Gómez González, Domínguez-Domínguez, Martínez-Zurimendi, and Ramírez Valverde: Ecuaciones de volumen para estimar la producción maderable de Hevea brasiliensis Müell Arg. en plantaciones de etapas adulta y vejez



Introducción

El hule (Hevea brasiliensis Muell. Arg.) abastece de materia prima una de las industrias más importantes de productos forestales no maderables del mundo. Adicionalmente, el aprovechamiento de la madera de los árboles de hule ha adquirido gran importancia en la zona tropical, ya que el agotamiento de los bosques tropicales ha llevado a la escasez de madera (Reza, Hamami, Nobuchi y Suhaimi, 2011). Según Monroy, Aguirre y Jiménez (2006) los árboles de hule disminuyen el rendimiento de látex de los 25 años a 30 años de edad, después de lo cual son abandonados, quemados o derribados, sin que se aproveche su madera. Por lo anterior es aconsejable realizar el aprovechamiento de la plantación como una de las alternativas para que el productor obtenga ganancias económicas adicionales. En Tabasco existe 24% de plantaciones en estado “juvenil” (7 años a 12 años de edad), 65% en estado “adulto” (13 años a 32 años) y 11% en estado de “vejez” (mayores de 32 años de edad) (Izquierdo-Bautista, Domínguez-Domínguez, Martínez-Zurimendi, Velázquez-Martínez y Córdova-Ávalos, 2011). Ratnasingam, Ioras y Wenming (2011), afirman que los árboles de hule son considerados como materia prima con aplicaciones en todos los sectores de la industria de la madera. Por sus características estructurales y anatómicas, la madera del hule es adecuada para la fabricación de muebles, tableros de fibra de densidad media, tableros de partículas, madera de chapa laminada, madera contrachapada, tablero de madera-cemento, celulosa (papel corrugado), por lo que se busca estimar la producción maderable en árboles de hule, realizando inventarios forestales para generar una tarifa de cubicación mediante la aplicación de ecuaciones alométricas.

Los modelos alométricos se emplean para estimar el volumen o la masa de los árboles y están explicados en función de pocas variables de fácil medición, tales como el diámetro normal (1.30 m), y/o la altura total (Segura y Andrade, 2008; Návar, 2010). El diámetro es el parámetro medido en todos los árboles en la mayoría de los inventarios forestales, mientras que la altura normalmente se mide en un subconjunto de árboles (Bravo et al., 2007). La edad y el número de árboles por hectárea también se incluyen como variables predictoras sistemáticas en los modelos de incremento y rendimiento (Kerala Forest Research Institute, 2006; Návar, 2014).

El empleo de los sistemas de ecuaciones para estimación de volúmenes de árboles en pie, de aplicación sencilla, es una de las técnicas recomendadas. A través de un mayor y mejor uso de metodologías estadísticas, particularmente de los procedimientos de regresión, dichas ecuaciones han permitido alcanzar considerables reducciones de costos, sin tener que disminuir la precisión de los estimadores (Rojas-García, De Jong, Martínez-Zurimendi y Paz-Pellat, 2015). Las ecuaciones de volumen se basan en dos dimensiones básicas, el diámetro normal y la altura, la cual puede ser total o parcial (correspondiente a la parte comercial del fuste); pueden elaborarse para una sola especie o para grupos de especies o un grupo de ellas que comparten un hábito de crecimiento similar (Rojas-García et al., 2015).

Existen ecuaciones de volumen para especies forestales de México (Tapia y Návar, 1998) y para especies tropicales (Vargas-Larreta et al., 2017); pero para especies plantadas para la extracción de producto principal no maderable (látex), tales como el árbol del hule, estas herramientas matemáticas son escasas (Monroy y Návar, 2004).

Objetivos

El objetivo del presente trabajo fue proponer una ecuación de volumen para (Hevea brasiliensis Müell Arg.) con la validación del mejor modelo, que permita estimar la producción maderable en la región de Tabasco México, en plantaciones en etapa adulta y de vejez que disminuyeron su producción de látex.

Materiales y métodos

Área de estudio

El estudio se realizó en los ejidos de Pedregal Moctezuma 1a Sección, Ejido Guadalupe Victoria, Chicoacán, y el Guanal, en el municipio de Huimanguillo, Tabasco. Geográficamente el área de estudio se localiza entre las coordenadas 17° 46' 27" y 17° 38’ 11” de latitud norte, y entre las coordenadas 93° 29' 50" y 93° 39' 49" de longitud oeste; con una altitud promedio de 75 m snm (Fig. 1).

Figura 1

Localización de las plantaciones inventariadas de hule en Tabasco, México.

2448-7597-mb-24-02-e2421867-gf1.png

Los climas presentes en este municipio son: Am (f) cálido húmedo con lluvias en verano y Aw (w) cálido subhúmedo con lluvias en verano, con temperatura máxima normal de 31.5 °C, mínima normal 20.9°C, media anual de 26.2°C y precipitación normal anual 2256.6 mm (Servicio Meteorológico Nacional, 2018). La zona de estudio corresponde al paisaje geomorfológico de terrazas estructurales (Lomeríos), presentándose relieve con lomerío desde ligeramente convexo hasta fuertemente convexo (Ortiz-Pérez, Siebe y Cram, 2005).

Aplicación de encuestas

La aplicación de entrevistas semiestructuradas se realizó a 11 productores, considerando la base de información de la Secretaría de Desarrollo Agropecuario, Forestal y Pesca (SEDAFOP) en vinculación con el Sistema Producto hule. El municipio de Huimanguillo se seleccionó porque ahí se distribuye 80.67% de las plantaciones de hule establecidas en Tabasco. Asimismo, se realizaron recorridos de campo con la finalidad de conocer el manejo silvícola de las plantaciones inventariadas, el estado fisiológico de las plantaciones “adultas” (13 años a 32 años) y en etapa de “vejez” (mayores de 32 años de edad) (Monroy et al., 2006; Izquierdo-Bautista et al., 2011). Las plantaciones seleccionadas para realizar el inventario fueron de las siguientes edades: 25, 28, 31, 32, 34 y 51, todas ellas en años. En estas edades los árboles de hule disminuyen su rendimiento de látex con respecto al máximo, que se presenta a los 18 años de edad (Rojo-Martínez, Jasso-Mata, Vargas, Velázquez-Martínez y Palma, 2002).

Primera Fase del estudio

Caracterización dasométrica. El inventario forestal se realizó en 11 plantaciones de hule (una plantación de 25 años, 32 años y 34 años; dos plantaciones de 31 años; tres plantaciones de 28 años y 51 años). Se establecieron tres parcelas de 20 m × 20 m por plantación, con 23 árboles en promedio por parcela, haciendo un total de 753 árboles, con un área total inventariada de 13 200 m², de acuerdo con Carrillo (2008).

De todos los árboles de las 33 parcelas con diámetro mayor a 8 cm, se midieron las siguientes variables dasométricas: diámetro normal a 1.30 m (D) con la forcípula; altura de fuste limpio (H fl ) y altura total (H) utilizando la pistola Haga. El diámetro mínimo de inventario de 8 cm, se eligió por ser un árbol aprovechable para madera de desintegración (8 cm - 20 cm) para la fabricación de papel y conglomerados; o para puntales (8 cm - 15 cm) y postes (10 cm - 45 cm); para madera para sierra (20 cm - 200 cm), o para madera para desenrollo (15 cm - 160 cm) (Rodríguez, Broto y Lizarralde, 2008; Rondeux, 2010).

En esta primera fase de inventario en campo, se calcularon diámetro medio cuadrático (cm); altura dominante (H dom , m); área basal considerando la sección transversal del tronco del árbol a 1.30 m de altura (g, m2); área basimétrica (G, m² ha­¹); número de árboles por hectárea (N) e índice de densidad del rodal (IDR) (en inglés stand density index SDI), datos que permiten generar la descripción de cualquier masa monoespecífica (Condés y Martínez-Millán, 2001).

Área basimétrica de la plantación. La medida de densidad más frecuente referida a un rodal o plantación es la suma de la sección de los troncos de los árboles a la altura de pecho, referido a una hectárea de superficie (Domínguez-Domínguez, Bravo y del Río-Gaztelurrutia, 2006; Pérez-González, Domínguez-Domínguez, Martínez-Zurimendi y Etchevers-Barra, 2012).

G=inπ4*D210000/S

Donde:

G

= Área basimétrica

D

= diámetro normal (cm)

S

= tamaño de la parcela (ha)

Densidad de plantaciones de hule. Una medida muy utilizada de la densidad del rodal es el índice de densidad del rodal, para cuyo cálculo se necesita el número de árboles por hectárea y el diámetro medio cuadrático (Dg). El diámetro medio cuadrático se obtiene del área basimétrica y del número de árboles (Gadow, Sánchez y Álvarez, 2007).

Dg=40000π*GN

El IDR es el número de árboles que existen en un rodal comparado con un rodal puro, muy poblado y de edad uniforme con un diámetro medio cuadrático de 25 cm (Domínguez et al., 2006; Pérez-González et al., 2012).

IDR=N* Dg25-1.605

Donde:

N

= Densidad de arbolado (árb ha­-1)

Dg

= diámetro medio cuadrático (cm)

Segunda fase del estudio

Selección de árboles “tipo” para cubicar con precisión. En la segunda fase de medición de campo, se seleccionaron los árboles a cubicar. De la población de 743 árboles medidos inicialmente, se seleccionaron 43 árboles, los más cercanos al diámetro medio cuadrático de cada intervalo de clase diamétrica y altura, que fueron considerados una muestra representativa para inventariar en cada calidad de sitio (Tabla 1).

Tabla1. Distribución

de frecuencias de diámetro con corteza y clases de altura total de 43 árboles de H. brasiliensis utilizados para el sistema ahusamiento-volumen.

Dg (cm) Diámetro (cm) Clases de altura total (m) Árboles tipo
10-15 16-20 21-25 26-30 31-35 36-40
15.8 10-20 2 2 2 1 7
25.5 21-30 1 3 3 3 1 11
35.4 31-40 1 1 3 3 1 1 10
45.2 41-50 1 2 2 5
55.2 51-60 1 1 1 3
65.2 61-70 1 1 1 3
75.2 71-80 1 1 1 3
85.1 81-90 1 1
Árboles tipo 4 6 10 12 8 3 43

[i] Nota: Dg = diámetro medio cuadrático.

Para realizar la selección de árboles siguiendo los patrones por clase de altura, se aplicó la metodología propuesta por Rojo-Martínez, Martínez-Ruiz y Jasso Mata (2011) de índice de sitio, como variable representativa de la productividad de un área forestal. El modelo elegido se basa en la función anamórfica de Weibull (Bailey, 1980). Los parámetros se calcularon en función de las variables descriptivas de la masa forestal (Condés y Martínez-Millán, (2001), considerando que el tamaño de las parcelas de muestreo está en función de las relaciones entre los coeficientes de variación del número de árboles y del volumen por hectárea. De los árboles seleccionados, 14 fueron árboles dominantes y 29 codominantes. Se determinaron 6 clases de altura (10-15, 16-20, 21-25, 26-30, 31-35, 36-40 m); asimismo se determinaron 8 clases diamétricas (10-20, 21-30, 31-40, 41-50, 51-60, 61-70, 71-80, 81-90 cm).

Medición de variables dasométricas de árboles en pie. De los 43 árboles tipo se realizó la medición directa de las variables dasométricas con el Relascopio de Bitterlich: diámetro a inserción de la primera rama (D ic ), altura de fuste limpio, altura total, altura comercial (H c ), altura de Pressler (P). Para obtener la altura de Pressler, primero se ubicó el punto de referencia de Pressler o punto directriz (Hp) del árbol, punto en el cual la sección transversal del árbol tiene un diámetro igual a la mitad del diámetro normal. El diámetro normal, se midió con la forcípula. El grosor de la corteza (GC, cm) se midió a 1.30 m de altura con el medidor de corteza o calibrador Haglof para calcular el volumen maderable sin corteza.

Cubicación de árboles en pie. El volumen de un árbol en pie se determinó en campo por medio del Relascopio de Bitterlich (método de Pressler) (López-Peña, 2005; Romahn de la Vega y Ramírez, 2010; Rondeux, 2010) (Tabla 2). Pressler postula que el volumen del fuste, cualquiera que sea su tipo dendrométrico, es igual a dos tercios del área basal, multiplicada por una altura que Bitterlich denominó altura de Pressler y que es igual a la altura entre la sección transversal a 1.3 m y la sección con diámetro igual a la mitad del diámetro normal, más 1.95 m. Este método cubica el volumen del tronco principal hasta la punta sin incluir las ramas, que son poco aprovechables para la industria.

Tabla 2

Ecuaciones alométricas empleadas en estimación maderable de plantaciones de hule.

Nombre Ecuación Ecuación exponencial
Berkhout
V=a+b*D
Kopezky
V=a+b*D²
Hohenadl-Krenn
V=a+b*D+c*D²
Husch
ln V=a+b*ln(D)
V=ea * D
Spurr
V=a+b*D2*H
Stoate
V=a+b*D2+c*D2*H+d*H
Meyer
V=a+b*D2+c*D*H+d*D2*H
Schumacher
ln V=a+b*lnD+c*ln(H)
V=ea*Db*Hc

[i] Fuente: Monárrez-González y Ramírez-Maldonado, 2003; Segura y Andrade, 2008 Nota: V = volumen de madera (tronco hasta la punta) (mᵌ arbol-1); D = diámetro normal (cm); H = altura total (m); a, b, c, d = parámetros de regresión del modelo; ln= logaritmo base e.

Fórmula de Pressler para la cubicación de árboles en pie.

VP=23*g*P

P=Hp+1.95

g=D2100*π4

donde:

VP

= volumen de Pressler (m3 árbol-1)

g

= área basal del árbol (m2)

P

= altura de Pressler (m)

HP

= altura del punto de referencia de Pressler (m)*

D

= diámetro normal del árbol (cm)

* Equivale a la distancia entre la sección basal y la sección transversal del árbol cuyo diámetro es igual a la mitad del diámetro normal.

A partir del volumen maderable de Pressler ( V P ) y del grosor de la corteza se calculó el volumen de madera sin corteza del tronco hasta la punta, a través del factor o coeficiente de forma estimado para esta especie, de acuerdo con Rivas (2006).

Para efectos de validación de las ecuaciones de cubicación se calculó el volumen de madera (tronco hasta la punta) de acuerdo con Monroy y Návar (2004), López-Peña (2005), Romahn de la Vega y Ramírez (2010) y Rojo-Martínez et al. (2011).

Tercera fase del estudio

Análisis estadístico para verificar la normalidad de los datos. Se realizó un análisis estadístico de correlación para observar el grado de asociación entre las variables dasométricas diámetro a la altura del pecho y altura total en relación con el volumen de Pressler. También se aplicó una prueba de Shapiro-Wilk para ver si la población se encontraba normalmente distribuida y se constató la normalidad del conjunto de datos de las variables dasométricas, como requisito previo a los procesos de modelización. Los datos que no seguían distribuciones normales se modelizaron como de tipo logarítmico, o fueron sometidos a algún tipo de transformación, que se describe posteriormente.

Transformación de algunos modelos alométricos. De las ocho ecuaciones probadas, dos (Husch y Schumacher) se transformaron de su carácter exponencial a lineal, usando logaritmo natural. La transformación de los valores de diámetro y altura a logaritmos, permite el ajuste de una regresión lineal simple por mínimos cuadrados (Tabla 3). Cuando no fue posible linealizar mediante transformaciones, se usaron modelos de regresión no lineal (Segura y Andrade, 2008; Romahn de la Vega y Ramírez, 2010).

Tabla 3

Aplicación y validación de cinco modelos matemáticos para obtención de volumen maderable en plantaciones de hule.

Modelo Ecuación
Variables combinadas
V= -0.00336+0.00003686*D2*Hc
Schumacher
V=0.02882823*D2.24237*Hc0.74475
Australiana
V=-0.03046+0.00017592*D2-0.000087*Hc+0.00002363*D2*Hc
Variables Combinadas Ponderada
V=-0.00413+D2*Hc*0.00003657
* Lineal Generalizada Ponderada
V=-0.06399+0.009682 *Dic+0.000026*D2H

Nota: V = volumen de madera (tronco hasta la punta) (m3 árbol-1); D = diámetro del árbol a 1.30 m (cm); H c = altura comercial (m); D ic = diámetro a inserción de la primera rama (m); H = altura total del árbol (m).

Selección del modelo de mejor ajuste a los datos. Para realizar la selección del modelo se consideraron los siguientes criterios: 1) Alto coeficiente de determinación ajustado (R 2 ajust.) en el análisis de varianza. El coeficiente de determinación (R 2 ) indica la proporción de la variación total observada en la(s) variable(s) dependiente(s) explicada(s) por el modelo. El coeficiente de determinación ajustado aproximado (Aproximación de R 2 ajust.) es una variante del R 2 que generalmente es menor porque pondera el R 2 con el número de observaciones del modelo y del error. 2) Error estándar de la estimación o raíz del cuadrado medio del error (RCME) que se calcula para buscar el menor valor posible que represente el mayor ajuste del modelo.

Se probaron ocho ecuaciones alométricas genéricas para la estimación de volumen en árboles de hule propuestas por Monárrez-González y Ramírez-Maldonado (2003), y por Segura y Andrade (2008) por su similitud climática y edáfica con el estado de Tabasco y las condiciones de cálculo, similares a las referidas en este estudio, de trabajos realizados en el estado de Veracruz, propuestos por Monroy y Návar (2004) y por Rojo-Martínez et al. (2011).

Análisis estadístico para determinar la ecuación de Volumen. La muestra analizada consistió en 43 datos totales, se realizó el procedimiento de aleatorización y agrupación de datos para realizar procesos de modelización de las ecuaciones alométricas de volumen. Luego se procedió a realizar una repartición en 5 grupos aplicando en ellos la validación cruzada. Por lo tanto, se usaron 80% de los datos para los procedimientos de modelización con el programa estadístico SAS institute Inc (2009). Se corrieron los modelos de Berkhout, Kopezky, Hohenadl-Krenn, Husch, Spurr, Stoate, Meyer y Schumacher a través de regresión lineal y no lineal para determinar el mejor modelo y obtener la ecuación de volumen de fuste en pie.

Validación de los modelos. En los procedimientos de validación de los modelos se utilizaron 20% de los datos para medir la bondad de los ajustes de una forma independiente, a través de los índices para la validación de los modelos (Huang, Yang y Wang, 2003; Domínguez-Domínguez et al., 2006); se estudiaron los errores a través de los parámetros MRES (error medio del modelo) y AMRES (diferencia absoluta media); también se obtuvo la eficiencia de cada modelo (EF) y el coeficiente de determinación ajustado aproximado.

MRES=(yi-ŷi)n

MRES%=100×MRES/ȳ

AMRES=yi-ŷin

AMRES%=100×AMRES/ȳ

Donde:

MRES :

Error medio del modelo

AMRES :

Diferencia media absoluta

yi

= valor observado o real

ŷi

= Valor estimado con el modelo

n

= Número de observaciones en la validación de los modelos

ӯ

= Valor promedio de los valores observados o reales

Los modelos se validaron aplicando las ecuaciones de eficiencia del modelo que se considera un estimador para evaluar los modelos aplicados con regresiones no lineales (Huang et al., 2003; Gadow et al., 2007; Núñez-López et al., 2013).

EF=1-(yi-ŷi)2(yi-ȳ)2

Donde:

yi

= valor observado o real

ŷi

= Valor estimado con el modelo

ӯ

= Valor promedio de los valores observados o reales

El coeficiente de determinación ajustado no puede ser directamente obtenido en el análisis de varianza de la regresión no lineal, como medida de la bondad de ajuste, por lo que se hace una aproximación de la estimación del coeficiente de determinación ajustado, a través de la diferencia de la suma de cuadrados total y la suma de cuadrados medios de los residuos, para compararlo con la eficiencia del modelo (Domínguez et al., 2006).

Aproximación de R2ajust.=SSC-SSRSSC

Donde:

SSC :

suma de cuadrado total

SSR :

suma de cuadrados medios de los residuos

Además se realizó un análisis de sensibilidad de los modelos para ver la variación del valor predicho a través de la obtención del error relativo.

Error relativo%=100×yi-ŷiyi

Cuarta fase del estudio

Validación de los modelos de volumen maderable de Monroy y Návar (2004) y Rojo-Martínez et al. (2011). Se realizó la comparación de los modelos matemáticos propuestos por Monroy y Návar (2004) y Rojo-Martínez et al. (2011) (Tabla 3) para la obtención del volumen de árbol en pie. Es decir se validaron comparando volumen maderable medido y volumen maderable predicho con los modelos usando 100% de los datos. Se aplicó un análisis de regresión lineal al ajuste de ambas variables, utilizando para ello el programa estadístico SAS Institute Inc. (2009). Se generó un criterio de calificación que, de acuerdo con Sakici, Misir, Yavuz y Misir (2008), consistió en jerarquizar cada estadístico de cada modelo asignando valores consecutivos del 1 al 6 en función del orden de importancia: 1 correspondió al mejor valor del estadístico (para el modelo más eficiente y para los errores más bajos MRES y AMRES) y 6 para el modelo menos eficiente y para los errores más altos. La sumatoria de los valores conformó la calificación total para cada modelo, siendo mejores aquellos con el menor valor en la calificación total. Se ordenaron los modelos de acuerdo con la jerarquización. Se realizó la validación gráfica de los modelos con la representación de los residuos frente a las variables de predicción, analizando su comportamiento.

Resultados

Primera fase del estudio

Información obtenida a través de las encuestas. Los árboles de las plantaciones fueron establecidos a espaciamiento de 6 m × 3 m de manera general. Únicamente dos plantaciones de 28 años de edad alcanzaron mayor densidad, 775 árb ha-1 y 725 árb ha-1; debido a establecimientos de viveros en áreas actualmente plantadas de hule. En el manejo silvícola de las plantaciones inventariadas fueron intercalados cultivos agrícolas como maíz (Zea mays), frijol (Phaseolus sp), piña (Ananas comosus) y yuca (Manihot esculenta), actividades realizadas durante los tres primeros años. En los árboles plantados se realizaron podas de formación para mantener el fuste libre de ramas hasta 7.40 m de altura, para posteriormente realizar la pica. Los productores que ocuparon sus terrenos para viveros obtenían varetas para la extracción de yemas clonales.

Segunda fase del estudio

Variables dasométricas de árboles en pie. La plantación de 51 años de edad presentó la máxima área basimétrica. Las plantaciones más densas, fueron la de 34 años con 575 árb ha-1 y la de 31 años con 592 árb ha-1.

Tercera fase del estudio

Prueba de normalidad de los datos. La variable de respuesta volumen maderable de Pressler generó promedio de 1.47 m3 árbol-1 ± 1.66 m3 árbol-1, con coeficiente de variación 113.18%. Se presentaron valores mínimos de 0.08 m3 árbol-1 y máximos de 7.93 m3 árbol-1. Los datos de la variable volumen presentaron distribución normal W: 0.75% (Shapiro Wilks).

La desviación estándar es muy grande (el coeficiente de variación tiende a uno). Esta desviación se debe a que se buscaron muestras que representaran toda la variabilidad de tamaños de la población. La tendencia, si bien ha sido establecida por la media, es confiable porque se presentan valores alejados hacia la derecha de la media; las variables fueron estratificadas por clases de diámetro-altura, dentro de un grupo de edades.

Correlación de las variables. Existe alta correlación entre las variables D y H, como datos observados o medidos en relación con los valores estimados o predichos del volumen maderable de Pressler. Aplicando las pruebas estadísticas de correlación de Pearson, el coeficiente de correlación muestral estimado es alto r = 0.889 y significativo (p ˂ 0.0001), lo que indica que existe una fuerte asociación entre el volumen maderable de Pressler y el diámetro de los árboles, por lo que se rechaza la hipótesis nula planteada.

Ho:ρ=0

Ajuste de los modelos alométricos. De los ocho modelos probados (Berkhout, Kopezky, Hohenadl-Krenn, Husch, Spurr, Stoate, Meyer, Schumacher) para determinar la ecuación de volumen para la especie de hule en Tabasco, el análisis de regresión lineal aplicado demostró que el modelo de Kopezky es estadísticamente diferente, como se muestra en la tabla 4.

Tabla 4

Análisis de varianza y parámetros ajustados por regresión lineal para la obtención del Volumen maderable con el modelo de Kopezky.

Fuente G. L. Suma de cuadrados Cuadrado medio F-Valor Pr > F
Modelo 1 95.7814 95.7814 196.46 <.0001
Error 41 19.9892 0.4875
Total corregido 42 115.7707
= 0.8273 ajust. = 0.8231 Coef. Var. = 47.5973 DW = 2.195
Variable Estimación Error estándar Valor t Pr > |t| Inflación de la varianza
Intercepto -0.08202 0.1534 -0.53 0.5959 0
Diámetro² 0.000873 0.00006228 14.02 <.0001 1

[i] Nota: R 2 ajust. = coeficiente de determinación ajustado.

En el análisis de varianza se puede observar en cumplimiento de las hipótesis estadísticas H0:β1=0 Vs. Ha:β10 ; que el valor calculado de F = 196.46, permite rechazar la hipótesis de nulidad Ho, con un α = 0.0001 (Pr = F). También se observa el coeficiente de determinación R 2 = 0.8273, el modelo explica 82.73% de la variación en el volumen de Pressler.

El estadístico de Durbin y Watson (DW) resultó muy similar en los ocho modelos, estando los errores positivamente correlacionados; además, en el factor de incremento de la varianza (VIF), el modelo seleccionado resultó tener VIF máximo menor de diez. Por estas razones, no presenta problemas de colinealidad en las variables (Domínguez-Domínguez et al., 2006). Asimismo se obtuvo un menor valor de coeficiente de variación, lo que significa mayor homogeneidad en los valores de la variable.

Las ecuaciones de Husch y Schumacher (linealizadas) tienen coeficientes de determinación ajustado altos; el resto de ecuaciones (lineales) tienen valores próximos también (Tabla 5). Sin embargo no son equiparables los valores de las ecuaciones linealizadas a los de las ecuaciones no linealizadas. Los valores de eficiencia son muy próximos entre ellos.

Tabla 5

Coeficiente de determinación ajustado y eficiencia de los modelos de volumen maderable en plantaciones de hule.

Modelos ajust Eficiencia modelo
Kopezky 0.8261 0.74
Spurr 0.8258 0.74
Stoate 0.8405 0.73
Schumacher 0.9063 0.73
Hohenadl-Krenn 0.8279 0.72
Berkhout 0.7933 0.72
Meyer 0.8421 0.72
Husch 0.8838 0.71

Análisis estadístico y selección del mejor modelo. El estudio de residuos estudentizados del modelo de Kopezky del volumen de los árboles, dio como resultado media próxima a uno y varianza cercana a dos (Tabla 6). La desviación estándar fue inferior a la varianza. La distribución de los residuos fue normal (Pr < W = 0.0001), aunque mostró cierto grado de influencia de apuntamiento de 4.5% en relación con una distribución normal. Los estadísticos de las variables dasométricas sí representaron dispersión de las observaciones en el test (Pr < W), encontrándose que no se cumple este criterio de normalidad de los residuos: se expresan en el gráfico de los valores estimados y observados. Para esta etapa se demostró que el diámetro promedio, la altura total y el valor predicho o estimado de volumen de Pressler pudieron explicar este porcentaje de la variable dependiente con alta significancia.

Tabla 6

Estudio de los residuos estudentizados del modelo de Kopezky de Volumen maderable de Pressler con 43 datos.

Variable Media Varianza Desviación estándar Curtosis o apuntamiento Pr < W
Diámetro 37.9930 338.8063 18.4066 0.0605 0.0019
Altura total 26.7906 53.4183 7.3087 -0.4799 0.6480
Volumen de Pressler 1.4669 2.7564 1.6602 4.5309 <0.0001

El MRES y la AMRES resultaron aceptables (dentro de ± 10% del valor de la media observada a 95% del nivel de significancia), según Huang et al. (2003). El MRES para el modelo de volumen en pie (0.003%) y AMRES (0.474%) resultaron acordes con los valores obtenidos en el coeficiente de determinación ajustado en el análisis de varianza (Tabla 7).

Tabla 7

Estadística para la validación de los modelos.

Ecuaciones Eficiencia Modelo MRES (%) AMRES (%) Calificación total
Valor Calificación Valor Calificación Valor Calificación
Kopezky 0.74 1 -1.01 3 32.84 1 5
Stoate 0.73 3 0.72 2 33.25 2 7
Spurr 0.74 2 -1.41 4 33.39 4 10
Hohenadl-krenn 0.72 7 0.32 1 34.09 6 14
Schumacher 0.73 4 3.41 8 33.37 3 15
Meyer 0.72 6 1.51 6 33.79 5 17
Berkhout 0.72 5 -1.43 5 37.09 9 19
Husch 0.71 8 2.64 7 34.31 7 22

[i] Nota: MRES= Error medio del modelo o sesgo; AMRES= Diferencia media absoluta.

En relación con el test de las distancias de Cook (0.125 a 1.125), no se encontraron valores extremos para indicar la influencia de una observación con respecto a un modelo particular. Respecto a la diferencia de ajustes (Dffits), no se obtuvieron valores que sobrepasaran en valor absoluto a |2[(m+1)/n]1/2 consideradas influyentes, ya que los puntos presentan valores cercanos a cero, con una varianza homogénea, por lo que los datos tienen buen ajuste (Jiménez, 2001). Únicamente 1.2% de las observaciones presentó puntos influyentes, por lo que se considera que no generó mayor problema. Los gráficos de los residuos para cada modelo ajustado, en relación con el valor estimado de la variable dependiente Volumen de Pressler, permiten apreciar el comportamiento de los modelos (Fig. 2).

Figura 2

Gráfico de los residuos de la estimación del modelo frente al valor predicho o estimado del Volumen maderable

2448-7597-mb-24-02-e2421867-gf2.png

De los ocho modelos, el que presentó mejor eficiencia y mejor coeficiente de determinación ajustado (0.82) en conjunto con MRES y AMRES fue el de Kopezky. El modelo alométrico de volumen de Husch resultó muy bajo en la eficiencia, presentando bajo ajuste.

La ecuación generada de Kopezky quedó como sigue:

V=-0.08202 + 0.00087297*D2

Donde

V :

Volumen

D :

Diámetro a 1.30 m

Comparación de observaciones reales con las estimaciones de los mejores modelos. Los valores predichos y observados en el gráfico de dispersión de volumen se distribuyen en la línea de ajuste, en un nivel de significancia de 95% (Fig. 3). Realizando el análisis de regresión lineal, los modelos de mejor ajuste son Kopezky, Spurr, Stoate y Hohenadl-krenn. La ecuación de Kopezky presenta equilibrio en el modelo aplicado para el volumen maderable a edades de 25 años a 51 años, con el mejor ajuste entre el valor predicho de volumen y el valor estimado, ajustados a partir de la altura total.

Figura 3

Gráficos de dispersión de valor predicho frente al valor observado del volumen maderable de Pressler de los mejores modelos ajustados. a) Kopezky; b) Stoate; c) Spurr d) Hohenadl-krenn

2448-7597-mb-24-02-e2421867-gf3.png

Comparación de los modelos de volumen maderable de Rojo-Martínez et al. (2011), Monroy y Navar (2004) y Kopezky. El MRES y la AMRES resultaron aceptables (dentro de ± 10% del valor de la media observada a 95% del nivel de significancia), según Huang et al. (2003), en el caso de la diferencia media absoluta en porcentaje (0.0027% y 0.4739%) que reflejó un valor no muy alto, está en relación con los valores obtenidos en el ajuste de los modelos.

A continuación se muestran los valores correspondientes a los parámetros estimados mediante el análisis de regresión de la población de 43 árboles tipo para la validación del modelo, con 100% de los datos, en relación con el modelo de Kopezky, que se obtiene con las variables significativas, el diámetro a 1.30 m de altura, la altura total y la relación volumen maderable de Pressler.

La validación de la ecuación de volumen generada se evaluó comparando con las ecuaciones propuestas por Monroy y Návar (2004) y Rojo-Martínez et al. (2011). Las ecuaciones de Monroy y Návar (2004) presentaron valores cercanos a 1 y -1, indicando una perfecta relación funcional entre las dos variables, positiva y negativa, respectivamente, con una eficiencia de 77% (Tabla 8). En comparación con la ecuación generada, para ambos casos presentaron una ecuación más equilibrada, calificada por el orden de eficiencia.

Tabla 8

Validación de modelos alométricos de volumen de fuste.

Modelo Eficiencia Modelo MRES (%) AMRES (%) Calificación total
Valor Calificación Valor Calificación Valor Calificación
Monroy y Návar 0.77 3 -12.40 2 31.52 1 6
Kopezky 0.74 5 -1.01 1 32.84 2 8
Schumacher 0.80 1 26.48 4 33.34 3 8
Variable combinada 0.77 2 26.26 3 34.89 4 9
Australiana 0.73 6 33.45 6 36.70 6 18
Variables combinadas ponderadas 0.77 4 26.90 5 35.19 5 14

[i] Nota: MRES= Error medio del modelo o sesgo; AMRES= Diferencia media absoluta.

Se generó un criterio de calificación que, de acuerdo con Sakici et al. (2008), consistió en jerarquizar cada estadístico de cada modelo, asignando valores consecutivos del 1 al 6 en función del orden de importancia (1 correspondió al mejor valor del estadístico y 6 al valor más pobre). Posteriormente, la sumatoria de los valores conformó la calificación total de cada modelo; por comparación se identificaron los mejores modelos, siendo aquellos con el más bajo valor en la calificación total.

En la representación gráfica de residuos de la validación de los modelos matemáticos frente a las variables de predicción propuestas por Monroy y Návar (2004) y por Rojo-Martínez et al. (2011), se aprecia que la ecuación de Kopezky está equilibrada (Fig. 4); la propuesta de Monroy y Návar tiene un pequeño sesgo negativo: infravalora los volúmenes altos; las restantes ecuaciones tienen un sesgo muy fuerte, con residuos positivos crecientes para los volúmenes mayores.

Figura 4

Representación gráfica de residuos de la validación los modelos matemáticos propuestos Monroy y Návar (2004), y Rojo-Martínez et al. (2011) y este trabajo, frente a las variables de predicción

2448-7597-mb-24-02-e2421867-gf4.png

Figura 5

Dispersión de valor predicho frente al observado en la validación de modelos de Monroy y Návar (2004) y Rojo-Martínez et al. (2011): a) Monroy y Návar (2004); b) Kopezky; c) Schumacher; d) variables combinadas; e) Australiana; f) variables combinadas ponderadas.

2448-7597-mb-24-02-e2421867-gf5.png

La validación de la ecuación de producción regional de hule estudiada por Monroy y Návar (2004), probada a partir de la altura total comercial, resultó tener un coeficiente de determinación R 2 = 0.82, en contraste con las ecuaciones de Rojo-Martínez et al. (2011) que presentaron R 2 = 0.98. En relación con las variables observadas, se probó el ajuste de las ecuaciones, obteniendo resultados de R 2 = 0.85 (Fig. 5). Por consiguiente, las ecuaciones de Monroy y Návar (2004) presentaron valores cercanos a 1 y -1, indicando una perfecta relación funcional entre las dos variables, positiva y negativa, con eficiencia de 77%, ambas ecuaciones presentaron similitud con la ecuación generada en este estudio.

Discusión

El análisis estadístico de los datos a partir del inventario dasométrico de las plantaciones de Hevea brasiliensis Müell Arg., permitió generar la ecuación de volumen maderable de esta especie, observándose que existe poca variabilidad en el diámetro normal, altura total, altura comercial, altura de Pressler y volumen maderable de Pressler.

El área basimétrica promedio de las plantaciones de H. brasiliensis fue 37.5 m² ha-1 a edad de turno de 25 años, 49.8 m² ha-1 para 28 años, 41.1 m² ha-1 para 31 años, 54.9 m² ha-1 para 32 años, 32.0 m² ha-1 para 34 años y 65.6 m² ha-1para 51 años. La mayoría de estos resultados superan los valores obtenidos por Monroy et al. (2006) con la misma especie y el mismo manejo silvícola, en el estado de Veracruz: 27.2 m² ha-1 a 25 años; 31.8 m² ha-1 a 30 años, 35.8 m² ha-1 a 35 años y 39.5 m² ha-1 a 40 años. Las plantaciones en el municipio de Huimanguillo, Tabasco están en aprovechamiento en edades (años) de 25, 28, 31, 32, 34 y 51, las cuales con buenas prácticas de manejo de cultivos podrían presentar mayor producción maderable.

El diámetro de los árboles en las plantaciones de H. brasiliensis en Huimanguillo, Tabasco se vio influenciado por la densidad, sitio y manejo del cultivo; no obstante, los resultados de este estudio concuerdan con los de otros realizados en Tailandia, Indonesia, Malasia, India, China, Vietnam, Costa de Marfil, Sri Lanka, Liberia y Filipinas, donde se ha demostrado que esta especie llega a alcanzar 30 m de altura y 30 cm de diámetro en un periodo de vida económica de más de 30 años (Prabhakaran-Nair, 2010). Además, en la región de origen, cuenca del río Amazonas en Brasil se encuentran alturas de 30 m y diámetros de más de 95 cm (Priyadarshan y Clément-Demange, 2004). En otros estudios con esta misma especie, con manejo silvícola en Tezonapa y Uxpanapa, Veracruz, México, dentro de un intervalo de edad de 8 años a 31 años, se registraron valores de altura media de 15.8 m a 27.6 m (Monroy et al., 2006). Sin embargo, el diámetro de cualquier especie es altamente sensible a los cambios con la densidad, es decir, parámetros de estructura espacial en la plantación de 51 años de edad presentan un grado de diferenciación alta (Gadow et al., 2007). En general, el diámetro crecerá con base en el manejo que se aplique a esta especie, es decir: las características genéticas de los clones, la densidad de plantación, la aplicación de fertilizante, la presencia de enfermedades, la manera de cosecha del látex (profundidad del corte y frecuencia de pica), entre otros.

En estudios realizados en Kerala y Tamil Nadu, India, se obtuvieron ecuaciones de volumen de árboles a través de modelos de parámetros aleatorios basados en edad y número de árboles por hectárea para cuatro clones: GT1 457.13 m³ ha-1 a 35 años; PB235 247.53 m³ ha-1, 25 años; RRII105 73.32 m³ ha-1 a 24 años; RRIM600 360.88 m³ ha-1 a 31 años; con promedio de 500 árb.ha-1; determinadas con coeficiente de determinación ajustado de 0.87 (Kerala Forest Research Institute, 2006).

En las plantaciones aquí estudiadas, los modelos con mejores ajustes fueron Kopezky, Spurr, Stoate, y Schumacher. El modelo de Kopezky, presentó coeficiente de determinación de 0.82, elegido por orden de eficiencia ponderada con diferencia media absoluta y error medio absoluto. La ecuación es válida para árboles con diámetros entre 10 cm y 85 cm. Este último es menor, comparado con el obtenido en otro estudio en plantaciones de Tezonapa y Uxpanapa, Veracruz, México, donde se encontró R 2 = 0.90 (Monroy et al., 2006). El modelo Schumacher es el más usado en las plantaciones de H. brasiliensis, sin embargo, en Tabasco el modelo fue menos eficiente; otro modelo usado para esta especie fue Spurr, que ha sido ampliamente utilizado en especies maderables en distintas localidades (Monroy et al., 2006). A excepción de pocos casos, definidos por la ecuación de volumen de variable combinada, los valores de R 2 (predicción) resultaron por debajo de 0.8 para los casos considerados; en general son más pequeños los errores de predicción de los datos de validación del modelo.

En la validación de ecuación de producción regional propuesta por Monroy y Návar (2004), probada a partir de la variable altura total comercial, en contraste con las ecuaciones de Rojo-Martínez et al. (2011), para la ecuación de variables combinadas y variables combinadas ponderadas, se obtuvieron coeficiente de determinación R 2 = 0.83, Schumacher R 2 = 0. 85 y Australiana R 2 = 86, calculados a partir del modelo de índice de sitio a una edad de referencia de 42 años. Por consiguiente, las ecuaciones de Monroy y Návar (2004) presentaron valores cercanos a 1 y -1, los cuales indican una perfecta relación funcional entre las dos variables, positiva y negativa, con una eficiencia de 77%. En comparación con la ecuación generada, para ambos casos presentaron una ecuación más equilibrada, calificadas por el orden de eficiencia. Sin embargo, la correlación entre variables y las diferencias en el poder de explicación de cada una de estas, ocasiona que solo algunas de las variables independientes tengan una contribución significante aplicando los modelos de regresión simple; ya que subestiman el volumen maderable de los árboles de hule a partir de la altura comercial; mientras que en el presente trabajo se ha cubicado el árbol hasta un diámetro en punta delgada de 10 cm (Rodríguez et al., 2008; Rondeux, 2010).

Conclusiones

De acuerdo con la modelización, de los ocho modelos matemáticos para predecir el volumen de fuste comercial de Hevea brasiliensis, el de la ecuación Kopezky presentó los mejores ajustes para el aprovechamiento maderable dentro de un intervalo de edades entre 25 años y 51 años: 25, 28, 31, 32, 34 y 51. A través del modelo lineal, se eligió por la mejor distribución de valores residuales, considerando la forma del árbol a través del volumen de Pressler. Esta ecuación permite predecir el volumen a partir de su diámetro y será utilizada como un modelo de producción regional para el estado de Tabasco, México.

Las ecuaciones fueron ajustadas con la altura de Pressler, esta ecuación funciona para obtener volúmenes de fuste comercial, es decir con un diámetro en punta delgada de 10 cm. El volumen maderable máximo que presentaron las plantaciones fue 1.88 m³ por árbol y el mínimo volumen maderable 0.54 m³ por árbol.

La ecuación ajustada por Monroy y Návar (2004) resultó más eficiente que la presentada en este trabajo. Ambas pueden utilizarse para la cubicación de árboles de 21 años a 51 años en el estado de Tabasco: la de Monroy y Návar exige la medición de la altura, mientras que la ajustada en este trabajo predice el volumen exclusivamente a partir del diámetro normal, por lo que requiere de menos mediciones para su utilización. Las ecuaciones de Rojo-Martínez resultaron menos eficientes y con un sesgo que las hace menos adecuadas para la cubicación de los árboles de hule en Tabasco.

Reconocimientos

Se agradece la beca Conacyt concedida al primer autor para la realización de la maestría en Ciencias y el apoyo económico otorgado por el Colegio de Postgraduados para realizar el trabajo de campo. Así como también a los productores de hule que permitieron el acceso a sus plantaciones.

Referencias

1 

Bailey, R. L. (1980). Individual tree growth derived from diameter distribution models. Forest Science, 26, 626-632.

R. L. Bailey 1980Individual tree growth derived from diameter distribution modelsForest Science26626632

2 

Bravo, F., Delgado, J. A., Gallardo, J. F., Bravo-Oviedo, A., Ruiz-Peinado, R., Merino, A., Montero, G., Cámara, A., Navarro, R., Ordóñez, C., & Canga, E. (2007). Métodos para cuantificar la fijación de CO2 en los sistemas forestales. En F. Bravo (Ed.), El papel de los bosques españoles en la mitigación del cambio climático (pp. 237-273). España: Fundación Gas Natural.

F. Bravo J. A. Delgado J. F. Gallardo A. Bravo-Oviedo R. Ruiz-Peinado A. Merino G. Montero A. Cámara R. Navarro C. Ordóñez E. Canga 2007Métodos para cuantificar la fijación de CO2 en los sistemas forestales F. Bravo El papel de los bosques españoles en la mitigación del cambio climático237273EspañaFundación Gas Natural

3 

Carrillo E., G. (2008). Casos prácticos para muestreos e inventarios forestales. México: Universidad Autónoma Chapingo.

G. Carrillo E. 2008Casos prácticos para muestreos e inventarios forestalesMéxicoUniversidad Autónoma Chapingo

4 

Condés, S., & Martínez-Millán, J. (2001). Optimización del tamaño de la parcela de muestreo mediante simulación del inventario forestal. En F. de Borbón (Presidencia), Tercer Congreso Forestal Español. Llevado a cabo en Granada, España.

S. Condés J. Martínez-Millán 2001Optimización del tamaño de la parcela de muestreo mediante simulación del inventario forestal F. de Borbón TercerCongreso Forestal EspañolGranada, España

5 

Domínguez-Domínguez, M., Bravo, F. , & del Río-Gaztelurrutia, M. (2006). Modelo de tamaño de copa en Pinus sylvestris L., en bosques del centro de España. Interciencia, 31(3), 168-175.

M. Domínguez-Domínguez F. Bravo M. del Río-Gaztelurrutia 2006Modelo de tamaño de copa en Pinus sylvestris L., en bosques del centro de EspañaInterciencia313168175

6 

Gadow, K., Sánchez, O., & Álvarez, G. (2007). Estructura y crecimiento del bosque. Göetingen, Alemania: Universidad de Göetingen.

K. Gadow O. Sánchez G. Álvarez 2007Estructura y crecimiento del bosqueGöetingen, AlemaniaUniversidad de Göetingen

7 

Huang, S., Yang, Y., & Wang, Y. (2003). A critical look at procedures for validating growth and yield models. En A. Amaro, D. Reed, P. Soare y O. Soares (Eds.), Modelling Forest Systems (pp. 271-293). Inglaterra: CABI.

S. Huang Y. Yang Y. Wang 2003A critical look at procedures for validating growth and yield models A. Amaro D. Reed P. Soare O. Soares Modelling Forest Systems271293InglaterraCABI

8 

Izquierdo-Bautista, H., Domínguez-Domínguez, M. , Martínez-Zurimendi, P., Velázquez-Martínez, A., & Córdova-Ávalos, V. (2011). Problemática en los procesos de producción de las plantaciones de hule Hevea brasiliensis Muell Arg. en Tabasco, México. Tropical and Subtropical Agroecosystems, 14, 513-524.

H. Izquierdo-Bautista M. Domínguez-Domínguez P. Martínez-Zurimendi A Velázquez-Martínez V. Córdova-Ávalos 2011Problemática en los procesos de producción de las plantaciones de hule Hevea brasiliensis Muell Arg. en Tabasco, MéxicoTropical and Subtropical Agroecosystems14513524

9 

Jiménez M., J. A. (2001). Una generalización de la estadística de Cook. Revista Colombiana de Estadística, 24(2), 111-120.

J. A. Jiménez M. 2001Una generalización de la estadística de CookRevista Colombiana de Estadística242111120

10 

Kerala Forest Research Institute [KFRI] (2006). Calibration of volume prediction equations for different clones of rubber based on random parameter models (N° 294). India.

Kerala Forest Research Institute [KFRI] 2006Calibration of volume prediction equations for different clones of rubber based on random parameter modelsIndia

11 

López-Peña, C. (2005). Metodología para la elaboración de tarifas de cubicación específicas para cada área o masa forestal objeto de un inventario por muestreo. En R. Vélez (Presidencia), IV Congreso Forestal Español. Zaragoza, España.

C. López-Peña 2005Metodología para la elaboración de tarifas de cubicación específicas para cada área o masa forestal objeto de un inventario por muestreoIVCongreso Forestal EspañolZaragoza, España

12 

Monárrez-González, J. C., & Ramírez-Maldonado, H. (2003). Predicción del rendimiento en masas de densidad excesiva de Pinus durangensis Mtz. en el estado de Durango. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 9(1), 45-56.

J. C. Monárrez-González H. Ramírez-Maldonado 2003Predicción del rendimiento en masas de densidad excesiva de Pinus durangensis Mtz. en el estado de DurangoRevista Chapingo Serie Ciencias Forestales y del Ambiente914556

13 

Monroy, R., Aguirre, C., & Jiménez, P. (2006). Productividad maderable de Hevea brasiliensis Muell. Arg., en Veracruz, México. Ciencia UANL, 9(3), 261-269.

R. Monroy C. Aguirre P. Jiménez 2006Productividad maderable de Hevea brasiliensis Muell. Arg., en Veracruz, MéxicoCiencia UANL93261269

14 

Monroy, R. , & Návar, C. (2004). Ecuaciones de aditividad para estimar componentes de volumen de Hule (Hevea brasiliensis) Muell. Arg., en Veracruz, México. Ciencia Forestal en México, 29(95), 43-60.

R. Monroy C. Návar 2004Ecuaciones de aditividad para estimar componentes de volumen de Hule (Hevea brasiliensis) Muell. Arg., en Veracruz, MéxicoCiencia Forestal en México29954360

15 

Návar, J. (2010). Measurement and assessment methods of forest aboveground biomass: A literature review and the challenges ahead. En M. Benteke y F. Bux (Eds.), Biomass (pp. 27-64). Croatia: InTech.

J. Návar 2010Measurement and assessment methods of forest aboveground biomass: A literature review and the challenges ahead M. Benteke F. Bux Biomass2764CroatiaInTech

16 

Návar, J. (2014). A stand-class growth and yield model for Mexico’s northern temperate, mixed and multiaged forests. Forests, 5, 3048-3069. doi: 10.3390/f5123048

J. Návar 2014A stand-class growth and yield model for Mexico’s northern temperate, mixed and multiaged forestsForests53048306910.3390/f5123048

17 

Núñez-López, D., Treviño-Garza, E. J., Reyes-Gómez, V. M., Muñoz-Robles, C. A., Aguirre-Calderón, O. A., & Jiménez-Pérez, J. (2013). Spatial interpolation of monthly mean precipitation in the Rio Bravo/Grande basin. Water Technology and Sciences, 2(4), 185-193.

D. Núñez-López E. J. Treviño-Garza V. M. Reyes-Gómez C. A. Muñoz-Robles O. A. Aguirre-Calderón J. Jiménez-Pérez 2013Spatial interpolation of monthly mean precipitation in the Rio Bravo/Grande basinWater Technology and Sciences24185193

18 

Ortiz-Pérez, M. A., Siebe, C., & Cram, S. (2005). Diferenciación ecogeográfica de Tabasco. En J. Bueno, F. Álvarez, & S. Santiago (Eds.), Biodiversidad del estado de Tabasco (pp. 305-316). México: Instituto de Biología, UNAM-Conabio.

M. A. Ortiz-Pérez C. Siebe S. Cram 2005Diferenciación ecogeográfica de Tabasco J. Bueno F. Álvarez S. Santiago Biodiversidad del estado de Tabasco305316MéxicoInstituto de BiologíaUNAM-Conabio

19 

Pérez-González, G., Domínguez-Domínguez, M. , Martínez-Zurimendi, P. , & Etchevers-Barra, J. (2012). Caracterización dasométrica e índice de sitio en plantaciones de caoba en Tabasco, México. Madera y Bosques, 18(1), 7-24. doi: 10.21829/myb.2012.181511

G. Pérez-González M. Domínguez-Domínguez P. Martínez-Zurimendi J. Etchevers-Barra 2012Caracterización dasométrica e índice de sitio en plantaciones de caoba en Tabasco, MéxicoMadera y Bosques18172410.21829/myb.2012.181511

20 

Prabhakaran-Nair, K. P. (2010). Rubber (Hevea brasiliensis). En K. P. Prabhakaran-Nair (Ed.), The Agronomy and Economy of Important Tree Crops of the Developing World (pp. 237-273). Londres: Elsevier.

K. P. Prabhakaran-Nair 2010Rubber (Hevea brasiliensis) K. P. Prabhakaran-Nair The Agronomy and Economy of Important Tree Crops of the Developing World237273LondresElsevier

21 

Priyadarshan, P. M., & Clément-Demange, A. (2004). Breeding Hevea rubber: formal and molecular genetics. Advances in Genetics, 52, 51-115. doi: 10.1016/S0065-2660(04)52003-5

P. M. Priyadarshan A. Clément-Demange 2004Breeding Hevea rubber: formal and molecular geneticsAdvances in Genetics525111510.1016/S0065-2660(04)52003-5

22 

Ratnasingam, J. F., Ioras, F., & Wenming, L. (2011). Sustainability of the Rubberwood Sector in Malaysia. Notulae Botanicae Horti Agrobotanici, 39(2), 305-311. doi: 10.15835/nbha3927195

J. F. Ratnasingam F. Ioras L. Wenming 2011Sustainability of the Rubberwood Sector in MalaysiaNotulae Botanicae Horti Agrobotanici39230531110.15835/nbha3927195

23 

Reza, N. H., Hamami S. M., Nobuchi, T., & Suhaimi, B. E. (2011).The effect of growth rate on wood density and anatomical characteristics of Rubberwood (Hevea brasiliensis Muell. Arg.) in two different clonal trails. Journal of Natural Product and Plant Resourse, 1(2), 71-80. Recuperado de http://www.scholarsresearchlibrary.com/articles/the-effect-of-growth-rate-on-wood-density-and-anatomical-characteristics-ofrubberwood-hevea-brasiliensis-muell-arg-in-tw.pdf

N. H. Reza S. M. Hamami T. Nobuchi B. E. Suhaimi 2011The effect of growth rate on wood density and anatomical characteristics of Rubberwood (Hevea brasiliensis Muell. Arg.) in two different clonal trailsJournal of Natural Product and Plant Resourse127180http://www.scholarsresearchlibrary.com/articles/the-effect-of-growth-rate-on-wood-density-and-anatomical-characteristics-ofrubberwood-hevea-brasiliensis-muell-arg-in-tw.pdf

24 

Rivas, T. D. (2006). Sistemas de producción forestal. México, México: Universidad Autónoma Chapingo.

T. D. Rivas 2006Sistemas de producción forestalMéxico, MéxicoUniversidad Autónoma Chapingo

25 

Rodríguez, F., Broto, M., & Lizarralde, I. (2008). CubiFOR: Herramienta para cubicar, clasificar productos y calcular biomasa y CO2 en masas forestales de Castilla y León. Revista Montes, 95, 33-39.

F. Rodríguez M. Broto I. Lizarralde 2008CubiFOR: Herramienta para cubicar, clasificar productos y calcular biomasa y CO2 en masas forestales de Castilla y LeónRevista Montes953339

26 

Rojas-García, F., De Jong, B. H. J., Martínez-Zurimendi, P. , & Paz-Pellat, F. (2015). Database of 478 allometric equations to estimate biomass for Mexican trees and forests. Annals of Forest Science, 72(6), 835-864. doi: 10.1007/s13595-015-0456-y

F. Rojas-García B. H. J. De Jong P. Martínez-Zurimendi F. Paz-Pellat 2015Database of 478 allometric equations to estimate biomass for Mexican trees and forestsAnnals of Forest Science72683586410.1007/s13595-015-0456-y

27 

Rojo-Martínez, G. E., Jasso-Mata, J., Vargas Hernández, J., Velázquez-Martínez, A ., & Palma López, D. J. (2002). Predicción de la producción de látex en plantaciones comerciales de hule (Hevea brasiliensis Müll. Arg.) en Oaxaca, México. Revista Fitotecnia Mexicana, 26(3), 183-190.

G. E. Rojo-Martínez J. Jasso-Mata J. Vargas Hernández A Velázquez-Martínez D. J. Palma López 2002Predicción de la producción de látex en plantaciones comerciales de hule (Hevea brasiliensis Müll. Arg.) en Oaxaca, MéxicoRevista Fitotecnia Mexicana263183190

28 

Rojo-Martínez, G. E. , Martínez-Ruiz, R., & Jasso-Mata, J. (2011). El cultivo de hule en México. México: Universidad Autónoma Indígena de México y Colegio de Postgraduados.

G. E. Rojo-Martínez R. Martínez-Ruiz J. Jasso-Mata 2011El cultivo de hule en México.MéxicoUniversidad Autónoma Indígena de MéxicoColegio de Postgraduados

29 

Romahn de la Vega, C. F., & Ramírez, M. H. (2010). Dendrometría. México: Universidad Autónoma Chapingo. Recuperado de http://dicifo.chapingo.mx/licenciatura/publicaciones/dendrometria.pdf

C. F. Romahn de la Vega M. H. Ramírez 2010DendrometríaMéxicoUniversidad Autónoma Chapingohttp://dicifo.chapingo.mx/licenciatura/publicaciones/dendrometria.pdf

30 

Rondeux, J. (2010). Medición de árboles y masas forestales. Madrid, España: Editorial Mundi-Prensa.

J. Rondeux 2010Medición de árboles y masas forestalesMadrid, EspañaEditorial Mundi-Prensa

31 

Sakici, E. O., Misir, N., Yavuz, H., & Misir, M. (2008). Stem taper functions for Abies nordmanniana subsp. bornmulleriana in Turkey. Journal of Forest Research, 23(6), 522-533. doi: 10.1080/02827580802552453

E. O. Sakici N. Misir H. Yavuz M. Misir 2008Stem taper functions for Abies nordmanniana subsp. bornmulleriana in TurkeyJournal of Forest Research23652253310.1080/02827580802552453

32 

SAS Institute Inc. 2009. Base SAS® (Versión 9.2) Procedure User’s Guide. Cary: SAS Institute Inc.

2009Base SAS®Versión 9.2Procedure User’s GuideCarySAS Institute Inc

33 

Segura, M., & Andrade, J. (2008). ¿Cómo construir modelos alométricos de volumen, biomasa o carbono de especies leñosas perennes? Agroforestería en las Américas, 46, 89-96.

M. Segura J. Andrade 2008¿Cómo construir modelos alométricos de volumen, biomasa o carbono de especies leñosas perennes?Agroforestería en las Américas468996

34 

Servicio Meteorológico Nacional (2018). Información climatológica de la Estación de Huimanguillo. Recuperado de http://smn.cna.gob.mx/es/informacion-climatologica-ver-estado?estado=tab

Servicio Meteorológico Nacional 2018Información climatológica de la Estación de Huimanguillohttp://smn.cna.gob.mx/es/informacion-climatologica-ver-estado?estado=tab

35 

Tapia, J., & Návar, J. (1998). Ajuste de modelos de volumen y funciones de ahusamiento para Pinus teocote en bosques de pino de la Sierra Madre Oriental. Ciencia e Investigación Forestal, 12(1), 5-19.

J. Tapia J. Návar 1998Ajuste de modelos de volumen y funciones de ahusamiento para Pinus teocote en bosques de pino de la Sierra Madre OrientalCiencia e Investigación Forestal121519

36 

Vargas-Larreta, B., Corral-Rivas, J. J., Aguirre-Calderón, O. A. , López-Martínez, J. O., Santos-Posadas, H. M., Zamudio-Sánchez, F. J. …., & Aguirre-Calderón, C. G. (2017). SiBiFor: forest biometric system for forest management in Mexico. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 23(3): 437-455. doi: 10.5154/r.rchscfa.2017.06.040.

B. Vargas-Larreta J. J. Corral-Rivas O. A. Aguirre-Calderón J. O. López-Martínez H. M. Santos-Posadas F. J. Zamudio-Sánchez C. G. Aguirre-Calderón 2017SiBiFor: forest biometric system for forest management in MexicoRevista Chapingo Serie Ciencias Forestales y del Ambiente23343745510.5154/r.rchscfa.2017.06.040.



This display is generated from NISO JATS XML with jats-html.xsl. The XSLT engine is libxslt.

Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2018 Madera y Bosques

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.


Madera y Bosques, Vol. 24, Núm. 1, Primavera 2018, es una publicación cuatrimestral editada por el Instituto de Ecología, A.C. Carretera antigua a Coatepec, 351, Col. El Haya, Xalapa, Ver. C.P. 91070, Tel. (228) 842-1835, http://myb.ojs.inecol.mx/, mabosque@inecol.mx. Editor responsable: Raymundo Dávalos Sotelo. Reserva de Derechos al Uso Exclusivo 04-2016-062312190600-203, ISSN electrónico 2448-7597, ambos otorgados por el Instituto Nacional del Derecho de Autor. Responsable de la última actualización de este Número, Reyna Paula Zárate Morales, Carretera antigua a Coatepec, 351, Col. El Haya, Xalapa, Ver., C.P. 91070, fecha de última modificación, 25 de abril de 2018.

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación.

Madera y Bosques por Instituto de Ecología, A.C. se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.

 

Licencia Creative Commons

  Los aspectos éticos relacionados con la publicación de manuscritos en Madera y Bosques se apegan a los establecidos en el COPE.

  Gestionando el conocimiento