Vol. 28 Núm. 3 (2022): Otoño 2022
Artículos Científicos

Ecuaciones alométricas aditivas para estimar biomasa aérea y concentración de carbono de Piscidia piscipula (L.) Sarg.

Juan Carlos Cuevas Cruz
Universidad Autónoma Chapingo
Biografía
Martín Aquino Ramírez
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias
Biografía
Ramón de la Cruz Kú Chalé
Universidad Autónoma Chapingo
Biografía
Isidro Javier Morales Sosa
Universidad Autónoma Chapingo
Biografía

Publicado 2022-12-17

Palabras clave

  • tropical trees,
  • carbon,
  • biomass distribution,
  • jabin,
  • allometric models,
  • destructive sampling
  • ...Más
    Menos
  • árboles tropicales,
  • carbono,
  • distribución de biomasa,
  • jabín,
  • modelos alométricos,
  • muestreo destructivo
  • ...Más
    Menos

Resumen

Las ecuaciones alométricas específicas son una herramienta clave para estimar la biomasa aérea total y por componente y el carbono de los bosques tropicales. El objetivo de este estudio fue ajustar modelos alométricos para estimar la biomasa aérea y por componente estructural de árboles de Piscidia piscipula en una selva mediana subperennifolia de Escárcega, Campeche, México. A través de un muestreo destructivo de 17 individuos de distintas categorías diamétricas (5 cm a 55 cm) se obtuvieron muestras de fuste, ramas y ramillas con hojas para determinar su peso seco. Se ajustaron dos sistemas de ecuaciones no lineales utilizando al diámetro normal (Dn) y la altura total (AT) como variables predictoras con el método generalizado de momentos. La propiedad de aditividad fue asegurada al definir a la biomasa aérea total como la suma de las estimaciones de la biomasa de cada componente estructural del árbol. La concentración de carbono expresado como porcentaje de la biomasa fue determinada en cada componente. El sistema de ecuaciones alométricas basado en el modelo y=e [-b0+b1ln (Dn)+b2ln (AT)] mostró los mejores estadísticos de ajuste y explicó más de 89% de la variabilidad de la biomasa de los componentes y total del árbol. En P. piscipula, la mayor proporción de biomasa se concentró principalmente en el fuste (60.4%), luego en las ramas (36.8%) y finalmente las ramillas con hojas (2.7%). La concentración de carbono promedio fue de 49.9% ± 0.48%. Las ecuaciones alométricas generadas proporcionan estimaciones confiables de biomasa que garantizan la aditividad entre los componentes estructurales de P. piscipula.

Citas

  1. Aquino-Ramírez, M., Velázquez-Martínez, A., Castellanos-Bolaños, J. F., de los Santos-Posadas, D., & Etchevers-Barra, J. D. (2015). Partición de la biomasa aérea en tres especies arbóreas tropicales. Agrociencia, 49(3), 299-314. https://agrociencia-colpos.org/index.php/agrociencia/article/view/1148
  2. Bayen, P., Noulèkoun, F., Bognounou, F., Lykke, A. M., Djomo, A., Lamers, J. P., & Thiombiano, A. (2020). Models for estimating aboveground biomass of four dryland woody species in Burkina Faso, West Africa. Journal of Arid Environments, 180, 104205. https://doi.org/10.1016/j.jaridenv.2020.104205
  3. Becker, G. S., Braun, D., Gliniars, R., & Dalitz, H. (2012). Relations between wood variables and how they relate to tree size variables of tropical African tree species. Trees, 26(4), 1101-1112. https://doi.org/10.1007/s00468-012-0687-6
  4. Behling, A., Péllico, S., Sanquetta, C. R., Corte, A. P. D., Affleck, D. L., Rodrigues, A. L. & Behling, M. (2018). Critical analyses when modeling tree biomass to ensure additivity of its components. Anais da Academia Brasileira de Ciências, 90(2), 1759-1774. https://doi.org/10.1590/0001-3765201820170684
  5. Bi, H., Long, Y., Turner, J., Lei, Y., Snowdon, P., Li, Y., Harper, R., Zerihun, A., & Ximenes, F. (2010). Additive prediction of aboveground biomass for Pinus radiata (D. Don) plantations. Forest Ecology and Management, 259(12), 2301-2314. https://doi.org/10.1016/j.foreco.2010.03.003
  6. Bi, H., Murphy, S., Volkova, L., Weston, C., Fairman, T., Li, Y., Law, R., Norris, J., Lei, X., & Caccamo, G. (2015). Additive biomass equations based on complete weighing of sample trees for open eucalypt forest species in south-eastern Australia. Forest Ecology and Management, 349(1), 106-121. https://doi.org/10.1016/j.foreco.2015.03.007
  7. Cairns, M. A., Olmsted, I., Granados, J., & Argaez, J. (2003). Composition and aboveground tree biomass of a dry semi-evergreen forest on Mexico’s Yucatan Peninsula. Forest ecology and Management, 186(1-3), 125-132. https://doi.org/10.1016/S0378-1127(03)00229-9
  8. Cuevas C., J. C., & Aquino, R. M. (2020). Ecuaciones de aditividad para la estimación de biomasa aérea de Pinus cembroides Zucc. Madera y Bosques, 26(1), e2611821. https://doi.org/10.21829/myb.2020.2611821
  9. Dimobe, K., Mensah, S., Goetze, D., Ouédraogo, A., Kuyah, S., Porembski, S., & Thiombiano, A. (2018). Aboveground biomass partitioning and additive models for Combretum glutinosum and Terminalia laxiflora in West Africa. Biomass and Bioenergy, 115, 151-159. https://doi.org/10.1016/j.biombioe.2018.04.022
  10. Djomo, A. N., & Chimi, C. D. (2017). Tree allometric equations for estimation of above, below and total biomass in a tropical moist forest: Case study with application to remote sensing. Forest Ecology and Management, 391(1), 184-193. https://doi.org/10.1016/j.foreco.2017.02.022
  11. Echeverría, F., Arreola, J., Esparza, L. G., Morales, V., & López, J. L. (2014). Análisis de la composición y estructura de la selva mediana subperennifolia del Ejido Pachuitz, Hopelchén, Campeche, México. Foresta Veracruzana, 16(2), 1-10.
  12. Eker, M., Poudel, K. P., & Özçelik, R. (2017). Aboveground biomass equations for small trees of brutian pine in Turkey to facilitate harvesting and management. Forests, 8(12), 477. https://doi.org/10.3390/f8120477
  13. Elias, M., & Potvin, C. (2003). Assessing inter-and intra-specific variation in trunk carbon concentration for 32 neotropical tree species. Canadian Journal of Forest Research, 33(6), 1039-1045. https://doi.org/10.1139/x03-018
  14. Etchevers, J. D., Monreal, C. M., Hidalgo, C., Acosta, M., Padilla, J., & López. R. M. (2005). Manual para la determinación de carbono en la parte aérea y subterránea de sistemas de producción en laderas. Colegio de Postgraduados.
  15. Ganamé, M., Bayen, P., Dimobe, K., Ouédraogo, I., & Thiombiano, A. (2020). Aboveground biomass allocation, additive biomass and carbon sequestration models for Pterocarpus erinaceus Poir. in Burkina Faso. Heliyon, 6(4), e03805. https://doi.org/10.1016/j.heliyon.2020.e03805
  16. Ganamé, M., Bayen, P., Ouédraogo, I., Balima, L. H., & Thiombiano, A. (2021). Allometric models for improving aboveground biomass estimates in West African savanna ecosystems. Trees, Forests and People, 4(1), 100077. https://doi.org/10.1016/j.tfp.2021.100077
  17. García, E. (2004). Modificaciones al sistema de clasificación climática de Köppen. Universidad Nacional Autónoma de México. http://www.librosoa.unam.mx/handle/123456789/1372
  18. Gómez-Díaz, J. D., Etchevers-Barra, J. D., Monterrosos-Rivas, A. I., Campo-Alvez, J., & Tinoco-Rueda, J. A. (2011). Ecuaciones alométricas para estimar biomasa y carbono en Quercus magnoliaefolia. Revista Chapingo. Serie Ciencias Forestales y del Ambiente, 17(2), 261-272. https://doi.org/10.5154/r.rchscfa.2010.11.117
  19. Greene, W. H. (1999). Econometric Analysis (4th ed.). Prentice Hall.
  20. Henry, M., Besnard, A., Asante, W. A., Eshun, J., Adu-Bredu, S., Valentini, R., Bernoux, M., & Saint-André, L. (2010). Wood density, phytomass variations within and among trees, and allometric equations in a tropical rainforest of Africa. Forest Ecology and Management, 260(8), 1375-1388. https://doi.org/10.1016/j.foreco.2010.07.040
  21. Hernández-Stefanoni, J. L., Castillo-Santiago, M. Á., Mas, J. F., Wheeler, C. E., Andres-Mauricio, J., Tun-Dzul, F., George-Chacón, S. P., Reyes-Palomeque, G., Castellanos-Basto, B., Vaca, R., & Dupuy, J. M. (2020). Improving aboveground biomass maps of tropical dry forests by integrating LiDAR, ALOS PALSAR, climate and field data. Carbon balance and management, 15(1), 15. https://doi.org/10.1186/s13021-020-00151-6
  22. Instituto Nacional de Estadística Geografía e Informática [Inegi] (2007). Conjunto de datos vectorial Edafológico escala 1:250 000 serie II. Continuo Nacional Campeche. Inegi.https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825235345
  23. International Panel for Climate Change [IPCC] (2003). Good practice guidance for land use, land use change and forestry. The Institute for Global Environmental Strategies for the IPCC, Japan. IPCC.
  24. Manzano-Méndez, F., Valdez Hernández, J. I., López López, M. Á., & Pineda Herrera, E. (2016). Biomasa aérea de Zanthoxylum kellermanii P. Wilson en una selva perennifolia del norte de Oaxaca. Revista Mexicana de Ciencias Forestales, 7(33), 40-51. https://doi.org/10.29298/rmcf.v7i33.89
  25. Manzano-Méndez, F., Pineda-Herrera, E., Valdez-Hernández, J. I., & López-López, M. Á. (2017). Biomasa aérea de Vochysia guatemalensis en una selva alta perennifolia de La Chinantla, Oaxaca. Ecosistemas y recursos agropecuarios, 4(11), 395-402. http://dx.doi.org/10.19136/era.a4n11.1083
  26. Martínez-Domínguez, A., Ruiz-Aquino, F., Santiago-García, W., Antúnez, P., López-López, M. Á., Valenzuela-Encinas, C., & Feria-Reyes, R. (2020). Allometric equations to estimate aboveground and belowground biomass of Pinus patula Schiede ex Schltdl. & Cham. Forest Science and Technology, 16(3), 161-170. https://doi.org/10.1080/21580103.2020.1801526
  27. Mensah, S., Glèlè Kakaï, R., & Seifert, T. (2016). Patterns of biomass allocation between foliage and woody structure: the effects of tree size and specific functional traits. Annals of Forest Research, 59(1), 49-60. http://dx.doi.org/10.15287/afr.2016.458
  28. Mensah, S., Veldtman, R., & Seifert, T. (2017). Allometric models for height and aboveground biomass of dominant tree species in South African Mistbelt forests. Southern Forests: a Journal of Forest Science, 79(1), 19-30. https://doi.org/10.2989/20702620.2016.1225187
  29. Picard, N., Boyemba Bosela, F., & Rossi, V. (2015). Reducing the error in biomass estimates strongly depends on model selection. Annals of forest Science, 72(6), 811-823. https://doi.org/10.1007/s13595-014-0434-9
  30. Picard, N., Saint-André, L., & Henry, M. (2012). Manual for building tree volume and biomass allometric equations: from field measurement to prediction. Food and Agricultural Organization of the United Nations.
  31. Puc-Kauil, R., Ángeles-Pérez, G., Valdez-Lazalde, J. R., Reyes-Hernández, V. J., Dupuy-Rada, J. M., Schneider, L., Pérez-Rodríguez, P., & García-Cuevas, X. (2019). Species-specific biomass equations for small-size tree species in secondary tropical forests. Tropical and Subtropical Agroecosystems, 22(3), 735-754. http://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/2961/1332
  32. Ramírez R., G., Dupuy R., J. M., Ramírez, A., L., & Solorio S., F. J. (2017). Evaluación de ecuaciones alométricas de biomasa epigea en una selva mediana subcaducifolia de Yucatán. Madera y Bosques, 23(2), 163-179. https://doi.org/10.21829/myb.2017.2321452
  33. Ruiz-Aquino, F., Valdez-Hernández, J. I., Manzano-Méndez, F., Rodríguez-Ortiz, G., Romero-Manzanares, A., & Fuentes-López, M. E. (2014). Ecuaciones de biomasa aérea para Quercus laurina y Q. crassifolia en Oaxaca. Madera y bosques, 20(2), 33-48. https://doi.org/10.21829/myb.2014.202162
  34. Statistical Analysis System [SAS] (2002). The SAS System for Windows version 9.0. SAS Institute Inc.
  35. Urquiza-Haas, T., Dolman, P. M., & Peres, C. A. (2007). Regional scale variation in forest structure and biomass in the Yucatan Peninsula, Mexico: Effects of forest disturbance. Forest Ecology and Management, 247(1-3), 80-90. https://doi.org/10.1016/j.foreco.2007.04.015
  36. Wang, J., Zhang, L., & Feng, Z. (2018). Allometric equations for the aboveground biomass of five tree species in China using the generalized method of moments. The Forestry Chronicle, 94(3), 214-220. https://doi.org/10.5558/tfc2018-034
  37. Xiang, W., Zhou, J., Ouyang, S., Zhang, S., Lei, P., Li, J., Deng, X., Fang, X., & Forrester, D. I. (2016). Species-specific and general allometric equations for estimating tree biomass components of subtropical forests in southern China. European Journal of Forest Research, 135(5), 963-979. https://doi.org/10.1007/s10342-016-0987-2
  38. Xue, Y., Yang, Z., Wang, X., Lin, Z., Li, D., & Su, S. (2016). Tree biomass allocation and its model Additivity for Casuarina equisetifolia in a tropical forest of Hainan Island, China. PloS ONE, 11(3), e0151858. https://doi.org/10.1371/journal.pone.0151858
  39. Yeboah, D., Burton, A. J., Storer, A. J., & Opuni-Frimpong, E. (2014). Variation in wood density and carbon content of tropical plantation tree species from Ghana. New Forests, 45(1), 35-52. https://doi.org/10.1007/s11056-013-9390-8
  40. Zamora-Crescencio, P., Flores-Guido, J. S., & Ruenes-Morales, R. (2009). Flora útil y su manejo en el cono sur del estado de Yucatán, México. Polibotánica, 28(1), 227-250. https://polibotanica.mx/index.php/polibotanica/article/view/798
  41. Zamora-Crescencio, P., Rico-Gray, V., Ramírez-Medina, L. N. G., Barrientos-Medina, R. C., Plasencia-Vázquez, A. H., Villegas, P., Domínguez-Carrasco, M. R., & Gutiérrez-Báez, C. (2018). Composición y estructura de la vegetación secundaria en Bethania, Campeche, México. Polibotánica, 45(1), 57-74. https://doi.org/10.18387/polibotanica.45.5
  42. Zhang, Q., Wang, C., Wang, X., & Quan, X. (2009). Carbon concentration variability of 10 Chinese temperate tree species. Forest Ecology Management, 258(5), 722-727. https://doi.org/10.1016/j.foreco.2009.05.009