RESUMO A área foliar é uma variável essencial para a quantificação de outras importantes características foliares em estudos fisiológicos de plantas, como taxa fotossintética e teor de fósforo, normalizados por área. Essa é uma das razões para a necessidade de métodos rápidos e precisos para estimar a área foliar. O objetivo deste trabalho foi ajustar modelos de regressão linear ou não linear para predizer a área foliar de seis espécies de leguminosas forrageiras, a partir de imagens digitais analisadas com o pacote LeafArea, software R. Em um experimento de campo, foram coletadas aleatoriamente 100 folhas das seguintes espécies: Crotalaria juncea (L.), Canavalia ensiformis (L.), Cajanus cajan (L.), Dolichos lablab (L.), Mucuna cinereum (L.), e Mucuna aterrima (Piper & Tracy) Merr., nas quais foram medidos o comprimento e a largura do folíolo central. Posteriormente, imagens digitais de cada folha foram processadas no software R para estimativa da área foliar. Essas estimativas foram usadas para ajustar modelos de predição de área foliar; de fato, setenta folhas foram usadas para ajustar os modelos; o restante delas foi usado para validação do modelo. Para as seis espécies, o modelo polinomial completo de segundo grau, ou submodelos derivados, pode ser usado para predizer a área foliar em função do comprimento e largura do folíolo central, apresentando R² acima de 0,98 e porcentagem de erro médio absoluto abaixo de 9%. Nestes modelos, o efeito da largura da folha é geralmente maior que o comprimento da folha. O pacote R LeafArea mostrou-se uma ferramenta muito eficiente para a estimativa da área foliar através da execução do software ImageJ, com alta precisão e fácil calibração.
ABSTRACT Leaf area is an essential variable for the quantification of other important leaf characteristics in physiological studies of plants, such as normalized photosynthetic rate and normalized phosphorus content. That is one of the reasons for the need of fast and accurate methods to estimate leaf area. The objective of this work was to fit linear or non-linear regression models to predict the individual leaf area of six species of forage legumes, based on digital images analyzed with the package LeafArea, R software. In a field experiment, 100 leaves were randomly collected from the following species: Crotalaria juncea (L.), Canavalia ensiformis (L.), Cajanus cajan (L.), Dolichos lablab (L.), Mucuna cinereum (L.), and Mucuna aterrima (Piper & Tracy) Merr., in which the central leaflet length and width were measured. Afterwards, digital images of each leaf were processed in R software for leaf area estimation. These estimates were used to fit leaf area prediction models; in fact, seventy leaves were used to fit the models; the rest of them were used for model validation. For the six species, the complete second-degree polynomial model, or derivative submodels, can be used to predict leaf area as a function of length and width of the central leaflet, presenting R² above 0.98 and percentage absolute mean error below 9%. In these models, the effect of leaf width is generally greater than the leaf length. The R package LeafArea showed to be a very efficient tool for the estimation of leaf area through the execution of the software ImageJ, with high precision and easy calibration.