RESUMO A relação hipsométrica é influenciada por muitas variáveis e isso dificulta a sua modelagem. A adição de covariantes em uma equação, por meio da decomposição de seus parâmetros, pode melhorar a precisão da mesma e auxiliar na construção de modelos hipsométricos genéricos. Neste estudo objetivou-se avaliar equações hipsométricas e testar a inclusão de covariantes para Toona ciliata, espécie ainda pouco estudada. Foram avaliados quatro modelos não lineares para representar a altura em função da idade. O efeito da progênie foi incluído em uma das equações por meio da decomposição dos parâmetros. Para representar a variação da altura em função do diâmetro foram testadas cinco equações, sendo que quatro delas não lineares. Os parâmetros de uma das equações foram decompostos e associados às variáveis: progênie, idade e altura dominante e codominante. A equação Assintótica foi mais precisa para representar o crescimento em altura. A inclusão da variável progênie na equação Logística aumentou sua precisão. Dentre as equações avaliadas para a relação altura-diâmetro, a Exponencial foi a de menor precisão. A inclusão de covariantes na equação Logística melhorou a precisão do ajuste e dentre as covariantes testadas a altura dominante e codominante permitiu um ganho de precisão de 23%.

ABSTRACT The height-diameter relationship is influenced by many variables, making difficult its modeling. The inclusion of covariates by the decomposition of model parameters can improve the model precision and help develop generic height-diameter models. This study aimed to evaluate hypsometric equations and examine the inclusion of covariates for Toona ciliata, species still poorly studied. Four nonlinear equations were evaluated to represent the height as a function of age. The effect of the progeny was included in one of the equations, decomposing the parameters. Five equations, which four are nonlinear ones, were tested to represent the variation of height as a function of the diameter. The parameters of the logistic equation were decomposed and associated to the variable progenies, age, dominant and codominant height. The Asymptotic equation was the most precise to represent the height growth. The inclusion of the variable progeny in the Logistic equation improved its precision. From the set of equations tested for the height- diameter relationship, the Exponential equation was the least precise. The inclusion of covariates in the logistic equation improved its precision and among all tested covariates, the dominant and codominant height variable presented the highest gain in precision (23%).