Área de Estudio

El área de estudio se localiza en el ejido San Jerónimo municipio Melchor Ocampo, donde se aprovechan poblaciones naturales de L. graveolens. Se ubica al norte del estado de Zacatecas (24°59′6.00″ N y 102°13′2.00″ O), con una altitud promedio de 1 450 m (Figura 1). El área está dentro del Desierto Chihuahuense, pertenece a la región hidrológica RH36 Nazas Aguanaval, en la cuenca Laguna de Mayrán y Viesca y en la subcuenca Laguna de Viesca (^{Sistema Nacional de Información sobre Biodiversidad [SNIB], 2025a}, ^2025b). La vegetación dominante es el matorral desértico micrófilo y matorral desértico rosetófilo (^{SNIB, 2025c}). Los suelos son de los tipos Litosol (dominante) y Solonchak (^{SNIB, 2025d}). El clima predominante corresponde al muy árido, semicálido (BWhw), la temperatura oscila entre los 18 y 22 °C. La precipitación media anual es de 200 a 400 mm con lluvias en verano, equivalente a 5 y 10.2 % anual (^{SNIB, 2025e}).

Figura 1 Localización del área de estudio. 

Muestreo y medición de variables

En el área de recolección de L. graveolens se ubicó un punto inicial de manera aleatoria, a partir del cual se marcaron distancias de 100 m para definir 22 sitios (^{Martínez-Bencardino, 2019}; ^{Valdivieso-Serrano, 2021}). En cada sitio, se marcó un cuadrante de 25 m² (5×5 m) que se subdividió en cuatro cuadrantes de igual tamaño cada uno (^{Bonham, 2013}). Se contaron las plantas presentes en el sitio; en los cuadrantes de 25 m² se recolectó una planta al azar y se midieron las variables morfométricas: (a) altura de la planta (h, cm); (b) diámetro menor (dme, cm), medido al nivel de suelo, considerando la parte basal de la planta; y (c) diámetro mayor (dma, cm) de la cobertura arbustiva, que corresponde a la parte más ancha de la cobertura aérea de cada planta. Las variables anteriores se obtuvieron con un flexómetro marca Arly ^® modelo 5010; se estimó la media de los diámetros para calcular el diámetro promedio de cobertura (dpc, cm). Posteriormente, se recolectaron las plantas completas de cada cuadrante, se depositaron en bolsas de papel y se etiquetaron para su debida identificación y traslado a un centro de almacenamiento.

Las hojas de cada individuo recolectado se separaron y pesaron con una báscula digital (Torrey ^® L-EQ 5/10 con capacidad de 20 kg); esto representó el valor del peso fresco de la hoja (pfr, g). Después, las hojas de cada planta se colocaron sobre una lona de plástico y se expusieron al sol por una semana para su deshidratación; se consideró que las muestras estaban secas cuando las hojas al tacto estaban semiquebradizas. Terminado el proceso, se registró el valor del peso seco de las hojas (pse, g) con la misma báscula digital (^{Conafor, 2011}; ^{Orona-Castillo et al., 2017}).

Análisis estadístico

Se consideraron m=22 sitios y en cada uno de ellos se recolectaron cuatro plantas, para un total de n=88 plantas. Los análisis se realizaron en Excel ^®. Se hizo un análisis de exploración de datos para estimar la media muestral (x-) y la desviación muestral (s), el intervalo x-±s y los valores mínimo y máximo de cada variable evaluada. Se probó la normalidad de los datos con el estadístico Kolmogorov-Smirnov (KS>P) (Cuadro 1) (^{Zar, 2014}).

Se calculó el Coeficiente de correlación lineal simple (R) de Pearson (P<0.01) entre los pares de variables que conformaron la matriz de datos de campo (^{Zar, 2014}). Como la predicción del pfr (g) y pse (g) fueron parte esencial de esta investigación, se consideró el valor de correlación más alto con respecto a las variables h (cm) y dpc (cm). Una vez identificado el valor más alto de la correlación de R, las 88 plantas se agruparon en intervalos de dicha variable en las unidades de medición (cm) (^{González-López et al., 2022}; ^{Zar, 2014}).

A partir del Método de mínimos cuadrados, se evaluaron 12 modelos de regresión, lineales y no lineales (Cuadro 2) (^{Zar, 2014}) para predecir la producción de hoja en términos de su peso fresco (pfr, g) y el rendimiento de hoja, dado por su respectivo peso seco (pse, g). Se utilizaron como criterios de selección de modelos: la probabilidad de cometer el error tipo I (P<0.01) en la regresión, el mayor valor de Coeficiente de determinación ajustado (Raj2), valores mínimos para la Raíz del cuadrado medio del error (RCME) y el Coeficiente de variación (CV) (^{Zar, 2014}).

Además, se hizo la prueba de significancia para los coeficientes de la regresión de los modelos (Cuadro 3) con el estadístico t de Student. En los modelos seleccionados se verificó la homocedasticidad (^{Breusch & Pagan, 1979}; ^{Maldonado-Ortiz et al., 2022}). Posteriormente, se generaron las tablas de pfr de hojas y de rendimiento de hoja dado en términos de su pse.

Análisis estadístico

El promedio para pfr de hoja fue de 149.4±62.9 g por planta^-1, y el pse de hoja fue de 31.1±13.8 g planta^-1 (Cuadro 4). En promedio, el rendimiento de hoja seca fue de 22.18 %. La densidad promedio fue de 8 272 plantas ha^-1. Las medidas promedio de h, dpc y pse de hoja fueron similares a las registradas en Zacatecas por ^{López-Serrano et al. (2021)}. Los valores obtenidos cumplen con las normas que recomiendan aprovechar plantas con más de 30 cm de altura (^{Semarnat, 1997}) y con diámetros de cobertura mayores a 50 cm (^{Conafor, 2011}). Los resultados de este estudio/ se ajustan a dichos criterios.

En el proceso de secado de las hojas de L. graveolens se cuantificó un descenso del peso inicial de 79 %. Valores citados para Zacatecas en pse (^{López-Serrano et al., 2021}) indican que la variación es baja; sin embargo, estudios similares no registran el pfr (^{Flores-Garnica, 1994}; ^{Villavicencio-Gutiérrez et al., 2018}). La metodología utilizada busca promover el aprovechamiento sostenible de L. graveolens. Se aplicó conforme a la normatividad vigente, ya que se midieron únicamente las plantas con más de 30 cm de h y dpc mayores a 50 cm (^{Conafor, 2011}), y se dejó al menos 20 % de los ejemplares presentes sin recolectar (^{Semarnat, 1997}). Este manejo permite que las plantas alcancen su madurez, se regeneren de forma natural y contribuyan a prevenir la erosión del suelo en su hábitat. En conjunto, esas acciones respaldan el uso de métodos basados en mediciones morfométricas y favorecen la conservación y sustentabilidad del recurso (^{López-Serrano et al., 2021}; ^{Semarnat, 1997}).

Correlación entre variables evaluadas

Los pares de variables con significancia estadística al 99 % (P<0.01) fueron para pfr y dpc con R=0.753, pse y dpc con R=0.472, ello permitió ordenar en seis intervalos de 25-50 cm para la variable independiente dpc. En estudios similares se determinaron relaciones del pse con las variables h y dpc (^{Flores-Garnica, 1994}; ^{López-Serrano et al., 2021}; ^{Villavicencio-Gutiérrez et al., 2018}).

Estos resultados son importantes para estimar el rendimiento de biomasa y hoja seca de la especie (^{Flores-Garnica, 1994}; ^{Villavicencio-Gutiérrez et al., 2018}). Los valores de correlación apoyan la obtención de tablas de rendimiento; sin embargo, dicho análisis no siempre se efectúa (^{Flores-Garnica, 1994}); no obstante que sus estimaciones evitan la recolecta excesiva de las plantas para un aprovechamiento racional de las mismas (^{Ares et al., 2002}; ^{Semarnat, 1997}).

Tabla de rendimiento de biomasa verde de la hoja (pfr) y fibra seca (pse) para Lippia graveolens

En el Cuadro 3 se presentaron los valores ajustados para predecir el rendimiento del pfr y pse de la hoja; también se incluye el resultado de la prueba de significancia para los coeficientes de la regresión de los modelos con el estadístico t de Student. En el Cuadro 5 se muestran los valores de los criterios de selección de modelos. Para el pfr el mejor correspondió al modelo 4 no lineal (pfr=22.0631.050dpc), para el pse fue el modelo 10 (pse=10.9331.027dpc), respectivamente. Los modelos seleccionados y su comportamiento gráfico se muestran en la Figura 2, en donde se observan las bandas de confianza (99 %) para los datos de campo y los intervalos para la regresión promedio.

BCI = Banda de confianza inferior; BCS = Banda de confianza superior; dpc = Diámetro promedio de cobertura de la planta (cm); pfr = Peso fresco de la hoja (g); pse = Peso seco de la hoja (g); e _i = Residuales.

Figura 2 Modelos seleccionados con bandas de confianza (P<0.01) y gráficos de residuales. 

Los resultados son similares a un estudio de biomasa foliar seca de la misma especie, en el estado de Coahuila, en el cual se ajustaron modelos de regresión sin registrar los coeficientes, por lo que no fue posible la comparación de los rendimientos (^{Flores-Garnica, 1994}; ^{Villavicencio-Gutiérrez et al., 2018}). La similitud consiste en que los mejores ajustes también son con modelos no lineales entre la variable pse de la hoja con el diámetro de cobertura; con la variable h el ajuste fue bajo (R=0.08) (^{López-Serrano et al., 2021}; ^{Villavicencio-Gutiérrez et al., 2018}). Adicionalmente, en el presente estudio, se obtuvo un buen ajuste entre el pfr de la hoja y el dpc (R=0.979).

En los modelos seleccionados, se verificó que los residuales cumplieran con la homocedasticidad (P<0.01) (^{Breusch & Pagan, 1979}; ^{Maldonado-Ortiz et al., 2022}). En investigaciones realizadas con L. graveolens en el estado de Coahuila, otros modelos ajustados tuvieron el problema de heterocedasticidad (^{Villavicencio-Gutiérrez et al., 2018}).

Los criterios de selección de modelos y el cumplimiento de la homocedasticidad permitieron obtener las tablas de rendimiento de pfr y pse de la hoja en gramos (Cuadro 6) para L. graveolens.