MODELOS ALOMÉTRICOS PARA LA ESTIMACIÓN DE LA BIOMASA AÉREA TOTAL EN EL PÁRAMO DE ANAIME, DEPARTAMENTO DEL TOLIMA, COLOMBIA MARCO ANTONIO LERMA MARTÍNEZ ELIANA LORENA ORJUELA GÁLVEZ Trabajo de tesis presentado como requisito para optar por el título de Ingeniero Forestal Director MILENA A. SEGURA MADRIGAL Magister en Economía Ambiental Co-director JULIO CÉSAR BERMÚDEZ ESCOVAR Magister en Tecnología de la madera UNIVERSIDAD DEL TOLIMA FACULTAD DE INGENIERÍA FORESTAL INGENIERÍA FORESTAL IBAGUÉ 2014 ADVERTENCIA La Facultad de Ingeniería Forestal de la Universidad del Tolima, la directora y codirector del trabajo y el jurado calificador, no son responsables de los conceptos ni de las ideas expuestas por los autores del presente trabajo. Artículo 16, Acuerdo 032 de 1976 y Artículo 29, acuerdo 064 de 1991, Consejo Académico de la Universidad del Tolima. 3 DEDICATORIA A Dios por brindarme todo lo necesario para poder cumplir todas mis metas propuestas y ser hoy en día lo que soy. A mí padre Marco Lerma y mi madre Gloria Martínez por ser ese apoyo incondicional, por ser ese motivo y motor que me impulsaron a continuar, cumplir mis sueños y objetivos propuestos. A mi hermana Danna Lerma por ser esa compañía necesaria y fundamental. MARCO ANTONIO LERMA MARTINEZ A Dios padre de lo creado por ser mi guía y apoyo en todo momento y demostrarme el valor de la vida. A mis abuelos maternos Hilda Gálvez de Orjuela y Alirio Orjuela Quijano por brindarme lo mejor de ellos en cada etapa de mi vida, siendo mí ejemplo. A mi madre que es la fortaleza de mi vida. A mi padre que desde el cielo es mi guía y ángel protector. A mis tíos y tías por estar en los momentos más especiales de mi vida, por escucharme y ser mis consejeros. Especialmente a mi tía Gloria Lucia Orjuela G., por ser mi mayor apoyo dándome la oportunidad de formarme como profesional, a mi hermano Sergio Nader Orjuela por ser la luz que ilumina mi vida. ELIANA LORENA ORJUELA GALVEZ 4 AGRADECIMIENTOS A los Ing. Milena Segura y Julio Bermúdez por permitirnos ingresar y lograr ser parte del grupo de investigación Producción Ecoamigable de Cultivos Tropicales (PROECUT), apoyarnos y guiarnos en los momentos fundamentales para el desarrollo de este trabajo de grado y aún más, por confiar en nosotros. Al Ing. Hernán Andrade por su apoyo y colaboración en cuanto a las dudas que se presentaron durante la elaboración del trabajo de grado, por sus asesorías y disposición de tiempo al momento de necesitarlo. A Diana Canal por la atención prestada al momento de necesitar el Laboratorio de Fisiología vegetal, por colaborarnos en todo lo que podía y estaba a su alcance; igualmente a Carol Fajardo García por colaborarnos en el Laboratorio de Tecnología de Maderas , disponer de su tiempo y asesorarnos en las diferentes actividades realizadas. A la ONG Semillas de Agua por creer en nosotros, facilitarnos los medios, su apoyo financiero parcial y brindarnos las herramientas adecuadas y necesarias para el desarrollo del trabajo de grado. A la oficina de Investigación de la Universidad del Tolima por su apoyo económico y a cada una de las personas que nos recibieron en el campamento y nos ayudaron a recorrer la zona, brindándonos lo fundamental, lo que hizo posible la ejecución como tal del trabajo de grado. A nuestra Facultad de Ingeniería Forestal y Universidad del Tolima, ya que fueron ellos los que nos acogieron, nos formaron y permitieron que fuéramos parte de su legado. CONTENIDO 5 pág. INTRODUCCIÓN 13 1. JUSTIFICACIÓN 15 2. PLANTEAMIENTO DEL PROBLEMA 17 3. OBJETIVOS 19 3.1 OBJETIVO GENERAL 19 3.2 OBJETIVOS ESPECÍFICOS 19 4. MARCO TEÓRICO Y ANTECEDENTES 20 4.1 EFECTO INVERNADERO 20 4.2 CAMBIO CLIMÁTICO 21 4.3 ACTIVIDADES POTENCIALES DE MITIGACIÓN AL CAMBIO CLIMATICO 22 4.4 ECOSISTEMAS DE PÁRAMO 23 4.5 LA VEGETACIÓN DE PÁRAMO 24 4.5.1 Miconia sp. 25 4.5.2 Weinmannia auriculata. 25 4.5.3 Baccharis sp. 26 4.6 CLIMA DE PÁRAMO 27 4.7 BIOMASA 28 4.8 CUANTIFICACIÓN DE BIOMASA EN BOSQUE NATURAL 29 4.8.1 Método Tradicional. 30 4.8.2 Método Destructivo. 30 4.8.3 Estimación de la Biomasa a través de Sensores Remotos. 31 4.9 31 GRAVEDAD ESPECÍFICA 4.9.1 Medición Directa o Estereométrica. 34 pág. 6 4.9.2 Desplazamiento de Fluidos. 34 4.9.3 Porosímetro de Mercurio. 35 4.10 FACTOR DE EXPANSIÓN DE BIOMASA (FEB) 36 4.11 MODELOS ALOMÉTRICOS 37 4.12 SELECCIÓN DEL MODELO ALOMÉTRICO DE MEJOR AJUSTE 39 5. HIPÓTESIS 42 6. DISEÑO METODOLÓGICO 43 6.1 ÁREA DE ESTUDIO 43 6.2 SELECCIÓN DE LAS ESPECIES 44 6.3 SELECCIÓN DE INDIVIDUOS 45 6.4 GRAVEDAD ESPECÍFICA 45 6.4.1 Procesamiento de las Muestras Recolectadas. 46 6.4.2 Determinación del Peso Seco al Horno (PSH). 46 6.4.3. Cálculo del Volumen en Verde. 47 6.5 CÁLCULO DE LA GRAVEDAD ESPECÍFICA. 47 6.6 DESARROLLO DE MODELOS ALOMÉTRICOS 48 6.6.1 Medición de Volumen y Biomasa. 49 6.6.2 Construcción de Modelos Alométricos para Estimar la Biomasa Aérea Total 51 6.7 52 7. DETERMINACIÓN DEL FACTOR DE EXPANCIÓN DE BIOMASA (FEB) RESULTADOS Y DISCUSIÓN 53 7.1 CÁLCULO DE ÁREA BASAL 53 7.2 GRAVEDAD ESPECÍFICA 54 7.3 BIOMASA EN ÁRBOLES ESTUDIADOS 57 7.4 MODELOS ALOMÉTRICOS PARA LA ESTIMACIÓN DE BIOMASA AÉREA TOTAL 58 pág. 7 8. CONCLUSIONES 63 RECOMENDACIONES 64 REFERENCIAS 65 ANEXOS 76 8 LISTA DE TABLAS Pág. Tabla 1. Modelos alométricas genéricas más empleadas para la estimación de biomasa de leñosas perennes. 38 Tabla 2. Distribución diamétrica, altura total y altura de reiteración de los arboles muestreados. 45 Tabla 3. Cálculo de área basal en bosque natural de páramo. 53 Tabla 4. Gravedad específica promedio para fuste en tres secciones de tres especies forestales de Bosque natural de Páramo. 54 Tabla 5. Clasificación de las propiedades mecánicas de la madera según las normas ASTM. 55 Tabla 6. Valores promedio de biomasa aérea total, dap, altura total y de reiteración, número de individuos muestreados y FEB. 57 Tabla 7. Coeficiente de correlación de Pearson de la Biomasa total con el dap, Altura de reiteración y Biomasa del fuste para las especies estudiadas (n=30) 58 Tabla 8. Modelos para estimar la biomasa aérea total de tres especies de Bosque natural de Páramo. 60 9 LISTA DE FIGURAS Pág. Figura 1. Representación del efecto invernadero 21 Figura 2. Desplazamiento de fluidos 34 Figura 3. Mapa del Municipio de Cajamarca, Tolima (Colombia) 43 Figura 4. Probetas utilizadas en el método de desplazamiento de fluidos 46 Figura 5. Determinación del peso seco al horno 46 Figura 6. Desplazamiento de fluidos 47 Figura 7. Sub-muestras de cada componente para el secado en horno 51 Figura 8. Área basal en bosque natural de páramo 53 Figura 9. Gravedad específica promedio para fuste en tres secciones de tres especies forestales de Bosque natural de Páramo. 54 Figura 10. Valores observados de Biomasa aérea total (BT) para las especies muestreadas con a) diámetro a la altura del pecho (dap), b) altura total (ht), c) altura de reiteración (hr), d) Factor de expansión de biomasa (FEB) 59 Figura 11. Relación entre los valores observados y medidos de Biomasa aérea total 62 10 RESUMEN Los modelos alométricos son herramientas útiles para estimar biomasa y carbono, sin embargo, son escasos para la zona de páramos. El objetivo del estudio fue desarrollar modelos alométricos para estimar la biomasa aérea total de tres especies de bosques de páramo en Cajamarca, Tolima, Colombia. Se seleccionaron 30 individuos (Baccharis sp, Miconia sp y Weinmannia auriculata). El diámetro a la altura del pecho, altura total y de reiteración promedio fue de 26,2 cm (5 – 67 cm), 12 m (4,22 – 25,5 m) y de 7,3 m (2,14 – 22 m), respectivamente. La biomasa aérea total promedio fue de 311,56 kg/árbol (variando de 8,3 – 1211,6 kg/árbol), la especie que reportó la mayor cantidad de biomasa aérea total fue Weinmannia auriculata. Los modelos de mejor ajuste se seleccionaron con base en el coeficiente de determinación (R 2), el R2 ajustado, error cuadrático medio de predicción, los criterios de Akaike, Bayesiano y la lógica biológica del modelo. El diámetro a la altura de pecho estuvo altamente correlacionado con la biomasa aérea total (r = 0,93; P<0,05). El modelo de mejor ajuste para la estimación de la biomasa aérea total fue Ln(BT) = -1.85+2.11*Ln(dap); (BT en kg/árbol y dap en cm), con un R2 y R2-ajust = 0.94. Tanto los modelos como los parámetros fueron altamente significativos (P<0.05). La especie que presentó la mayor gravedad específica fue Weinmannia auriculata seguida de Miconia sp y Baccharis sp con 0.57; 0,56; 0,54 g/cm3, respectivamente. Se encontró un FEB promedio para las tres especies de 1.3. Palabras claves: Gravedad específica, factor de expansión de biomasa, regresión lineal, diámetro a la altura de pecho, usos de la madera. 11 ABSTRACT The allometric models are useful for estimating biomass and carbon tools, however, are limited to the area of moorland. The aim of the study was to develop allometric to estimate the total biomass of three species of forest wilderness in Cajamarca, Tolima, Colombia models. 30 individuals were selected (Baccharis sp, Miconia sp y Weinmannia auriculata). The diameter at breast height, total height and average repetition was 26,2 cm (5 – 67 cm), 12 m (4,22 – 25,5 m) y de 7,3 m (2,14 – 22 m), respectively. The average total biomass was 311,56 kg/ tree (varying de 8,3 – 1211,6 kg/ tree), the species reported the highest amount of total aboveground biomass was Weinmannia auriculata. Best fit models are selected based on the determination coefficient (R2), the R2 adjusted, mean squared error of prediction, criteria Akaike, Bayesiano logical and biological model. The diameter at breast height was highly correlated with total biomass (r = 0,93; P<0,05). The best fit model for estimating total aboveground biomass was Ln(BT) = -1.85+2.11*Ln(dap); (BT in kg/ tree y dap in cm), an R2 y R2-ajust = 0.94. Both the models and parameters were highly significant (P<0.05). The species that showed the highest specific gravity was Weinmannia auriculata seguida of Miconia sp and Baccharis sp with 0.57; 0,56; 0,54 g/cm3, respectively. FEB average one to three species of 1.3 was found. Keywords: Specific gravity, biomass expansion factor, linear regression, diameter at breast height, uses of wood. 12 INTRODUCCIÓN Colombia ha generado diferentes estrategias para la conservación del medio ambiente entre las cuales se encuentra los proyectos REDD+ los cuales son una alternativa para alcanzar objetivos relacionados con la mitigación del cambio climático, conservación de bosques tropicales, así como un apoyo para el mantenimiento de los medios de vida de poblaciones rurales como lo señala Ortega, García, Guerrero, Ruiz y Vargas (2010). La zona de vida del páramo de Anaime, la Fundación Vida (2011), la considera de gran importancia por ser un ecosistema que posee condiciones físico-bióticas que lo convierten en fuente permanente del recurso más importante para la supervivencia de los seres vivos como es el agua. Según Parques Nacionales Naturales de Colombia (PNN, 2011) la Reserva Natural Semilla de Agua, es un área en la cual existen condiciones primitivas de flora, fauna y gea, y está destinada a la conservación, investigación y estudio de sus riquezas naturales. A pesar de las diferentes legislaciones que ayudan a la protección de zonas de vida de alto valor ecológico, como lo es la zona de estudio, la Fundación Vida (2011) no indica que esta no es ajena a las problemáticas de agricultura, ganadería y minería. Existen diferentes métodos para cuantificar la cantidad de biomasa y carbono en bosques, tomando lo dicho por Segura y Andrade (2008), el desarrollo de modelos alométricos, permite obtener por medio de variables dasométricas la cantidad de biomasa y carbono de los bosques, para luego ser transado en el mercado del carbono. Dada la importancia de la zona de páramo como son la prestación de bienes y servicios ambientales, retención de carbono, conservación de la biodiversidad, y el almacenamiento y regulación de agua (Caravalí & Rodríguez, 2011), surge la necesidad de realizar acciones de conservación que ayuden a reducir el impacto negativo de las actividades humanas. 13 Es necesario contar con técnicas para cuantificar los bienes y servicios que ellos generan, los inventarios especiales de carbono se convierten en una herramienta útil de investigación, reflejando no solo la riqueza, variabilidad y dinámica de las diferentes coberturas boscosas presentes en el ecosistema páramo, sino también la prestación de bienes y servicios ambientales como lo menciona la Organización de las naciones unidas para la alimentación y agricultura (FAO, 2000). 14 1. JUSTIFICACIÓN De acuerdo a las cifras de las últimas décadas, la pérdida de bosques naturales en Colombia va en acenso, con una tasa de deforestación actual de bosque natural 295.892 hectáreas durante el periodo comprendido en los años 2011 y 2012 según informe entregado por el Ministerio de Medio Ambiente y Desarrollo Sostenible (MADS, 2013). Las principales causas de deforestación en el país son la expansión de la ganadería extensiva, la expansión de frentes de colonización, los cultivos agrícolas, así como la tala y la minería ilegal. Por eso surge la necesidad de realizar trabajos en zonas ecológicas con gran importancia como lo es la zona Andina Colombiana cuenta con un 17% del total de área boscosa (MADS, 2013), Según estudios realizados por el Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia (IDEAM, 1996) los páramos del país cuenta con una ocupación en área de 12'602'329 ha, más del 12% del territorio nacional, prestando beneficios de servicios ecosistémicos que ofrecen de forma incondicional a la población, como lo son reservorio de agua y hábitat de innumerable biodiversidad. De acuerdo al MADS (2012), expone en su informe que “El índice de pérdida del bosque natural andino fue del 39,1% para el periodo comprendido entre 1985 y 2000, un porcentaje alto como para considerar a estos bosques en estrategias de manejo y conservación.” (p. 3). Por lo anterior, resulta necesario cuantificar la biomasa de los bosques nativos de Anaime, contribuyendo a generar información para la elaboración de estrategias aplicadas como medio de conservación de ecosistemas de páramo y contribuir así a disminuir los gases de efecto invernadero a través de la captura y almacenamiento de CO2. 15 De acuerdo con lo mencionado por Hofstede y Patricio (2000), los ecosistemas de páramos por diversas condiciones especiales, como en el caso de sus bajas temperaturas, provocan las bajas tasas de mineralización y reciclaje de nutrientes, lo cual favorece una lenta pero continua absorción neta de CO 2 atmosférico que es acumulado como parte de materia orgánica en sus suelos de características histosólicas. 16 2. PLANTEAMIENTO DEL PROBLEMA Al resaltar la importancia y la amenaza que poseen los páramos en la actualidad, recordamos lo denominado por Morales y Estévez (2006) cuando escribe: Los páramos son considerados como uno de los biomas estratégicos y a la vez, uno de los más vulnerables del norte de Sudamérica y el Neotrópico, lo que les ha valido la denominación de Hotspot, en la cual se contraponen altos grados de biodiversidad y endemismo con factores críticos de amenaza. (p.34). Tomando lo mencionado por Ortega et al. (2010), el planeta está siendo sometido a las inclemencias del cambio climático, lo que daría como resultado escenarios no muy buenos para el futuro, debido al aumento de la temperatura, se disminuye de una forma considerable la probabilidad de supervivencia de las diferentes especies de flora y fauna, específicamente las típicas del ecosistema de páramo. Basados en investigación reciente de la Corporación Autónoma Regional del Tolima y Corporación Colombiana de Investigación Agropecuaria (Cortolima y Corpoica, 2009), los páramos son ecosistemas de singular riqueza cultural y biótica, con un alto grado de especies de flora y fauna de especial importancia y valor. Los páramos del Departamento del Tolima representan el 27,68 % a nivel nacional, ocupando una extensión de 315.605 ha, superficie que representa el 13 % del área departamental, siendo los más destacados: El páramo de Letras, Normandía, Anaime, Chili y las Hermosas. Basados en García (2003), los ecosistemas de páramo poseen un alto contenido de Carbono por unidad de área, y solamente se encuentran en cinco países de la franja intertropical, Colombia posee el 4 % del total de estos páramos. Según Morales et al. (2006), en Colombia los páramos ofrecen diversos servicios ambientales como la biodiversidad única que albergan entre la especies más 17 amenazadas encontradas por la explotación de los recursos naturales que nos ofrece esta zona de vida como son: el Cóndor Andino (Vultur gryphus), la danta o tapir de montaña (Tapirus pinchaque), el oso de anteojos (Tremarctos ornatus), los venados (Pudu mephistophiles, Mazama rufina, M americana y Odocoileus virginianus), la boruga de páramo (Agouti taczanowskii), la guagua (Dinomys branickii) y el tigrillo (Leopardus tigrinus), Loro orejiamarillo (Ognorhynchus icteroti), Tucán arcoíris (Rhamphastos sulphuratus), Palma de cera (Ceroxylon quindiuense), Frailejón (Espeletia spp); al igual que los paisajes y los suelos, estos en particular por su capacidad de fijar el carbono atmosférico. Además de estos servicios, cabe destacar de manera especial los recursos hídricos de los que se beneficia la población del país ya que los principales ríos del país sus nacimientos se originan en zona de páramo, donde se producen procesos de almacenamiento y regulación hídrica. Como estos ecosistemas brindan un recurso ambiental indispensable para la vida humana su estudio, protección y conocimiento cobran notoria importancia, sobre todo desde una perspectiva de futuro. Con el trabajo de investigación se contribuirá a la ciencia aportando nuevos modelos alométricos locales específicamente del páramo, los cuales permitirán tener un estimado con mayor certeza de la cantidad de biomasa y carbono acumulado en éstos bosques de la Reserva de Semillas de Agua. Por otra parte, ayuda a conocer la importancia de mantener este tipo de ecosistemas, previniendo los cambios de uso del suelo que se han venido dando a lo largo del tiempo en la zona como son la conversión de bosques a áreas de ganadería y agricultura extensiva. 18 3. OBJETIVOS 3.1 OBJETIVO GENERAL Desarrollar modelos alométricos para la estimación de la biomasa arriba del suelo, para tres especies en Páramo Weinmannia auriculata, Miconia sp y Baccharis sp en el municipio de Anaime, Tolima. 3.2 OBJETIVOS ESPECÍFICOS Estimar la gravedad específica de Weinmannia auriculata, Miconia sp y Baccharis sp en Páramo. Cuantificar la biomasa aérea por componentes y total de Weinmannia auriculata, Miconia sp y Baccharis sp Determinar el factor de expansión de biomasa en páramo para el grupo de especies en estudio. Identificar los usos de la madera de las especies en estudio. 19 4. MARCO TEÓRICO Y ANTECEDENTES 4.1 EFECTO INVERNADERO De acuerdo al Intergovernmental Panel On Climate Change (IPCC, 2001): Los GEI absorben la radiación infrarroja, emitida por la superficie de la Tierra, por la propia atmósfera debido a los mismos gases, y por las nubes. La radiación atmosférica se emite en todos los sentidos, incluso hacia la superficie terrestre. Los GEI atrapan el calor dentro del sistema de la troposfera terrestre como se muestra en la Figura 1, a esto se le denomina “efecto invernadero natural”. La radiación atmosférica se vincula en gran medida a la temperatura del nivel al que se emite. En la tropósfera, la temperatura disminuye generalmente con la altura. En efecto, la radiación infrarroja emitida al espacio se origina en altitud con una temperatura que tiene una media de -19°C, en equilibrio con la radiación solar neta de entrada, mientras que la superficie terrestre tiene una temperatura media mucho mayor, de unos +14°C. (p. 180). Como lo denomina la IPCC, 2001 el fortalecimiento del efecto invernadero se produce por: Un aumento en la concentración de gases de efecto invernadero los cuales produce un aumento de la opacidad infrarroja de la atmósfera, y por lo tanto, una radiación efectiva en el espacio desde una altitud mayor a una temperatura más baja. Esto causa un forzamiento radiactivo, un desequilibrio que sólo puede ser compensado con un aumento de la temperatura del sistema superficie–tropósfera. (p.182). 20 Figura 1. Representación del efecto invernadero Fuente: García, 2003. 4.2 CAMBIO CLIMÁTICO Según IPCC (2007), el cambio climático es un fenómeno tangible para muchos observadores y científicos en el mundo. El incremento en la concentración de gases de efecto invernadero, desde el inicio y/o crecimiento industrial en el mundo capitalista ha forzado el cambio climático global, en diferentes escalas continentales, regionales y oceánicas. También se han detectado cambios en la temperatura de los hielos árticos, calor e intensidad de ciclones tropicales, extensos cambios en el régimen de las precipitaciones, salinidad oceánica, patrones de vientos y otros aspectos relacionados a climas extremos incluyendo sequías y lluvias abundantes. Según Arriaga y Gómez (2002), el cambio climático el cual ha venido creciendo estos últimos años a pasos agigantados, ha conseguido que grandes ecosistemas no logren adaptarse al cambio en tan poco tiempo y desaparezcan. En cuanto a una posible respuesta se plantea dos alternativas, la primera tiene como referencia la implementación de actividades de adaptación, siendo éstas las que representan un mayor costo y mayor esfuerzo, y segundo se encuentran las actividades de mitigación, logrando ser las de mayor viabilidad, ya que su implementación representaría un efecto de retención en cuanto a los gases que son enviados a la atmósfera y causan el llamado efecto invernadero. 21 4.3 ACTIVIDADES POTENCIALES DE MITIGACIÓN AL CAMBIO CLIMATICO De acuerdo a lo suministrado por el IDEAM (2010) se expone que: Las actividades de secuestro, almacenamiento o reducción de emisiones de carbono asociadas con los cambios de uso del suelo y las actividades antrópicas de GEI, dan como opciones: Mejorar la eficiencia energética en el sector transporte e industria. Reemplazar los combustibles en el sector transporte. Utilizar energías alternativas. Proteger y ampliar los bosques existentes. Producir bioenergía, a partir de residuos agrícolas y de nuevos cultivos. Promover la cría de ganadería asociada a pastos de mayor calidad nutritiva. En cuanto a educación, formación y sensibilización de público, se deben tener en cuenta las siguientes recomendaciones: Elaborar y aplicar programas de educación y sensibilización del público sobre el cambio climático y sus efectos. Permitir el acceso del público a la información sobre el cambio climático y sus efectos. Facilitar la participación del público en el estudio del cambio climático y sus efectos y en la elaboración de las respuestas adecuadas. Formar personal científico, técnico y directivo. Preparar e intercambiar material educativo y material destinado a sensibilizar al público sobre el cambio climático y sus efectos. Elaborar y aplicar programas de educación y formación, incluyendo el fortalecimiento a las instituciones nacionales y el intercambio o la adscripción de personal encargado de formar expertos en esta esfera, 22 en particular para países en vía de desarrollo. (Citado por Morales y Falla, 2012, p. 27-28) 4.4 ECOSISTEMAS DE PÁRAMO Para el país el ecosistema de páramo es considerado único, como se menciona en el Proyecto de Páramos (2006), además de la vegetación característica, goza de condiciones climáticas, de suelos y de altitud que los diferencian y que hacen de ellos un conjunto de situaciones ambientales singulares. Los páramos ofrecen diversos servicios ambientales como la biodiversidad única que aloja, sus paisajes y los suelos, que principalmente son importantes por su capacidad de fijar el carbono atmosférico. Además, de estos cabe destacar de manera especial los recursos hídricos de los que se beneficia la población del país, los nacimientos de los principales ríos de Colombia se originan en zonas de páramo, donde se producen procesos de almacenamiento y regulación hídrica, esto se debe ya que son sitios donde se regula la hidrología, debido a que las bajas temperaturas disminuyen la evaporación, mientras que la otra parte es retenida por su vegetación (Ortiz & Reyes, 2009). Como estos ecosistemas brindan un recurso ambiental indispensable para la vida humana el agua, su estudio, protección y conocimiento cobran notoria importancia, sobre todo desde un aspecto de futuro. El país ha desarrollado diversas iniciativas para conocer e investigar las características, los servicios ambientales y las problemáticas relacionadas con estos ecosistemas de alta montaña en el contexto del cambio climático global (Proyecto de Páramos, 2006). 23 4.5 LA VEGETACIÓN DE PÁRAMO El Proyecto de Páramo (2006), menciona la importancia de la vegetación de páramo, la cual se encuentra distribuida en varias zonas, dichas zonas poseen unas características y condiciones únicas del medio, de acuerdo a esto la vegetación se encuentra localizada de esta manera: El subpáramo entre los 3300 y 3800 m, este presenta una vegetación arbustiva con bosque bajo y especies comúnmente del género Arcythophyllum, el páramo medio presenta formaciones arbustivas con presencia de frailejones, el súper páramo la vegetación se vuelve menos continua y las heladas nocturnas son más frecuentes, y en la zona nival se encuentra en alturas por encima de los 4800 m, con muy poca o nada de vegetación, la presencia de glaciares es muy frecuente. (p. 4) Entre la vegetación más frecuente el Proyecto Páramo (2006), establece que “La descripción de los tipos de vegetación se diferencian por medio de asociaciones y que a un nivel más alto se juntan en alianzas” (p. 4), como se analiza en la cordillera Central en donde el bosque alto andino se extiende hasta los 3.800 m, seguido por la vegetación de páramo medio hasta aproximadamente 4.400 m, para luego pasar a vegetación de súper páramo. En cuanto a vegetación azonal, Proyecto Páramo (2006) expone que existe una gran variedad y cantidad de comunidades - asociaciones, especialmente de pantanos: En primer lugar, están los tipos de turberas con dominancia del musgo Sphagnum, que se encuentran aproximadamente entre los 3000 y 3800 m, para luego, de manera ascendente, ser gradualmente reemplazados por turberas de almohadillas, con Plantagorigida o Distichiamuscoides. En las orillas de las lagunas se puede encontrar vegetación pantanosa con 24 especies de Cyperaceae, entre otras, y propiamente en las lagunas puede haber vegetación semi-subacuática con Isoetes spp. y otras. (p. 4-5) En inventarios realizados en diferentes zonas del estudio (Mojica, 2013), los cuales identificó como: bosque achaparrado, maduro y subpáramo, indica que las especies Encenillo (Weimannia aurículata D. Don), Niguito (Miconia sp) y Chilco blanco (Baccharis sp) representan la mayor abundancia y frecuencia. 4.5.1 Miconia sp. Según Dörple (2002), determina árboles con alturas entre los 10 y 12 m aproximadamente, con dap de 25 a 30 cm, tiene un crecimiento acelerado y de corta vida (aproximadamente 10 años). Según Dörple, (2002) describe que: Posee un tronco recto, la disposición y forma de las hojas son opuestas en forma de cruz, ovalada que termina en punta, nervios sobresalientes, pelusa blanca en la superficie y punta de la hoja con un peciolo verde rojizo, en cuanto a sus flores son de pequeño tamaño de color blanco y frutos color negro rojizo, los cuales sirven como alimento para las aves, la madera es dura, su mayor resistencia se presenta al secarse, es de color claro, generalmente es utilizada para construcción de casas, postes, leña y carbón, normalmente se trabaja con diámetros de 40 cm, utilizándose en su edad mayor. (p, 15). 4.5.2 Weinmannia auriculata. Según la Organización Para la Educación y Protección Ambiental (OPEPA, 2003), menciona que son árboles de montaña, de follaje denso y copa usualmente de forma cónica invertida, caracterizados por sus hojas opuestas y dentadas, muchas veces (pero no siempre) compuestas y aladas (pequeños segmentos de hoja a cada lado del eje central), en sus troncos que son de corteza rugosa crece gran 25 número de plantas epífitas, como orquídeas, bromeliáceas, helechos, musgos y líquenes. En el tallo, entre cada par de hojas nuevas, hay estípulas (pequeñas hojitas) características. Flores blancas, pequeñas, en espigas son visitadas por numerosos insectos, como moscas y abejas. Las semillas, diminutas, son dispersadas por el viento; los encenillos conforman el grupo de árboles más importante en los bosques altoandino de Colombia logrando establecerse como dominantes en estos sitios (OPEPA, 2003). La OPEPA, (2003) define que “La madera de los encenillos es de buena calidad y es usada en construcciones y como leña, la corteza de algunas especies ha sido empleada para curtir pieles” (p, 6). 4.5.3 Baccharis sp. Entre las características generales descritas por Vargas (2002), es un género neotropical, comprende unas 400 especies entre árboles pequeños, arbustos y hierbas diocas, los chilcos son un grupo bastante diverso en tierras altas y muchas de sus especies tienen hojas con tres nervios basales. En la región se encuentran unas 18 especies, entre las que sobresale por su abundancia el chilco común Baccharis latifolia y el Chilco blanco, comunes en bordes de camino y sucesión tempranas. En cuanto a su distribución altitudinal es amplia, como característica generalmente árboles que según el reporte del Herbario virtual miden hasta 6 m, muy ramificados con hojas simples alternas agrupadas al final de las ramas, bordes sub-entero, en algunas hojas con dientes diminutos, nerviación pinnada, nervaduras secundarias muy poco notorias, haz verde oscuro, envés verde amarillento (Vargas, 2002). Sus flores en cabezuelas densas, éstas a su vez dispuestas en panículas cortas, axilares y su fruto como aquenio con apéndices filamentosos. 26 4.6 CLIMA DE PÁRAMO Las condiciones climáticas de los bosques alto andino colombianos son muy variadas, como se muestra en el proyecto de páramo andino en su sección El clima, no sólo en cuanto a la distribución de la precipitación pluvial, sino en relación con las variaciones de temperatura, luminosidad, duración del día de luz, humedad relativa y vientos. Aunque existen muy pocas estaciones meteorológicas por encima de los 3000 m de altitud, los datos acerca de los rasgos de los suelos y la vegetación reflejan esta variedad (Proyecto de Páramo, 2006). En la transición entre el bosque alto andino y el sub páramo, las temperaturas medias multianuales son inferiores a los 8 ó 9°C, por encima de 3300 m, aproximadamente; en el páramo medio o propiamente dicho, éstas corresponden a valores inferiores a 6 °C, mientras que en el súper páramo, los valores se presentan por debajo de los 3 °C. Para Proyecto de Páramo (2006), la variación de temperatura media mensual es mínima, pero las diferencias entre día y noche son considerables. Esta variación ha hecho que el páramo se conozca como el “trópico frío”; mientras durante el día las temperaturas pueden subir bastante, por la noche puede nevar o helar. En la actualidad se le ha dado importancia a la precipitación horizontal como una de las principales fuentes de captación de agua en las zonas de páramo, aunque no se conocen estudios cuantitativos que reflejen esta situación, a su vez la humedad relativa con frecuencia es muy alta, entre 80 y 98% durante gran parte de la noche y el día; posee un carácter variable y estacional (máxima en época de lluvias y mínima en las estaciones secas), y además suele presentarse el fenómeno de niebla. En general, en estas zonas la evapotranspiración real es baja. Se presenta una alta incidencia de la radiación ultravioleta, una luminosidad variable con alta intensidad y 27 abundante luz difusa. Por otra parte, los vientos son variables y de distinta intensidad, aunque particularmente fuertes en las vertientes expuestas a los valles interandinos. 4.7 BIOMASA Es prácticamente el crecimiento, producción primaria que realiza la planta, la cual se encarga de originar todos esos diversos tejidos que la planta necesita para su normal desarrollo, la biomasa o el mismo peso seco cuantificado en toneladas por hectárea y se encuentra determinado por el clima, suelo, especie forestal y manejo (Schlegel, Gayoso, & Guerra, 2002). También se encuentra que la biomasa es la masa total de los organismos vivos en una zona o volumen determinado, en donde se incluyen los restos de plantas que han muerto recientemente a lo que se le da el nombre de biomasa muerta (IPCC, 2001). Según Álvarez (2008), expone que para generar una mayor productividad en un sitio, esta biomasa vegetal contiene cantidades variables de los elementos nutritivos que son utilizados para el crecimiento de los árboles, la contribución porcentual de los diferentes componentes (fuste, corteza, ramas, hojas y raíces) en la biomasa total de un árbol varía considerablemente dependiendo de la especie, la edad, el sitio y el tratamiento silvicultural. La biomasa se ha convertido en un importante elemento de estudio debido a que existe intereses industriales, energéticos y ambientales (Juega un rol importante en el ciclo global de carbono). A partir de la biomasa se puede calcular la concentración de carbono ya que se estima que aproximadamente el 50% de la biomasa está formada por carbono, por consiguiente se pueden hacer estimaciones sobre la cantidad de dióxido de carbono que ingresa a la atmósfera cada vez que se elimina una planta o se quema un bosque (Álvares, 2008). 28 4.8 CUANTIFICACIÓN DE BIOMASA EN BOSQUE NATURAL El contenido de biomasa puede estimarse mediante métodos directos o indirectos. El primer, consiste en cortar el árbol y determinar la biomasa pesando directamente cada componente (Araújo, Higuchi, De Carvalho & J.A., 1999). El segundo utiliza métodos de cubicación donde se suman los volúmenes y se toman muestras de madera, las que se pesan en el campo para calcular los factores de conversión de volumen a peso seco (Segura, 1997). Otra forma de estimar la biomasa es a través de ecuaciones y modelos matemáticos calculados por medio de análisis de regresión entre las variables colectadas en el campo y en inventarios forestales (dap, altura comercial y total, crecimiento dimétrico, entre otros) (Araújo et al., 1999; Brown 1997). La biomasa se ha convertido en un importante elemento de estudio debido a que existe intereses industriales, energéticos y ambientales (Juega un rol importante en el ciclo global de carbono). A partir de la biomasa se puede calcular la concentración de carbono ya que se estima que aproximadamente el 50% de la biomasa está formada por carbono, por consiguiente se pueden hacer estimaciones sobre la cantidad de dióxido de carbono que ingresa a la atmósfera cada vez que se elimina una planta o se quema un bosque (Álvarez, 2008). La estimación adecuada de la biomasa juega un papel fundamental, ya que de esta depende para la cuantificación exacta del carbono capturado en un bosque, al tener en cuenta que la biomasa que se quiere estimar es una aproximación equivalente al peso seco de lo existente arriba del suelo, en términos porcentuales, el fuste del árbol concentra la mayor cantidad de biomasa aérea, representando entre 55 y 77% del total: luego están las ramas con 5 a 37%; y por último las hojas y la corteza del fuste entre 1 y 15% y 4 a 16% respectivamente (Gayoso, Guerra y Alarcón, 2002). 29 Esto da a entender que la cantidad de biomasa en relación de copa y fuste, es mayor en el fuste, según un estudio realizado por Shlengel (2001), afirma que la cantidad de carbono almacenado en un bosque cualquiera, depende del tipo y del estado de desarrollo en el que se encuentre el bosque, ya que con el transcurso del tiempo el árbol tiende a disminuir su capacidad de captación de CO 2 volviéndose de esta forma menos eficiente generando como resultado en ciertos casos que el árbol expulse la misma o mayor cantidad de CO2 que absorbe. El cálculo de la biomasa es el primer paso para evaluar la productividad de los ecosistemas y la contribución de los bosques tropicales en el ciclo global del carbono (Parresol, 1999). Como menciona Álvares (2008), existen tres tipos de métodos para cuantificar la biomasa los cuales se explican a continuación. 4.8.1 Método Tradicional. Este método, se basa en los datos del volumen comercial (a partir de información básica de inventarios), la densidad básica de la madera y el factor de expansión de la biomasa (FEB). Puede aplicarse en los bosques densos, secundarios o maduros (correspondiente a climas húmedos y semiáridos) (Brown, 1997). 4.8.2 Método Destructivo. La medición de la cantidad de biomasa aérea en cualquier componente de un ecosistema requiere la aplicación del método destructivo (Brown, Gillespe & Lugo, 1989). Este método proporciona un valor exacto de la biomasa ya que consiste en destruir los árboles, para calcular su peso seco o biomasa. Adicionalmente Gayoso et al. (2002), plantea que el método permite formular relaciones funcionales entre la biomasa y las variables del rodal de fácil medición como el diámetro a la altura del pecho, altura comercial, altura total y otras. El inconveniente que presenta es su alto costo en términos de tiempo y recurso económico, además de la propia destrucción de los árboles empleados en la medición. El método destructivo es el más 30 preciso (omite errores de estimación) para estimar la cantidad de biomasa aérea (Monroy & Návar, 2004). 4.8.3 Estimación de la Biomasa a través de Sensores Remotos. Los sensores remotos pueden proveer de datos que permitan responder a las interrogantes e incertidumbres respecto al ciclo dinámico de la biomasa, ya que posibilitan la evaluación frecuente de cambios de cobertura boscosa en grandes extensiones (Brown & Lugo, 1992; Calderón, Jong, Ochoa, March & Castillo, 1999). Mediante el uso de sensores remotos es posible obtener información de las propiedades del bosque y hasta cierto nivel es posible separar bosque en regeneración de bosques maduro (Calderón et al., 1999). 4.9 GRAVEDAD ESPECÍFICA Generalmente, los inventarios forestales cuentan con información de volumen comercial o total. Para llevar este volumen a biomasa es necesario contar con la gravedad específica de la madera, la cual permite transformar los volúmenes húmedos en biomasa (Brown et al., 1989; Segura & Kanninen, 2005; Álvares, 2008). En la madera, como en todo cuerpo poroso, la densidad sirve como una medida del peso de la madera sin descontar los espacios interiores (densidad aparente), o como una medida del peso de la sustancia de las paredes celulares (densidad real), por unidad de volumen (Londoño, 2008). El conocimiento de la densidad aparente o real es muy importante para lograr el uso adecuado de las maderas, es un factor importante en la determinación de las propiedades físicas y mecánicas que caracterizan las diferentes clases de maderas, la cantidad de sustancia madera en un bloque dado es un indicador seguro de sus 31 propiedades de resistencia y, hasta cierto punto, de su facilidad de trabajo y características de acabado (Londoño, 2008). Davel, Jovanowski y Mohr (2005), mencionan que dentro de las propiedades físicas de la madera, la densidad básica es una de las más importantes, ya que determina el valor y la utilidad de la misma, y está fuertemente correlacionada con otras propiedades tales como la resistencia mecánica, la rigidez, la conductividad térmica y el calor específico. Según Londoño (2008), la densidad de un material homogéneo se define como la masa o el peso del material por unidad de volumen, la densidad se expresa en g/cm3 cúbico o en kg/m3. La densidad es influenciada por los espacios vacíos de una pieza de madera determinan la cantidad de agua que esta puede absorber y por esta razón son un factor determinante en las relaciones agua-madera, la densidad de la madera también tiene influencia predominante en las variaciones dimensionales que tienen lugar en ella por los cambios en el contenido de humedad por debajo del punto de saturación de las fibras (PSF) y por esta razón influye en las propiedades básicas de la madera (Arévalo, 2006). Por lo anterior, se deduce que la densidad juega un papel importante cuando se quiere determinar la utilidad de una clase de madera dada y específicamente cuando se quiere dedicar a propósitos definidos. Londoño (2008) menciona que: En términos generales la densidad de la madera depende de: a) El tamaño de las células. b) El espesor de las paredes celulares. c) Las interrelaciones entre el número de células de diferentes clases en términos del tamaño de las células y del espesor de las paredes celulares. (p, 23). 32 Aunque la densidad de la madera puede ser determinada a un contenido de humedad cualquiera, los resultados así obtenidos son tan variables, que ha sido necesario establecer una norma que permita hacer comparaciones; por consiguiente, se estableció que la densidad de la madera debe estar basada en el peso de la madera seca al horno, a menos que otra condición sea establecida, mientras que el volumen puede ser determinado en: a) Base verde (C.H. igual o por encima del PSF) b) Base seca al aire (C.H.=12%) c) Base seca al horno. La densidad en el peso seco al horno y el volumen verde se denomina densidad básica, y es uno de los valores más utilizados. El término "básico" se aplica tanto al volumen verde como al peso seco al horno por ser dos valores constantes y fácilmente reproducibles. La gravedad específica de la madera varía en función del tipo de bosque, de las condiciones de crecimiento, de la densidad de rodal y del clima (Brown, 1997; IPCC, 2003). Además, posee un patrón de variación con la edad y la altura del árbol, de tal manera que durante los primeros años el árbol produce madera con anillos de crecimiento anchos, donde hay una mayor proporción de madera temprana de baja densidad y respecto a la altura, la densidad es mayor en la base y va disminuyendo hacia la copa (Pereyra & Gemid, 2002). Para la determinación de la gravedad específica de la madera, ya sea la aparente o la real, es necesario conocer su peso y su volumen. El peso puede ser determinado en forma fácil y relativamente con gran exactitud, mediante el empleo de una balanza de precisión. Para la determinación del volumen se tropieza con varias dificultades, a causa de que los diferentes métodos utilizados proporcionan valores diferentes para el volumen 33 específico de la sustancia madera, Londoño (2008) propone que en cuanto a la determinación del volumen puede realizarse por uno de los siguientes métodos: 4.9.1 Medición Directa o Estereométrica. Consiste en determinar el volumen mediante la medición de las dimensiones de la pieza de madera. Este método requiere de probetas bien elaboradas, forma geométrica definida, sin grietas ni nudos. Es un método impreciso debido a la deformación que sufren las probetas por contracción y alabeo durante el secado (Arévalo & Londoño, 2005). 4.9.2 Desplazamiento de Fluidos. Según Londoño (2008) este método se basa en "El principio de Arquímedes, el cual establece que un cuerpo que flota o se sumerge en un líquido, es empujado hacia arriba con una fuerza igual al peso del líquido desalojado por el objeto" (p, 28). Por ejemplo, una probeta de madera flotando en un líquido como se muestra en la Figura 2, es sostenida flotando por una fuerza F, que es igual al peso del líquido desalojado (correspondiente a la parte sombreada). Figura 2. Desplazamiento de fluidos Fuente: Londoño, 2008 Cuando el prisma de madera se coloca en el líquido, éste se sumerge hasta que la fuerza F sea suficientemente grande para equilibrar la fuerza W del peso de la madera. Si el 34 prisma se sumerge completamente en el líquido, se rompe el equilibrio porque hay un empuje hacia arriba por acción del líquido sobre el cilindro. Si el principio de Arquímedes es correcto, el empuje hacia arriba es igual al peso de un volumen de líquido igual al volumen del prisma de madera (Londoño, 1978). Según Londoño (2008), el problema de aplicar el método de desplazamiento de fluidos se presenta a causa de los diferentes líquidos utilizados como medios desplazantes, dan diferentes valores para el volumen. Estas diferencias surgen como resultado de los grados variables de accesibilidad de la estructura celulósica según el líquido y de la tendencia del líquido de llegar orientado y contenido dentro de la estructura de la celulosa debido a fuerzas de atracción. Arévalo (2006), menciona que tanto la celulosa, materia principal de la pared celular, como la madera misma, son materiales altamente porosos; sin embargo, los líquidos no polares, tales como el benceno, el tolueno y el tetracloruro de carbono, no penetran dentro de la estructura celular. Utilizando líquidos no polares, se determinó la densidad del algodón purificado, la cual varía de 1.54 a 1.56 g/cm3; de la sustancia madera: 1.42 a 1.46 g/cm3 de la pulpa de madera: 1.54 a 1.56 g/cm3. Utilizando agua como medio desplazante, se obtuvieron valores superiores a los anteriores: 1.60 a 1.62 g/cm3 para el algodón; 1.59 a 1.61 gr/cm3 para la pulpa de madera y 1.50 a 1.55 g/cm3 para la sustancia madera (Forest Products Laboratory, 1986). El método de desplazamiento de fluidos también se ha realizado utilizando gas helio ya que, debido a su bajo peso molecular y no ser absorbido por la celulosa, puede llenar todos los espacios capilares. Los valores obtenidos por este método son valores intermedios entre los obtenidos utilizando líquidos no polares y agua; así, para el algodón se obtuvieron valores entre 1.55 y 1.58 g/cm3; para la madera 1.46 g/cm3 (Londoño, 1978). 4.9.3 Porosímetro de Mercurio. Este método se basa en la determinación del volumen de la madera por inmersión en mercurio. El aparato, denominado volumenómetro de 35 mercurio, es muy útil para la determinación de volúmenes de probetas pequeñas y de forma irregular, pero tiene desventajas cuando se trata de maderas muy porosas. Los valores obtenidos con este método para la sustancia madera (1.32 a 1.42 g/cm 3) son ligeramente más bajos que los obtenidos utilizando líquidos no polares (Londoño, 2008). 4.10 FACTOR DE EXPANSIÓN DE BIOMASA (FEB) Existe una amplia experiencia en el campo forestal sobre las técnicas para estimar el volumen (total y comercial) y el crecimiento de un rodal a lo largo del tiempo. A partir de ellas se ha generado mucha información que constituye una base muy útil para generar estimaciones de la capacidad de fijación de carbono en un rodal. Para la transformación de ese volumen de fustes estimado mediante inventarios forestales en valores de biomasa total son necesarios coeficientes técnicos que permitan la relación porcentual entre ambas medidas. Estos coeficientes son los denominados factores de expansión de biomasa (FEB) (Brown, 1997; Loguercio y Defossé, 2001). FEB es el factor de multiplicación que aumenta la madera en pie o el volumen comercial, para tener en cuenta componentes de biomasa no medidos, como ramas, follajes y árboles no comerciales (IPCC, 2003). El factor de expansión de biomasa se define como el cociente entre la biomasa aérea total y la biomasa de los fustes (Dauber, Teran & Guzmán, 2003). El factor de expansión de la biomasa, varía mucho entre especies y condiciones particulares de los ecosistemas forestales. El valor promedio para diferentes tipos de bosque es 1.6 (Brown & Lugo, 1984); sin embargo, en sistemas agroforestales, se pueden encontrar valores promedios de 2.2 con un rango de 1.9 a 2.4 (Andrade & Ibrahim, 2003). 36 Ruiz (2002), encontró valores promedio de FEB de 1.6 para siete especies arbóreas dispersas en pasturas de Matiguás, Nicaragua (Cassia grandis, Platymiscium pleiostachyum, Pithecellobium saman, Guazuma ulmifolia, Enterolobium cyclocarpum, Cordia alliodora y Tabebuia rosea). Segura (1999), reporta FEB para bosques húmedos bajos de 1,6. Según Brown (1997), para bosques donde la biomasa total de fuste sea mayor o igual a 190 t/ha el valor de FEB es de 1.74 y para menores a 190 t/ha el valor de FEB se calcula a partir de la siguiente ecuación (Ecuación 1): FEB = EXP (3.213 - 0.506*LN (BF)) [1] FEB = EXP(3.213−0.506*LN (BF )) Dónde: FEB = Factor de expansión de biomasa; BF = Biomasa de fuste (t/ha). 4.11 MODELOS ALOMÉTRICOS De acuerdo a lo expuesto por Alvares (2008) afirma que el volumen ha sido y sigue siendo la forma de expresión de la cantidad de madera contenida en los rodales. En consecuencia, una forma de acceder al conocimiento del volumen es a través de tablas de volumen, modelos de volumen, modelos matemáticos capaces de representar el volumen medio de madera por árbol a partir de las variables independientes, como es el diámetro a la altura del pecho (dap) y altura (Fucaraccio & Staffieri, 1999). La continua dificultad en la determinación directa del volumen mediante la cubicación de secciones hace conveniente contar con expresiones matemáticas que basadas en una muestra objetivamente seleccionada y cuidadosamente medida, que permite estimar el volumen de los árboles sobre la base de mediciones simples. 37 Los modelos alométricos de biomasa y/o carbono son una herramienta útil para obtener estimados de la biomasa aérea total y del carbono almacenado en sistemas forestales y agroforestales (Segura & Kanninen 2005; Brown et al., 1989). Segura et al. (2008) y Andrade et al. (2013), describen detalladamente como construir un modelo alométrico desde la selección del sitio y de las especies; estimación del tamaño de la muestra; selección de los individuos por muestrear; corte, medición y pesaje de los individuos; ajuste de los modelos genéricos hasta los criterios para la selección del modelo alométrico de mejor ajuste. Los modelos alométricos son ecuaciones matemáticas desarrolladas para describir el comportamiento de una variable (dependiente) (Sit & Poulin, 1994) como el volumen, biomasa o carbono en árboles individuales. La obtención de la respuesta a estas variables de interés necesita la medición de variables dasométricas básicas de árboles en pie (variables independientes), tal como el diámetro del fuste a la altura de pecho (dap), la altura total (ht), altura de reiteración (hr) (entendiéndose esta altura, la medida desde la base del árbol hasta la base de la copa) y otras (Loetsch & Haller 1973; Caillez 1980; Husch, Miller & Beers 1982; Parresol 1999; Picard et al., 2012). Loestch et al. (1973), muestran algunos modelos alométricos genéricos más empleados para la estimación de volumen, biomasa o carbono de árboles, arbustos y palmas (Tabla 1). Tabla 1. Modelos alométricas genéricas más empleadas para la estimación de biomasa de leñosas perennes. Nombre Ecuación Berkhout B = a + b * dap 38 Kopezky B = a + b * dap Hohenadl-Krenn B = a + b * dap + c * dap Husch Ln(B) = a + b * Ln(dap) Spurr B = a + b * dap * ht Stoate B = a + b * dap + c * dap * ht + d * ht Meyer B = a + b * dap + c * dap * ht + d * dap*ht Scumacher-Hall Ln(B) = a + b * Ln(dap) + c * Ln(ht) B: Biomasa arriba o abajo del suelo (kg planta -1); dap: Diámetro a la altura de pecho (cm); ht: Altura total (m). Fuente: Segura y Andrade (2008). La biomasa aérea total de especies forestales puede ser estimada mediante métodos directos (destructivos) o indirectos (modelos de biomasa o volumen). La forma de obtener el volumen o biomasa de un individuo mediante modelos matemáticos se conoce como cálculo indirecto. Segura y Kanninen (2005) y Ortiz (1993), indican que los modelos son específicos para cada tipo de ecosistema, zona de vida, especie o grupo de especies. 4.12 SELECCIÓN DEL MODELO ALOMÉTRICO DE MEJOR AJUSTE El objetivo de la evaluación de modelos es seleccionar aquellos que presenten el mejor balance entre la capacidad de ajuste de los datos y su complejidad. Modelos con un mayor número de parámetros tienden a ajustar mejor una base de datos, no obstante tienden a ser más inestables y a modelar la variabilidad de esos datos más que su tendencia (Posada, Zoot y Rosero 2007). Adicionalmente, el mayor número de parámetros implicará mediciones adicionales de una de las variables adicionadas al modelo para el cálculo del modelo (Álvares, 2008). 39 Los modelos pueden ser evaluados de acuerdo con los siguientes criterios: el coeficiente de determinación (R2), el coeficiente de determinación ajustado (R2 ajustado), el Error Cuadrático Medio de Predicción (ECMP), el Criterio de Información Akaike (AIC, por sus siglas en inglés), el Criterio de Información Bayesiano (BIC, por siglas en inglés) y la lógica biológica del modelo, los cuales se detallan a continuación. (Segura & Kanninen, 2005; Álvares 2008; Segura & Andrade, 2008; Brown, 1997). Coeficiente de determinación: Se interpreta como la proporción de la variabilidad total en Y explicable por la variación de la variable independiente o la proporción de la variabilidad total explicada por el modelo (Di Rienzo, Robledo, Balzarini, Casanoves, Tablada & González, 2008), Coeficiente de determinación ajustado: Este coeficiente de determinación ajustado (R 2 ajustado) en un modelo de regresión lineal permite medir el porcentaje de variación de la variable dependiente (al igual que el coeficiente de determinación) pero teniendo en cuenta el número de variables incluidas en el modelo. El Error Cuadrático Medio de Predicción: Se representa con las siglas ECMP, los modelos seleccionados por su mayor capacidad de ajuste son aquellos que expresan el menor valor en este criterio (Ferriols, Alós, Rius y Navarro, 1995). Criterio de Información Akaike: El Criterio de Información Akaike (AIC) (Álvares, 2008; Moret & Ruíz, 1998) es usada para penalizar un exceso de párametros ajustados, algo que no hace el test asintótico del chi- cuadrado. Criterio de Información Bayesiano: El Criterio de Información Bayesiano (BIC), es un criterio para la selección de modelos entre un conjunto finito de modelos. Se basa, en parte, de la función de probabilidad y que está estrechamente relacionado con el Criterio de Información de Akaike (AIC). 40 Criterio de Lógica biológica del modelo: Se realiza un balance entre la rigurosidad estadística y la practicidad en el uso de los modelos alométricos de volumen, biomasa y carbono, comparando los valores estimados por cada modelo con los valores que el investigador esperaría (Segura et al., 2008) 41 5. HIPÓTESIS Existen diferencias estadísticas de la gravedad específica entre la madera del fuste y de las ramas por especie. Existe una relación directa entre el diámetro y la altura del árbol con la biomasa en el fuste y la biomasa total del árbol arriba del suelo. La variable de diámetro a la altura del pecho es la que mejor explica la biomasa aérea total arriba del suelo 42 ',6(f20(72'2/Ï*,&2 È5($'((678',2 /DLQYHVWLJDFLyQVHGHVDUUROOyHQHO0XQLFLSLRGH&DMDPDUFDFRUUHJLPLHQWRGH$QDLPH 7ROLPD)LJXUDHQOD5HVHUYD1DWXUDO6HPLOODVGH$JXD(VWDUHVHUYDFXHQWDFRQXQ iUHDGHKD\VHHQFXHQWUDXELFDGDHQODYHUWLHQWHRULHQWDOGHODFRUGLOOHUD&HQWUDO GH &RORPELD HQ ORV OtPLWHV GH ORV PXQLFLSLRV GH &DMDPDUFD ,EDJXp 5RYLUD \ 5RQFHVYDOOHVGHOGHSDUWDPHQWRGH7ROLPDHQHO%RVTXHDOWRDQGLQRGH$QDLPH )LJXUD0DSDGHO0XQLFLSLRGH&DMDPDUFD7ROLPD&RORPELD &2/20%,$ &$-$0$5&$ 72/,0$ )XHQWH6KDGRZ[IR[ 'HQWURGHOiUHDGHODUHVHUYDVHUHJLVWUDFRPXQLGDGHVTXHOOHYDDxRVGHHVWDEOHFLPLHQWR HQHVWRVSUHGLRV6HJ~Q*yPH]\7DEDUHVHVWHSiUDPRWLHQHHQKDGH FREHUWXUD QDWXUDO FRQ XQ GH ERVTXH DOWRDQGLQR KD XQ D SDMRQDO IUDLOHMRQDOKDXQHQSRWUHURKDXQHQ7XUEHUDKD\XQ 0.2% en laguna (25 ha). El páramo de Anaime se encuentra ubicado a una altura entre 3200 y 3700 m. La reserva natural ha sido un importante sitio de estudio de los páramos y los bosques montanos de la Cordillera Central de Colombia, en donde se han realizados diferentes investigaciones como aporte a la regeneración natural del páramo (Rodríguez & Salazar, 1997). La zona estudiada presenta una precipitación media anual entre 1700-1850 mm, humedad relativa promedio del 85%, rango de temperatura 3-18.7°C, altitudinalmente el gradiente térmico es de 0.74 °C cada 100 m, un brillo solar entre 2-2.5 h/día, velocidad del viento promedio de 6 m/s y una evaporación de 670-1300 mm/año y se encuentra en la clasificación de Holdridge (1967), dentro de los bosques muy húmedos montanos; la estacionalidad es bimodal, presentándose meses secos en enero, febrero, marzo, junio, septiembre y diciembre; y los meses lluviosos en abril, mayo, julio, octubre y noviembre. Los suelos de la Reserva son derivados de cenizas volcánicas, escorias y piroclastos vítreos con una gruesa capa superior de materia orgánica poco meteorizada, típica de los páramos. Los suelos de la Reserva fueron utilizados en ganadería intensiva, perturbando totalmente su microtopografía, desgarrando las microterrazas y produciendo en el páramo líneas de terraceo, lo que afecta las características hídricas del suelo (Asored, 2006). 6.2 SELECCIÓN DE LAS ESPECIES La selección de las especies fue basada en el inventario forestal realizado por Mojica (2013) quien estableció 27 parcelas de muestreo, 12 parcelas permanentes (PPM) y 15 parcelas temporales (PTM) en el área del estudio, con esta información se definieron las especies considerando (el criterio de área basal AB): Encenillo (Weimannia aurículata D. Don) con un 29,09%, Niguito (Miconia sp) con un 9,37% y Baccharis sp con un 4,33% esta última pertenece a la familia Asterácea, siendo las especies de mayor peso ecológico para los bosques objeto de estudio; (Weimannia auriculata) presentó una 44 abundancia relativa del 51%, seguido del Miconia sp y el Baccharis sp con 18 y 15% respectivamente. 6.3 SELECCIÓN DE INDIVIDUOS Los individuos a muestrear fueron seleccionados de árboles que los pobladores de comunidades del área de estudio cosechan para uso doméstico. Otros criterios que se considerando para su selección fue: estado fitosanitario, copas en buen estado y libres de orificio. En total se muestrearon 30 individuos de las especies más abundantes según el criterio de AB (Weinmannia auriculata (10), Miconia sp (16) y Baccharis sp (4)), el Tabla 2, se muestra la distribución de las especies por clases diamétricas, rangos de altura total y de reiteración. Tabla 2. Distribución diamétrica, altura total y altura de reiteración de los arboles muestreados. Clases Rango Altura total Rango Altura diamétricas (ht, m) reiteración Árboles muestreados (hr ,m) 1 5 - 14,9 4,2 – 8,2 2,1– 4,4 6 2 15 - 24,9 7,2 – 11,2 4,1 – 7,8 6 3 25 - 34,9 8,5 – 16 5,5 – 8,5 5 4 35 - 44,9 11 – 17,6 5,8 – 9,8 5 5 45 - 54,9 10 – 22,8 6,5 – 10,4 5 6 55 – 60 18,7 – 25,5 9,9 – 22 3 Tamaño de la muestra n= 30 Fuente: Autores 6.4 GRAVEDAD ESPECÍFICA 45 La gravedad específica se obtuvo siguiendo las metodologías propuestas por Arévalo (2006) y por Londoño (2008) indicada por los siguientes pasos: 6.4.1 Procesamiento de las Muestras Recolectadas. Las muestras fueron tomadas de tres secciones de todos los individuos muestreados: base del fuste, mitad de la altura del fuste, y base de la copa. Como se indica en la Figura 4, las muestras fueron transformadas en probetas de un tamaño aproximado de 5 x 3 x 3 cm según la Normas Técnicas Colombianas para maderas 290 (NTC, peso específico aparente), para el cálculo de la densidad básica, determinando el volumen mediante el método de desplazamiento de fluidos. Figura 4. Probetas utilizadas en el método de desplazamiento de fluidos Fuente: Autores. 6.4.2 Determinación del Peso Seco al Horno (PSH). Para la determinación del peso seco al horno (PSH), las muestras como se muestra en la Figura 5, fueron secadas en horno a una temperatura de 103 °C + 2 °C, después de transcurridos 24 horas las muestras fueron pesadas en intervalos de 2 a 4 horas hasta lograr un peso estable durante dos días, las muestras fueron y pesadas en una balanza digital de precisión. Figura 5. Determinación del peso seco al horno 46 Fuente: Autores 6.4.3. Cálculo del Volumen en Verde. En revisión de literatura, se determinó por el método de desplazamiento de fluidos. Como se muestra en la Figura 6, introduciendo la probeta de madera en un recipiente con agua, dicho recipiente se encuentra sobre una balanza digital, se obtendrá un valor en g/cm3 ya que el empuje hacia arriba que hace el agua, es igual al peso de un volumen de líquido igual al volumen de la probeta de madera utilizada. Figura 6. Desplazamiento de fluidos Fuente: Autores 6.5 CÁLCULO DE LA GRAVEDAD ESPECÍFICA. 47 El cálculo de la gravedad específica o densidad básica se obtuvo con el PSH dividiendo entre el volumen determinado por el método de desplazamiento de fluidos (Arévalo 2006), (Ecuación 2). [2] GE= PSH / VV Dónde: GE: Gravedad específica (g/cm3); PSH: Peso Seco al Horno (g); VV: Volumen Verde (cm3) 6.6 DESARROLLO DE MODELOS ALOMÉTRICOS Para la construcción de modelos alométricos que permitan la estimación de biomasa aérea total, se siguió la metodología propuesta por Segura et al. (2008). Que nos indicada los siguientes pasos: Definición del ecosistema y selección de las especies de interés. Se separó por componentes del árbol base del tronco, parte media del tronco y base de la copa. Se pesó cada uno y se obtuvieron las muestras para la determinación de materia seca y/o densidad básica de la madera. Se organizaron los datos y correlacionaron la BT entre las variables dasométricas. Se seleccionan los individuos por muestra teniendo en cuenta criterio como estado fitosanitario, copas en buen estado y libre de orificio. Se midieron las variables dasométricas (dap, hr y ht) de los individuos a muestrear en pie. 48 Se pesa y mide cada uno de los componentes a trabajar y se organizan en campo submuestras de 250 gr, por cada componente para llevarlas a laboratorio y procesar los datos. Para la selección de los mejores modelos alométricos Segura et al. (2008) nos hace tener en cuenta los siguientes aspectos: Definición de las variables y prueba de supuestos estadísticos. Estimación de parámetros de modelos genéricos. Selección del modelo de mejor ajuste a los datos. Comparación de observaciones reales contra las estimaciones de los mejores modelos. Practicidad en el uso y lógica biológica de los modelos. (p, 55). 6.6.1 Medición de Volumen y Biomasa. Una vez seleccionados los individuos, se midió para cada individuo en pie el dap (cm), hr y ht (m). Luego de aprovechados se verificó sus medidas de alturas (hr y ht (m)), cada individuo fue separado por componentes: tocón, fuste, ramas ≥20, ramas <20 cm y ramas <2 cm + hojas. Los tocones, fustes y ramas ≥ 20 cm de diámetro se cubicaron para obtener el volumen para todos los individuos haciendo uso de la fórmula de Smalian (Ecuación 3; Loestch et al., 1973): [3] V = π/4 (D12 + D22)/2 *L Dónde: V: Volumen (m3); π: Constante (3,1416); D21: Diámetro inferior al cuadrado (m2); D22: Diámetro superior al cuadrado (m2); 49 L: Longitud de la traza (m) Para la conversión de los volúmenes de tocón, fuste y ramas ≤ 20 cm a biomasa, se utilizó la información local de gravedad específica generada anteriormente para todos los individuos de cada una de las tres especies (Weinmannia auriculata, Miconia sp y Baccharis sp) (Ecuación 4). [4] B = V * GE Dónde: B: Biomasa (Kg/árbol). V: Volumen (m3). GE: Gravedad específica (Kg/m3). Los fustes y ramas <20 cm y ramas <2 cm + hojas fueron separados y pesados, se obtuvo una sub-muestra de 250 g de cada componente, la cual, como se muestra en la Figura 7, fue secada en horno a 60 °C durante 48 a 72 horas hasta peso constante para determinación de la materia seca y así obtener la biomasa de estos componentes (Ecuación 5). [5] Dónde: B: Biomasa (Kg). Pf: Peso fresco (Kg). Ms: Materia seca (%). 50 Figura 7. Sub-muestras de cada componente para el secado en horno Fuente: Autores. Para calcular el peso de la biomasa aérea total se recolectan los datos estimados de la biomasa del tocón, fuste y copa (Ecuación 6). [6] BT = Bt + Bf + Bc Dónde: BT = Biomasa aérea total (Kg). Bt = Biomasa del tocón (Kg). Bf = Biomasa de fuste (Kg). Bc = Biomasa de copa (Kg). 6.6.2 Construcción de Modelos Alométricos para Estimar la Biomasa Aérea Total. Los modelos fueron desarrollados siguiendo la metodología propuesta por Segura et al. (2008). Con las variables independientes (dap, hr y ht) y dependientes (BT) se observó la tendencia de los datos y se definieron los modelos de regresión a utilizar (lineales, transformados y sin transformar) (Walpole & Myers, 1992). Los datos fueron analizados para cumplir el supuesto de normalidad, independencia y homogeneidad de varianzas. 51 Se calculó el coeficiente de correlación de Pearson entre la biomasa aérea total y las variables independientes (dap, hr y ht). Se probaron modelos genéricos de regresiones lineales con variables transformadas y sin transformar Berkhout, Kopezky, Hohenadl – Krenn, Husch, Spurr, Stoate, Meyer, Schumacher-Hall (Loetsch et al., 1973; Segura & Andrade, 2008; Picard et al., 2012). Los modelos que mejor ajustaron se seleccionaron considerando los siguientes criterios (Clutter et al., 1983; Segura & Andrade, 2008). Lógica biológica del modelo. Coeficiente de determinación ajustado (R2 – ajustado). Coeficiente de determinación (R2). ECMP: Error cuadrático medio de predicción. AIC: Criterio de Akaike. BIC: Criterio Bayesiano de Información. 6.7 DETERMINACIÓN DEL FACTOR DE EXPANCIÓN DE BIOMASA (FEB) El FEB, se calculó con la biomasa aérea total (BT) y la biomasa del fuste (Bf) incluyendo biomasa del tocón (Ecuación 7). [7] Dónde: FEB = Factor de expansión de la biomasa. BT = Biomasa aérea total (kg). Bf = Biomasa de fuste (kg). 52 7. RESULTADOS Y DISCUSIÓN 7.1 CÁLCULO DE ÁREA BASAL El cálculo de área basal para la investigación fue basado en el inventario forestal realizado por Mojica (2013) para la selección de las especies, se determinó que estos contaran con la mayor ocupación y distribución dentro de la Reserva, estableciendo 27 parcelas de medición en la totalidad, con esta información y considerando estos criterios se definieron las tres especies con mayor porcentaje de área basal (Tabla 3, Figura 8). Tabla 3. Cálculo de área basal en bosque natural de páramo. Nombre científico % Área basal (AB) Baccharis sp. 29,09 Miconia sp. 9,37 Weinmannia auriculata 4,33 Otros 57,21 Total 100 Fuente: Autores Figura 8. Área basal en bosque natural de páramo Porcentaje (%) de área basal AB. 100 80 60 40 20 0 Weinmannia auriculata Miconia sp. Baccharis sp. Fuente: Autores 53 otros 7.2 GRAVEDAD ESPECÍFICA En la Tabla 4, se presentan los resultados de la gravedad específica, como lo es el número de muestras que se utilizó por especie teniendo en cuenta la parte del árbol (base del tronco, parte media del tronco y base de la copa), la desviación estándar de los datos y los valores promedios por especie y en general. Tabla 4. Gravedad específica promedio para fuste en tres secciones de tres especies forestales de Bosque natural de Páramo. Secciones Muestreadas Nombre Base suelo científico n Baccharis sp. 4 Miconia sp. Weinmannia Centro Base Copa DS N Total DS n DS DS 0,58 0,013 4 0,57 0,004 4 0,58 0,01 0,57 0,006 10 0,54 0,06 10 0,53 0,05 10 0,54 0,05 0,54 0,007 16 0,57 0,035 16 0,56 0,027 16 0,56 0,03 0,56 0,007 0,56 0,036 0,55 0,027 0,56 0,03 0,56 0,006 auriculata : Dato promedio; DS: Desviación Estándar Fuente: Autores Figura 9. Gravedad específica promedio para fuste en tres secciones de tres especies forestales de Bosque natural de Páramo. 0,60 g/cm3 0,58 0,56 0,54 0,52 0,50 Baccharis sp. Miconia sp. Weinmannia auriculata Fuente: Autores 54 La gravedad especifica promedio de las tres especies estudiadas provenientes de un bosque nativo, osciló entre 0,54 - 0,57 g/cm3, podría utilizarse una gravedad promedio de 0.56 g/cm3 (Tabla 4, Figura 9). El promedio de la gravedad específica de la madera (Tabla 4), fue generalmente mayor en la parte de la base del árbol. Esto se debe ya que la densidad posee una variación en cuanto a la altura del árbol dando unos valores mayores en la base y disminuyendo paulatinamente hacia la copa, por tanto, los resultados de la presente investigación mostraron valores como en el caso del Baccharis sp, en donde la gravedad específica de la base del árbol fue de 0,58 g/cm3 igual al de la base de su copa, esto se debe a la edad del árbol. Según Pereyra y Gemid (2002), a medida de que el árbol va aumentando su edad, la densidad de la madera va cambiando, una de las razones que hablan en la literatura es debido a que durante los primeros años el árbol produce madera con anillos de crecimiento anchos, donde hay una mayor proporción de madera temprana de baja densidad, a medida de que el árbol va creciendo la proporción de madera temprana va disminuyendo. (Citado por Álvares, 2008). Teniendo en cuenta los resultados de la gravedad específica la madera de las especies estudiadas se clasificaron como de resistencia mecánica Mediana, American Standard of Tasting Materials. (Tabla 5). Tabla 5. Clasificación de las propiedades mecánicas de la madera según las normas ASTM (2010). CLASIFICACION MUY BAJO BAJO MEDIANO DENSIDAD (gr./cm3) < 0.36 - 0.51 - Seca al aire (CH = 12%) 0.35 0.50 0.75 < 7.5 7.6 - 10 11 - 15 CONTRACCIÓN VOLUMÉTRICA (%) 55 ALTO MUY ALTO 0.76 - 1.00 > 1.01 16 - 19 > 20 De verde a seco al horno FLEXIÓN (kg./cm2) E.F.L.P. < 250 251 - 500 < 400 401 - 900 <70 > 501 - 750 751 - 1000 901 - 1351 - > 1350 1800 1801 71 - 100 101 - 150 151 - 200 > 201 < 200 201 - 300 301 - 450 451 - 600 > 601 < 300 301 - 450 451 - 700 701 - 950 > 951 < 35 36 - 75 76 - 120 121 - 175 > 176 DUREZA (kg.) Lados < 200 201 - 400 401 - 800 801 - 1200 DUREZA (kg.) Extremos < 250 251 - 500 501 - 1001 - > 1000 1500 1501 CIZALLAMIENTO (kg./cm2) < 40 41 - 85 86 - 120 121 - 175 > 176 TENACIDAD (m.kg.) < 0.5 0.6 - 1.5 1.6 - 2.5 2.6 - 3.5 > 3.6 < 0.25 - 0.61 - 0.19 0.60 1.00 1.01 - 1.40 > 1.41 Esfuerzo al límite de proporcionalidad FLEXIÓN (kg./cm2) Módulo de ruptura FLEXIÓN (1000 kg./ cm2) Módulo de elasticidad 1001 COMPRESIÓN PARALELA (kg./cm2) E.F.L.P. Esfuerzo límite proporcionalidad COMPRESIÓN PARALELA (kg./cm2) Módulo de ruptura COMPRESIÓN PERPENDICULAR (kg./cm2) E.F.L.P. TENACIDAD (m.kg./cm2) > 1201 Fuente: Londoño (2008). El Manual de diseño para maderas del Grupo Andino (1984) como lo cita Londoño (2008), de acuerdo a las gravedades específicas que presentaron las especies Baccharis sp, Miconia sp y Weinmannia auriculata se clasifican como maderas blandas las cuales se encuentran en la categoría de las maderas relativamente poco densas o livianas, con densidades entre 0.4 gr/cm³ y 0.72 gr/cm³. 56 Según el Reglamento Colombiano de Construcciones Sismo Resistentes (NSR, 2010), que presenta los grupos de madera tipo Estructura Selecta (ES), clasifica las especies en estudio de acuerdo a su gravedad específica, y en ES3 y ES4 para Baccharis sp, ES5 para Miconia sp y ES4 para Weinmannia auriculata, presentando variaciones entre sí en cuanto al tipo de madera de Estructura Selecta. Los valores de gravedad específica que se originaron en este estudio no presentaron diferencias estadísticamente entre especies, esto se debe a que su sustancia madera es similares. Estos resultados no se compararon con los resultados de estudios similares, ya que no se encuentran trabajos reportados de las especies en estudio. 7.3 BIOMASA EN ÁRBOLES ESTUDIADOS El dap, ht y hr promedio de los individuos muestreados fue de 26,2 cm (5 – 67), 12 m (4,22 – 25,5) y 7,3 m (2,14 – 22), respectivamente. La BT promedio fue de 311,56 kg/árbol (variando de 8,3 – 1211,6 kg/árbol), la especie que reportó la mayor cantidad de BT fue Weinmannia auriculata con 381,39 kg/árbol (Tabla 6). Tabla 6. Valores promedio de biomasa aérea total, dap, altura total y de reiteración, hr (m) Bt (kg/árbol) FEB 7,5 - 18,3 4,22 - 7,3 2,14 - 6 12,2 5,8 3,7 31,47 1,21 Miconia sp 10 8,95 - 53,2 4,63 - 22,8 3,35 - 10,4 29 13, 6,9 311,86 1,55 8,4 381,39 1,263 (cm) 4 n (cm) Baccharis sp científico Rango dap ht (m) dap promedio Rango ht (m) Nombre Rango hr (m) número de individuos muestreados y FEB. 1 Weinmannia 16 7,4 - 65,4 6,15 - 25,5 auriculata 2,53 - 22 37,3 12, 8 57 Promedio 26,2 12 7,3 311.56 1,343 general n: tamaño de la muestra; dap: diámetro a la altura del pecho (cm); ht: altura total (m); hr: altura de reiteración (m); BT: biomasa aérea total (kg/árbol); FEB: Factor de Expansión de Biomasa. Fuente: Autores Para la especie Baccharis sp con un dap promedio de 12,2 cm (7,5 – 18,3), la BT de los árboles fue de 31,5 kg, para la especie Miconia sp con un dap promedio de 29 cm (8,95 – 53,2), Bt la de los árboles fue de 311,9 kg; para la especie Weinmannia auriculata con un dap promedio de 37,3 cm (7,4 – 65,4), BT de los árboles fue de 381,39 kg. 7.4 MODELOS ALOMÉTRICOS PARA LA ESTIMACIÓN DE BIOMASA AÉREA TOTAL La biomasa aérea total se correlacionó altamente con el dap y la ht (0,93 < r < 0,91, respectivamente), mientras que con la hr la correlación fue menor (r = 0,86). La BT fue mejor explicada por las variables independientes dap y ht, la correlación entre las variables dependientes e independiente fueron significativas (P < 0,01) (Tabla 7). Esta correlación es similar a la reportada por diferentes autores en condiciones de bosque natural (Brown et al., 1989; Brown e Iverson, 1992; Pérez & Kanninen, 2002; Segura & Kanninen, 2005). Tabla 7. Coeficiente de correlación de Pearson de la Biomasa total con el dap, Altura de reiteración y Biomasa del fuste para las especies estudiadas (n=30) Variable Biomasa dap Altura total 0.93** 0.91** Altura de Biomasa reiteración de fuste 0.86** 1.00** total 58 **Significativo P<0.01. Fuente: Autores Es una ventaja que los modelos consideren solo la variable dap, ya que los inventarios de plantaciones o bosques naturales siempre consideran esta variable por su facilidad de medición en el campo. Con los datos de biomasa aérea total y las variables independientes (dap, ht, hr) se probaron diferentes modelos alométricos multi-especies para estimar la BT en función del dap; este modelo multi-especies es posible dadas las características fisionómicas similares que presenta cada una de las especies estudiada. Figura 10. Valores observados de Biomasa aérea total (BT) para las especies muestreadas con a) diámetro a la altura del pecho (dap), b) altura total (ht), c) altura de reiteración (hr), d) Factor de expansión de biomasa (FEB) b) c) d) 59 1,8 1200 1,7 1000 1,6 800 1,5 FEB Bt (kg/árbol) 1400 600 1,4 1,3 400 1,2 200 1,1 0 0 10 20 1,0 30 0 hr (m) 300 600 900 1200 Biomasa Fuste (kg/arbol) Fuente: Autores De los modelos de regresión probados para estimar BT a partir de las variables independientes (dap, ht y hr) (ANEXO 1), tres de ellos mostraron valores de R2 y R2ajustado mayores a 0,94, tanto los parámetros como el modelo fueron significativos (P<0.05) (Tabla 8). Tabla 8. Modelos para estimar la biomasa aérea total de tres especies de Bosque natural de Páramo. Ecuación Modelo R² No. R²- ECMP AIC BIC ajust 1 LnBt = -1.85 + 2.11*Lndap 0.94 0.94 0.16 30.21 34.41 2 LnBt = 0,2 + 0,15 *dap - 0.95 0.95 0.15 27.97 34.97 0.95 0.94 0.15 28.75 35.76 0,0013 *dap² + 0,76*Lnht 3 LnBt = 1,07 – 0,0015 *dap² + 0,06 *ht + 0,17 *dap Dónde: BT: Biomasa aérea total (kg/árbol); dap: diámetro a la altura de pecho (cm); ht: Altura total (m); Ln: Logaritmo natural base; R2: Coeficiente de determinación; R2-ajust: Coeficiente de determinación ajustado; ECMP: Error cuadrático medio de predicción; AIC: Criterio de Akaike; BIC: Criterio Bayesiano de Información. 60 Fuente: Autores La ecuación 1 (Tabla 8) fue la que mejor ajuste presentó para estimar la BT con un modelo logarítmico a partir del dap, con un R2 y R2-ajust de 0,94, tanto el modelo como los parámetros fueron altamente significativos (P<0.05). Este modelo resultó ser el mejor de acuerdo a los estadísticos empleados y fueron lógicos desde el punto de vista biológico (Figura 10). El modelo para estimar la biomasa aérea total cuenta con la ventaja de que es de una sola entrada (dap), dado que es simple el cálculo entendiéndose que es una variable fácil de obtener en campo y que la mayoría de inventarios forestales cuentan con la medición de ésta. Segura (1999), indica que para estas ecuaciones de una sola variable independiente como el dap es limitada por lo que las estimaciones de BT son válidas solo para el tipo de bosque estudiado. Las variables independientes de hr y ht (m) no explica la variabilidad de la biomasa aérea total (R2 y R2-ajustado <0,80), indicando que el poder explicativo del modelo es relativamente bajo. En la ecuación 1 (Tabla 8), para estimar biomasa aérea total es ajustada para diámetros entre 5 a 67 cm de dap y para una ht entre 4,22 a 25,5 m. Este modelo no se debe usar para diámetros superiores o inferiores a los anteriormente mencionados ya que se incurriría en sesgo. 61 Figura 11. Relación entre los valores observados y medidos de Biomasa aérea total Biomasa aerea total Estimada (kg/árbol) (Ecuación 1, Tabla 8) 1.600 1.400 1.200 1.000 800 600 400 200 00 00 200 400 600 800 1.000 1.200 1.400 1.600 Biomasa aerea total Medida (kg/árbol) Fuente: Autores En comparación de la biomasa estimada en función a la biomasa medida (Figura. 11), los valores estimados se ajustan a la línea de ajuste, indicando que los valores estimados se acercan a los valores medidos. Al utilizar ecuaciones con variables como el dap y la ht el ajuste con la recta es muy cercano, indicando que los estimados se acercan a los medidos pero las variables propuestas son más complejas al momento de trabajar en campo. Por otro lado, los valores trabajados con variables como ht y hr los valores simulados no se acercan a los valores medidos, es decir; estos valores subestiman la biomasa total en especial en diámetros pequeños (Figura 10). Vale aclarar que cada tipo de bosque tiene su propia producción de biomasa lo cual lo diferencia de los demás bosques. Por lo que se debe tener precaución al utilizar las ecuaciones en el momento de estimar la biomasa aérea total que son construidas en otro tipo de zonas de vida. 62 8. CONCLUSIONES La gravedad específica promedio para las tres especies fue de 0,56 g/cm 3, no se encontraron diferencias estadísticas entre éstas. La clasificación realizada a las tres especies en estudio según su gravedad específica sugiere que estas pueden ser usadas en carpintería, mueblería, uso decorativo, entre otros usos y además pueden ser tenidas en cuenta para diseño estructural cumpliendo con las normas de seguridad necesarias. El modelo alométrico que presentó mejor ajuste para predecir la biomasa aérea de las tres especies de Páramo, mostraron altos coeficientes de determinación ajustada (R 2ajustado) de 0,94. La combinación del dap y altura total es la variable independiente que mejor explica la estimación de biomasa aérea total. 63 Para este trabajo de investigación los modelos logarítmicos con transformaciones de las variables independientes o dependientes ajustaron mejor la biomasa aérea de las especies estudiadas. Los parámetros técnicos y modelos alométricos generados en el presente estudio son una importante herramienta para cuantificar confiablemente las existencias del carbono almacenado en los árboles de Baccharis sp. Miconia sp y Weinmannia auriculata de los bosques de páramo RECOMENDACIONES Al determinar la gravedad específica se recomienda trabajar con árboles maduros ya que durante los primeros años el árbol produce madera con anillos de crecimiento anchos, donde hay una mayor proporción de madera temprana de baja densidad. Por su simplicidad, se recomiendan los modelos con una sola variable independiente (dap), debido a que es la medición más precisa que se tiene de los inventarios forestales y es la variable de más fácil medición. Los modelos alométricos desarrollados en el presente estudio se deben utilizar para bosques de páramo y en un rango de dap entre 5 – 65 cm y ht entre 4,2 – 25,5 m. Es importante incluir en futuros estudios para este tipo de bosques la biomasa de raíces, ya que la biomasa de este componente contiene un alto porcentaje de la biomasa total. 64 Es importante considerar las variables de sitio y manejo del bosque en la elaboración de modelos alométricos de biomasa. Realizar una valoración de los servicios ecosistémicos que proveen estos bosques con el fin de incentivar a la comunidad para que maneje sosteniblemente las áreas de bosque existentes. REFERENCIAS Álvarez, G. (2008). Modelos alométricos para la estimación de biomasa aérea de dos especies nativas en plantaciones forestales del trópico de Cochabamba, Bolivia. Biomasa forestal. (Tesis de Maestria). Escuela de posgrado: Centro agronómico tropical de investigación y enseñanza, Turrialba. Recuperado de http://orton.catie.ac.cr/repdoc/A2900e/A2900e.pdf Andrade, H. & Ibrahim, M. (2003). ¿Cómo monitorear el secuestro de carbono en sistemas silvopastoriles?. Revista Agroforestería en las Américas, 10 (39/40), 109 – 116. Araújo, M.; Higuchi, N.; De Carvalho & J. JA. (1999). Comparison of formula for biomass content determination in a tropical rain forest site in the state of Pará, Brazil. Revista Forest Ecology and Management, 43-52, 117. Arévalo, R. & Londoño, A. (2005). Manual para la identificación de maderas que se comercializan en el departamento del Tolima. Ibagué: Impresiones CONDE. 65 Arriaga, L. & Gómez, L. (2005). Posibles efectos del cambio climático en algunos componentes de la biodiversidad de Recuperado México. de http://www2.inecc.gob.mx/publicaciones/libros/437/arriaga.html Asociación red colombiana de reservas naturales de la sociedad civil ASORED. (2006). Ficha de Caracterización Reserva Natural Semillas de Agua. Recuperado de http://www.parquesnacionales.gov.co/PNN/portel/libreria/pdf/GuaokPM_1_.pdf Brown, S. & Lugo, A. (1984). Biomass of tropical forests: A new estimate based on forest Volumens. Revista Science, 223, 1290-1293. Brown, S.; Gillespe, A & Lugo, A.E (1989). Biomass estimation for tropical forest with applications to forest inventory data. Revista Forest Science, 35(4), 881 – 902. Brown, S. & Lugo, A. (1992). Aboveground biomass estimates for tropical moist forests of the Brazilian Amazon. Revista Interciencia, 17(1), 8-27. Brown, S. (1997). Estimating biomass and biomass change of tropical forests: A primer. Recuperado de: http://www.fao.org/docrep/w4095e/w4095e00.HTM Calderón, J.; Jong, B.; Ochoa, S.; March, I. & Castillo, M. (1999). Evaluación de dos métodos para la estimación de biomasa arbórea a través de datos LANDSAT TM en Jusnajab, La Laguna, Chiapas, México: Estudio de caso. Revista Investigaciones Geográfica, 40, 71 – 84. Caillez, F. (1980). Estimación del volumen forestal y predicción del rendimiento con referencia especial a los trópicos. http://www.fao.org/docrep/016/ap353s/ap353s00.pdf 66 Recuperado de Cambio Climático Global. (2001). Climate Change from the BBC weather centre. BBC. Recuperado de htpp://www.bbc.co.uk/climate. Caravalí, A. & Rodríguez, L. (2011). Colombia tiene páramos. Recuperado de http://www.humboldt.org.co/publicaciones/uploads/revista_paramos_012011.pdf Clutter, J. L.; Fortson, JC.; Pienaar, LV.; Brister, GH. & Bailey, RL. (1983). Timber management: A quantitative approach. Recuperado de http://www.uky.edu/~jmlhot2/Resources/Chapter%203%20Growing%20Stock%20and% 20stand%20Density_Timber%20Management_Cutter%20et%20al.%201983.pdf Corporación Autónoma Regional del Tolima CORTOLIMA & Corporación colombiana de investigación agropecuaria CORPOICA. (2009). Estudio del estado actual (EEA) y plan de manejo (PM) de los páramos del Departamento del Tolima. Recuperado de http://www.cortolima.gov.co/sites/default/files/images/stories/centro_documentos/estudi os/estudio_del_estado_actual_de_los_paramos_en_el_epto.pdf Dauber, E.; Teran, J.; Guzmán, R. (2003). Estimaciones de biomasa y carbono en bosques naturales de Bolivia. Revista Forestal Iberoamericana, 1(1), 1-10. Davel, M.; Jovanowski, A. & Mohr, D. (2005). Densidad básica de la madera de pino oregón y su relación con las condiciones de crecimiento en la Patagonia Andina Argentina. Revista Bosques, 26 (3), 55 – 62. DI Rienzo, J.W.; Robledo, M.; Balzarini, F.; Casanoves, M.; Tablada, E.; & González, L. (2008). INFOSTAT Software Estadístico. Manual del Usuario. Recuperado de http://www.tec-digital.itcr.ac.cr/file/3119766/manual_ Dörple, M. (2002). Proyecto gran Sumaco: Árboles de bosque secundario en la comunidad de Challua Yacu en la viaHollin-Loreto. http://wolfweb.unr.edu/~ldyer/classes/396/EcuadorTrees.pdf 67 Recuperado de Feria, M. & Suárez, W. (2013). Modelos de biomasa aérea para arbustos de café (Coffea arabica L.) en el Líbano, Tolima, Colombia. (Tesis Pregrado). Facultad de Agronomía: Universidad del Tolima, Ibagué. Forest Products Laboratory. (1986). Wood: Engineering dessing concepts. The Pensylvania State University. Fucaraccio, F. & Staffieri, G. (1999). Desarrollo y uso de ecuaciones de volumen y tablas de volumen en la República Argentina. Recuperado de http:// ceres.agro.unlp.edu.ar/~dasometria/Informe%20Final%20Staffieri%20y%20otro.pdf Fundación vida, (2011). Valoración de carbono almacenado en los bosques del departamento de Atlántida Honduras, Centroamérica. Recuperado de http://procorredor.org/uploaded/content/category/901039590.pdf García, J. (2003). Análisis del potencial de emisión de dióxido de Carbono del páramo de Chingaza y lineamientos para su conservación en el contexto del Mecanismo de Desarrollo Limpio. (Tesis de Pregrado), Facultad de Estudios Ambientales y Rurales: Pontificia Universidad Javeriana, Bogotá D.C. Gayoso, J.; Guerra, J. & Alarcón, D. (2002). Contenido de carbono y funciones de biomasa en especies nativas y exóticas. Valdivia, Chile. Recuperado de http://mingaonline.uach.cl/scielo.php?pid=S071792002005000200005&script=sci_arttext Gómez, C. & Tabares, J. (2006). Levantamiento de la cobertura vegetal del páramo de Anaime a partir de la interpretación de imágenes de alta resolución. (Tesis de Pregrado), Facultad de ingeniería Forestal: Universidad del Tolima, Ibagué. 68 Herbario virtual Flora de la microcuenca La Palma, Municipio de Sonsón: Expedición botánica siglo XXI José celestino Mutis (1732-1808). Clasificación Taxonómica. Recuperado de http://aplicaciones2.colombiaaprende.edu.co/concursos/expediciones_botanicas/ver_he rbarios_p.php?id=789&id_p=4541 Hofstede, R. &. Mena, P. (2000). Los Beneficios Escondidos Del Páramo: Servicios ecológicos e impacto humano. II Conferencia Electrónica sobre Usos Sostenibles y Conservación del Ecosistema Páramo en los Andes: “Los Páramos como fuente de Agua, Mitos, Realidades, Retos y Acciones” Síntesis de la Conferencia Electrónica Recuperado Organizada. de http://condesan.org/portal/sites/default/files/publicaciones/archivos/II_conferencia_para mos.pdf Holdridge, L. (1967). Clasificación Ecológica de las Zonas de Vida. Recuperado de http://www.eclac.cl/publicaciones/xml/7/12707/lcmexg5e_TOMO_IVf.pdf Hofstede, R. & Mena, P. (2000). Los Beneficios Escondidos Del Páramo: Servicios ecológicos e impacto humano. Recuperado de: http://www.condesan.org/e- foros/Bishkek/Bishkek%20B1-Caso(R.Hofstede-P.Mena).htm Husch, B.; Miller, CI. & Beers, TW. (1982). Forest mensuration. John Willey and Sons: New York. Intergovernmental Panel on Climate Change IPCC. (2001). Tercer Informe de Evaluación de la Mitigación del Cambio Climático. Recuperado de: http://www.ipcc.ch/home_languages_main_spanish.shtml. Intergovernmental Panel on Climate Change IPCC. (2003). Good Practice Guidance for Land Use, Land-Use Change and Forestry. Recuperado de http://www.ipccnggip.iges.or.jp/public/gpglulucf/gpglulucf_files/GPG_LULUCF_FULL.pdf 69 Intergovernmental Panel on Climate Change (IPCC). (2007). The Physical Science Basis Contribution of Working Group I to the Fourth Assessment Report of the IPCC. Recuperado de http://www.ipcc.ch/pdf/assessmentreport/ ar4/wg1/ar4-wg1- frontmatter.pdf Instituto De Hidrología, Meteorología Y Estudios Ambientales De Colombia IDEAM. (1996). Recuperado Ecosistemas. de https://documentacion.ideam.gov.co/openbiblio/Bvirtual/000001/cap7.pdf Intergovernmental Panel on Climate Change 2001 & Cambio climático 2001 – Instituto de Hidrología, Meteorología y Estudios Ambientales. (2009). Clima en Colombia. Recuperado de http://www.ideam.gov.co/atlas/mclima.htm Loestch, F. & Haller, K.E. (1973). Forest inventory. Volume ll. English by K.F panzer. Germany: BLV Verlagsgsellschae Munsen Bren Wrien. Loguercio, G. & Defossé, G. (2001). Ecuaciones de biomasa aérea, factores de expansión y de reducción de la lenga Nothofagus pumilio (Poepp.et Endl.) Krasser, en el SO del Chubut, Argentina. Recuperado de http://www.uach.cl/procarbono/simposio/trabajos/44%20-%20Loguercio.PDF Londoño, A. (1978). Manual Anatomía de Maderas. Universidad del Tolima, Ibagué. Londoño, A. (2008). Apuntes Para El Curso De Anatomía Y Tecnología De Maderas. Universidad del Tolima, Ibagué. Ministerio de Ambiente y desarrollo sostenible. (2012). Informe de Gestión al Congreso. Recuperado de http://www.minambiente.gov.co/documentos/normativa/240712_informe_gestion_mads _original.pdf 70 Ministerio de Medio Ambiente y Desarrollo sostenible. (2013). Tasa de deforestación Recuperado de http://www.minambiente.gov.co/contenido/contenido.aspx?catID=1367&conID=8914 Morales, ¿Ecosistema j. & en Estévez, vía J. de (2006). extinción?. El Recuperado Páramo de http://lunazul.ucaldas.edu.co/index.php?option=com_content&task=view&id=44&Itemid =44 Morales, M.; Otero, J.; Van der Hammen, T.; Torres, A.; Cadena, C. & Pedraza, C. (2007). Atlas de páramos de Colombia. Bogotá, D. C.: IAVH. Moret, A. & Ruíz, P. (1998). Determinación de ecuaciones de volumen para Mureillo (Erisma uncinatum) en la unidad C4 de la Reserva forestal Imataca, Bolívar – Venezuela. Revista Forestal Venezolana, 42 (2), 187 – 197. Mojica, C. (2013). Almacenamiento de carbono y composición florística en bosques nativos del páramo de Anaime Tolima, Colombia. (Tesis pregrado), Facultad de Ingeniería Forestal: Universidad del Tolima. Ibagué. Monroy, C. & Návar, J. (2004). Ecuaciones de actividad para estimar componentes de biomasa de Hevea brasiliensis Muell. Arg., en Veracruz, México. Madera y Bosques, 10 (2), 29 – 43. Normas Técnicas Colombianas para maderas NTC 290. (1974). Maderas, Determinación del Peso Específico Aparente. Recuperado de http://tienda.icontec.org/brief/NTC290.pdf Organización de las naciones unidas para la alimentación y agricultura FAO. (2000). Depósitos de documentos de la FAO. Departamentos de Montes. Recuperado de http://www.fao.org/docrep/007/ae218s/ae218s06.htm 71 Organización para la educación y protección ambiental OPEPA. (2003). Weinmannia tomentosa – El ensenillo más común en la región de la Sabana de Bogotá. Recuperado de http://www.opepa.org/index.php?Itemid=30&id=206&option=com_content&task=view Ortega, P.; S.C, A.; García, C.; Guerrero, A.; Ruiz, J. & Vargas, D. (2010). Deforestación evitada. Una Guía REED + Colombia. Recuperado de http://www.minambiente.gov.co/documentos/documentosGestion/cambio_climatico/publ icaciones/230812_cartilla_redd.pdf Ortiz, E. (1993). Técnicas para la estimación del crecimiento y rendimiento de árboles individuales y bosques. Instituto tecnológico de Costa Rica. Revista Instituto tecnológico de Costa Rica. Departamento de Ingeniería Forestal. Serie de apoyo académico, 16, 7185. Ortiz, L. & Reyes, M. (2009). Páramos En Colombia: Un Ecosistema Vulnerable. ¿Qué es un páramo?. Recuperado de http://www.usergioarboleda.edu.co/observatorio_economico/Observatorio%20Ambienta l/paramos-colombia-conservacion.pdf Parresol, BR. (1999). Assessing tree and stand biomass: a review with examples and critical comparisons. Forest Science 45(4): 573–593. Parques Nacionales Naturales De Colombia PNN. (2011), Dirección territorial Andes Occidentales. Recuperado de http://www.parquesnacionales.gov.co/portal/contratacion/publicacion-de-los-procesoscontractuales-en-el-sistema-electronico-para-la-contratacion-publica/procesosinferiores-al-10-de-la-menor-cuantia-de-la-entidad/direccion-territorial-andesoccidentales/ 72 Picard, N.; Saint-André, L. & Henry, M. (2012). Manual for building tree volume and biomass allometric equations. Recuperado de: http://www.fao.org/docrep/018/i3058e/i3058e.pdf Pereyra, O. & Gelid, M. (2002). Estudio de la variabilidad de la densidad básica de la madera de Pinus taeda para plantaciones de Misiones y norte de Corrientes. Revista Floresta, 33 (1), 3 – 19. Perez, LD. & Kanninen, M. (2003). Aboveground biomass of Tectona grandis plantations in Costa Rica. Revista Journal of Tropical Forest Science, 15 (1), 199-213. Posada, S.L.; Zoot, M.S. & Rosero, R. (2007). Comparación de modelos matemáticos: una aplicación en la evaluación de alimentos para animales. Revista Colombiana de Ciencias Pecuarias, 20, 141 – 148. Proyecto Páramo Andino. (2006). Colombia tiene Paramos. Recuperado de http://www.humboldt.org.co/chmcolombia/servicios/jsp/paramos/index.jsp Reglamento Colombiano De Construcciones Sismo Resistentes NSR. (2010). Capítulo G.2. Bases para el diseño estructural. Recuperado de http://aiestructurales.com/inicio/index.php?option=com_docman&task=cat_view&gid=71 &Itemid=83 Rodríguez, B. & Salazar, A. (1997) Caracterización de la Reserva Natural Semillas de Agua en el Páramo de Anaime municipio de Cajamarca Tolima. (Tesis de Pregrado), Facultad de Ingeniería Forestal: Universidad del Tolima, Ibagué. Ruiz, A. (2002). Fijación y almacenamiento de carbono en sistemas silvopastoriles y competitividad económica en Matiguás, Nicaragua. (Tesis de M. Sc.) Escuela de posgrado: Centro agronómico tropical de investigación y enseñanza CATIE, Turrialba. 73 Schlegel, B. (2001). Estimación de la biomasa y carbono en bosques del tipo forestal Recuperado SIEMPREVERDES. de thttp://www.uach.cl/procarbono/pdf/simposio_carbono/45_schlegel.PDF. Schlegel, B.; Gayoso, J. & Guerra, J. (2002). Manual de procedimientos para inventarios de carbono en ecosistemas forestales. Valdivia, Chile. Recuperado de http://www.planetseed.com/es/relatedarticle/el-ciclo-del-carbono. Segura, M. (1997). Almacenamiento y fijación de carbono en Quercus costaricensis, en bosques de altura en la cordillera de Talamanca, Costa Rica, (Tesis Licenciatura Ciencias Forestales). Facultad de Ciencias de la Tierra y el Mar: Universidad Nacional, Heredia. Segura, M. (1999). Valoración del servicio de fijación y almacenamiento de carbono en bosques privados en el Área de Conservación Cordillera Volcánica Central. (Tesis M.Sc), Escuela de posgrados: Centro Agronómico Tropical de Investigación y Enseñanza CATIE, Turrialba. Segura, M. & Kanninen, M. (2005). Allometric models for tree volume and total aboveground biomass in a tropical humid forest in Costa Rica. Revista Biotropica, 37(1), 2-8. Segura, M. & Andrade, H. (2008). ¿Cómo construir modelos alométricos de volumen, biomasa o carbono de especies leñosas perennes?. Revista Agroforestería de las Américas, 46, 89-96. Shadowxfox, (2012). Mapa del Municipio de Cajamarca, Tolima (Colombia). Recuperado el 14 Febrero de 2013, http://commons.wikimedia.org/wiki/File:Colombia_-_Tolima_-_Cajamarca.svg 74 de Sit, V. & Poulin-Costello, M. (1994). Catalogue of curves for fitting. Biometrics Information. Handbook No. 4. British Columbia: Ministry of Forest Research Program. Vargas, W. G. (2002). Guía ilustrada de las plantas de las montañas de Quindío y los Andes Recuperado centrales. de http://books.google.com.co/books?id=Omzm3LW0mZUC&pg=PA254&lpg=PA254&dq= weinmannia+mariquitae&source=bl&ots=uEtSJkoRa&sig=hiC49Ca3r6ApKNjU9N8oJHb T8Nk&hl=es&ei=0tRoTsfVF4q4tgeT14G3DQ&sa=X&oi=book_result&ct=result&resnum Walpole, R. & Myers, R. (1992). Probabilidad y estadística 4 ed. España: McGraw-Hill. 75 ANEXOS 76 Anexo A. Modelos para determinar biomasa aérea total a partir del dap, altura total y reiteración R2 Modelo R2 Ajust ECMP AIC BIC dap BT**= -183,18+ 15,86 * dap 0,87 0,87 16224,83 373,64 377,84 BT = 24,2 + 0,22 * dap2 0,88 0,88 15291,81 370,77 374,91 BT = -59,87+ 0,14 * dap + 6,14 * dap2 0,89 0,88 16412 370,88 376,49 Ln BT = -1,85+ 2,11 * Ln dap 0,94 0,94 0,16 30,21 34,41 BT = 85,81 + 0,01 * dap2 * h 0,91 0,9 10895,1 363,58 367,79 BT = -156,52 + 0,14 * dap2 +23,64* h 0,94 0,93 8771,02 353,2 358,8 BT = -105,11 + 0,09 * dap2 + 0,0032 * dap2 * h + 19,02 * h 0,94 0,94 9605,74 352,2 350,3 8394,7 346,69 353,7 dap & ht BT = -32,67 + 0,05 * dap2 + 0,73 * dap * h + -0,0025 * dap2 *h 0,95 0,95 Ln BT = -1063,7 + 218,71 * Ln(dap) + 280,28 * Ln(h) 0,76 0,75 32647,88 393,94 399,54 BT = 278,51 + 10,06*dap+23*h 0,92 0,91 12420,8 363,04 368,65 BT = -14,16+0,71*dap*h 0,95 0,95 5851,07 345,25 349,45 BT = 113,28+0,0011*dap*dap2*Ln h 0,85 0,84 19819,56 378,94 383,15 BT =-386,99+ 4,12*dap+0,21*dap2+230,78*Ln h 0,92 0,91 13876,18 363,77 370,77 BT =-144,94+0,16*dap2+24,35*h+-1,24*dap 0,94 0,93 10205,34 355,08 362,08 Ln BT =1,07+-0,002*dap2+0,06*h+0,17*dap 0,95 0,94 0,15 28,75 35,76 Ln BT = 4,25+4E-07*dap*dap2*Ln h 0,49 0,47 1,36 94,23 98,43 77 Ln BT = 0,2+0,15*dap+ -0,0013*dap2+0,76*Ln h 0,95 0,95 0,15 27,97 34,97 Ln BT = -1,81+2,08*Lndap+0,01*hr 0,94 0,94 0,17 32,14 37,75 BT = -159,83+64,78*hr 0,74 0,73 29605,38 394,61 398,82 Ln BT = 0,5+2,42*Ln hr 0,71 0,7 0,75 81,34 BT = 52,27+0,89*dap2*hr 0,84 0,84 20662,73 379,89 384,1 BT = -58,51+0,17*dap2+20,95*hr 0,91 0,9 13073,29 365,36 370,94 Ln BT =-1,81+1,04*dap2+0,01*hr 0,94 0,94 0,17 32,14 37,75 Ln BT =4,01+0,0037*dap2*hr 0,52 0,5 1,53 92,48 96,68 Ln BT = 3,53+0,0007*dap2+0,07*hr 0,67 0,67 1,09 83,25 88,86 BT = -66,59+5,76*dap*Ln hr 0,92 0,91 10217,53 360,33 364,33 BT = -267,51+14,03*dap+76,41*Ln hr 0,88 0,87 17989,41 374,53 380,14 BT = -25,81+26,64*hr+0,0022*dap*dap2 0,87 0,87 16873,21 374,98 380,59 BT = -132,25+20,42*hr+5,54*dap+0,09*dap 2 0,91 0,9 15059,4 365,38 372,38 Ln BT =3,36+0,02*dap*Ln hr 0,73 0,72 0,76 74,98 79,18 Ln BT = 1,85+0,06*dap+0,73*Ln hr 0,85 0,84 0,45 59,26 64,87 Ln BT = 3,53+0,0007*dap2+0,07*hr 0,67 0,65 1,09 83,25 88,86 Ln BT = 1,1+0,18*dap2+0,05*hr+0,0017*dap 0,94 0,94 0,18 32,34 39,34 Ln BT =1,1+0,05*hr+0,18*dap+0,0017*dap2 0,94 0,94 0,18 32,34 39,34 0,95 0,95 0,14 26,18 33,19 dap & hr 77,13 dap; ht & hr Ln BT = -2,46+1,79*Ln dap+-0,51*Ln hr +1,09*Ln h 78 BT = -100,91+204,05*Lndap+100,23*Ln hr +195,96*Ln h 0,77 0,74 38491,08 395,47 402,47 Dónde: BT: Biomasa aérea total (kg/árbol); dap: diámetro a la altura de pecho, 1,3 m del nivel del suelo (cm); ht: Altura total (m); hr: Altura de reiteración (m); Ln: Logaritmo natural base; R2: Coeficiente de determinación; R2-ajust: Coeficiente de determinación ajustado; ECMP: Error cuadrático medio de predicción; AIC: Criterio de Akaike; BIC: Criterio Bayesiano de Información. Fuente: Autores 79