Variabilidad espacial de Swietenia macrophylla en sistema agroforestal de la Amazonia brasileña
DOI:
https://doi.org/10.21829/myb.2020.2611937Palabras clave:
dasometría, kriging ordinario, mapa de incertidumbre, modelado geoestadístico, regresión lineal, variables dendrométricasResumen
La caracterización del comportamiento de la variación espacial de atributos dendrométricos de especies tropicales en sistemas agroforestales es importante para su manejo y, en ese sentido, la geoestadística se destaca por utilizar técnicas capaces de caracterizar esa variación. Se utilizaron métodos geoestadísticos para evaluar y mapear la variabilidad espacial del diámetro a 1.3 m del nivel del suelo (dap), de la altura comercial (hc) y del volumen comercial (vc) de árboles de Swietenia macrophylla King, plantadas en un sistema agroforestal en la Amazonia brasileña. El muestreo de campo se realizó con base en una cuadrícula de 50 m × 50 m, que resultó en 36 puntos sistemáticos. En cada punto, se instaló una parcela circular de 500 m2 para medir el dap y la hc. El vc fue estimado con la ecuación mejor ajustada a los datos de cubicación de 108 árboles. Luego se modelaron los patrones de distribución espacial de las variables por medio de la geoestadística y se utilizó kriging ordinario para generar mapas con predicciones e incertidumbres de las variables. El modelo de Schumacher-Hall resultó en la mejor ecuación para estimar el vc y la cuadrícula sistemática utilizada mostró ser eficiente para detectar los patrones espaciales de esas variables. Los modelos de semivariogramas ajustados demostraron la fuerte dependencia espacial del dap, de la hc y del vc, lo que permitió hacer interpolaciones precisas, generando resultados de validación cruzada sin tendencia, principalmente para vc que presentó el modelo teórico mejor ajustado.
Descargas
Citas
Alvarenga, L. H. V., Mello, J. M., Guedes, I. C. L., & Scolforo, J. R. S. (2012). Performance of stratification in a brazilian savanna fragment by using geoestatistical interpolator. Cerne, 18(4), 675-681. doi: 10.1590/S0104-77602012000400018 DOI: https://doi.org/10.1590/S0104-77602012000400018
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. L. M. de, & Sparovek, G. (2013). Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711-728. doi: 10.1127/0941-2948/2013/0507 DOI: https://doi.org/10.1127/0941-2948/2013/0507
Angelico, J. C. (2006). Co-kriging performance in the determination of variability of soil atributes. Revista Brasileira de Ciência do Solo, 30(6), 931-936. doi: 10.1590/S0100-06832006000600002 DOI: https://doi.org/10.1590/S0100-06832006000600002
Assis, A. L. de, Mello, J. M. de, Guedes, I. C. L. de, Scolforo, J. R. S., & Oliveira, A. D. de. (2009). Development of a sampling strategy for young stands of Eucalyptus sp. using geostatistics. Cerne, 15(2), 166-173.
Biondi, F., Myers, D. E., & Avery, C. C. (1994). Geostatistically modeling stem size and increment in an old-growth forest. Canadian Journal of Forest Research, 24(7), 1354-1368. doi: 10.1139/x94-176 DOI: https://doi.org/10.1139/x94-176
Bognola, I. A., Ribeiro Júnior, P. J., Silva, E. A. A. da, Lingnau, C., & Higa, A. R. (2008). Uni and bivariate modelling of the spatial variability of Pinus taeda L. Floresta, 38(2), 373-385. doi: 10.5380/rf.v38i2.11632 DOI: https://doi.org/10.5380/rf.v38i2.11632
Borssoi, J. A., Uribe-Opazo, M. A, & Galea, M. (2011). Diagnostic techniques of local influence in spatial analysis of soybean yield. Engenharia Agrícola, 31(2), 376-387. doi: 10.1590/S0100-69162011000200018 DOI: https://doi.org/10.1590/S0100-69162011000200018
Cambardella, C. A., Moorman, T. B., Parkin, T. B., Karlen, D. L., Novak, J. M., Turco, R. F., & Konopka, A. E. (1994). Field-scale variability of soil properties in central Iowa soils. Soil Science Society of America Journal, 58(5), 1501-1511. doi: 10.2136/sssaj1994.03615995005800050033x DOI: https://doi.org/10.2136/sssaj1994.03615995005800050033x
Chave, J., Andalo, C., Brown, S., Cairns, M. A., Chambers, J. Q., Eamus, D., …, & 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
Cochran, W. G. (1965). Sampling techniques. 2 ed. Rio de Janeiro: Fundo de Cultura.
Cysneiros, V. C., Pelissari, A. L., Machado, S. A. do, Figueiredo Filho, A., & Souza, L. de. (2017). General and specific models for estimating comercial volume in a forest under concession in Amazon. Scientia Forestalis, 45(114), 295-304. doi: 10.18671/scifor.v45n114.06 DOI: https://doi.org/10.18671/scifor.v45n114.06
DaRocha, W. D., Neves, F. S., Dáttilo, W., & Delabie, J. H. C. (2016). Epiphytic bromeliads as key components for maintenance of ant diversity and ant–bromeliad interactions in agroforestry system canopies. Forest Ecology and Management, 372, 128-136. doi: 10.1016/j.foreco.2016.04.011 DOI: https://doi.org/10.1016/j.foreco.2016.04.011
ESRI - Environmental Systems Research Institute, Inc. (2016). ArcGIS Professional GIS for the desktop, version 10.4. Recuperado de: https://support.esri.com/en/Products/Desktop/arcgis-desktop/arcmap/10-4-1.
Franklin, J. (1995). Predictive vegetation mapping: geographic modelling of biospatial patterns in relation to environmental gradients. Progress in Physical Geography: Earth and Environment, 19(4), 474-499. doi: 10.1177/030913339501900403 DOI: https://doi.org/10.1177/030913339501900403
Guedes, I. C. L. de, Mello, J. M. de, Mello, C. R. de, Oliveira, A. D. de, Silva, S. T. da, & Scolforo, J. R. S. (2012). Geostatistical techniques and spatial interpolators in the stratification of Eucalyptus sp. Stands. Ciência Florestal, 22(3), 541-550. doi: 10.5902/198050986621 DOI: https://doi.org/10.5902/198050986621
Guedes, I. C. L. de, Mello, J. M. de, Silveira, E. M. O. de, Mello, C. R. de, Reis, A. A. dos; & Gomide, L. R. (2015). Spatial continuity of dendrometric characteristics in clonal cultivated Eucalyptus sp. trhoughout the time. Cerne, 21(41), 527-534. doi: 10.1590/01047760201521041824 DOI: https://doi.org/10.1590/01047760201521041824
Higuchi, N., & Ramm, W. (1985). Developing bole wood volume equations for a group of tree species of Central Amazon (Brazil). The Commonwealth Forestry Review, 64(1), 33-41. http://www.jstor.org/stable/42608005
Kalita, R. M., Das, K. A., & Nath, A. J. (2015). Allometric equations for estimating above- and belowground biomass in Tea (Camellia sinensis (L.) O. Kuntze) agroforestry system of Barak Valley, Assam, northeast India. Biomass and Bioenergy, 83, 42-49. doi: 10.1016/j.biombioe.2015.08.017 DOI: https://doi.org/10.1016/j.biombioe.2015.08.017
Kanegae Junior, H., Mello, J. M. de, Scolforo, J. R. S., & Oliveira, A. D. de. (2007). Evaluation of spatial continuity of dendrometric characteristics of clonal stands of Eucalyptus sp. at different ages. Revista Árvore, 31(5), 859-566. doi: 10.1590/S0100-67622007000500010 DOI: https://doi.org/10.1590/S0100-67622007000500010
Kearney, S. P., Fonte, S. J., García, E., Siles, P., Chan, K. M. A., & Smukler, S. M. (2017). Evaluating ecosystem service trade-offs and synergies from slash-and-mulch agroforestry systems in El Salvador. Ecological Indicators, 30 August, doi: 10.1016/j.ecolind.2017.08.032 DOI: https://doi.org/10.1016/j.ecolind.2017.08.032
Lima, S. S. de, Leite, L. F. C., Oliveira, F. C. das, & Costa, D. B. da. Chemical properties and carbon and nitrogen stocks in an acrisol under agroforestry system and slash and burn practices in Northern Piauí State. Revista Árvore, 35(1), 51-60. doi: 10.1590/S0100-67622011000100006 DOI: https://doi.org/10.1590/S0100-67622011000100006
Loetsch, F., Zohrer, F., & Haller, K. (1973). Forest Inventory. 2 v. Munchen: BLV Verlagscellechaft.
Lundgren, W. J. C., Silva, J. A. A. & Ferreira, R. L. C. (2017). Estimating of the volume of Eucalyptus with kriging and cokriging in Semi-arid of Pernambuco. Floresta e Ambiente, 24. doi: 10.1590/2179-8087.140415 DOI: https://doi.org/10.1590/2179-8087.140415
Lundgren, W. J. C., Silva, J. A. A., & Ferreira, R. L. C. (2016). Sampling type influence in the estimation of Eucalyptus wood volume by kriging. Floresta e Ambiente, 23(4), 511-523. doi: 10.1590/2179-8087.136315 DOI: https://doi.org/10.1590/2179-8087.136315
Lundgren, W. J. C., Silva, J. A. A. & Ferreira, R. L. (2015). Predictiong of Eucalyptus wood by cokriging, kriging and regression. Cerne, 21(2), 243-250. doi: 10.1590/01047760201521021532 DOI: https://doi.org/10.1590/01047760201521021532
Marra, M. M., Higuchi, N., Trumbore, S. E., Ribeiro, G. H. P. M., Santos, J. dos, Carneiro, V. M. C., ..., & Wirth, C. (2016). Predicting biomass of hyperdiverse and structurally complex central Amazonian forests – a virtual approach using extensive field data. Biogeosciences, 13(5), 1553-1570. doi: 10.5194/bg-13-1553-2016 DOI: https://doi.org/10.5194/bg-13-1553-2016
Mayhew, J. E., & Newton, A. C. (1998). The silviculture of mahogany. 1 ed. New York: CABI Publishing. DOI: https://doi.org/10.1079/9780851993072.0000
Mello, C. R., Lima, J. M., Silva, A. M., Mello, J. M., & Oliveira, M. S. (2003). Kriging and inverse-square-distance for the interpolation of rainfall equation parameters. Revista Brasileira de Ciência do Solo, 27(5), 925-933. doi: 10.1590/S0100-06832003000500017 DOI: https://doi.org/10.1590/S0100-06832003000500017
Miller, J., Franklin, J., & Aspinall, R. (2007). Incorporating spatial dependence in predictive vegetation models. Ecological Modelling, 202(3-4), 225-242. doi: 10.1016/j.ecolmodel.2006.12.012 DOI: https://doi.org/10.1016/j.ecolmodel.2006.12.012
Minitab, Inc. (2010). Minitab 18 Statistical Software. Recuperado de: www.minitab.com
Mulkey, S. S., Kitajima, K., & Wrightt, S. J. (1996). Plant physiological ecology of tropical forest canopies. Tree, 11(10), 408-412. doi: 10.1016/0169-5347(96)10043-4 DOI: https://doi.org/10.1016/0169-5347(96)10043-4
Pannatier, Y. (1996). VARIOWIN: Software for spatial data analysis in 2D. 1 ed. New York: Springer-Verlag. DOI: https://doi.org/10.1007/978-1-4612-2392-4_1
Pelissari, A. L., Figueiredo Filho, A., Caldeira, S. F., & Machado, S. A. do. (2014). Geostatistic applied to management of teak forest stands, in periods before selective thinning, in the Mato Grosso State. Revista Brasileira de Biometria, 32(3), 430-444. http://jaguar.fcav.unesp.br/RME/fasciculos/v32/v32_n3/A8_Allan_Afonso_Sidney_Sebastiao.pdf
Pelissari, A. L., Figueiredo Filho, A., Péllico Netto, S., Ebling, A. A., Roveda, M., & Sanquetta, C. R. (2017a). Geostatistical modeling applied to spatiotemporal dynamics of successional tree species groups in a natural Mixed Tropical Forest. Ecological Indicators, 78. doi: 10.1016/j.ecolind.2017.02.044 DOI: https://doi.org/10.1016/j.ecolind.2017.02.044
Pelissari, A. L., Roveda, M., Caldeira, S. F., Sanquetta, C. R., Corte, A. P. D., & Rodrigues, C. K. (2017b). Geostatistical modeling of timber volume spatial variability for Tectona grandis L. f. precision forestry. Cerne, 23(1), 115-122. doi: 10.1590/01047760201723012291 DOI: https://doi.org/10.1590/01047760201723012291
Rolim, S. G., Couto, H. T. Z. do, Jesus, R. M. de, & França, J. T. (2006). Modelos volumétricos para a Floresta Nacional do Tapirapé-Aquirí, Serra dos Carajás (PA). Acta Amazonica, 36(1), 107-114. doi: 10.1590/S0044-59672006000100013 DOI: https://doi.org/10.1590/S0044-59672006000100013
Santos, H. G. dos, Jacomine, P. K. T., Anjos, L. H. C. dos, Oliveira, V. A. de, Lumbreras, J. F., Coelho, M. R., ..., & Oliveira, J. B. de. (2013). Brazilian system of soil classification. 3. ed. Brasília: Embrapa.
Scolforo, H. F., Scolforo, J. R. S., Mello, C. R., Mello, J. M., & Ferraz Filho, A. C. (2015). Spatial distribution of aboveground carbon stock of the arboreal vegetation in Brazilian biomes of savanna, atlantic forest and semi-arid woodland. PLoS ONE, 10(6), 1-20. doi: 10.1371/journal.pone.0128781 DOI: https://doi.org/10.1371/journal.pone.0128781
Siegel, A. F. (2016). Chi-Squared analysis: testing for patterns in qualitative data. En: Siegel, A. F. Practical business statistics. 7 ed. Massachusetts: Academic Press (p. 509-52). DOI: https://doi.org/10.1016/B978-0-12-804250-2.00017-1
Silva, S. A. de, Lima, J. S. S. de, Xavier, A. C., & Teixeira, M. M. (2010). Spatial variability of chemical attributes of an Oxisol under coffee cultivation. Revista Brasileira de Ciências do Solo, 34(1), 15-22. doi: 10.1590/S0100-06832010000100002 DOI: https://doi.org/10.1590/S0100-06832010000100002
Souza, R. M. S., Almeira, A. Q. de, Ribeiro, A., Souza, E. S. de, & Leite, F. P. (2015). Evaluation of the spatial dependence of dendrometric characteristics for an Eucalyptus plantation. Acta Scientiarum. Agronomy, 37(4). doi: 10.4025/actasciagron.v37i4.19676 DOI: https://doi.org/10.4025/actasciagron.v37i4.19676
Torralba, M., Fagerholm, N., Burgess, P. J., Moreno, G., & Plieninger, T. (2016). Do European agroforestry systems enhance biodiversity and ecosystem services? A meta-analysis. Agriculture, Ecosystems and Environment, 230, 150-161. doi: 10.1016/j.agee.2016.06.002 DOI: https://doi.org/10.1016/j.agee.2016.06.002
Warrick, A. W., & Nielsen, D. R. (1980). Spatial variability of soil physical properties in the field. En: Hillel, D. Applications of soil physics. 1. ed. New York: Academic Press, (p. 319 – 344). DOI: https://doi.org/10.1016/B978-0-12-348580-9.50018-3
Webster, R., & Oliver, M. A. (2007). Geostatistics for Environmental Scientists. 2 ed. West Sussex: John Wiley & Sons Ltd. DOI: https://doi.org/10.1002/9780470517277
Weindorf, D. C., & Zhu, Y. (2010). Spatial variability of soil properties at Capulin Volcano, New Mexico, USA: implications for sampling strategy. Pedosphere, 20(2), 185-197. doi: 10.1016/S1002-0160(10)60006-9 DOI: https://doi.org/10.1016/S1002-0160(10)60006-9
Wojciechowski, J. C., Arce, J. E., Weber, S. H., Ribeiro Junior, P. J., & Pires, C. A. F. da. (2017). Borrow strength approach applied to a geostatistical model to estimate volume. Ciência Florestal, 27(2), 597-607. doi: 10.5902/1980509827739 DOI: https://doi.org/10.5902/1980509827739
Zas, R. (2006). Iterative kriging for removing spatial autocorrelation in analysis of forest genetic trials. Tree Genetics & Genomes, 2(4), 177-185. doi: 10.1007/s11295-006-0042-4 DOI: https://doi.org/10.1007/s11295-006-0042-4
Zawadzki, J., Cieszewski, C. J., Zasada, M., & Lowe, R. C. (2005). Applying geostatistics for investigations of forest ecosystems using remote sensing imagery. Silva Fennica, 39(4), 599-617. doi: 10.14214/sf.369 DOI: https://doi.org/10.14214/sf.369
Zhang, X. (2016). White noise testing and model diagnostic checking for functional time series. Journal of Econometrics, 194(1), 76-95. doi: 10.1016/j.jeconom.2016.04.004 DOI: https://doi.org/10.1016/j.jeconom.2016.04.004
Publicado
Cómo citar
-
Resumen530
-
PDF276
-
LENS5
Número
Sección
Licencia
Derechos de autor 2020 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.