveis que a dos modelos tradicionais de efeitos fixos em ambas as rotações. O terceiro artigo apresenta aplicações da calibração do modelo linear de efeito misto na predição da biomassa de árvores de espécies nativas numa floresta Ombrófila densa. Partiuse do modelo de potência, em sua forma linearizada, para o desenvolvimento modelo de efeitos mistos e dois níveis: parcela e espécie, O ajuste do modelo foi feito considerando esses dois níveis, mas a calibração foi realizada em cada nível ignorando o efeito do outro, nível. Os resultados mostraram que o procedimento de calibração fornece predições mais confiáveis em nível de espécie que os modelos tradicionais. Em nível de parcela, a calibração não foi efetiva.

In this study we tried to evaluate the process of construction and application of predictive models in forestry. Therefore, in the first paper we started from a destructive sample of 200 individuals from ten different tree species, originating from the Atlantic biome. We tested three theoretical models commonly used to predict volume and biomass, which was added predictors related to tree basic density. To evaluate the models were simulated three different predictive situations. The results showed that applying the model in different situations from the sample generates bias on predictions; however, it is reduced by adding the referred predictors. The second article presents applications of linear mixedeffects models and calibration to predict the volume in Eucalyptus grandis plantations in first and second rotation. Therefore, we started with the model of Schumacher and Hall, in their linearized form to develop the mixed-effects model, which considered some of its parameters as random throughout the different farms. The calibration was performed at the farm level and starting from a small number of sample trees. The approach was developed to first rotation univariate models, and a bivariate model of both rotations. The results showed that the calibration procedure provides more reliable predictions than the traditional fixed effects models in both rotations. The third article presents applications of linear mixedeffects model and calibration to predict the biomass in a rain forest. We started from the power model, in its linearized form, for developing the mixed-effects model considering two levels of grouping: plot and species, Model fitting was made considering these two levels, but the calibration was performed on each level ignoring the other level effect. The results showed that the calibration procedure provides more reliable predictions at species level than traditional models. On the plot level, the calibration was not effective.