Un acercamiento a la temperatura y humedad diaria en dos bosques mexicanos de alta montaña
DOI:
https://doi.org/10.21829/myb.2021.2732206Palabras clave:
Pinus hartwegii, humedad relativa, temperaturaResumen
La escasez de estaciones meteorológicas y la necesidad de información climática en bosques de alta montaña implica el uso de algoritmos climáticos a gran escala, pero la falta de información in situ produce una alta incertidumbre en su idoneidad. En este estudio, se usaron modelos lineares mixtos para estudiar el efecto de la topografía (elevación y exposición) y tiempo (de nivel hora a mensual) en temperatura (T) y humedad relativa (RH) en una base de datos instrumental de cinco años. Además, se comparó información climática de un algoritmo geográfico y una base de datos in situ. Los datos incluyeron dos montañas (Tláloc-TLA and Jocotitlán-JOC, Estado de México), cuatro niveles altitudinales (de 3500 m a 3900 m s.n.m.) y dos exposiciones (Noroeste y Suroeste). Se encontraron diferencias para temperatura promedio (TLA = 7.56 °C ± 0.03 °C and JOC = 6.98 °C ± 0.02 °C), y humedad relativa entre montañas (TLA = 69.3% ± 0.12% and JOC = 72.5% ± 0.13%). Las variables más importantes que explicaron T fueron la elevación (Δ= -0.36 °C cada 100 m) y exposición, mientras que la exposición para RH. Mayo fue el mes más caluroso (9.50 °C ± 0.10 °C para temperatura promedio) mientras que septiembre, el más húmedo para ambas montañas (85.1% ± 0.30% y 87.4% ± 0.25% RH, respectivamente). A pesar de las altas correlaciones entre fuentes de información climática (hasta r = 0.83), el algoritmo geográfico sobreestima T y subestima RH. Se propone que cuando la información climática proveniente de algoritmos geográficos sea usada en bosques de alta montaña, es necesaria una calibración con información in situ cuando sea posible.
Descargas
Citas
Astudillo-Sánchez, C., Fowler, M., Villanueva-Díaz, J., Endara-Agramont, A., & Soria-Díaz, L. (2019). Recruitment and facilitation in Pinus hartwegii , a Mexican alpine treeline ecotone, with potential responses to climate warming. Trees, 33(4), 1087-1100. doi: 10.1007/s00468-019-01844-3 DOI: https://doi.org/10.1007/s00468-019-01844-3
Binkley, D., & Fisher, R.F. (2020). Physics in Forest Soils. En D. Binkley, & R. F. Fisher (Eds.), Ecology and management of forest soils (pp. 83-108). doi:10.1002/9781119455745.ch5 DOI: https://doi.org/10.1002/9781119455745
Biondi, F., & Hartsough, P. (2010). Using automated point dendrometers to analyze tropical treeline stem growth at Nevado de Colima, Mexico. Sensors, 10(6), 5827-5844. doi: dx.doi.org/10.3390/s100605827 DOI: https://doi.org/10.3390/s100605827
Biondi, F., Hartsough, P., & Galindo-Estrada, I. (2009). Recent warming at the tropical treeline of North America. Frontiers in Ecology and the Environment, 7(9), 463-464. doi: doi:10.1890/09.WB.028 DOI: https://doi.org/10.1890/09.WB.028
Biondi, F., Hartsough, P., & Galindo-Estrada, I. (2005). Daily weather and tree growth at the tropical treeline of North America. Arctic, Antarctic, and Alpine Research, 37(1), 16-24.doi: 10.1657/1523-0430(2005)037[0016:DWATGA]2.0.CO;2 DOI: https://doi.org/10.1657/1523-0430(2005)037[0016:DWATGA]2.0.CO;2
Correa-Díaz, A., Gómez-Guerrero, A., Vargas-Hernández, J. J., Rozenberg, P., & Horwath, W.R. (2020). Long-term wood micro-density variation in alpine forests at Central México and their spatial links with remotely sensed information. Forests, 11(4), 452, 1-18. doi: 10.3390/f11040452 DOI: https://doi.org/10.3390/f11040452
Correa-Díaz, A., Silva, L. C. R., Horwath, W. R., Gómez-Guerrero, A., Vargas-Hernández, J., Villanueva-Díaz, J., Velázquez-Martínez, A., & Suárez-Espinoza, J. (2019). Linking remote sensing and dendrochronology to quantify climate-induced shifts in high-elevation forests over space and time. Journal of Geophysical Research: Biogeosciences, 124(1), 166-183. doi:10.1029/2018JG004687 DOI: https://doi.org/10.1029/2018JG004687
Cuervo-Robayo, A. P., Téllez-Valdés, O., Gómez-Albores, M. A., Venegas-Barrera, C. S., Manjarrez, J., & Martínez-Meyer, E. (2014). An update of high-resolution monthly climate surfaces for Mexico. International Journal of Climatology, 34(7), 2427-2437. doi: 10.1002/joc.3848 DOI: https://doi.org/10.1002/joc.3848
Ćwiek-Kupczyńska, H., Filipiak, K., Markiewicz, A., Rocca-Serra, P., Gonzalez-Beltran, A.N., Sansone, S.-A., Millet, E. J., van Eeuwijk, F., Ławrynowicz, A., & Krajewski, P. (2020). Semantic concept schema of the linear mixed model of experimental observations. Scientific Data, 7(1), 70. doi: 10.1038/s41597-020-0409-7 DOI: https://doi.org/10.1038/s41597-020-0409-7
Everitt, B. S. (2005). Analysis of repeated measures data. An R and S-PLUS® Companion to Multivariate Analysis. London, United Kingdom: Springer London DOI: https://doi.org/10.1007/1-84628-124-5_9
Gómez-Guerrero, A., Silva, L. C. R., Barrera-Reyes, M., Kishchuk, B., Velazquez-Martinez, A., Martinez-Trinidad, T., Plascencia-Escalante, F. O., & Horwath, W. R. (2013). Growth decline and divergent tree ring isotopic composition (δ13C and δ18O) contradict predictions of CO2 stimulation in high altitudinal forests. Global Change Biology, 19(6), 1748-1758. doi: 10.1111/gcb.12170 DOI: https://doi.org/10.1111/gcb.12170
Harris, I., Jones, P. D., Osborn, T. J., & Lister, D.H. (2014). Updated high-resolution grids of monthly climatic observations – the CRU TS3.10 Dataset. International Journal of Climatology, 34(3), 623-642. doi: 10.1002/joc.3711 DOI: https://doi.org/10.1002/joc.3711
Harrison, X. A., Donaldson, L., Correa-Cano, M. E., Evans, J., Fisher, D. N., Goodwin, C. E. D., Robinson, B. S., Hodgson, D. J., & Inger, R. (2018). A brief introduction to mixed effects modelling and multi-model inference in ecology. PeerJ, 6e4794, 1-32. doi: 10.7717/peerj.4794 DOI: https://doi.org/10.7717/peerj.4794
Hoch, G., & Korner, C. (2003). The carbon charging of pines at the climatic treeline: a global comparison. Oecologia, 135(1), 10-21. doi: 10.1007/s00442-002-1154-7 DOI: https://doi.org/10.1007/s00442-002-1154-7
Holtmeier, F.-K. (2009). Mountain timberlines: ecology, patchiness, and dynamics. Springer Science & Business Media DOI: https://doi.org/10.1007/978-1-4020-9705-8
Körner, C. (2007). The use of ‘altitude’ in ecological research. Trends in Ecology & Evolution, 22(11), 569-574. doi: 10.1016/j.tree.2007.09.006 DOI: https://doi.org/10.1016/j.tree.2007.09.006
Körner, C. (2012). Alpine Treelines. Springer Basel DOI: https://doi.org/10.1007/978-3-0348-0396-0
Körner, C., & Paulsen, J. (2004). A world-wide study of high altitude treeline temperatures. Journal of Biogeography, 31(5), 713-732. doi: 10.1111/j.1365-2699.2003.01043.x DOI: https://doi.org/10.1111/j.1365-2699.2003.01043.x
Lauer, W. (1978). Timberline studies in Central Mexico. Arctic and Alpine Research, 10(2), 383- 396. doi: 10.1080/00040851.1978.12003975 DOI: https://doi.org/10.2307/1550769
Li, X., Liang, E., Gričar, J., Rossi, S., Čufar, K., & Ellison, A.M. (2017). Critical minimum temperature limits xylogenesis and maintains treelines on the southeastern Tibetan Plateau. Science Bulletin, 62(11), 804-812. doi: 10.1016/j.scib.2017.04.025 DOI: https://doi.org/10.1016/j.scib.2017.04.025
Li, X., Rossi, S., Liang, E., & Julio Camarero, J. (2016). Temperature thresholds for the onset of xylogenesis in alpine shrubs on the Tibetan Plateau. Trees, 30(6), 2091-2099. doi: 10.1007/s00468-016-1436-z DOI: https://doi.org/10.1007/s00468-016-1436-z
Liang, E., & Camarero, J. J. (2017). Threshold-dependent and non-linear associations between temperature and tree growth at and below the alpine treeline. Trees, 32, 661-662. doi: 10.1007/s00468-017-1651-2 DOI: https://doi.org/10.1007/s00468-017-1651-2
Mehtatalo, L. (2013). Forest biometrics with examples in R. University of Eastern Finland. School of Computing.
Mosier, T. M., Hill, D. F., & Sharp, K. V. (2014). 30-Arcsecond monthly climate surfaces with global land coverage. International Journal of Climatology, 34(7), 2175-2188. doi: 10.1002/joc.3829 DOI: https://doi.org/10.1002/joc.3829
Peterson, R. A., & Cavanaugh, J. E. (2020). Ordered quantile normalization: a semiparametric transformation built for the cross-validation era. Journal of Applied Statistics, 47, (13-15), 2312-2327, doi: 10.1080/02664763.2019.1630372 DOI: https://doi.org/10.1080/02664763.2019.1630372
Pinheiro, J., Bates, D., DebRoy, S., Sarkar, D., & Team, R.C. (2018). nlme: Linear and nonlinear mixed effects models. R package version 3.1131.1.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.
Rehfeldt, G. E., Crookston, N. L., Sáenz-Romero, C., & Campbell, E. M. (2012). North American vegetation model for land-use planning in a changing climate: a solution to large classification problems. Ecological Applications, 22(1), 119-141. doi: 10.1890/11-0495.1 DOI: https://doi.org/10.1890/11-0495.1
Riha, C., Güntensperger, D., Kleinjung, T., & Meyer, M. (2020). Accounting for heterogeneity: mixed-effects models in resting-state EEG data in a sample of tinnitus sufferers. Brain Topography, 33(4), 413-424. doi: 10.1007/s10548-020-00772-7 DOI: https://doi.org/10.1007/s10548-020-00772-7
Rossi, S., Deslauriers, A., Griçar, J., Seo, J.-W., Rathgeber, C. B. K., Anfodillo, T., Morin, H., Levanic, T., Oven, P., & Jalkanen, R. (2008). Critical temperatures for xylogenesis in conifers of cold climates. Global Ecology and Biogeography, 17(6), 696-707. doi: 10.1111/j.1466-8238.2008.00417.x DOI: https://doi.org/10.1111/j.1466-8238.2008.00417.x
Saenz-Romero, C., Lamy, J. B., Loya-Rebollar, E., Plaza-Aguilar, A., Burlett, R., Lobit, P., & Delzon, S. (2013). Genetic variation of drought-induced cavitation resistance among Pinus hartwegii populations from an altitudinal gradient. Acta Physiologiae Plantarum, 35(10), 2905-2913. doi: dx.doi.org/10.1007/s11738-013-1321-y DOI: https://doi.org/10.1007/s11738-013-1321-y
Servicio Meteorologico Nacional [SMN]. (2020). Información estadística climatológica. Recuperado de https://smn.conagua.gob.mx/es/climatologia/informacion-climatologica/informacion-estadistica-climatologica
Wagner, T., Hayes, D. B., & Bremigan, M. T. (2006). Accounting for multilevel data structuresin fisheries data using mixed models. Fisheries, 31(4), 180-187. doi: 10.1577/1548-8446(2006)31[180:AFMDSI]2.0.CO;2 DOI: https://doi.org/10.1577/1548-8446(2006)31[180:AFMDSI]2.0.CO;2
Wang, T., Hamann, A., Spittlehouse, D., & Carroll, C. (2016). Locally downscaled and spatially customizable climate data for historical and future periods for North America. PLOS ONE, 11(6), e0156720. doi: 10.1371/journal.pone.0156720 DOI: https://doi.org/10.1371/journal.pone.0156720
Wang, T., Hamann, A., Spittlehouse, D. L., & Murdock, T. Q. (2012). ClimateWNA—High-resolution spatial climate data for Western North America. Journal of Applied Meteorology and Climatology, 51(1), 16-29. doi: 10.1175/jamc-d-11-043.1 DOI: https://doi.org/10.1175/JAMC-D-11-043.1
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. DOI: https://doi.org/10.1007/978-3-319-24277-4
Wieser, G., & Tausz, M. (2007). Current concepts for treelife limitation at the upper timberline. In G. Wieser, & M. Tausz (Eds.), Trees at their upper limit: treelife limitation at the alpine timberline (pp. 1-18). Dordrecht: Springer Netherlands. DOI: https://doi.org/10.1007/1-4020-5074-7_1
Descargas
Publicado
Cómo citar
-
Resumen433
-
PDF255
-
LENS6
Número
Sección
Licencia
Derechos de autor 2021 Madera y Bosques
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Madera y Bosques por Instituto de Ecología, A.C. se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
