Interceptación de la lluvia en individuos aislados de Pinus pinea y

Anuncio
IV Jornadas de Ingeniería del Agua
La precipitación y los procesos erosivos
Córdoba, 21 y 22 de Octubre 2015
Interceptación de la lluvia en individuos
aislados de Pinus pinea y Cistus ladanifer: efecto de
diferentes parámetros climáticos
R. Pérez Arellano, M.F. Moreno Pérez, J. Roldán Cañas
Departamento de Agronomía. Área de Ingeniería Hidráulica.
Universidad de Córdoba. Campus de Rabanales. Edificio Leonardo da Vinci. 14071 Córdoba
1. Introducción
La interceptación de la lluvia juega un papel importante en la determinación de la
cantidad de agua que alcanza la superficie del suelo. El dosel de la vegetación es el primer
factor que interviene cuando la precipitación bruta entra en el bosque, e influye
directamente en el proceso del ciclo del agua. La división de la precipitación bruta en
trascolación (parte de la precipitación que alcanza el suelo a través de la vegetación),
escorrentía cortical (agua de lluvia que resbala por las ramas y el tronco hasta entrar en el
suelo por la base del mismo) e interceptación por el dosel de los bosques, y posterior
pérdida por evaporación, ejerce un papel importante en el balance hídrico de los
ecosistemas forestales (Llorens y Domingo, 2007).
La interceptación es muy variable en el tiempo y el espacio, y además se ve influenciada
tanto por parámetros climáticos como la intensidad y la duración de la lluvia (Zhan et al.,
2007) o la dirección y velocidad del viento (Van Stan et al., 2011), como por las
características morfológicas de la vegetación, incluyendo la estructura de la cubierta y la
especie vegetal (Crockford y Richardson, 2000). Por tanto, es importante relacionar la
interceptación tanto con las características de la vegetación, como con el tipo de
precipitación y las condiciones meteorológicas de cada sitio específico (Gerrits, 2010; Liu
et al., 2013).
En este trabajo, se ha estudiado la variación de la interceptación en dos especies vegetales
diferentes, una arbórea (Pinus pinea) y otra arbustiva (Cistus ladanifer), bajo diferentes
condiciones climáticas. Los objetivos son determinar las proporciones de trascolación,
escorrentía cortical e interceptación en estas especies y estudiar el efecto de diferentes
variables climáticas sobre la variabilidad de la interceptación.
B.32.
2. Zona de estudio
El presente estudio se llevó a cabo en la finca de “El Cabril”, situada en la cuenca del río
Bembézar en la Sierra de Albarrana a una altitud de 500-700 metros. Tiene una superficie
2
de 16,2 km y pertenece al término municipal de Hornachuelos, en la provincia de
Córdoba (España).
Esta zona tiene un clima mesomediterráneo, con una temperatura media anual elevada
(17°C y 18°C). Los inviernos son frescos y normalmente sin heladas, con una temperatura
media de 9°C. Los veranos son muy cálidos, superándose en julio y agosto los 40°C. Las
precipitaciones oscilan entre los 500 y los 700 mm anuales, con máximos en primavera y
otoño. La vegetación existente es propia de la dehesa mediterránea, que sigue un patrón
bastante marcado: un primer estrato herbáceo o arbustivo sobre el cual crece un segundo
estrato de arbolado más o menos disperso.
3. Materiales y métodos
Se obtuvieron durante un período de 4 años datos de precipitación bruta, trascolación y
escorrentía cortical. En el año 2010 se seleccionaron dos individuos de Pinus pinea que
fueran lo más semejantes posible para poder así contrastar las medidas. Los árboles elegidos
se encuentran a una altitud de 470 m. En cuanto a sus características, tienen una altura total
aproximada de 9 m, con una altura del fuste de 1,8 m y una proyección de copa de unos
2
35m . Las parcelas que los contienen están delimitadas por un murete de hormigón de 20
cm de altura con un perímetro prácticamente igual al de la copa del árbol, sobre el que se
ancla una valla de 2 m, con la función de proteger la instrumentación del interior. La medida
de la escorrentía cortical se lleva a cabo mediante una manguera cortada longitudinalmente
y sellada con silicona en una inserción realizada alrededor de los fustes, de tal modo que
lleva el agua que fluye por los mismos hasta un depósito 12 litros de capacidad situado en la
base de cada tronco. La medida de la trascolación se realiza gracias a una serie de
pluviómetros manuales graduados situados en el suelo de forma aleatoria en el área de
proyección de la copa.
Para el estudio del balance hídrico en Cistus ladanifer, se ha instalado una parcela de
experimentación en una zona en la que esta especie arbustiva es predominante. El
ejemplar seleccionado tiene una altura aproximada de 2 m y un área de proyección de
2
copa de 0,78 m . La parcela experimental está delimitada por una valla de 1.5 m de altura,
recubierta con un plástico, que evita la entrada de lluvia lateral. La medida de la
escorrentía cortical se realiza mediante un recipiente situado alrededor del fuste y sellado
con silicona, que recoge el agua que fluye por el mismo, siendo conducida con una
manguera hacia un depósito colector de 12 litros de capacidad. La medida de la
trascolación se realiza gracias a un recipiente plástico colocado en la base del arbusto que
2
tiene una superficie de 0,5 m , inferior a la de proyección de la planta para asegurar que
B.32.
solo se recoge agua de trascolación. El agua recogida se conduce hacia un depósito de 25
litros de capacidad a través de una manguera.
La pérdida de intercepción (I) se calcula tal como se expresa en la Ecuación 1, a partir de la
diferencia entre la lluvia bruta (P) y la precipitación neta, calculada como la suma de la
trascolación (Tr) más escorrentía cortical (Ec):
[1]
Para registrar la precipitación bruta, se instalaron junto a cada una de las parcelas en unos
claros sin vegetación, un pluviómetro de cazoleta basculante marca Eijkelkamp
(Eijkelkamp Agrisearch Equipment BV, Nijverheidsstraat 30, 6987 EM Giesbeek, The
Netherlands) de 0,2 mm de precisión. Los datos de precipitación se registran cada 10
minutos en un datalogger e+® RAIN. Los datos climáticos de velocidad y dirección del
viento y temperatura proceden de la estación meteorológica situada en la finca de “El
Cabril”.
Para determinar cuál de estas variables climáticas ejerce una mayor influencia sobre la
interceptación en estas especies, se ha realizado un análisis de regresión múltiple
(Rodríguez y Morar, 2002).
A partir de la regresión lineal múltiple, la estimación del modelo se realiza mediante un
método denominado Backward Stepwise Regression (BSR) (Llopis, 1996). Se comienza
incluyendo todas las variables en el modelo de regresión y se van eliminando variables
progresivamente de menor a mayor contribución específica cumpliendo lo que se
denomina un criterio de salida, de tal forma que al eliminar la variable no se altere la
calidad del modelo por debajo de un valor umbral establecido.
Los criterios de salida generalmente vienen dados por el valor de un estadístico, por
ejemplo el valor de la F de Fisher. El criterio de salida elegido será que el valor de la F esté
por encima de cierto valor obtenido de las tablas de distribución para un determinado
nivel de probabilidad (Fernández Escobar et al., 2010).
4. Resultados
Un total de 237 eventos de lluvia fueron identificados y analizados en Pinus pinea,
mientras que en Cistus ladanifer fueron 200. No se han podido registrar algunos eventos
por causas diversas, como el desbordamiento de la capacidad de los depósitos o la rotura
de los recipientes en los períodos de temperaturas extremas.
La interceptación total en estos cuatro años fue de 616,7 mm en pino (Tabla 1), y de
229,3 mm en jara (Tabla 2), lo que representa el 29,6% y el 17,1% de la precipitación
bruta, respectivamente. Existe una diferencia en la fracción de pérdida de interceptación
de alrededor del 10% entre ambas, lo que pone de manifiesto que la cantidad de agua de
lluvia interceptada por el dosel varía según el tipo de vegetación. También se observa en
B.32.
ambas tablas la variabilidad interanual de los resultados, y vemos como en el segundo y
cuarto año, cuando la precipitación anual bruta fue notablemente inferior a los otros dos,
que la interceptación aumentó considerablemente, lo que demuestra la necesidad de
estudiar la incidencia de las variables climáticas en la interceptación.
PINO
2010-2011
2011-2012
2012-2013
2013-2014
TOTAL
P
611.0
364.2
764.6
344.0
2083.8
T
479.6
223.9
562.7
193.9
1460.1
EC
2.3
0.8
3.1
0.9
7.1
I
129.1
139.5
198.8
149.2
616.7
%T
78.5
61.5
73.6
56.4
70.1
%EC
0.4
0.2
0.4
0.3
0.3
%I
21.1
38.3
26.0
43.4
29.6
Tabla 1. Resumen de trascolación (Tr), escorrentía cortical (Ec) e interceptación (I) en Pinus Pinea
JARA
2010-2011
2011-2012
2012-2013
2013-2014
TOTAL
P
238.8
297.8
469.6
328.2
1334.4
T
169.4
175.1
324.8
208.3
877.5
EC
44.6
51.9
75.1
57.8
229.3
I
24.9
70.9
69.8
62.0
227.6
%T
70.9
58.8
69.2
63.5
65.8
%EC
18.7
17.4
16.0
17.6
17.2
%I
10.4
23.8
14.9
18.9
17.1
Tabla 2. Resumen de trascolación (Tr), escorrentía cortical (Ec) e interceptación (I) en Cistus ladanifer
En el caso del pino, existe una correlación lineal fuerte y positiva entre trascolación y
precipitación bruta (Tr = 0,8085P – 0,7938; R² = 0,977). La trascolación relativa (expresado
como porcentaje de precipitación bruta) varió de 13,2% a 94,9%. En la jara, también existe
una alta correlación entre trascolación y precipitación bruta (Tr = 0,692P – 0,1928; R² =
0,987). La trascolación relativa osciló entre el 11,5% y el 97%.
En pino, el total de escorrentía cortical fue de 7,1 mm, que representa sólo el 0,3% de la
precipitación bruta, existiendo una correlación positiva entre ambas. Igualmente existe
2
una correlación fuerte entre escorrentía cortical y precipitación bruta en jara (R = 0,971),
aunque en esta especie el volumen recogido fue muy superior al del pino, llegando a los
229,3 mm (17,2% del total de las lluvias) con un escurrimiento máximo relativo del 26,4%.
Estos datos de escorrentía cortical evidencian de nuevo la importancia de la estructura de
las plantas en el balance hídrico, ya que este flujo está relacionado con la arquitectura de
las mismas, principalmente con el ángulo de inserción de las ramas (Moreno-Pérez et al.,
2012). Mientras más agudos sean los ángulos de inserción de las ramas y hojas, y más
lisas sean las cortezas, tendrá lugar un mayor flujo cortical (García Estríngana, 2011).
Para estudiar la influencia del clima sobre la interceptación, se estudiaron los efectos de
seis variables: cantidad, intensidad y duración de la precipitación, temperatura y velocidad
y dirección del viento.
B.32.
Estudiando las cantidades de lluvia, la precipitación bruta se dividió en cuatro clases: <5
mm, 5-10 mm, 10-20 mm, y > 20 mm. La mayoría de los eventos fueron inferiores a 20
mm (85,2% del total). Los eventos de precipitación pequeños (<5 mm) se produjeron con
más frecuencia (58% del total de eventos), pero su contribución a la precipitación anual
fue inferior al 7%. La intensidad media de la precipitación durante cada evento de lluvia
-1
-1
varía desde 1,2 hasta 11,1 mm h , con una intensidad máxima de 27,2 mm h . El 67,7% de
los eventos de las lluvias estuvieron acompañados de vientos del sur (26,7% S, 24,6 SE y
16,4% SO). La velocidad media del viento observada durante los eventos de precipitación
-1
varió principalmente entre 1 y 3 m s , con vientos mínimos y máximos que alcanzaron 0,2
-1
y 9,2 m s , respectivamente.
Centrando el estudio en las características de la precipitación, se tiene que en ambas
especies disminuye el porcentaje de interceptación al aumentar la cantidad, la intensidad
y la duración de la lluvia que cae en cada evento (Figura 1).
Respecto a las otras características climáticas consideradas en el estudio, se obtiene que
con el incremento de las temperaturas a la que tiene lugar los eventos de lluvia, se
produce una disminución en el porcentaje de precipitación interceptada. El viento
también influye de forma apreciable, de tal forma que la capacidad de interceptación es
mayor cuando apenas hay viento (velocidades inferiores a 1 m/s) y disminuye cuando
sigue la dirección Sur, que es la dirección del viento predominante en la zona de estudio
(Figura 2).
El análisis de regresión lineal múltiple, usando los datos recogidos en Pinus pinea, entre la
interceptación y todas las variables climáticas consideradas, nos produce la ecuación de
regresión (2):
I = -0.8 + 0.04 P + 1.01 i + 0.01 D - 0.11 V – 0.03 T
2
R a= 0.77
[2]
Siendo: P la cantidad de lluvia, i la intensidad de precipitación, D la duración del evento, V
la velocidad del viento y T la temperatura. Como se puede observar en dicha ecuación, los
coeficientes son de diferentes órdenes de magnitud, lo que induce a pensar que un
análisis como el BSR nos conduciría a una simplificación de la ecuación anterior dejando
solo aquellas variables independientes de mayor influencia sobre la interceptación.
Los resultados arrojados por Microsoft Excel 2010 (Tabla 3) nos muestran el coeficiente de
correlación múltiple, su cuadrado corregido y no corregido, y el error típico de los
residuos. Se define el Coeficiente de determinación ajustado o corregido por grados de
2
2
libertad R a, como una alternativa al uso de R como medida de la idoneidad de un
modelo. Este coeficiente tiene en cuenta tanto el tamaño de la muestra como el número
2
de parámetros del modelo. R a sólo disminuye al introducir una nueva variable explicativa
en el modelo, si la varianza residual disminuye (Montgomery et al., 2002).
Otro indicador del ajuste, es lo que se conoce como Error típico, y es una estimación sobre
la población realizada a partir de la muestra. El Error típico de la estimación es la
desviación típica de los residuos y representa una medida de la parte de variabilidad de la
B.32.
variable dependiente que no es explicada por la recta de regresión. En general, cuanto
mejor es el ajuste, más pequeño es este error típico.
%I
P (mm)
40
600
71.8
68.0
66.2
200
0
0
P<5
5<P<10 10<P<20
%Ec
%I
16.1
63.7
66.5
67.6
42.7
30.0
0.3
0.2
800
600
40
69.9
57.2
20
1000
69.7
400
200
5<P<10 10<P<20
%Ec
80
35.7
60
12.9
P (mm)
600
18.1
16.9
65.0
2<I<3
I>3
PINO
JARA
%Tr
300
31.3 30.8 24.0
43.5 42.0
0.4
0.2 0.3
0.2 0.2
68.5 68.9 75.6
56.4 57.8
250
200
150
100
50
0
00
0-2
2-4
4-6
6-8
Intervalos duración (h)
>8
200
0
I<2
100
400
100
0
P (mm)
500
300
68.6
51.4
20
%I
15.6
15.8
40
I>3
%I
200
P>20
Intervalos intensidad (mm/h)
%Ec
400
100
Intervalos intensidad (mm/h)
%Tr
500
300
100
0
2<I<3
600
0
%Tr
P (mm)
Porcentaje (%)
Porcentaje (%)
52.5
20
P<5
1200
29.8
0.2
I<2
Porcentaje (%)
40
15.7
14.4
18.0
JARA
0
B.32.
13.9
17.4
PINO
60
20
60
20.6
Intervalos precipitación (mm)
80
40
33.7
P (mm)
0
P>20
100
60
80
%I
Intervalos precipitación (mm)
%Tr
80
400
%Ec
100%
Porcentaje (%)
20
57.7
0.2
800
Porcentaje (%)
0.2
33.6
%Ec
100
Precipitación (mm)
60
42.1
1000
Precipitación (mm)
80
1200
27.8
0.4
31.8
0.2
Precipitación (mm)
Porcentaje (%)
100
%Tr
Precipitación (mm)
%Ec
80%
36.1
60%
12.9
40%
20%
51.0
%I
P (mm)
20.3 18.8 18.4 10.6
16.8
15.0 16.4 17.0
350
300
250
200
64.7 64.7 64.6 72.6
150
100
50
0%
0
0-2
2-4
4-6
6-8
>8
Intervalos duración (h)
Precipitación (mm)
%Tr
JARA
Precipitación (mm)
PINO
Figura 1. Porcentaje de trascolación, escorrentía cortical e interceptación en función de volumen (A),
intensidad (B) y duración (C) de las precipitaciones en Pino (1) y Jara (2)
PINO
P (mm)
60
0.1
40
48.9
0.2
57.6
0.2
600
66.4
71.5
0
T<5
5<T<10 10<T<15
16.2
19.7
12.3
53.0
%Ec
%I
P (mm)
47.2
35.8
0.2
35.2
38.5
62.8
62.2
0.2
0.2
0.1
40
52.7
800
600
64.0
64.6
61.3
400
5<T<10 10<T<15
T>15
200
0
0
v<1
1<v<2
2<v<3
%Ec
%I
P (mm)
800
39.8
13.3
28.8
15.5
22.1
28.3
16.1
12.8
46.9
55.8
58.8
v<1
1<v<2
2<v<3
v>3
PINO
JARA
%I
P (mm)
100
%Tr
800
31.1 36.4
43.0 42.1 42.4 36.9
48.5
58.5
0.3
0.2
0.2
0.2 0.2 0.2
0.1
0.0
68.6 63.4
56.8 57.7 57.4 62.9
51.4
41.5
0
700
600
500
400
300
200
100
0
N
NO
O
SO
S
SE
E
Dirección del viento
NE
%Ec
%I
P (mm)
100
80
60
500
30.2
17.3
38.9
11.1
20.0 25.2
30.5 25.9
12.2 15.5
15.9
49.8
15.9
400
58.7
300
13.6
40
20
200
100
Intervalos velocidad (m/s)
%Ec
300
0
Intervalos velocidad (m/s)
%Tr
500
400
61.8
0
v>3
700
600
40
20
200
0
100
60
400
100
28.8
%Tr
80
500
300
JARA
Porcentaje (%)
Porcentaje (%)
20
8.2
18.0
PINO
60
20
40
T<5
80
40
60
63.0
21.0
Intervalos temperatura (°C)
1000
60
600
34.7
80
T>15
1200
80
P (mm)
0
100
20
%I
Intervalos temperatura (°C)
%Tr
Porcentaje (%)
400
200
0
B.32.
800
%Ec
100
Porcentaje (%)
20
42.2
1000
Porcentaje (%)
51.0
28.1
0.3
Precipitación (mm)
1200
33.4
Precipitación (mm)
80
Precipitacion (mm)
Porcentaje (%)
100
%Tr
Precipitación (mm)
%I
Precipitación (mm)
%Ec
64.2 59.0
52.5 50.0 57.3 58.6
12.3
36.6 29.0
0
200
100
0
N
NO
O
SO
S
SE
E
Dirección del viento
NE
Precipitación (mm)
%Tr
JARA
Figura 2. Porcentaje de trascolación, escorrentía cortical e interceptación en función de la
temperatura (D), velocidad (E) y dirección (F) del viento en Pino (1) y Jara (2)
Estadística de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones
0.85
0.73
0.72
2.17
237
ANÁLISIS DE LA VARIANZA
Coeficientes
Interceptación
-0.27
Variable P
0.16
Variable i
0.65
F
222.71
Valor crítico de F
7.551E-48
Tabla 3. Regresión linear múltiple obtenida en Pinus pinea
Aplicando el procedimiento BSR descrito anteriormente, se llega a la ecuación (3) donde la
interceptación es función únicamente de la cantidad y de la intensidad de lluvia. El
2
coeficiente de determinación R a indica ahora que el 72,7% de la variabilidad de la
interceptación se explica mediante esas dos únicas variables:
I = -0.27 + 0.16 P + 0.65 i
2
R a = 0.72
[3]
Del valor de los coeficientes se deduce que la variable intensidad de lluvia ejerce una
mayor influencia en la interceptación.
El estadístico F de Fischer permite decidir si existe relación lineal significativa entre la
variable dependiente y el conjunto de variables independientes tomadas juntas. Para el
caso de la regresión mostrada en la ecuación 3, el valor de la distribución F con un nivel de
probabilidad  = 0,05, y v1 = 2 y v2 = 167 grados de libertad en el numerador y el
denominador, respectivamente, es 2,99. Al comparar el estadístico F con el valor de tablas
vemos que F0 es mayor que F, 2, 167. Por lo tanto, la interceptación en pino está
significativamente relacionada con la cantidad de precipitación o con la intensidad de
lluvia o con ambas. El valor crítico de F (< 0,05) indica que existe relación lineal
significativa, pudiendo afirmar que los resultados que se obtengan a partir de la ecuación
encontrada no estarán demasiado alejados de la realidad.
Se realiza el mismo análisis de regresión múltiple con los datos recogidos en la jara, y se
obtiene la ecuación completa de regresión (4):
I = 0.05 + 0.09 P + 0.4 i + 0.001 D - 0.01 V – 0.03 T
2
R a = 0.76
[4]
Análogamente, siguiendo el método BSR, y al igual que ocurría en el pino, con las variables
intensidad y cantidad de lluvia queda definida la interceptación (ecuación 5):
I = -0.2 + 0.1 P + 0.34 i
2
R a = 0.76
[5]
El valor de la distribución F con un nivel de probabilidad  = 0.05, para 2 grados de
libertad en el numerador y 129 en el denominador es 3,06. De nuevo F0 resulta mayor
que F, 2, 129, por lo que, al igual que en el pino, la interceptación en la jara está
B.32.
significativamente relacionada con la cantidad de precipitación y/o con la intensidad de
lluvia (Tabla 4).
Estadística de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones
0.85
0.76
0.76
0.82
200
ANÁLISIS DE LA VARIANZA
Coeficientes
Interceptación
-0.20
Variable P
0.10
Variable i
0.34
F
206.18
Valor crítico de F
6.6E-41
Tabla 4. Regresión linear múltiple obtenida en Cistus ladanifer
Los resultados obtenidos son similares a los de Huber y Oyarzún (1984), existiendo una
correlación significativa entre la cantidad e intensidad de las precipitaciones y la
interceptación. En las ecuaciones 3 y 5 queda patente que la variable independiente
intensidad de lluvia es la que tiene mayor influencia en la interceptación en ambas
especies, teniendo mayor peso en el caso del pino.
5. Conclusiones
El presente estudio demuestra que la interceptación es un componente importante del
balance hídrico, ya que reduce la cantidad de agua que llega al suelo del bosque. Durante
el periodo de estudio se registraron 237 eventos de lluvia en Pinus pinea (P registrada:
2083,8 mm), y 200 en Cistus ladanifer (P registrada: 1334,4 mm), siendo la interceptación
del 29,6% en el árbol y del 17,1% en el arbusto.
La interceptación es sensible tanto a las variables meteorológicas como al tipo de
vegetación y, en consecuencia, a la estructura del dosel. Se demuestra que la
redistribución de las precipitaciones en trascolación y escorrentía cortical está
fuertemente afectada por las características de los eventos de lluvia, de tal forma que
ambas variables aumentan cuando los eventos son de mayor cantidad, duración e
intensidad. Una mayor temperatura y velocidad del viento también hacen aumentar la
trascolación y la escorrentía cortical.
El análisis de regresión lineal múltiple siguiendo el método BSR, nos proporciona una
ecuación de interceptación en función de dos variables, cantidad e intensidad de lluvia,
2
con un valor de R superior a 0,7 en ambos casos. Para una misma cantidad de lluvia, la
interceptación aumentará en un 65% en el caso del pino y en un 34% en el caso del
-1
arbusto, por cada mm h que aumente la intensidad de lluvia, que ha resultado ser la
variable que tiene una mayor influencia sobre la interceptación en ambas especies.
B.32.
Agradecimientos
Este trabajo se desarrolló en el en el marco del proyecto de investigación "Balance hídrico
superficial en la cuenca hidrológica de El Cabril" financiado por ENRESA (Empresa Nacional
de Residuos Radiactivos) y la Universidad de Córdoba. Los autores desean expresar su
agradecimiento al personal del Departamento de Ingeniería de Suelos de ENRESA.
Referencias
Crockford, R. y D. Richardson, D. 2000. Partitioning of rainfall into throughfall, stemflow and
interception: effect of forest type, ground cover and climate. Hydrological Processes 14, 29032920.
Liu G., S. Du, S. Peng y G. Wang. 2013. Rainfall Interception in Two Contrasting Forest Types in
the Mount Gongga Area of Eastern Tibet, China. Hydrol. Current Res. 4: 161.
Fernández Escobar R., A. Trapero y J. Domínguez. 2010. Experimentación en agricultura.
Servicio de Publicaciones y Divulgación. Sevilla: Consejería de Agricultura y Pesca. ISBN 978-848474-281-4.
Gerrits A.M.J. 2010. Spatial and temporal variability of canopy and forest floor interception in a
beech forest. Hydrological Processes 24, 3011–3025.
Huber, A. y C. Oyarzún. 1984. Precipitación neta e intercepción en un bosque adulto de Pinus
radiata. Revista Bosque, 5 (1), 13-20.
Llopis J. 1996. La estadística: Una orquesta hecha instrumento. Editorial Ariel. Madrid. ISBN:
9788434480247
Llorens, P. y F. Domingo. 2007. Rainfall partitioning by vegetation under Mediterranean
conditions. A review of studies in Europe. Journal of Hydrology, 335(1-2), 37-54.
Montgomery, D. C., E. A. Peck, y G. G. Vining. 2002. Selección de variable y construcción del
modelo. In: Introducción al Análisis de Regresión Lineal. Compañía Editorial Continental.
México, D. F. 261–290
Moreno-Pérez M.F., J. Roldán e I. Cienfuegos. 2012. Interceptación de la lluvia por la
vegetación en una cuenca hidrográfica con clima mediterráneo. XXV Congreso Latinoamericano
de Hidráulica. San José (Costa Rica).
Rodríguez M.J. y R. Morar. 2002. Estadística informática: Datos y ejemplos con el SPSS. Servicio
de publicaciones. Universidad de Alicante. ISBN: 9788479086381.
Van Stan J.T., C.M. Siegert, D.F. Levia y C.E. Scheick. 2011. Effects of wind-driven rainfall on
stemflow generation between codominant tree species with differing crown characteristics.
Agricultural and Forest Meteorology 151: 1277–1286.
Zhan W., Z. Zhang, J. Wu, y J. Xiao. 2007. Spatial variability of throughfall in a Chinese pine
(Pinus tabulaeformis) plantation in northern China. Frontiers of Forestry in China 2: 169–173.
B.32.
Descargar