Un modelo alométrico pantropical global y local
DOI:
https://doi.org/10.21829/myb.2021.2742446Palabras clave:
alometría condicionada a campo, densidad de madera, errores de estimación, factores de corrección, minimización del error absolutoResumen
El desarrollo de modelos alométricos generalizados que permitan realizar estimaciones comparables con modelos locales, es un gran reto para la realización de estimaciones de la biomasa aérea en los bosques tropicales. Las estimaciones de los modelos alométricos parametrizados en el espacio logarítmico (transformación a formato logarítmico) minimizando el error cuadrático de estimación requieren de la estimación de factores de corrección para la transformación inversa al espacio aritmético. Adicionalmente, si el objetivo es la minimización de sesgos (error relativo medio, ERM y error absoluto medio, EAM), entonces se puede minimizar el error absoluto de estimación. En este trabajo se usaron modelos alométricos clásicos, basados en la relación entre la biomasa (B) y el diámetro normal (D), altura total (H) y densidad de la madera (ρ), para revisar las relaciones entre sus parámetros. Para analizar las relaciones alométricas planteadas se utilizó una base de datos pública pantropical (4004 datos, 58 sitios de muestreo). Los análisis mostraron que para modelos globales (todos los sitios) y locales (cada sitio) el modelo de regresión lineal de la relación B versus ρD2H resultó en el mejor modelo (métrica de la raíz del error cuadrático medio o RECM), por ello fue usado como estándar de referencia. Los modelos parametrizados en el espacio logarítmico para las estimaciones globales resultaron con errores de estimación mayores al modelo B = av0 (D2H) con av0 como función lineal con ρ. La estimación de av0 fue realizada minimizando el error absoluto, resultando en los menores errores de sesgos de estimación (EAR y EAM), con valores del RECM comparables al proceso de minimización del error cuadrático. Para las estimaciones locales, usando modelos alométricos a nivel de sitio, se utilizó el modelo con solo av0 (minimización del error absoluto) y cambiando el factor de corrección del estimador simple al de razones, resultando en un modelo de predicción con error de estimación comparables al de las regresiones no lineales y superando los modelos de alometría clásicos. Dado que no se cuenta con información de la biomasa aérea en los inventarios forestales normales, la estimación del factor de corrección de razones fue parametrizado en forma empírica por un proceso de regresión lineal multivariada de datos medidos en campo con resultados comparables a contar con mediciones de campo de la biomasa aérea.
Descargas
Citas
Álvarez, E., Duque, Saldarriaga, J., Cabrera, K., De las Salas, G., Del Valle, I., Lema, A., Moreno, F., Orrego, S., & Rodríguez, L. (2012). Tree above-ground biomass allometries for carbon stocks estimation in the natural forests of Colombia. Forest Ecology and Management, 267(1), 297-308. doi: 10.1016/j.foreco.2011.12.013 DOI: https://doi.org/10.1016/j.foreco.2011.12.013
Baskerville, G. L. (1972). Use of logarithmic regression in the estimation of plant biomass. Canadian Journal of Forestry, 2(1), 49-53. doi: 10.1139/x72-009 DOI: https://doi.org/10.1139/x72-009
Basuki, T. M., Van Laake, P. E., Skidmore, A. K., & Hussin, Y. A. (2009). Allometric equations for estimating the above-ground biomass in tropical lowland Dipterocarp forests. Forest Ecology and Management, 257(8), 1684–1694. doi: 10.1016/j.foreco.2009.01.027 DOI: https://doi.org/10.1016/j.foreco.2009.01.027
Beauchamp, J., & Olson, J. (1973). Corrections for bias in regression estimates after logarithmic transformation. Ecology, 54(1), 1403-1407. doi: 10.2307/1934208 DOI: https://doi.org/10.2307/1934208
Bradu, D. & Mundlak, Y. (1970). Estimation in lognormal linear models. Journal of the American Statistical Association, 65(329), 198-211.doi: 10.2307/2283587 DOI: https://doi.org/10.1080/01621459.1970.10481074
Brown, S. (1997). Estimating biomass change of tropical forests, a primer. Forest Resources Assessment Publication. Forestry Papers 134. Rome: FAO. Recuperado de https://www.fao.org/3/w4095e/w4095e00.htm
Búrquez, A., & Martínez-Yrízar, A. (2011). Accuracy and bias on the estimation of aboveground biomass in the woody vegetation of the Sonoran Desert. Botany, 89(9), 625–633. doi: 10.1139/b11-050 DOI: https://doi.org/10.1139/b11-050
Burt, A., Calders, K., Cuni-Sanchez, A., Gómez-Dans, J., Lewis, P., Lewis, S. L., Mali Y., Phillips, O. & Disney, M. (2020). Assessment of Bias in Pan-Tropical Biomass Predictions. Frontiers in Forests and Global Change, 3(1), 1-20. doi: 10.3389/ffgc.2020.00012 DOI: https://doi.org/10.3389/ffgc.2020.00012
Cannell, M. G. R. (1984). Woody biomass of forest stands. Forest Ecology and Management, 8(3-4), 299–312. doi:10.1016/0378-1127(84)90062-8 DOI: https://doi.org/10.1016/0378-1127(84)90062-8
Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., Fölster, H., Fromard, F., Higuchi, N., Kira, T., Lescure, J. P., Nelson, B. W., Ogawa, H., Puig, H., Riéra, B., & Yamakura, T. (2005). Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia, 145(1), 87-99. doi: 10.1007/s00442-005-0100-x DOI: https://doi.org/10.1007/s00442-005-0100-x
Chave, J., Coomes, D., Jansen, S., Lewis, S. L., Swenson, N. G., & Zanne, A. E. (2009). Towards a worldwide wood economics spectrum. Ecology Letters, 12(4), 351–366. doi: 10.1111/j.1461-0248.2009.01285.x DOI: https://doi.org/10.1111/j.1461-0248.2009.01285.x
Chave, J., Réjou-Méchain, M., Búrquez, A., Chidumayo, E., Colgan, M. S., Delitti, W. B. C., Duque, A., Eid, T., Fearnside, P. M., Goodman, R. S., Henry ,M., Martínez-Yrízar, A., Mugasha, W. A., Muller-Landau, H. C., Mencuccini, M., Nelson, B. W., Ngomanda, A., Nogueira, E. M., Ortiz-Malavassi, E., Pélissier, R., Ploton, P., Ryan, C. M., Saldarriaga, J. G., & Vieilledent, G. (2014). Improved allometric models to estimate the aboveground biomass of tropical trees. Global Change Biology, 20(10), 3177–3190. doi:10.1111/gcb.12629 DOI: https://doi.org/10.1111/gcb.12629
Clifford, D., Cressie, N., England, J. R., Roxburgh, S. H., & Paul, K. I. (2013). Correction factors for unbiased, efficient estimation and prediction of biomass from log–log allometric models. Forest Ecology and Management, 310, 375–381. doi: 10.1016/j.foreco.2013.08.041 DOI: https://doi.org/10.1016/j.foreco.2013.08.041
Duan, N. (1983). Smearing Estimate: A Nonparametric Retransformation Method. Journal of the American Statistical Association, 78(383), 605. doi:10.2307/2288126 DOI: https://doi.org/10.1080/01621459.1983.10478017
El-Shaarawi, A. H., & Viveros, R. (1997). Inference About the Mean in Log-Regression with Environmental Applications. Environmetrics, 8(5), 569–582. doi:10.1002/(SICI)1099-095X(199709/10)8:5<569::AID-ENV274>3.0.CO;2-I DOI: https://doi.org/10.1002/(SICI)1099-095X(199709/10)8:5<569::AID-ENV274>3.0.CO;2-I
Finney, D. J. (1941). On the Distribution of a Variate Whose Logarithm is Normally Distributed. Supplement to the Journal of the Royal Statistical Society, 7(2), 155-161. doi:10.2307/2983663 DOI: https://doi.org/10.2307/2983663
Forrester, D. I., Tachauer, I. H. H., Annighoefer, P., Barbeito, I., Pretzsch, H., Ruiz-Peinado, R., Stark, H., Vacchiano, G., Zlatanov, T., Chakraborty, T., Saha, S., & Sileshi, G. W. (2017). Generalized biomass and leaf area allometric equations for European tree species incorporating stand structure, tree age and climate. Forest Ecology and Management, 396, 160–175. doi: 10.1016/j.foreco.2017.04.011 DOI: https://doi.org/10.1016/j.foreco.2017.04.011
Genet, A., Wernsdörfer, H., Jonard, M., Pretzsch, H., Rauch, M., Ponette, Q., Nys, C., Legout, A., Ranger, J., Vallet, L., & Saint-André, L. (2011). Ontogeny partly explains the apparent heterogeneity of published biomass equations for Fagus sylvatica in central Europe. Forest Ecology and Management, 261(7), 1188–1202. doi: 10.1016/j.foreco.2010.12.034 DOI: https://doi.org/10.1016/j.foreco.2010.12.034
Henry, M., Picard, N., Trotta, C., Manlay, R. J., Valentini, R., Bernoux, M., & Saint-André, L. (2011). Estimating tree biomass of Sub-Saharan African forests: a review of available allometric equations. Silva Fennica, 45(3B), 477-569. doi: 10.14214/sf.38 DOI: https://doi.org/10.14214/sf.38
Hui, C., Terblanche, J. S., Chown, S. L., & McGeoch, M. A. (2010). Parameter landscapes unveil the bias in allometric prediction. Methods in Ecology and Evolution, 1(1), 69–74. doi: 10.1111/j.2041-210X.2009.00005.x DOI: https://doi.org/10.1111/j.2041-210X.2009.00005.x
Jenkins, J. C., Chojnacky, D. C.,Heath, L. S., & Birdsey, R. A. (2003). National-scale biomass estimators for United States tree species. Forest Science, 49(1), 12-35.
Journel, A.G. (1984). mAD and conditional quantile estimators. In: G. Verly, M. David, A.G. Journel and A. Marechal (eds.). Geostatistics for Natural Resources Characterization, (pp. 261-270). Part 1. D. Reidel Publishing Company. Dordrecht. doi: 10.1007/978-94-009-3699-7_16 DOI: https://doi.org/10.1007/978-94-009-3699-7_16
Lee, C. Y. (1982). Comparison of two correction methods for the bias due to the logarithmic transformation in the estimation of biomass. Canadian Journal of Forest Research, 12(2), 326–331. doi:10.1139/x82-047 DOI: https://doi.org/10.1139/x82-047
Manuri, S., Brack, C., Noor’an, F., Rusolono, T., Anggraini, S. M., Dotzauer, H., & Kumara, I. (2016). Improved allometric equations for tree aboveground biomass estimation in tropical dipterocarp forests of Kalimantan, Indonesia. Forest Ecosystems, 3(1). doi: 10.1186/s40663-016-0087-2 DOI: https://doi.org/10.1186/s40663-016-0087-2
Méndez González J., Turlan Medina, O. A., Ríos Saucedo J. C., & Nájera Luna J. A. (2012). Ecuaciones alométricas para estimar biomasa aérea de Prosopis laevigata (Humb. and Bonpl. Ex Willd.) m. C. Johnst. Revista Mexicana de Ciencias Forestales, 3(13), 57-72. doi: 10.29298/rmcf.v3i13.489 DOI: https://doi.org/10.29298/rmcf.v3i13.489
Ngomanda, A., Obiang, N., Lebamba, J., Mavouroulou, Q., Gomat, H., Mankou, G., Loumeto, J., Iponga, D., Ditsouga, F., Koumba, C. R., Henga-Botsikabobe, K., Okouyi, C., Nyangadouma, R., Lepengue, A., Mbatchi, B. & Picard, N. (2014). Site-specific versus pantropical allometric equations: Which option to estimate the biomass of a moist central African forest? Forest Ecology and Management, 312(1), 1–9. doi: 10.1016/j.foreco.2013.10.029 DOI: https://doi.org/10.1016/j.foreco.2013.10.029
Packard, G. C. (2017). Misconceptions about logarithmic transformation and the traditional allometric method. Zoology, 123(1), 115–120. doi: 10.1016/j.zool.2017.07.005 DOI: https://doi.org/10.1016/j.zool.2017.07.005
Paul, K. I., Roxburgh, S.H., Chave, J., England, J. R., Zerihun, A., Specht, A., Lewis, T., Bennet, L. T., Baker, T. G., Adams, M. A., Huxtable, D., Montagu, K. D., Falster, D. S., Feller, M., Sochacki, S., Ritson, P., Bastin, G., Bartle, J., Wildy, D., Hobbs, T., Larmour, J., Waterworth, R., Stewart, H. T. L., Jonson, J., Forrester, D. I., Applegate, G., Mendham, D., Bradford, M., O´Grady, D. A., Green, D., Sudmeyer, R., Rance, S. J., Turner, J., Barton, C., Wenk, E. H., Grove, T., Attiwill, P. M., Pinkard, E., Butler, D., Brooksbank, K., Spencer, B., Snowdon, P., O´Brien, N., Battaglia, M., Cameron, D. M., Hamilton, S., McAuthur, G. & Sinclair, J. (2016). Testing the generality of above-ground biomass allometry across plant functional types at the continental scale. Global Change Biology, 22(6): 2106-2124. doi: 10.1111/gcb.13201 DOI: https://doi.org/10.1111/gcb.13201
Pelletier, J., Kirby, K. R., & Potvin, C. (2012). Significance of carbon stock uncertainties on emission reductions from deforestation and forest degradation in developing countries. Forest Policy and Economics, 24(1), 3–11. doi: 10.1016/j.forpol.2010.05.005 DOI: https://doi.org/10.1016/j.forpol.2010.05.005
Picard, N., F. Boyemba B., & Rossi, V. (2015). Reducing the error in biomass estimates strongly depends on model selection. Annals of Forest Science, 72(1), 811-823. doi: 10.1007/s13595-014-0434-9 DOI: https://doi.org/10.1007/s13595-014-0434-9
Ploton, P., Barbier, N., Takoudjou Momo, S., Réjou-Méchain, M., Boyemba Bosela, F., Chuyong, G., Dauby, G., Droissart, V., Fayolle, A., Goodman, R. C., Henry, M., Kamdem, N. G., Mukirania, J. K., Kenfack, D., Libalah, M., Ngomanda, A., Rossi, V., Sonké, B., Texier, N., Thomas, D., Zebaze, D., Couteron, P., Berger, U., and Pélissier, R. (2016). Closing a gap in tropical forest biomass estimation: taking crown mass variation into account in pantropical allometries. Biogeosciences 13(1), 1571-1585. doi: 10.5194/bg-13-1571-2016 DOI: https://doi.org/10.5194/bg-13-1571-2016
Rojas-García, F., De Jong, B. H. J., Martínez-Zurimendí, 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 DOI: https://doi.org/10.1007/s13595-015-0456-y
Sato, T., Saito, M., Ramírez, D., Pérez De Molas, L. F., Toriyama, J., Monda, Y., Kiyono, Y., Herebia, E., Dubie, N., Duré Vera, E., Ramírez Ortega, J. D., & Vera De Ortiz, M. (2015). Development of Allometric Equations for Tree Biomass in Forest Ecosystems in Paraguay. Japan Agricultural Research Quarterly, 49(3), 281–291. doi: 10.6090/jarq.49.281 DOI: https://doi.org/10.6090/jarq.49.281
Shen, H., & Zhu, Z. (2008). Efficient mean estimation in log-normal linear models. Journal of Statistical Planning and Inference, 138(3), 552–567. doi: 10.1016/j.jspi.2006.10.016 DOI: https://doi.org/10.1016/j.jspi.2006.10.016
Smith, R. J. (1993). Logarithmic transformation bias in allometry. American Journal of Physical Anthropology, 90(2), 215–228. doi: 10.1002/ajpa.1330900208 DOI: https://doi.org/10.1002/ajpa.1330900208
Snowdon, P. (1991). A ratio estimator for bias correction in logarithmic regressions. Canadian Journal of Forest Research, 21(5), 720–724. doi: 10.1139/x91-101 DOI: https://doi.org/10.1139/x91-101
Temesgen, H., Affleck, D., Poudel, K., Gray, A., & Sessions, J. (2015). A review of the challenges and opportunities in estimating above ground forest biomass using tree-level models. Scandinavian Journal of Forest Research, 30(4),1–10. doi: 10.1080/02827581.2015.1012114 DOI: https://doi.org/10.1080/02827581.2015.1012114
Van Breugel, M., Ransijn, J., Craven, D., Bongers, F., & Hall, J. S. (2011). Estimating carbon stock in secondary forests: Decisions and uncertainties associated with allometric biomass models. Forest Ecology and Management, 262(8), 1648–1657. doi: 10.1016/j.foreco.2011.07.018 DOI: https://doi.org/10.1016/j.foreco.2011.07.018
Vargas-Larreta, B., López-Sánchez, C. A., Corral-Rivas, J. J., López-Martínez, J. O., Aguirre-Calderón, C. G., & Álvarez-González, J. G. (2017). Allometric Equations for Estimating Biomass and Carbon Stocks in the Temperate Forests of North-Western Mexico. Forests, 8(8), 269. doi: 10.3390/f8080269 DOI: https://doi.org/10.3390/f8080269
Wutzler, T., Wirth, C., & Schumacher, J. (2008). Generic biomass functions for Common beech (Fagus sylvatica) in Central Europe: predictions and components of uncertainty. Canadian Journal of Forest Research, 38(6), 1661–1675. doi: 10.1139/x07-194 DOI: https://doi.org/10.1139/X07-194
Zanne, A.E., Lopez-Gonzalez, G., Coomes, D.A., Jansen, S., Lewis, L.S., Miller, R.B., Swenson, N.G., Wiemann, M.C., & Chave, J. Data from: Towards a wordwide Wood economics spectrum, V5, Dryad, Dataset. doi: 10.506/dryad.234
Zar, J. H. (1968). Calculation and Miscalculation of the Allometric Equation as a Model in Biological Data. BioScience, 18(12), 1118–1120. doi: 10.2307/1294589 DOI: https://doi.org/10.2307/1294589
Zeng, W. S., & Tang, S. Z. (2011). Bias Correction in Logarithmic Regression and Comparison with Weighted Regression for Nonlinear Models. Nature Precedings. doi:10.1038/npre.2011.6708.1 DOI: https://doi.org/10.1038/npre.2011.6708.1
Zhang, Z., Zhong, Q., Niklas, K. J., Cai, L., Yang, Y., & Cheng, D. (2016). A predictive nondestructive model for the covariation of tree height, diameter and stem volume scaling relationships. Scientific Reports, 6(1), 1-9. doi: 10.1038/srep31008 DOI: https://doi.org/10.1038/srep31008
Zianis, D. (2008). Predicting mean aboveground forest biomass and its associated variance. Forest Ecology and Management, 256(6), 1400–1407. doi: 10.1016/j.foreco.2008.07.002 DOI: https://doi.org/10.1016/j.foreco.2008.07.002
Zianis, D., & Mencuccini, M. (2004). On simplifying allometric analyses of forest biomass. Forest Ecology and Management, 187(2-3), 311–332. doi: 10.1016/j.foreco.2003.07.007 DOI: https://doi.org/10.1016/j.foreco.2003.07.007
Descargas
Publicado
Cómo citar
-
Resumen459
-
PDF222
-
LENS28
Número
Sección
Licencia
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.
