Estimación de la densidad de especies de coníferas a partir de variables ambientales
DOI:
https://doi.org/10.21829/myb.2015.211430Palabras clave:
altura, Durango, heladas, regresión lineal múltiple, Sierra Madre Occidental, variables del climaResumen
Las coníferas son la fuente más importante de materia prima para la industria forestal mexicana, cumplen funciones ecológicas importantes y proveen bienes y servicios para el hombre. Para probar si es posible predecir la densidad de las especies de coníferas a partir de las variables ambientales, se hizo un análisis de regresión lineal múltiple por el método paso por paso (stepwise). Se estudiaron veinte especies de cinco géneros distintos y once variables ambientales (nueve variables climáticas, una fisiográfica y otra de suelo). En este trabajo se detectó una escasa relación lineal entre la densidad de especies y las variables predictivas; no obstante, algunos indicadores sugieren que en 60% de las especies, la densidad es afectada principalmente por al menos cuatro variables ambientales; entre las que destacan la precipitación de abril a septiembre, el fenómeno de las heladas, la altitud sobre el nivel del mar y la precipitación media anual.
Descargas
Citas
Aitken S., N.S. Yeaman, J.A. Holliday, T. Wang y S. Curtis-McLane. 2008. Adaptation, migration or extirpation: climate change outcomes for tree populations. Evolutionary Applications 1(1):95-111. DOI: https://doi.org/10.1111/j.1752-4571.2007.00013.x
Aragón-Piña, E.E., A. Garza-Herrera, M.S. González-Elizondo e I. Luna-Vega. 2010. Composición y estructura de las comunidades vegetales del rancho El Durangueño, en la Sierra Madre Occidental, Durango, México. Revista Mexicana de Biodiversidad 81(3):771-787. DOI: https://doi.org/10.22201/ib.20078706e.2010.003.648
Breiman, L., J.H. Friedman, R.A. Olshen y J. Stone, 1984. Classification and regression trees. 1a ed. Wadsworth International Group. Belmont. p:102-116.
Conafor (Comisión Nacional Forestal). 2009. Manual y procedimientos para el muestreo de campo - Inventario Nacional Forestal y de Suelos -http://148.223.105.188:2222 /gif/snif_portal/secciones/inventarionacional/documentos/ManualMuestreoCampo.pdf. Fecha de Consulta: 7 de octubre de 2010.
Crausbay, S.D. y S.C. Hotchkiss. 2010. Strong relationships between vegetation and two perpendicular climate gradients high on a tropical mountain in Hawai‘i. Journal of Biogeography 37(6):1160-1174. DOI: https://doi.org/10.1111/j.1365-2699.2010.02277.x
Crookston, N.L., E.G. Rehfeldt, D.E. Ferguson y M. Warwell. 2008 - FVS and global warming: A prospectus for future development. In: R.N. Havis, N.L. Crookston, comps. Third forest vegetation simulator Conference 2007. 13-15 de febrero; Fort Collins, CO. Proceedings RMRS-P-54. U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station. p:7-16.
Desai, A.R., A. Noormets, P.V. Bolstad, J. Chen, B.D. Cook, K.J. Davis, E.S. Euskirchen, C. Gough, J.G. Martin, D.M. Ricciuto, H.P. Schmid, J. Tang y W. Wang. 2008. Influence of vegetation and seasonal forcing on carbon dioxide fluxes across the Upper Midwest, USA: implications for regional scaling. Agricultural and Forest Meteorology 148(2):288-308. DOI: https://doi.org/10.1016/j.agrformet.2007.08.001
García, E. 1998. Climas (Clasificación de Köppen, modificada por García) Escala 1:1 000 000. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. México, D.F., México.
González-Elizondo, M.S., M. González-Elizondo, J.A. Tena-Flores, L. Ruacho-González y I.L. López-Enríquez. 2012. Vegetación de la Sierra Madre Occidental, México: una síntesis. Acta Botanica Mexicana 100:351-403. DOI: https://doi.org/10.21829/abm100.2012.40
Goparaju, L. y C.S. Jha. 2010. Spatial dynamics of species diversity in fragmented plant communities of a Vindhyan dry tropical forest in India. Tropical Ecology 51(1):55-65.
Hu, W., K. Mengersen y S. Tong. 2010. Risk factor analysis and spatiotemporal CART model of cryptosporidiosis in Queensland, Australia. BMC infectious diseases 10(1):311. DOI: https://doi.org/10.1186/1471-2334-10-311
Hutchinson, M.F. 2004. ANUSPLIN version 4.3 user guide. Centre for Resource and Environmental Studies. The Australian National University. Canberra. 54 p.
Jabro, J.D., R.G. Evans y Y. Kim. 2009. Estimating in situ soil-water retention and field water capacity in two contrasting soil textures. Irrigation Science 27(3):223-229. DOI: https://doi.org/10.1007/s00271-008-0137-9
Jahan, N. y T.Y. Gan. 2011. Modelling the vegetation–climate relationship in a boreal mixedwood forest of Alberta using normalized difference and enhanced vegetation indices. International Journal of Remote Sensing 32(2):313-335. DOI: https://doi.org/10.1080/01431160903464146
Jonsson, B., S. Holm y H. Kallur.1992. A forest inventory method based on density-adapted circular plot size. Scandinavian Journal of Forest Research 7(1-4):405-421. DOI: https://doi.org/10.1080/02827589209382733
Li, Y., M.J. Bunting, Q. Xu, S. Jiang, W. Ding y L. Hun. 2011. Pollen–vegetation–climate relationships in some desert and desert-steppe communities in northern China. The Holocene 21(6):997-1010. DOI: https://doi.org/10.1177/0959683611400202
Li, Z. y X. Guo. 2012. Detecting climate effects on vegetation in northern mixed prairie using NOAA AVHRR 1-km time-series NDVI data. Remote Sensing 4(1):120-134. DOI: https://doi.org/10.3390/rs4010120
Martínez-Antúnez, P., C. Wehenkel, J.C. Hernández-Díaz, M. González-Elizondo, J.J. Corral-Rivas y A. Pinedo-Álvarez. 2013. Effect of climate and physiography on the density of trees and shrubs species in Northwest Mexico. Polish Journal of Ecology 61(2):283-295.
Meng, M., J. Ni, y M. Zong. 2011. Impacts of changes in climate variability on regional vegetation in China: NDVI-based analysis from 1982 to 2000. Ecological Research 26(6):421-428. DOI: https://doi.org/10.1007/s11284-011-0801-z
Michaelian, M., E.H. Hogg, R. Hall y E. Arsenault. 2011. Massive mortality of aspen following severe drought along the southern edge of the Canadian boreal forest. Global Change Biology 17(6):2084-2094. DOI: https://doi.org/10.1111/j.1365-2486.2010.02357.x
Moreno, J.M. 2008. Evaluación preliminar de los impactos en España por efecto del cambio climático. Boletín CF+ S (38/39). Disponible en: http://habitat.aq.upm.es/boletin/n38/.
Nord-Larsen, T. y Q.V. Cao. 2006. A diameter distribution model for even-aged beech in Denmark. Forest Ecology and Management 231(1):218-225. DOI: https://doi.org/10.1016/j.foreco.2006.05.054
Pomareda, C. 1980. Introducción al uso del programa SAS para análisis de regresión. Instituto Interamericano de Ciencias Agrícolas. http://pdf.usaid.gov/pdf_docs/PNAAS505.pdf. Fecha de consulta: 12 de septiembre de 2012.
Rehfeldt, G.E., N.L. Crookston, C. Sáenz-Romero y E.M. Campbell. 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: https://doi.org/10.1890/11-0495.1
Rehfeldt, G.E., N.L. Crookston, M.V. Warwell y J.S. Evans. 2006. Empirical analyses of plant‐climate relationships for the western United States. International Journal of Plant Sciences 167(6):1123-1150. DOI: https://doi.org/10.1086/507711
Rzedowski, J. 1978. Vegetación de México. Limusa. México, D.F. 432 p.
Sáenz-Romero, C., G.E. Rehfeldt, N.L. Crookston, P. Duval, R. St-Amant, J. Beaulieu y B.A. Richardson. 2010. Spline models of contemporary, 2030, 2060 and 2090 climates for Mexico and their use in understanding climate-change impacts on the vegetation. Climatic Change 102(3-4):595-623. DOI: https://doi.org/10.1007/s10584-009-9753-5
SAS Institute Inc. 2001 SAS/STAT 9.1 User’s Guide. Cary, NC: SAS Institute Inc.
Silva-Flores, R., G. Perez-Verdin y C. Wehenkel. 2014. Patterns of tree species diversity in relation to climatic factors on the Sierra Madre Occidental, Mexico. PLoS ONE 9(8):e105034. doi:10.1371. DOI: https://doi.org/10.1371/journal.pone.0105034
Soberón, J.M. y A.T. Peterson. 2005. Interpretation of models of fundamental ecological niches and species’ distributional areas. Biodiversity Informatics 2(2005):1-10. DOI: https://doi.org/10.17161/bi.v2i0.4
Torres-Rojo J.M. 2005. Predicción de distribuciones diamétricas multimodales a través de mezclas de distribuciones Weibull. Agrociencia 39(2):211-220.
Wang, T. y Z. Shiqiang. 2011. Study on linear correlation coefficient and nonlinear correlation coefficient in mathematical statistics. Studies in Mathematical Sciences 3(1):58-63.
Wehenkel, C., J.J. Corral-Rivas y J.C. Hernández-Díaz. 2011. Genetic diversity in relation to secondary succession of forest tree communities. Polish Journal of Ecology 59(1):45−54.
Wittmer, M.H., K. Auerswald, Y. Bai, R. Schaeufele y H. Schnyder. 2010. Changes in the abundance of C3/C4 species of Inner Mongolia grassland: evidence from isotopic composition of soil and vegetation. Global Change Biology 16(6):605-616. DOI: https://doi.org/10.1111/j.1365-2486.2009.02033.x
Worrall, J.J., L. Egeland, T. Eager, R.A. Mask, E.W. Johnson, P.A. Kemp y W.D. Shepperd. 2008. Rapid mortality of Populus tremuloides in southwestern Colorado, USA. Forest Ecology and Management 255(3):686-696. DOI: https://doi.org/10.1016/j.foreco.2007.09.071
Zhu Q., H. Jiang, J. Liu, C. Peng, X. Fang, S. Yu, G. Zhou, X. Wei y W. Ju. 2011. Forecasting carbon budget under climate change and CO2 fertilization for subtropical region in China using integrated biosphere simulator (IBIS) model. Polish Journal of Ecology 59(1):3-24.
Descargas
Publicado
Cómo citar
-
Resumen746
-
PDF297
-
HTML239
Número
Sección
Licencia
Madera y Bosques por Instituto de Ecología, A.C. se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
