SciELO - Scientific Electronic Library Online

 
vol.24 issue1Projection and probability of land use change in Zoquiapan, Mexico: considerations for forest managementMorphoanatomy of Acrocomia aculeata (Jacq.) Lodd. ex Mart. (Arecaceae) embryos author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Chapingo serie ciencias forestales y del ambiente

On-line version ISSN 2007-4018Print version ISSN 2007-3828

Rev. Chapingo ser. cienc. for. ambient vol.24 n.1 Chapingo Jan./Apr. 2018

http://dx.doi.org/10.5154/r.rchscfa.2017.09.056 

Artículo científico

Densidad máxima y diagrama de manejo de la densidad para bosques mezclados de Durango, México

Gerónimo Quiñonez-Barraza1  * 

Juan C. Tamarit-Urias2 

Martín Martínez-Salvador3 

Xavier García-Cuevas4 

Héctor M. de los Santos-Posadas5 

Wenceslao Santiago-García6 

1Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP), Campo Experimental Valle del Guadiana. km 4.5 Carretera Durango-Mezquital. C. P. 34170. Durango, Durango, México.

2 Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP), Campo Experimental San Martinito. km 56.5 Carretera México-Puebla. C. P. 74100. Tlahuapan, Puebla, México.

3 Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP), Campo Experimental Delicias. km 33.3 Carretera a Ojinaga. C. P. 32910. Aldama, Chihuahua, México.

4 Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP), Campo Experimental Chetumal. km 25 Carretera Chetumal-Bacalar. C. P. 77000. Chetumal, Quintana Roo, México.

5Colegio de Postgraduados, Postgrado en Ciencias Forestales. km 36.5 Carretera México-Texcoco. C. P. 56230. Texcoco, Estado de México, México.

6Universidad de la Sierra Juárez, Instituto de Estudios Ambientales-División de Estudios de Postgrado. Av. Universidad s/n. C. P. 68725. Ixtlán de Juárez, Oaxaca, México.

Resumen

Introducción:

La densidad del rodal impacta en la productividad y en la estructura y funciones de los bosques.

Objetivos:

Comparar las líneas de densidad máxima para bosques mezclados, ajustadas con mínimos cuadrados ordinarios (MCO) y regresión frontera estocástica (RFE), y generar un diagrama de manejo de la densidad (DMD) para prescribir aclareos.

Materiales y métodos:

Los datos se obtuvieron en rodales mezclados de la Unidad de Manejo Forestal 1005 “Santiago Papasquiaro y Anexos” en Durango, México. La relación funcional densidad-tamaño se estableció con el modelo de Reineke. La línea de densidad máxima se ajustó con MCO y RFE, este último con los enfoques seminormal (N-H), normal-exponencial (N-E) y normal-truncada (N-T). El DMD se construyó con la ecuación de RFE con el enfoque de distribución normal-truncada.

Resultados y discusión:

La línea de densidad máxima, modelada vía RFE con enfoque N-T, mostró mejor ajuste al límite superior de la densidad máxima de los datos de rodales mezclados. El DMD sugiere que los aclareos para estos rodales pueden aplicarse con intensidades de corta altas, contrariamente a las prácticas convencionales, donde raramente se remueve más del 30 % del área basal o volumen.

Conclusión:

La línea de densidad máxima para bosques mezclados de Durango, México, se generó objetivamente con regresión frontera estocástica, como un modelo normal-truncado.

Palabras clave: Autoaclareo; espacio de crecimiento; índice de densidad de rodales; regresión frontera estocástica; Reineke

Introducción

En la investigación forestal existen varios métodos para caracterizar la estructura y densidad de rodales mezclados e incoetáneos. La densidad máxima puede ocurrir cuando el cierre de copas es completo, pero esto se observa raramente debido a que, por lo general, el dosel de un rodal presenta espacios vacíos; la proporción de estos es mayor a medida que los árboles crecen. Por tanto, el estado real de la densidad fluctúa alrededor de un nivel de equilibrio denominado densidad normal y puede aproximarse al máximo en condiciones inusuales de crecimiento, cuando la mayoría de los espacios de crecimiento son cubiertos (Zeide, 2004).

Las medidas o funciones de densidad relativa describen el grado de aglutinamiento de los árboles que forman un rodal o bosque, con relación a una condición estándar de densidad (Torres-Rojo & Velázquez-Martínez, 2000). Las más usadas en la investigación forestal se basan en el índice de densidad de Reineke (Reineke, 1933), razón árbol-área (Chisman & Schumacher, 1940), índice de espacio relativo (Wilson, 1946), factor de competencia de copas (Krajicek, Brinkman, & Gingrich, 1961), índice de densidad de Yoda (Yoda, Tatuo, Husato, & Kazuo, 1963) y en el índice de densidad relativa (Curtis, 1970; Drew & Flewelling, 1979). Estas medidas fueron desarrolladas asumiendo condiciones específicas en los rodales, tales como la composición homogénea de especies y distribución específica de edades; sin embargo, es difícil encontrar estas características en bosques con manejo forestal (Torres-Rojo & Velázquez-Martínez, 2000). La medida de densidad más sencilla es el número de árboles por unidad de superficie, la cual se usa exitosamente para cuantificar la densidad o competencia en un espacio de crecimiento y el tamaño de los árboles en un rodal (Burkhart, 2013).

Durante el crecimiento y desarrollo de los árboles en un rodal, la competencia intensa por la luz, nutrientes y espacio de crecimiento puede ocasionar mortalidad; este proceso es conocido como denso-dependiente, mortalidad o autoaclareo (Pretzsch, 2009; Yoda et al., 1963). La “ley” de autoaclareo o reglas de Reineke (Reineke, 1933) y Yoda (Yoda et al., 1963) asumen una pendiente común entre el logaritmo del tamaño promedio de árboles y el logaritmo de la densidad o número de árboles por unidad de superficie (-1.605 para Reineke y -1.5 para Yoda), para rodales mezclados en la línea de densidad máxima (Burkhart, 2013).

La relación funcional densidad-tamaño, densidad máxima y autoaclareo se han modelado para rodales coetáneos y, ocasionalmente, para rodales incoetáneos. Algunas de las investigaciones realizadas son las siguientes: Cao, Dean, y Baldwin (2000) describieron los cambios entre el diámetro cuadrático promedio y la densidad en rodales con presencia de autoaclareo de Pinus elliottii Engelm.; Torres-Rojo y Velázquez-Martínez (2000) generaron un modelo de densidad relativa basado en el índice de densidad de Reineke para rodales mezclados; Bi, Wan, y Turvey (2000) estimaron la línea superior del autoaclareo para biomasa y densidad de Pinus radiata D. Don, con el procedimiento econométrico conocido como función frontera estocástica para rodales coetáneos; Long y Shaw (2005) generaron un diagrama de manejo de la densidad para rodales incoetáneos de Pinus ponderosa Douglas ex C. Lawson con datos de inventario forestal; Comeau, White, Kerr, y Hale (2010) estudiaron la relación de densidad máxima para Picea sitchensis (Bong.) Carr. y Pseudotsuga menziessii Mirb. Franco usando modelos de densidad para rodales coetáneos y de cobertura continua; García (2012) investigó los principios de las “leyes” de densidad o reglas de autoaclareo y generó diagramas de manejo de la densidad para rodales con y sin aclareos; Burkhart (2013) estudió el comportamiento del diámetro, altura y volumen para estimar el número de árboles en rodales con autoaclareo y la predicción del crecimiento en rodales con edad, densidad e índice de sitio diferentes; Reyes-Hernandez, Comeau, y Bokalo (2013) evaluaron la relación densidad-tamaño en rodales puros y mezclados de Populus tremuloides Michx. y Picea glauca (Moench) Voss, con el método de regresión frontera estocástica e indicaron que la relación tamaño-densidad puede desarrollarse satisfactoriamente para rodales mezclados; y Santiago-García et al. (2013) determinaron la línea de autoaclareo en rodales de Pinus patula Schiede & Cham. con los métodos regresión frontera estocástica y mínimos cuadrados ordinarios, para los modelos de Reineke y Yoda, y concluyeron que el primer método provee una alternativa eficiente para estimar la línea de densidad máxima.

Un diagrama de manejo de la densidad es una herramienta gráfica que relaciona la densidad del rodal y el tamaño promedio de árboles (volumen, biomasa, área basal o diámetro cuadrático promedio) por unidad de área (Drew & Flewelling, 1979). La ocupación de sitio es la propiedad más importante en los rodales mezclados; si en un rodal existe mezcla de especies, el estudio de manejo de la densidad debe enfocarse en todas las especies presentes e incluir la competencia interespecífica e intraespecífica.

Los objetivos de esta investigación fueron comparar las líneas de densidad máxima de rodales mezclados con el modelo de Reineke, ajustado por mínimos cuadrados ordinarios (MCO) y regresión frontera estocástica (RFE); y generar un diagrama de manejo de la densidad (DMD) para prescribir aclareos en rodales mezclados con propósitos de producción maderable en el estado de Durango, México.

Materiales y métodos

Área de estudio y datos experimentales

Los datos usados en el ajuste de la relación funcional densidad-tamaño (número de árboles por hectárea en función del diámetro cuadrático promedio) se obtuvieron en rodales mezclados de bosques de la Unidad de Manejo Forestal (UMAFOR) 1005 “Santiago Papasquiaro y Anexos” en Durango, México (Figura 1). El área de estudio se ubica en la región noroeste del estado de Durango, entre 24° 30’ - 25° 27’ LN y 105° 01’ - 106° 24’ LO. La superficie total de la UMAFOR 1005 es de 859 496.59 ha, de las cuales son 639 936.77 ha de producción maderable, 120 014.95 ha de restauración, 32 510.60 ha de protección y 67 034.27 ha de otros usos (agricultura, ganadería y pastizales). Los climas predominantes son templado frío con veranos fríos y temperatura media anual entre 5 y 12 °C, y templado subhúmedo con temperatura media anual entre 12 y 18 °C. La temporada más calurosa es de mayo a junio con temperaturas máximas de 26 a 28 °C; las temperaturas mínimas varían de -4 a -6 °C en los meses de diciembre y enero (García, 1981).

Figura 1 Localización de la UMAFOR 1005 “Santiago Papasquiaro y Anexos” en Durango, México. 

En este estudio se utilizaron 1 760 parcelas circulares de inventario forestal de 0.10 ha, distribuidas cercanamente debajo de la línea de densidad máxima, para ajustar el número de árboles por hectárea (N) y el diámetro cuadrático promedio (Dg) como un modelo de Reineke (Reineke, 1933). El Cuadro 1 muestra las estadísticas descriptivas de la base de datos para el ajuste de la relación funcional densidad-tamaño (N-Dg) para bosques mezclados.

Cuadro 1 Estadísticas descriptivas de 1 760 parcelas de inventario de bosques mezclados de la UMAFOR 1005 “Santiago Papasquiaro y Anexos” en Durango, México. 

Variable Media DE Mínimo Máximo
G (m2·ha-1) 28.00 8.38 4.27 65.31
Vta (m3·ha-1) 269.32 114.83 53.87 837.30
Vtap (m3) 0.79 0.62 0.07 4.09
H0 (m) 16.64 5.26 6.00 39.00
D0 (cm) 37.04 10.52 10.00 100.00
A (años) 102.65 27.63 27.00 290.00
IS (m) 22.81 8.19 10.00 35.00
Dg (cm) 29.74 8.45 12.60 56.57
N (árboles·ha-1) 502.00 277.00 20.00 1 415.00

G = área basal, Vta = volumen total del árbol, Vtap = volumen total árbol promedio por árbol, H0 = altura dominante, D0 = diámetro dominante, A = edad promedio, IS = índice de sitio de la especie dominante del género Pinus, a una edad de referencia de 60 años (el IS fue calculado con la ecuación reportada por , Dg = diámetro cuadrático promedio, estimado como Dg = [(G/N)/(π/40000)]0.05, N = densidad y DE = desviación estándar de la media.

La base de datos de parcelas de inventario incluyó la proporción de árboles por especie con relación al número total de árboles: Pinus durangensis Martínez (23.37 %), P. arizonica Engelmannii (8.40 %), P. leiophylla Schlecht. & Cham. (2.41 %), P. teocote Schlecht. & Cham. (12.85 %), P. engelmannii Carr. (0.76 %), P. lumholtzii B. L. Rob. & Fernald (0.91 %), P. ayacahuite Ehrenb. (10.45 %), P. herrerae Martínez (0.15 %), Quercus sideroxyla Humb. & Bonpl. (12.80 %), Q. durifolia Seem (11.01 %), Q. resinosa Liebm. (2.35 %), Q. crassifolia Ehrenb. (0.23 %), Q. rugosa Neé (1.60 %), Juniperus deppeana Steud. (3.76 %), Arbutus xalapensis Kunth (5.25 %) y P. menziessii (3.70 %). Con respecto al área basal global, P. durangensis presentó el valor más alto (7.14 m2·ha-1) y, en cuanto a la distribución espacial, se asoció con Q. sideroxyla (6.88 m2·ha-1), P. arizonica (5.20 m2·ha-1) y P. teocote (4.33 m2·ha-1). El valor más bajo de área basal lo tuvo A. xalapensis (1.29 m2·ha-1).

Análisis estadístico

En la modelación de la relación densidad-tamaño, la mayoría de los estudios debaten la validación empírica de la ley de autoaclareo, donde la presencia de subjetividad en la selección de los datos de densidad máxima se ha convertido en el punto de análisis principal. Los métodos comunes para estimar la línea de densidad máxima se han basado en el uso de información de rodales creciendo a dicha densidad. Por tanto, la línea de autoaclareo es modelada, antes de que esta ocurra, como el promedio ajustado por MCO y el resultado es una media máxima en contraste con un máximo absoluto, el cual técnicamente debería ser el límite correcto. Esta subjetividad implica que la misma base de datos puede ser analizada para proveer evidencia de rechazo o plantear conclusiones diferentes. El método RFE, como una función de producción, estima el límite de la densidad máxima de forma objetiva y más eficiente que MCO (Bi et al., 2000; Santiago-García et al., 2013) cuando los datos provienen de parcelas temporales de inventario forestal. Esto implica que todas las parcelas de inventario pueden ser usadas para estimar la línea de densidad máxima (Reyes-Hernandez et al., 2013). En este estudio, la propiedad de ocupación del sitio se usó para modelar la densidad de rodales mezclados, debido a que todas las especies representan la ocupación máxima en una condición dada y la competencia interespecífica e intraespecífica ocurren al mismo tiempo.

El modelo de Reineke se utilizó para establecer la relación funcional densidad-tamaño (N-Dg) de rodales mezclados. El modelo expresa el número de árboles por hectárea como una función del diámetro medio cuadrático ( N=β0Dgβ1 ). El modelo de Reineke para MCO en la forma lineal se expresa como sigue:

lnN=β0+β1lnDg+εi

donde

In

logaritmo natural

N

densidad (árboles·ha-1)

Dg

diámetro medio cuadrático (cm)

β0 y β1

parámetros del intercepto y la pendiente de la línea de densidad máxima, respectivamente

ɛi

error aleatorio con la propiedad

εi~iidN0,σε

El método de RFE se considera un procedimiento muy eficiente para ajustar la línea de densidad máxima cuando los datos pudieran presentar autocorrelación y heterocedasticidad (Reyes-Hernandez et al., 2013). La forma y los parámetros del modelo de Reineke, los cuales reflejan mecanismos de crecimiento, pueden generar controversias en términos biológicos y estadísticos, pero son muy eficientes para describir la relación funcional N-Dg (Zeide, 2005). Además, la constante del modelo es una medida de la capacidad competitiva intraespecífica, llamada autotolerancia (Zeide, 1985). El modelo de Reineke se ha utilizado para generar la línea de densidad máxima en bosques puros (Cao et al., 2000) y mezclados (Torres-Rojo & Velázquez-Martínez, 2000). Para RFE, el modelo está dado por la expresión log-lineal, como la formulación de un modelo tipo Cobb-Douglas con dos términos de error (Aigner, Lovell, & Schmidt, 1977):

lnN=β0+β1lnDg+ui+vi

donde ui es el componente del error asimétrico y vi es el componente del error simétrico con la propiedad vi~iidN0,σv2 . El término vi se distribuye independiente de ui y representa la variación aleatoria en la producción (como un modelo econométrico), debido a factores de error aleatorios y de medición. El término ui es asimétrico, representa la eficiencia técnica de los datos y se distribuye independiente de las variables regresoras y de los parámetros de la ecuación. Por tanto, para ajustar la línea de densidad máxima con RFE, es necesario elegir distribuciones con asimetría positiva para ui, como el caso de la seminormal, normal-exponencial, normal-truncada o distribución Gamma (Kumbhakar & Lovell, 2003; Santiago-García et al., 2013; Zhang, Bi, Gove, & Heath, 2005). En el presente estudio se utilizó la distribución seminormal (N-H) con la propiedad ui~iidN+0,σu2 , normal-exponencial (N-E) con ui~iidEσu2 y la normal-truncada (N-T) con ui~iidN+0,σu2 (Coelli, Rao, O’Donnell, & Battese, 2005; Kumbhakar & Lovell, 2003). Para ui se consideraron las medidas de la varianza λ2=σu2/σv2 y σ2=σu2+σv2 (Aigner et al., 1977; Bi et al., 2000; Coelli et al., 2005; Jondrow, Lovell, Materov, & Schmidt, 1982).

El índice de densidad de rodal (IDR) para la mezcla de especies es definido como el número de árboles por hectárea a un diámetro medio cuadrático de referencia de 25 cm para este caso. Esta concepción aplica para rodales con cualquier grado de densidad, debido a que el parámetro de la pendiente ( β^1 ) es obtenido para la densidad máxima o densidad completa (Zeide, 2005). El IDR representa una base empírica estimada de la combinación máxima del diámetro medio cuadrático y el número de árboles por hectárea para un rodal o un tipo de bosque en particular , el cual puede ser uno mezclado. El IDR se calcula con la expresión siguiente:

IDR=N25Dgβ^1

Por otro parte, para estimar el número de árboles por hectárea como una función del IDR, se utiliza la expresión siguiente:

N=IDRDg25β^1

El IDR por especie y el IDR para la mezcla de especies se calculan con las expresiones siguientes, respectivamente:

IDRi=IDR PSi

IDR=inN25Dgβ^1PSi

donde IDRi es el IDR para la i-ésima especie y PSi es la proporción de la i-ésima especie (número de árboles por hectárea). El IDRmax representa la suma del IDR de las especies presentes.

El espacio de crecimiento promedio (S, m2) o área promedio disponible, para la mezcla de especies, se obtuvo con la expresión S = (10 000 m2/ N^ ). La distancia teórica promedio de espaciamiento entre árboles (D, m), asumiendo a S como el área determinada por la copa de los árboles, se obtiene con D=89 %Sπ/4 . La deformación de las copas de los árboles se consideró como 89 % de la ecuación algebraica, para obtener el diámetro del círculo. Este porcentaje se obtuvo iterativamente para hacer compatible el número de árboles por espacio de crecimiento promedio.

Ajuste del modelo

El ajuste del modelo con MCO se realizó en el procedimiento MODEL de SAS/ETS® 9.3 con el método de optimización Gauss-Newton; mientras que el ajuste con RFE se hizo en el procedimiento Q-LIM de SAS/ETS® 9.3 con el método de optimización Quasi-Newton a través de máxima verosimilitud (Statistical Analysis System [SAS Institute Inc.], 2011).. El enfoque de RFE con propiedades estadísticas superiores se seleccionó a través de los estadísticos de ajuste siguientes: logaritmo de la verosimilitud (LogLik), criterio de información de Akaike (AIC), criterio de información de Schwarz (SBC), varianza total del componente del error ( σ ) y razón de varianzas de los componentes del error ( λ ).

Desarrollo del diagrama de manejo de la densidad

El DMD fue construido con la ecuación obtenida por RFE con N-T para la relación funcional densidad-tamaño y utilizando el IDR máximo (100 %) para rodales mezclados. Las zonas de crecimiento del DMD fueron definidas de acuerdo con la teoría de Langsaeter (Daniel, Helms, & Baker, 1979; Gilmore, O’Brien, & Hoganson, 2005; Langsaeter, 1941; Smith, Larson, Kelty, & Ashton, 1997). En esta teoría, los escenarios de manejo de la densidad son definidos, lo cual implica maximizar el crecimiento individual de los árboles residuales (Santiago-García et al., 2013). La hipótesis establece que la producción de volumen total en un rodal, con edad y composición específicas, es constante y óptima para un rango de densidades puntuales. La densidad puede decrecer, pero no incrementar, con la modificación del inventario forestal o densidad puntual (Gilmore et al., 2005; Langsaeter, 1941).

Debido a la complejidad de las relaciones interespecíficas e intraespecíficas de las especies, influencia de la composición de especies, características del rodal y factores del sitio, es difícil establecer una hipótesis general para la definición de las zonas de crecimiento (del Río et al., 2015). En investigaciones sobre los DMD para rodales incoetáneos y mezclados, Long y Shaw (2012) mencionan que la clave en el diseño de régimen de manejo de la densidad es la definición apropiada de los límites mínimo y máximo de densidad relativa. Dichos investigadores definieron el límite superior al 60 % del IDRmax (550) y el límite inferior al 35 % del IDRmax (220). De acuerdo con dicha información, en este estudio, la línea de mortalidad inminente o autoaclareo se definió al 70 % del IDRmax y el límite inferior al 35 % del IDRmax.

Resultados y discusión

Para la línea de densidad máxima obtenida con MCO, el intercepto y la pendiente fueron estadísticamente diferentes de cero (P < 0.0001) (Cuadro 2). Sin embargo, este ajuste caracteriza una línea de tendencia central considerada inadecuada para describir el límite superior de la relación densidad-tamaño, debido a que tiende a sobrestimar la mortalidad.

Cuadro 2 Estimadores de los parámetros del modelo de Reineke con el método mínimo cuadrados ordinarios para bosques mezclados. 

Parámetro Estimador EE t Pr > t LI LS ECM RECM R2 adj
β0
12.274 0.085 143.29 <0.0001 12.106 12.442 0.102 0.319 0.75
β1
-1.860 0.025 -73.06 <0.0001 -1.910 -1.810

EE = error estándar del parámetro; t = valor de la distribución t de Student; Pr > t = valor de la probabilidad asociado a la distribución t de Student; LI y LS = límites inferior y superior del intervalo al 95 % de confianza, respectivamente; ECM = error cuadrático medio; RECM = raíz del error cuadrático medio; y R2 adj = coeficiente de determinación ajustado.

El Cuadro 3 presenta los estimadores de los parámetros obtenidos por RFE para los enfoques N-H, N-E y N-T, los componentes de la varianza del error de la función estocástica de producción y el ajuste estadístico. El enfoque N-E fue comparativamente mejor que N-H y N-T, ya que mostró el mayor logaritmo de la verosimilitud (LogLik = -411) y los valores más bajos del criterio de información de Akaike (AIC = 830), criterio de información de Schwarz (SBC = 851) y varianza del error ( σ = 0.316); sin embargo, N-H y N-T se ajustaron mejor a la línea de la frontera superior de los datos experimentales (Figura 2).

Cuadro 3 Estimadores de los parámetros del modelo de Reineke con el método de regresión frontera estocástica (RFE), bajo diferentes enfoques, para bosques mezclados. 

Enfoque Parámetro Estimador EE t Pr > t LogLik AIC SBC
σ
λ
N-H
β0
12.4021 0.0911 136.08 <0.0001 -424 856 877 0.472 2.494
β1
-1.7953 0.0273 -65.79 <0.0001
σv
0.1753 0.0097 18.04 <0.0001
σu
0.4376 0.0159 27.51 <0.0001
N-E
β0
12.1756 0.0884 137.71 <0.0001 -411 830 851 0.316 1.019
β1
-1.7639 0.0268 -65.71 <0.0001
σv
0.2217 0.0084 26.27 <0.0001
σu
0.2258 0.0131 17.20 <0.0001
N-T
β0
12.3534 0.1418 87.08 <0.0001 -958 1925 1953 0.484 0.782
β1
-1.6602 0.0602 -27.53 <0.0001
σv
0.3811 0.0543 7.02 <0.0001
σu
0.2982 0.0304 9.80 <0.0001
μ
0.4688 0.0372 12.59 <0.0001

N-H, N-E y N-T = enfoques de RFE seminormal, normal-exponencial y normal-truncada, respectivamente; EE = error estándar del parámetro; t = valor de la distribución t de Student; Pr > t = valor de la probabilidad asociado a la distribución t de Student; LogLik = logaritmo de la verosimilitud; AIC = criterio de información de Akaike; SBC = criterio de información de Schwarz; σ= varianza total del error; λ= razón de las varianzas de los componentes del error.

Figura 2 Líneas de densidad máxima para rodales mezclados, ajustadas con mínimos cuadrados ordinarios (MCO) y regresión frontera estocástica (RFE). Los enfoques de RFE están representados por N-H (seminormal), N-E (normal-exponencial) y N-T (normal-truncada). 

El intervalo de confianza al 95 % para el parámetro de la pendiente, ajustado por RFE con N-T (-1.541 a -1.778), fue más amplio comparado con el ajustado por MCO (-1.810 a -1.910), RFE con N-H (-1.714 a -1.910) y RFE con N-E (-1.711 a -1.816). No obstante, RFE con N-T ajustó la línea de densidad máxima a la frontera superior de los datos de las parcelas de rodales mezclados. El intervalo de confianza al 95 % del parámetro del intercepto se traslapa entre los métodos utilizados; MCO (12.106 a 12.442), RFE con N-H (12.223 a 12.580), RFE con N-E (12.002 a 12.349) y RFE con N-T (12.075 a 12.631). Los valores extremos del intercepto para la mezcla de especies están contenidos en el límite inferior de RFE con N-E y el superior de RFE con N-T.

La línea de densidad máxima generada vía RFE con el enfoque N-T mostró mejor ajuste al límite superior de la densidad máxima de los datos de rodales mezclados. A pesar de que no posee el mayor ajuste (en este caso el ajuste no debería ser un problema para la detección del umbral adecuado de densidad), esta línea se utilizó para generar el DMD presentado en la Figura 2.

Diagrama de manejo de la densidad y programa de aclareos

El DMD basado en el ajuste de RFE como un modelo N-T se muestra en la Figura 3. La línea de densidad máxima representa el IDRmax (1 107) a un diámetro cuadrático promedio de 25 cm; la línea de mortalidad inminente o autoaclareo fue representada al 70 % del IDRmax (775); la línea inferior de la zona de crecimiento constante fue definida al 35 % del IDRmax (387); y la línea de crecimiento libre al 20 % del IDRmax (221). Estas cuatro líneas definieron las zonas de crecimiento del DMD: 1) crecimiento libre (20 % < IDRmax ≤ 35 %), 2) crecimiento constante (35 % < IDRmax ≤ 70 %), 3) mortalidad (70 % < IDRmax ≤ 100 %).

Figura 3 Diagrama de manejo de la densidad construido mediante el ajuste de regresión frontera estocástica (RFE) con el enfoque normal-truncado (N-T); y programa de aclareos para rodales mezclados. 

El DMD incluye isolíneas diferentes con proporciones definidas dentro de cada zona de crecimiento, así como el efecto de un programa de aclareos para un rodal mezclado de la base de datos. El programa de aclareos se basa en la condición inicial de N = 820 árboles·ha-1, Dg = 15 cm, G = 14.5 m2·ha-1 e IDR = 352. Este rodal contiene las siguientes especies con sus respectivas proporciones e IDR: P. durangensis (47 %, 165), P. arizonica (22 %, 78), P. teocote (19 %, 67) y Q. sideroxyla (12 %, 42).

Los aclareos se programaron exclusivamente dentro de la zona de crecimiento constante (zona III), en la cual la producción es denso-independiente y el crecimiento es maximizado para los árboles residuales. El primer aclareo se aplica cuando el rodal llega a la condición cercana a la línea de mortalidad inminente con G = 31 m2·ha-1, Dg = 23 cm e IDR = 714. Las condiciones después del aclareo son N = 520 árboles·ha-1, IDR = 453, Dg = 23 cm (un aclareo sistemático es aplicado y el Dg debería permanecer constante) y G = 12.5 m2·ha-1. Dos aclareos más son aplicados antes de llegar a la cosecha final. En la condición previa, las condiciones son N = 200 árboles·ha-1, Dg = 40 cm, G = 25.13 m2·ha-1 e IDR = 436; y en la cosecha final, G = 36.13 m2·ha-1, Dg = 48 cm e IDR = 591 con la proporción de especies inicial. El programa de aclareos se aplica de acuerdo con el ciclo de corta de 15 años y un turno técnico de 90 años. La planeación del programa depende de los objetivos, ya sean mantener la mezcla de especies o solo una de estas para la cosecha final o regularizar la estructura para el turno siguiente.

La Figura 4 presenta la gráfica de la línea de densidad máxima (IDRmax o 100 %) en tres dimensiones. La gráfica presenta el número de árboles por hectárea (N) con respecto al diámetro cuadrático medio (Dg) y el porcentaje de área basal (G). Para cada combinación de N y Dg, la zona del área basal pertenece al mismo IDR. En la línea del diámetro cuadrático de referencia (Dg = 25 cm), el área basal estandarizada se muestra para cada IDR. Estos IDR coinciden directamente con el IDR de 1 107 (100 %), 996 (90 %), 886 (80 %), 775 (70 %), 609 (55 %), 498 (45 %), 387 (35 %), 227 (25 %) y 221 (20 %), de acuerdo con las isolíneas del DMD (Figura 3).

Figura 4 Líneas de densidad máxima para rodales mezclados de Durango, México. Número de árboles por hectárea (N) contra el diámetro cuadrático promedio (Dg) para los porcentajes de área basal (G). 

Un diagrama de espacio de crecimiento promedio (DECP) se construyó con las líneas de densidad máxima y las zonas de crecimiento correspondientes al DMD. El diagrama representa el espacio de crecimiento promedio (S, m2) y el Dg (m) para el desarrollo de los árboles de rodales mezclados en las zonas de crecimiento (Figura 5). La combinación de Dg y N corresponden a S en cada línea (Figura 3). En la línea de densidad máxima (100 % del IDR), para Dg = 20 cm y N = 1 603 árboles·ha-1 existen S = 6.24 m2 y D = 2.49 m; en la línea de mortalidad inminente (70 % del IDR), para Dg = 20 cm y N = 1 042 árboles·ha-1 existen S = 9.60 m2 y D = 3.098 m.

Figura 5 Diagrama de espacio de crecimiento promedio (S) contra el diámetro cuadrático promedio (Dg) para bosques mezclados de Durango, México. 

El valor estimado del parámetro de la pendiente (-1.86), obtenido por MCO (Cuadro 2), fue más pronunciado que el valor teórico de Reineke (-1.605), el cual está afuera del intervalo de confianza al 95 % generado por MCO. Esto refuerza el argumento de que, para este caso, el valor de la pendiente es específico y varía con la especie (Burkhart, 2013; Reineke, 1933), las características de cada región (Comeau et al., 2010) y los hábitos de crecimiento de rodales mezclados. Además, el intervalo de confianza del intercepto de MCO considera el valor de los estimadores obtenidos con RFE, y el valor de la pendiente de RFE con N-T es estadísticamente diferente que el de ajustado por MCO a un nivel de confianza del 95 %. El enfoque N-T, en el intervalo de confianza al 95 % (-1.541 a 1.778), contiene el valor teórico de -1.605 encontrado por Reineke (1933). Por otra parte, la línea de densidad máxima se ajusta objetivamente (Bi et al., 2000) y el valor de la pendiente es menos pronunciado que con MCO, debido a la mezcla de especies y el procedimiento de ajuste utilizado (Sterba & Monserud, 1993).

En adición a lo anterior, RFE provee una estimación directa y eficiente del límite superior del autoaclareo (Santiago-García et al., 2013). Por consiguiente, el ajuste con MCO es sensible a la selección de datos y puede generar líneas de densidad máxima con pendientes inapropiadas (Reyes-Hernandez et al., 2013), debido a que existe un problema intrínseco de subjetividad en la selección de los datos de densidad máxima (Chen, Kang, Bai, Fang, & Wang, 2008). En contraste, RFE con N-T tiene la capacidad de ajustar la línea de densidad máxima en el límite superior de la base de datos (Zhang et al., 2005), lo cual implica que la línea generada para los rodales mezclados estudiados es consistente tanto estadística como biológicamente.

La línea de densidad máxima, obtenida para los rodales mezclados con el método RFE y enfoque N-T, está arriba del límite superior de la relación densidad-tamaño de la base de datos utilizada. Este resultado contrasta con lo indicado por Zhang et al. (2005) en el sentido que RFE ajusta la línea de densidad máxima por debajo del límite superior de los datos experimentales; sin embargo, coincide con lo encontrado por Santiago-García et al. (2013), quienes usaron el procedimiento N-T para P. patula en Hidalgo, México. El comportamiento de la gráfica de los datos en escala log-lineal (log-log) sugiere la posibilidad de usar un modelo segmentado para caracterizar los estados de la dinámica de rodales y episodios de mortalidad, tal como lo hicieron Cao y Dean (2008), quienes emplearon un modelo de tres segmentos para Pinus taeda L. y P. elliottii. El primer segmento caracteriza el estado del bosque antes de la mortalidad y los otros dos caracterizan las tasas de mortalidad.

Las zonas definidas en el DMD son compatibles con las zonas de producción de la teoría de Langsaeter (Langsaeter, 1941). Aunque existen diferencias entre los bosques puros y coetáneos y los bosques mezclados e incoetáneos, en este estudio, el incremento en el área basal se utilizó para definir la línea de mortalidad inminente o autoaclareo al 70 % de IDRmax. Las zonas de crecimiento fueron delimitadas por el IDR: 1) en la zona I (IDRmax ≤ 20 %), el crecimiento por unidad de área fue proporcional a la densidad (antes del cierre de copas) y el área basal promedio fue de 12.98 m2·ha-1; 2) en la zona II (20 % < IDRmax ≤ 35 %), el crecimiento por unidad de área fue proporcional a la densidad, pero el crecimiento individual inicia el decline, en este caso, el área basal promedio fue de 27.21 m2·ha-1; 3) en la zona III (35 % < IDRmax ≤ 70 %), el crecimiento por unidad de área no es proporcional a la densidad, solo la distribución, con un área basal promedio de 45.45 m2·ha-1 y 4) en la zona IV (70 % < IDRmax ≤ 100 %), el crecimiento por unidad de área es invariante de la densidad; sin embargo, cuando esta incrementa, la producción neta disminuye (Gilmore et al., 2005; Newton, 1997). Para el DMD generado, el área basal promedio para la línea del IDRmax fue de 64.93 m2·ha-1.

La prescripción de los aclareos fue programada en la zona de crecimiento constante, en la cual se da la densidad óptima constante antes del cierre de copas (antes de que suceda el autoaclareo) y puede ser asumida para maximizar la producción maderable y otros objetivos de manejo forestal (Zeide, 2004). Las líneas de los DMD (Figura 3) han sido definidas para el autoaclareo entre 55 y 66 % del IDRmax, la línea de la zona de crecimiento constante entre 30 y 35 %, y la línea del crecimiento libre entre 13 y 20 % del IDRmax. Estos criterios han sido usados en estudios para P. menziessii (Drew & Flewelling, 1979), Alnus rubra Bong (Hibbs, 1987), Abies balsamea (L.) Mill. (McCarthy & Weetman, 2007), Pinus densiflora Siebold & Zucc., rodales coetáneos de mezcla de coníferas (Newton, 1997) y P. patula (Santiago-García et al., 2013).

El espacio de crecimiento promedio óptimo, en el cual se utiliza el potencial máximo de un sitio, se define en la zona de crecimiento constante (35 a 70 % del IDR), a pesar de que la densidad es afectada por las variables usadas para medir la densidad (área basal, volumen, diámetro cuadrático promedio o densidad relativa) y por las interpretaciones de dichas medidas (Zeide, 2004). Las propiedades en relación con estos enfoques de densidad en un rodal están asociadas con los procesos ecológicos de crecimiento y de poblaciones (Long & Vacchiano, 2013).

Conclusiones

La línea de densidad máxima para bosques mezclados de Durango, México, fue generada objetivamente con regresión frontera estocástica, como un modelo normal-truncado. El diagrama de manejo de la densidad puede ser aplicado para prescribir aclareos, considerando el desarrollo de las especies de los bosques mezclados en la zona de crecimiento constante (zona III de la teoría de Langsaeter). En esta zona, la utilización óptima de los recursos del sitio es garantizada y los programas de aclareo pueden ser aplicados entre 22.71 m2·ha-1 y 45.45 m2·ha-1 de área basal promedio, delimitada por el 35 a 70 % del índice de densidad de rodal máximo (IDRmax). Esto incluye muchas combinaciones de árboles por hectárea y diámetro cuadrático promedio para los objetivos de manejo forestal y reconversión de especies, así como para los ecológicos y de conservación de la diversidad de especies en bosques mezclados, la cual puede ser regulada durante el turno de corta. La implementación de la metodología, para disgregar el IDR general de las especies presentes en un rodal, sugiere que los aclareos pueden programarse en función del IDR global. También pueden programarse por especies para regular su composición, a través de tratamientos silvícolas y del espacio de crecimiento promedio para los bosques mezclados estudiados con objetivos de producción maderable.

Agradecimientos

El presente trabajo fue financiado por el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) con el proyecto denominado “Generación de diagramas de manejo de la densidad bajo modelación de regresión frontera estocástica para auxiliar el manejo forestal sustentable en los estados de Chihuahua, Durango y Puebla (13522232551)”. Los autores agradecen a los prestadores de servicios técnicos forestales: José Antonio Virrey Rodríguez, Sacramento Corral Rivas y Fernando Salazar Jiménez, por las facilidades para el uso de los datos de inventario de rodales mezclados de la UMAFOR 1005 “Santiago Papasquiaro y Anexos”.

REFERENCIAS

Aigner, D., Lovell, C. K., & Schmidt, P. (1977). Formulation and estimation of stochastic frontier production function models. Journal of Econometrics, 6(1), 21-37. doi: 10.1016/0304-4076(77)90052-5 [ Links ]

Bi, H., Wan, G., & Turvey, N. D. (2000). Estimating the self-thinning boundary line as a density-dependent stochastic biomass frontier. Ecology, 81(6), 1477-1483. doi: 10.1890/0012-9658(2000)081[1477:etstbl]2.0.co;2 [ Links ]

Burkhart, H. E. (2013). Comparison of maximum size-density relationships based on alternate stand attributes for predicting tree numbers and stand growth. Forest Ecology and Management, 289, 404-408. doi: 10.1016/j.foreco.2012.10.041 [ Links ]

Cao, Q. V., & Dean, T. J. (2008). Using segmented regression to model the density-size relationship in direct-seeded slash pine stands. Forest Ecology and Management , 255(3-4), 948-952. doi: 10.1016/j.foreco.2007.10.004 [ Links ]

Cao, Q. V., Dean, T. J., & Baldwin, V. C. (2000). Modeling the size-density relationship in direct-seeded slash pine stands. Forest Science, 46(3), 317-321. Retrieved from https://pdfs.semanticscholar.org/879c/bf449903b84b34cce8898c4b171beb562d94.pdfLinks ]

Chen, K., Kang, H. M., Bai, J., Fang, X. W., & Wang, G. (2008). Relationship between the virtual dynamic thinning line and the self‐thinning boundary line in simulated plant populations. Journal of Integrative Plant Biology, 50(3), 280-290. doi: 10.1111/j.1744-7909.2007.00618.x [ Links ]

Chisman, H., & Schumacher, F. (1940). On the tree-area ratio and certain of its applications. Journal of Forestry, 38(4), 311-317. [ Links ]

Coelli, T. J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005). An introduction to efficiency and productivity analysis. New York, USA: Springer Science & Business Media. [ Links ]

Comeau, P. G., White, M., Kerr, G., & Hale, S. E. (2010). Maximum density-size relationships for Sitka spruce and coastal Douglas-fir in Britain and Canada. Forestry, 83(5), 461-468. doi: 10.1093/forestry/cpq028 [ Links ]

Curtis, R. O. (1970). Stand density measures: An interpretation. Forest Science , 16(4), 403-414. [ Links ]

Daniel, T. W., Helms, J. A., & Baker, F. S. (1979). Principles of silviculture. New York, NY, USA: McGraw-Hill Book Company. [ Links ]

del Río, M., Pretzsch, H., Alberdi, I., Bielak, K., Bravo, F., Brunner, A., …Bravo-Oviedo, A. (2015). Characterization of the structure, dynamics, and productivity of mixed-species stands: review and perspectives. European Journal of Forest Research, 135(1), 23-49. doi: 10.1007/s10342-015-0927-6 [ Links ]

Drew, T. J., & Flewelling, J. W. (1979). Stand density management: an alternative approach and its application to Douglas-fir plantations. Forest Science , 25(3), 518-532. [ Links ]

García, E. M. (1981). Modificaciones al sistema de clasificación climática de Kóppen. México: UNAM. [ Links ]

García, O. (2012). Self-thinning limits in two and three dimensions. Mathematical and Computational Forestry & Natural-Resource Sciences (MCFNS), 4(2), 66-72. Retrieved from http://mcfns.net/index.php/Journal/article/view/144/MCNFS-4.2_66Links ]

Gilmore, D. W., O'Brien, T. C., & Hoganson, H. M. (2005). Thinning red pine plantations and the Langsaeter hypothesis: a northern Minnesota case study. Northern Journal of Applied Forestry, 22(1), 19-26. Retrieved from https://www.researchgate.net/publication/233515610_Thinning_Red_Pine_Plantations_and_the_Langsaeter_Hypothesis_A_Northern_Minnesota_Case_StudyLinks ]

Hibbs, D. E. (1987). The self-thinning rule and red alder management. Forest Ecology and Management , 18(4), 273-281. doi: 10.1016/0378-1127(87)90131-9 [ Links ]

Jondrow, J., Lovell, C. A. K., Materov, I. S., & Schmidt, P. (1982). On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of Econometrics, 19(2-3), 233-238. doi: 10.1016/0304-4076(82)90004-5 [ Links ]

Krajicek, J. E., Brinkman, K. A., & Gingrich, S. F. (1961). Crown competition. A measure of density. Forest Science , 7(1), 35-42. Retrieved from http://cmapspublic3.ihmc.us/rid=1N4TSFQX6-GWW4BN-14PZ/Crown%20competition%20-%20A%20measure%20of%20density.pdfLinks ]

Kumbhakar, S. C., & Lovell, C. K. (2003). Stochastic frontier analysis. New York, USA: Cambridge University Press. [ Links ]

Langsaeter, A. (1941). Om tynning i enaldret gran-og furuskog. Meddelelser fra Det norske Skogforsøksvesen, 8, 131-216. Retrieved from http://www.skogoglandskap.no/filearchive/medd_dns_8_om_tynning_i_enaldret_gran_og_furuskog.pdfLinks ]

Long, J. N., & Shaw, J. D. (2005). A density management diagram for even-aged ponderosa pine stands. Western Journal of Applied Forestry, 20(4), 205-215. [ Links ]

Long, J. N., & Shaw, J. D. (2012). A density management diagram for even-aged Sierra Nevada mixed-conifer stands. Western Journal of Applied Forestry, 27(4), 187-195. doi: 10.5849/wjaf.11-036 [ Links ]

Long, J. N., & Vacchiano, G. (2013). A comprehensive framework of forest stand property-density relationships: perspectives for plant population ecology and forest management. Annals of Forest Science , 71(3), 325-335. doi: 10.1007/s13595-013-0351-3 [ Links ]

McCarthy, J. W., & Weetman, G. (2007). Self-thinning dynamics in a balsam fir (Abies balsamea (L.) Mill.) insect-mediated boreal forest chronosequence. Forest Ecology and Management , 241(1-3), 295-309. doi: 10.1016/j.foreco.2007.01.001 [ Links ]

Newton, P. F. (1997). Stand density management diagrams: Review of their development and utility in stand-level management planning. Forest Ecology and Management , 98(3), 251-265. doi: 10.1016/s0378-1127(97)00086-8 [ Links ]

Pretzsch, H. (2009). Forest dynamics, growth and yield. Berlin, Germany: Springer. [ Links ]

Pretzsch, H., & Biber, P. (2005). A re-evaluation of Reineke's rule and stand density index. Forest Science , 51(4), 304-320. [ Links ]

Quiñonez-Barraza, G., de los Santos-Posadas, H. M., Cruz-Cobos, F., Velázquez-Martínez, A., Ángeles-Pérez, G., & Ramírez-Valverde, G. (2015). Índice de sitio con polimorfismo complejo para masas forestales de Durango, México. Agrociencia, 49(4), 439-454. Retrieved from http://www.scielo.org.mx/pdf/agro/v49n4/v49n4a7.pdfLinks ]

Reineke, L. H. (1933). Perfecting a stand-density index for even-aged forests. Journal of Agricultural Research, 46(7), 627-638. Retrieved from https://naldc.nal.usda.gov/download/IND43968212/PDFLinks ]

Reyes-Hernandez, V., Comeau, P. G., & Bokalo, M. (2013). Static and dynamic maximum size-density relationships for mixed trembling aspen and white spruce stands in western Canada. Forest Ecology and Management , 289, 300-311. doi: 10.1016/j.foreco.2012.09.042 [ Links ]

Santiago-García, W., de los Santos-Posadas, H. M., Ángeles-Pérez, G., Valdez-Lazalde, J. R., del Valle-Paniagua, D. H., & Corral-Rivas, J. J. (2013). Auto-aclareo y guías de densidad para Pinus patula mediante el enfoque de regresión de frontera estocástica. Agrociencia, 47, 75-89. Retrieved from http://www.scielo.org.mx/pdf/agro/v47n1/v47n1a7.pdfLinks ]

Smith, D. M., Larson, B. C., Kelty, M. J., & Ashton, P. M. S. (1997). The practice of silviculture: applied forest ecology. USA: John Wiley and Sons, Inc. [ Links ]

Statistical Analysis System (SAS Institute Inc.). (2011). SAS/ETS® 9.3 User's Guide. Cary, NC, USA: Author. [ Links ]

Sterba, H., & Monserud, R. A. (1993). The maximum density concept applied to uneven-aged mixed-species stands. Forest Science , 39(3), 432-452. Retrieved from https://www.researchgate.net/publication/233494358_The_Maximum_Density_Concept_Applied_to_Uneven-Aged_Mixed-Species_StandsLinks ]

Torres-Rojo, J. M., & Velázquez-Martínez , A. (2000). Indice de densidad relativa para rodales coetáneos mezclados. Agrociencia, 34(4), 497-507. Retrieved from https://www.researchgate.net/publication/308142004_RELATIVE_STAND_DENSITY_INDEX_FOR_MIXED_EVEN-AGED_STANDSLinks ]

Wilson, F. (1946). Numerical expression of stocking in terms of height. Journal of Forestry, 44(10), 758-761. [ Links ]

Yoda, K., Tatuo, K., Husato, O., & Kazuo, H. (1963). Self-thinning in overcrowded pure stands under cultivated and natural conditions. Journal of Biology, 14, 107-129. [ Links ]

Zeide, B. (1985). Tolerance and self-tolerance of trees. Forest Ecology and Management , 13(3-4), 149-166. doi: 10.1016/0378-1127(85)90031-3 [ Links ]

Zeide, B. (2004). Optimal stand density: a solution. Canadian Journal of Forest Research, 34(4), 846-854. doi:10.1139/x03-258 [ Links ]

Zeide, B. (2005). How to measure stand density. Trees, 19(1), 1-14. doi: 10.1007/s00468-004-0343-x [ Links ]

Zhang, L., Bi, H., Gove, J. H., & Heath, L. S. (2005). A comparison of alternative methods for estimating the self-thinning boundary line. Canadian Journal of Forest Research, 35(6), 1507-1514. doi: 10.1139/x05-070 [ Links ]

Recibido: 12 de Septiembre de 2017; Aprobado: 14 de Noviembre de 2017

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License