modelos alométricos para la estimación de la biomasa aérea total

Anuncio
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
Descargar