Vol. 27 Núm. 3 (2021): Otoño 2021
Artículos Científicos

Un acercamiento a la temperatura y humedad diaria en dos bosques mexicanos de alta montaña

Arian Correa-Díaz
INIFAP CENID COMEF
Biografía
Armando Gómez-Guerrero
Colegio de Postgraduados
Biografía
Efrain Velasco-Bautista
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias
Biografía

Publicado 2021-12-30

Palabras clave

  • Pinus hartwegii,
  • relative humidity,
  • temperature
  • Pinus hartwegii,
  • humedad relativa,
  • temperatura

Resumen

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.

Citas

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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
  9. 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
  10. Everitt, B. S. (2005). Analysis of repeated measures data. An R and S-PLUS® Companion to Multivariate Analysis. London, United Kingdom: Springer London
  11. 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
  12. 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
  13. 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
  14. 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
  15. Holtmeier, F.-K. (2009). Mountain timberlines: ecology, patchiness, and dynamics. Springer Science & Business Media
  16. 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
  17. Körner, C. (2012). Alpine Treelines. Springer Basel
  18. 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
  19. Lauer, W. (1978). Timberline studies in Central Mexico. Arctic and Alpine Research, 10(2), 383- 396. doi: 10.1080/00040851.1978.12003975
  20. 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
  21. 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
  22. 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
  23. Mehtatalo, L. (2013). Forest biometrics with examples in R. University of Eastern Finland. School of Computing.
  24. 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
  25. 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
  26. 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.
  27. R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.
  28. 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
  29. 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
  30. 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
  31. 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
  32. Servicio Meteorologico Nacional [SMN]. (2020). Información estadística climatológica. Recuperado de https://smn.conagua.gob.mx/es/climatologia/informacion-climatologica/informacion-estadistica-climatologica
  33. 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
  34. 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
  35. 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
  36. Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
  37. 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.