Abstract: The algarrobo blanco (Prosopis alba) is characterized by its excellent physical-mechanical properties in its wood. The colour is an important feature in certain use of wood, and affects its quality. The objective of this work was to evaluate the colorimetric variation between sites, section and region of the wood samples and correlate colorimetric parameters with dentrometric features of the tree. The samples were obtained from three natural stands (Los Arias, Santiago del Estero, Isla Cuba, Formosa and Villa Ángela, Chaco) and a plantation (San Isidro, Santiago del Estero), in the Chaqueña region of Argentina. The colorimetric parameters (L*, a*, b*) were obtained with a KONICA MINOLTA CM-5 spectrophotometer with illuminant D65. The colorimetric analysis confirmed that there are significant differences in colorimetric parameters between sites, section and region in the wood samples analyzed. The size of the trees is directly related to the colorimetric parameters.

Resumen: El algarrobo blanco (Prosopis alba) se caracteriza por sus excelentes propiedades física-mecánicas en su madera, lo cual la hace muy apreciable en la industria del mueble. El color es un rasgo importante en ciertos usos de la madera, e incide en su calidad. El objetivo de este trabajo fue evaluar la variación colorimétrica de la madera entre sitios, sección y región de la madera y correlacionar parámetros colorimétricos con rasgos dentrométricos del árbol. Las muestras se extrajeron de tres rodales naturales (Los Arias, Santiago del Estero; Isla Cuba, Formosa y Villa Ángela, Chaco) y una plantación (San Isidro, Santiago del Estero), de la Región Chaqueña Argentina. Los parámetros colorimétricos (L*, a*, b*) se obtuvieron con un espectrofotómetro KONICA MINOLTA CM-5 con iluminante D65. El análisis confirmó que existen diferencias significativas en parámetros colorimétricos entre sitios, secciones y regiones de las muestras de madera analizadas. El tamaño de los árboles se encuentra directamente relacionado con los parámetros colorimétricos.

O cerrado brasileiro é a savana mais rica do mundo. Também é um dos biomas mais ameaçados do país e um hotspot de prioridade de conservação. As principais causas do desmatamento no cerrado são as práticas agrícolas, pecuária e produção de carvão vegetal. Apesar da produção de carvão possuir menor impacto, seu consumo representa o desmatamento de 16.000 Km² do cerrado. Para a conservação do bioma é essencial aprimorar a fiscalização florestal. Assim sendo, neste trabalho apresentamos a caracterização macroscópica de carvão vegetal de 25 espécies do cerrado. Simulamos as condições reais de profissionais que realizam a fiscalização, usando ampliações de 10x, 25x e 65x. Igualmente, as micrografias dos carvões são todas das seções transversais devido à maior quantidade de informações anatômicas. Analisamos também a textura, o brilho, a vitrificação, rupturas e alguns caracteres especiais. As espécies apresentam várias diferenças em sua estrutura anatômica. Embora algumas sejam muito características, este trabalho não tem intenção de identificar carvões apenas por análises de macroscopia. Mas pode fornecer orientações para futura identificação de gêneros ou espécies. Também fornece conhecimento para os agentes governamentais poderem verificar os documentos de origem florestal por análise rápida de amostra do próprio carvão.

The Brazilian Cerrado is the richest savanna in the world. It is also one of the biomes more threatened in the country and a hotspot for conservation priorities. The main causes of deforestation in Cerrado are agricultural practices, livestock and charcoal production. Although charcoal has a minor impact, its consumption represents the deforestation of 16.000 Km² of the Cerrado. To contribute for the biomes's conservation it is very important to improve forestry supervision. Thus, in this work we present the macroscopic characterization of charcoal from 25 Cerrado's species. We simulate the real conditions of forest controllers by using the magnifications of 10x, 25x and 65x. Likewise, the charcoals micrographs are all of transverse sections due to the larger amount of anatomical information. We also analyzed texture, brightness, vitrification, ruptures and some special features. The species present several differences in their anatomical structure. Although some of them are very unique, this work does not intent to identify charcoals only by macroscopic analyses. But it might give directions to future identification of genera or species. It also provides knowledge for government agents to verify the documents of forestry origin by fast analyzing a sample of charcoal itself.

A identificação de uma árvore torna-se complexa quando tem-se à disposição apenas sua madeira, o que exige uma análise mais profunda para sua caracterização. Utilizando-se a espectrometria no infravermelho próximo é possível obter-se espectros com informações únicas sobre a composição química de uma amostra de madeira. Porém, a interpretação dos dados obtidos pelo espectrômetro é complexa, o que dificulta a identificação de características específicas para uma determinada espécie. Neste trabalho, com o intuito de acelerar o processo de identificação, utilizou-se um sistema embasado em Redes Neurais Artificiais para a classificação de quatro espécies mediante a análise dos espectros das suas madeiras. Foram realizados três testes para comprovar a eficiência da capacidade de reconhecimento, obtendo-se resultados promissores visto que a Rede Neural Artificial utilizada revelou-se flexível aos ruídos e distorções existentes, não exigindo que os espectros passassem por prévio tratamento estatístico ou fossem separados por grupos relativos ao tipo de corte anatômico da madeira.

The identification of a species of tree becomes complex when it has available only your wood, which requires further analysis for their characterization. Using near infrared spectrometry is possible to obtain spectra with unique informations about the chemical composition of a sample timber. However, the interpretation of data obtained by the spectrometer is complex, making it difficult to identify characteristics specific to a particular species. In this paper, in order to speed up the identification process, we used a system based in Artificial Neural Networks for classification of four species of trees by analyzing the spectra of their timber. Three tests were performed to demonstrate the efficiency of recognition capability, the results obtained were encouraging since the neural net has proved to be flexible to noise and distortions, without requiring that the spectra were submit to prior statistical treatment or that were separated by groups relative to types of timber cut.