Estimación de biomasa aérea por componente estructural en Zacualtipán, Hidalgo, México

Abovegroud biomass estimation by structural component in Zacualtipán, Hidalgo, México

María de los Á. Soriano-Luna¹, Gregorio Ángeles-Pérez^1*, Tomás Martínez-Trinidad¹, Francisca O. Plascencia-Escalante¹, Ramón Razo-Zárate²

¹ Torestal. Campus Montecillo. Colegio de Postgraduados. 56230. Montecillo. Estado de México. *Autor responsable. (gangeles@colpos.mx)

Recibido: abril, 2014.
Aprobado: abril, 2015.

Resumen

Las funciones alométricas basadas en muestreos destructivos proporcionan estimaciones precisas de la biomasa individual y por unidad de superficie. La estimación de biomasa en los bosques representa un proceso clave para el manejo forestal sustentable y en la determinación de los almacenes de carbono (C) forestal. Modelos de predicción de biomasa se generaron por componente estructural (fuste, ramas, follaje y corteza) para Pinus patula y para 11 especies de latifoliadas con importancia ecológica en el bosque mesófilo de montaña en Zacualtipán, Hidalgo, México. Se realizó un muestro destructivo, para seleccionar individuos, que abarcó el intervalo máximo de tamaños; la muestra estuvo formada por 25 árboles de P. patula y 46 árboles de 11 especies de latifoliadas. La proporción mayor de la biomasa total en P. patula se distribuyó en el fuste (68.2 %), le siguieron las ramas (14.3 %), la corteza (9.3 %) y el follaje (8.2 %). Con el tamaño del árbol de conífera, la partición de la biomasa en el fuste y corteza se incrementó, mientras que la proporción de biomasa del follaje disminuyó. Los modelos de biomasa fueron de la forma B = Exp(-β₀ )*(dn²*h)^β1 donde B es la biomasa por árbol (kg), dn es el diámetro normal (cm) y h es la altura total (m). La inclusión de altura del árbol mejoró la capacidad de predicción de los modelos. El ajuste de los componentes estructurales del árbol con ecuaciones simultáneas por regresión no lineal es adecuado, en él la suma de componentes es la biomasa total. Los estimadores estadísticos permiten afirmar que las ecuaciones son apropiadas para usarse con datos de bosques similares al del área de estudio, para estimar los componentes de biomasa de P. patula y de especies de latifoliadas analizadas.

Palabras clave: Pinus patula, distribución de biomasa, ecuaciones alométricas, materia seca, bosque manejado, bosque mesófilo de montaña.

Abstract

Key words: Pinus patula, biomass allocation, allometric equations, dry matter, managed forest, mountain cloud forest.

INTRODUCCIÓN

Los bosques son reservorios de C que absorben aproximadamente 30 % de todas las emisiones de CO₂ en un año (Pan et al., 2011) y son de importancia primaria cuando se considera su manejo (Zambrano et al., 2004). Los bosques manejados fijan cantidades altas de CO₂ en función de la edad del rodal, calidad de sitio, composición de especies, densidad, condiciones climáticas, edáficas y topográficas, y tratamiento silvícola (Acosta et al., 2002; Návar et al., 2005; Avendaño et al., 2009). No obstante, aún se requiere investigación específica al respecto (Avendaño et al., 2009).

La estimación de la biomasa arbórea juega un papel clave en el manejo forestal sustentable y en la determinación de los almacenes de C forestal (Cutini et al., 2013). Los modelos alométricos constituyen un método indirecto práctico cuando se desea estimar la biomasa aérea de los árboles (Acosta et al., 2002; Figueroa et al., 2010). Estas funciones son desarrolladas para una población de árboles mediante la estimación de parámetros de una función que relaciona la biomasa con variables de medición fácil, con técnicas de regresión a través de la cosecha, pesado y registro de la biomasa de una muestra (Somogyi et al., 2006, Návar, 2010; Birdsey et al., 2013).

Los modelos alométricos han sido una herramienta valiosa para predecir la biomasa y el C de especies diversas de árboles (Návar, 2010). Estas relaciones se han generado para estimar la biomasa aérea total de una especie o grupo de especies de bosques templados (Acosta et al., 2002; Díaz et al., 2007; Pacheco et al., 2007; Aguirre y Jiménez, 2011), o la distribución de biomasa y C en los componentes de los árboles (Parresol, 2001; Figueroa et al., 2010, Ruiz et al., 2011; Rodríguez et al., 2012). En el ajuste de ecuaciones para estimar biomasa y C aéreo, frecuentemente se omite la altura (h) del árbol (Acosta et al., 2002; Díaz et al., 2007; Aguirre y Jiménez, 2011), no obstante que con su inclusión se reduce el error estándar y se mejora el ajuste (Figueroa et al., 2010; Ruiz et al., 2011; Feldpausch et al., 2012; Rodríguez et al., 2012).

En la región de Zacualtipán, Hidalgo, México existen antecedentes de la estimación de biomasa y C aéreo en bosques manejados de Pinus patula (Figueroa et al., 2010; Aguirre et al., 2009). Sin embargo, una de las principales limitantes en las ecuaciones utilizadas es la sobreestimación de la biomasa en árboles con diámetro normal mayor a 50 cm, debido a que para el ajuste de las ecuaciones de biomasa generadas por Figueroa et al. (2010) no se consideraron individuos con estas dimensiones. Por esta razón, el objetivo del presente estudio fue obtener modelos de estimación de biomasa por componente estructural para P. patula y 11 especies de latifoliadas a través de la inclusión de árboles de diámetros mayores a 50 cm.

MATERIALES Y MÉTODOS

El estudio se realizó en bosques de P. patula en los ejidos La Mojonera y Atopixco, municipio de Zacualtipán, Hidalgo (20° 37' 49.78" N y 98° 37' 51.01" O y 20° 35' 18.74" N y 98° 35' 23" O), México, que abarcan una superficie de 1271.59 ha (Aguirre, et al., 2009; Hernández et al., 2013) con suelos tipo Feozem háplico (Hh), ricos en materia orgánica, y en las partes con mayor pendiente Regosol calcárico (Rc) (Santiago et al., 2013). Predomina el clima C(fm) templado húmedo y (Cw2) templado sub-húmedo, con lluvias la mayor parte del año, temperatura media anual entre 12 y 18 °C y precipitación anual de 700 a 2050 mm (Cruz et al., 2010). El área se caracteriza por la presencia de humedad durante la mayor parte del año (Figueroa et al., 2010; Hernández et al., 2013). El bosque natural corresponde a bosque mesófilo de montaña (Alcántara y Luna, 2001).

Muestreo de biomasa

Se realizaron muestreos destructivos de 25 árboles de P. patula y 46 árboles de latifoliadas, de los cuales 15 correspondieron a Liquidambar styraciflua, 14 a Quercus spp., 6 a Alnus jorullensis y 11 a Clethra mexicana, Prunus serotina, Carpinus caroliniana y Viburnum ciliatum. Los árboles seleccionados tenían diámetro normal desde 2.6 a 73 cm en P. patula y de 1 a 45 cm en latifoliadas.

El diámetro normal en centímetros se midió en los árboles en pie con ayuda de una cinta diamétrica, y posteriormente fueron derribados. Se midió la altura total (longitud) en m y el fuste fue seccionado en trozas de dimensiones comerciales que variaron entre 1.27 y 2.55 m. La copa de los árboles fue seccionada transversalmente en tres partes iguales y la separación de componentes estructurales, ramas y follaje, se realizó por sección de la copa y por troza en el fuste. La biomasa fresca en el campo de cada componente estructural se obtuvo en una báscula con plataforma (Token, capacidad de 1000 kg y precisión de 1 kg); además, se obtuvieron tres muestras de forma aleatoria por sección de la copa para ramas y follaje (nueve por árbol). Para el fuste, se obtuvieron de tres a cuatro rodajas de 5 cm de grosor por árbol, a las que se les separó la corteza. Todas las muestras fueron pesadas en el campo para obtener precisión mayor en la estimación del contenido de humedad, con una báscula electrónica (Labtron C modelo ES 8000 H, capacidad de 8000 g y precisión de 0.1 g). La metodología empleada fue similar a la aplicada por Díaz et al. (2007) y Figueroa et al. (2010).

Estimación de biomasa por componente estructural y biomasa total

Las muestras se trasladaron al laboratorio para su deshidratación hasta peso constante, en una estufa con aire de circulación forzada (Sheldon modelo 1675-S), a 70 °C y el peso fue registrado con precisión de 0.1 g. Con el peso húmedo y el peso seco de las muestras se determinó el contenido de humedad y el factor de la relación peso seco: peso fresco de la muestra tomada de cada componente (fuste, corteza, ramas, follaje) del árbol. La biomasa de cada componente se estimó multiplicando el peso fresco por el factor peso seco: peso fresco (Díaz et al., 2007; Lim et al., 2013). La biomasa aérea total de cada árbol fue el resultado de la suma de la biomasa de los componentes estructurales (fuste, corteza, ramas y follaje) (Cutini et al., 2013; Lim et al., 2013).

Ajuste de modelos

Se probaron modelos lineales y no lineales encontrados en la literatura especializada para relacionar la biomasa total por componente de cada individuo con las dimensiones del árbol (diámetro normal y altura) (Picard, 2012; Lim et al., 2013). El modelo con mejor ajuste, de acuerdo a un análisis numérico (Hernández et al., 2013), fue nuevamente ajustado a través de un sistema de ecuaciones simultáneas para biomasa por componente estructural, para garantizar que la biomasa total aérea fuera la suma de la biomasa de los componentes (Parresol, 1999, 2001; Ruiz et al., 2011). La técnica aplicada para el ajuste fue por regresión conjunta generalizada conocida como SUR (regresiones aparentemente no relacionadas) donde se involucran de forma conjunta todos los errores y permite estimadores consistentes de los componentes de los sistemas no lineales (Parresol, 2001; Cruz et al., 2008; Hernández et al., 2013). El empleo de esta técnica garantiza la aditividad del sistema donde la biomasa aérea total es la suma de las estimaciones de componentes estructurales de los árboles (Ruiz et al., 2011). El ajuste de los modelos se realizó mediante el procedimiento MODEL en el software SAS (SAS Institute Inc., 2011). Para calificar la bondad de ajuste del sistema se realizó un análisis numérico con estadísticos de uso frecuente en biometría: coeficiente de determinación ajustado (R²) y la raíz del cuadrado medio del error (RCME) (Corral et al., 2007).

Los modelos utilizados para los componentes estructurales tienen la forma de la variable combinada escalada. El escalamiento permitió la sensibilización de los parámetros.

donde B es la biomasa por árbol (kg), dn es el diámetro normal (cm), h es la altura total (m), β₀ y β₁ son los parámetros estimados.

La biomasa total resulta de la suma de la biomasa de los componentes; pero también se ajustó una ecuación para biomasa total, que estará disponible cuando sólo se desea conocer la biomasa total.

RESULTADOS Y DISCUSIÓN

Estimación de la biomasa de árboles individuales de P. patula

El diámetro de los árboles muestreados varió de 2.6 a 73 cm. La biomasa total por árbol fue de 1.35 a 4074.6 kg y la edad de los árboles osciló de 3 a 87 años. La proporción de biomasa de los componentes estructurales respecto al total varió en función del tamaño del árbol. A medida que aumentó el diámetro y la altura del árbol, la partición de la biomasa en el fuste y corteza aumentó, en contraste la proporción de biomasa en follaje disminuyó.

La proporción mayor de biomasa en los árboles se concentró en el fuste. Dicha proporción fue de 37 % en árboles con diámetro normal menor a 4 cm (2.6 a 3.56 m de altura); y aumentó con el incremento del diámetro hasta un promedio máximo cercano a 90 % en árboles de 73 cm de diámetro normal. Estos valores son similares a los mínimos y superiores a los máximos obtenidos por Figueroa et al. (2010) para la misma especie en la región, con una variación de 36 a 85 % de acuerdo al tamaño del árbol. El segundo componente con proporción mayor de biomasa fueron las ramas (14.3 %; variación de 20 a 9 %), lo siguió la corteza (9.3 %). La biomasa del follaje representó en promedio 8.2 % de la biomasa total (variación de 36 a 1%) y decreció con el tamaño del árbol. En árboles con diámetro menor a 4 cm el follaje constituyó una proporción mayor de la biomasa (36 %) y disminuyó inversamente con el tamaño y la edad del árbol hasta 1 % en árboles con más de 50 cm de diámetro, en los que la mayor proporción de biomasa estaba en el fuste.

Los resultados son similares a los de otros estudios en especies de coníferas, en las que con el aumento de las dimensiones y la edad del árbol las porciones de biomasa en el fuste y corteza incrementan, y la proporción de biomasa en follaje y ramas disminuyen (Lim et al., 2013). En P. sylvestris L. la biomasa de fuste con respecto a la biomasa total aumentó de 66 a 83 % en árboles de más de 100 años (Helmisaari et al., 2002). Peichl y Arain (2007) observaron aumento en la proporción de biomasa en fuste de P. strobus L. de 25 % a los 2 años de edad a 69 % a los 65 años, y disminución de la proporción de biomasa en follaje de 34 % a 1.5 % en las edades mencionadas. Este patrón de distribución fue semejante en P. rigida Mill en Korea del Sur cuya proporción de biomasa en fuste aumentó de 52 a 69 % y la proporción en follaje disminuyó de 17 a 5 % en edades de 14 a 42 años (Seo et al., 2013)

En el presente estudio las proporciones promedio de biomasa en P. patula fueron: fuste (68.2 %), ramas (14.3 %), corteza (9.3 %) y follaje (8.2 %). Estas proporciones son similares a las reportadas previamente para bosques manejados. Díaz et al. (2007) cuantificó 82 % en el fuste con corteza, 10 % en las ramas y 8 % en las hojas de árboles de 6.7 a 64.1 cm de diámetro normal. Castellanos et al. (1996) encontraron en árboles de 5 a 45 cm de diámetro normal, en la región de Chignahuapan-Zacatlán, Puebla, 72.2 % en el fuste, 16.3 % en la corteza, 8.7 % en las ramas y 2.8 % en el follaje. Rodríguez et al. (2012) determinaron en una plantación de P. patula. de 14 años de edad, 92.9 % en el fuste con corteza, 4.7 % en ramas y 2.4 % en follaje. Las diferencias con el último estudio pueden atribuirse a la edad del arbolado muestreado ya que sólo incluyeron árboles de 14 años de edad. Gayoso (2002) indicó que la proporción de la biomasa en los componentes estructurales de un árbol se modifica en función de la edad, tamaño y patrón de crecimiento. Lo anterior puede atribuirse al cierre de copas, en ese caso los árboles grandes tienen un área foliar relativamente menor que los árboles pequeños debido a las limitaciones impuestas por la luz (Lim et al., 2013)

Biomasa de árboles individuales en latifoliadas

El diámetro de los árboles muestreados varió de 1 a 45 cm. La biomasa total por árbol varió de 0.2 a 1449.9 kg. La mayor proporción de biomasa en los árboles de latifoliadas se concentró en el fuste, con 49.1 %, aunque este porcentaje fue menor al de P. patula, que destina mucha más biomasa al fuste. En contraste las latifoliadas asignaron proporción mayor de biomasa (38 %) que P. patula (14.3 %) a las ramas, pero menos al follaje que la conífera (4.1 % y 8.2 %); aunque en este caso la proporción de hojas entre las especies no difirió grandemente, se han observado diferencias entre especies y dentro de la misma especie (Wang, 2006). En corteza las latifoliadas destinaron proporción menor de biomasa en comparación con P. patula (8 % y 9.3 %)

Los resultados concuerdan con los de otros autores, que han señalado que la mayor proporción de biomasa en latifoliadas se concentra en el fuste. Gayoso (2002) detectó 61.9 a 88.1 % en el fuste, 6.1 a 22.2 % en ramas, 4.6 a 16.2 % en corteza y 0.6 a 5.0 % en hojas de especies nativas de Chile. Monroy y Návar (2004) determinaron que en Hevea brasiliensis la biomasa del fuste y ramas representa 73.8 % y 27.1 %, y Gómez et al. (2011) reportaron proporciones promedio de los componentes de Quercus magnoliaefolia de 62.5, 27.8 y 9.6 % en el fuste, las ramas y el follaje. Así, es posible señalar que la variabilidad en la distribución de biomasa entre los componentes del árbol es indudable. Al respecto, Montero et al. (2005) reportó para Alnus glutinosa L. distribución de 75.9, 21.4 y 2.7% en el fuste, las ramas y el follaje, y en Quercus ilex L. la partición fue 28.1% en fuste, 68.9 % en ramas y 3 % en hojas.

Ecuaciones de biomasa por componente estructura

Los modelos para estimar biomasa por componente estructural que mostraron mejor ajuste fueron los que incluyeron la altura del árbol en la ecuación, ya que presentaron coeficiente de determinación ajustado (R2) alto y raíz del cuadrado medio del error (RMSE) menor (Cuadro 1). Los resultados concuerdan con los de trabajos previos (Figueroa et al., 2010; Ruiz et al., 2011). El ajuste de las ecuaciones simultaneas, mediante la técnica SUR (regresiones aparentemente no relacionadas), generó estimadores adecuados y propició mejor ajuste al considerar la variabilidad total de los cuatro componentes estructurales del árbol.

Los datos de cada componente estructural observados se ajustaron bien a los modelos (Figuras 1 y 2). Las ecuaciones presentaron heterocedasticidad, que es un problema común con ajuste simultaneo (Álvarez et al., 2007). Los modelos se analizaron con corrección de la propiedad por ponderación (Harvey, 1976; Neter et al., 1996; Álvarez et al., 2007); se concluyó que los modelos sin ponderación son más adecuados, por presentar mejor bondad de ajuste con base en un análisis numérico y criterios de apalancamiento, y prueba de hipótesis (Burkhart y Tomé, 2012; Hernández et al., 2013).

Con la inclusión de la altura del árbol, la información sobre el entorno competitivo (edad del rodal, índice de sitio, densidad) se considera indirectamente en el modelo (Wirth et al., 2004). Este hecho hace que el modelo específico para el sitio de estudio sea más general y permite el uso de la ecuación para otros sitios con condiciones similares (Ketterings et al., 2001).

Otras variables independientes, como la longitud de la copa, han sido probadas en estudios de estimación de biomasa (Carvalho y Parresol, 2003; Antonio et al., 2007); pero, con el fin de asegurar la aplicabilidad de los modelos, no se ha considerado esta variable, ya que generalmente no se mide en los inventarios forestales (Ruiz et al., 2011).

Un aspecto importante, al estimar la biomasa mediante muestreos destructivos y generar ecuaciones, es conocer su distribución en los componentes estructurales diferentes (Ruiz et al., 2011). Conocer la distribución de la biomasa del árbol en los componentes permite conocer el destino de los productos derivados, y puede hacerse el seguimiento del carbono desde que se extrae del monte hasta que es liberado a la atmósfera nuevamente (Montero et al., 2005); asimismo, provee información relevante para parametrizar modelos de simulación y contabilidad de carbono (Kurz et al., 2009).

El modelo no lineal utilizado fue aplicado por Ruiz et al. (2011) en algunos componentes estructurales de varias especies de coníferas, con él se obtuvieron buenas relaciones. Otros autores también han aplicado modelos no lineales, y aun con coeficientes de determinación <0.50 han resaltado la importancia de estos modelos al permitir reflejar el comportamiento con el incremento de las dimensiones y edad del árbol (Peichl y Arain 2007; Petrokofsky et al., 2012; Lim et al., 2013; Seo et al., 2013).

La altura y el diámetro son las variables dependientes más comunes para la evaluación de la biomasa de los árboles, pero la dificultad de la medición de la altura en árboles individuales ha propiciado que la mayoría de los modelos alométricos se basen principalmente en el diámetro del árbol (Williams y Schreuder, 2000). Aunque hay casos en los que la altura es la variable independiente clave para explicar las variaciones en la biomasa (como en las palmas) (Petrokofsky et al., 2012), la inclusión de la altura en los modelos reduce el error estándar y mejora su ajuste (Feldpausch et al., 2012; Rodríguez et al., 2012).

Los modelos generados son conservadores respecto de los datos observados, mientras que los modelos de Figueroa et al. (2010) sobreestiman la biomasa en todo el arbolado muestreado, la cual es mayor en árboles con diámetros menores a 18 cm de diámetro normal. En arbolado con diámetro normal mayor de 50 cm la ecuación de Figueroa et al. (2010) en la mayoría de los casos sobreestima la biomasa observada, lo cual se atribuye a que no se incluyen los árboles mayores a esa dimensión para el ajuste de las ecuaciones (Cuadro 2).

Como consecuencia de considerar un ajuste simultáneo, la aditividad y el uso de la altura de los árboles como una variable predictora, las ecuaciones de biomasa para P. patula presentadas en este estudio son mejores que las propuestas por Figueroa et al. (2010); ya que son aditivas, esta es una propiedad deseable en el ajuste por componentes (Parresol, 1999 y 2001); además generan una proporción de biomasa por componente estructural variable en función del tamaño del arbolado mientras, que los modelos de Figueroa et al. (2010) no garantizan aditividad y la proporción de biomasa por componente es constante, aun cuando las dimensiones del arbolado aumenten. Por su parte, las ecuaciones de especies latifoliadas pueden ser mejoradas si se incrementa la muestra y se consideran modelos por especie. La inclusión de la altura del árbol en las ecuaciones de biomasa como una variable predictora adicional, podría mejorar la precisión de las estimaciones de biomasa al desarrollar ecuaciones con variables combinadas de diámetro normal-hora y, en consecuencia, las estimaciones de carbono almacenado en los ecosistemas (Peichl y Arain, 2007).

CONCLUSIONES

La inclusión de arbolado con diámetro mayor a 50 cm y el ajuste simultáneo, considerando la aditividad de las ecuaciones, mejoró la estimación de la biomasa de árboles individuales. Las funciones ajustadas para la estimación de biomasa por componente estructural y total en P. patula y latifoliadas a través de mediciones de diámetro normal y altura de los árboles generaron coeficientes cuyos estimadores estadísticos permiten afirmar que las ecuaciones determinadas son adecuadas y confiables para usarse en condiciones similares y para estimar los valores de biomasa para P. patula y latifoliadas estudiadas.

AGRADECIMIENTOS

LITERATURA CITADA

Acosta M., M., J. Vargas H., A. Velázquez M., y J. Etchevers B. 2002. Estimación de la biomasa aérea mediante el uso de relaciones alométricas en seis especies arbóreas en Oaxaca, México. Agrociencia 36: 725-736.         [ Links ]

Aguirre C., O. A., y J. Jiménez P. 2011. Evaluación del contenido de carbono en bosques del sur de Nuevo León. Rev. Mex. Cien. For. 2: 73-84.         [ Links ]

Aguirre S., C. A., J. R. Valdez L., G. Ángeles P., H. M. de los Santos P., R. Haapanen, y A. I. Aguirre S. 2009. Mapeo de carbono arbóreo aéreo en bosque de Pino patula en Hidalgo, México. Agrociencia 43:209-220.         [ Links ]

Alcántara A., O., e I. Luna V. 2001. Análisis florístico de dos áreas con bosque mesófilo de montaña en el estado de Hidalgo, México: Eloxochitlán y Tlahuelompa. Acta Bot. Mex. 54: 51-87.         [ Links ]

Álvarez G., J. G., R. Rodríguez S. y A. Rojo A. 2007. Resolución de problemas del ajuste simultáneo de sistemas de ecuaciones: heterocedasticidad y variables dependientes con distinto número de observaciones. Cuad. Soc. Esp. Cienc. For. 23: 35-42.         [ Links ]

Antonio, N., M. Tomé, J. Tomé, P. Soares, and L. Fontes. 2007. Effect of the tree, stand and site variables of the allometry of Eucalyptus globulus tree biomass. Can. J. For. Res. 37: 895-906.         [ Links ]

Avendaño H., D. M., M. Acosta M., F. Carrillo A., y J. D. Et-chevers B. 2009. Estimación de Biomasa y carbono en un bosque de Abies religiosa. Rev. Fitotec. Mex. 32: 233-238.         [ Links ]

Birdsey, R., G. Angeles P., W. A. Kurz, A. Lister, M. Olguin, Y. Pan, C. Wayson, B. Wilson, and K. Johnson. 2013. Approaches to Monitoring Changes in Carbon Stocks for REDD+. Carbon Management 4: 519-537.         [ Links ]

Burkhart, H. E. and M. Tomé. 2012. Modeling forest trees and stands. Springer. New York, USA. 457 p.         [ Links ]

Carvalho, J.P., and B.R. Parresol. 2003. Additivity in tree biomass components of Pyrenean oak (Quercus pyrenaica Willd.). For. Ecol. Manag. 179: 269-276.         [ Links ]

Castellanos B., J. F., A. Velázquez M., J. Vargas H, C. Rodríguez F., y A. Fierros G. 1996. Producción de biomasa en un rodal de Pinus patula. Agrociencia 30: 123-128.         [ Links ]

Corral R., J. J., M. Bario A., A. O. Aguirre C., and U. Diéguez A. 2007. Use of stump diameter to estimate diameter at breast height and tree volume for major pine species in El Salto, Durango (México). Forestry 80: 29-40.         [ Links ]

Cruz C., F., H. M. De los Santos P. y J. R. Valdez L. 2008. Sistema compatible de ahusamiento-volumen para Pinus cooperi Blanco en Durango, México. Agrociencia 42: 473-485.         [ Links ]

Cruz L., I. A., J. R. Valdez L., G. Ángeles P., y H. M. de los Santos P. 2010. Modelación espacial de área basal y volumen de madera en bosques manejados de Pinus patula y P. teocote en el ejido Atopixco, Hidalgo. Madera y Bosque 16: 75-97.         [ Links ]

Cutini, A., F. Chianucci, and M. C. Manetti. 2013. Allometric relationships for volume and biomass for stone pine (Pinus pinea L.) in Italian coastal stands. IForest 6: 331-337.         [ Links ]

Díaz F., R., M. Acosta M., F. Carrillo A., E. Buendía R., E. Flores A., y J. D. Etchevers B. 2007. Determinación de ecuaciones alométricas para estimar biomasa y carbono en Pinus patula Schl. et Cham. Madera y Bosques 13: 25-34.         [ Links ]

Feldpausch, T. R., J. Lloyd, S. L. Lewis, R. J. W. Brienen, M. Gloor, A. Monteagudo M., G. Lopez G., L. Banin, K. Abu Salim, K. AflUm-Baffoe, M. Alexiades, S. Almeida, I. Amaral, A. Andrade, L. E. O. C. Aragão, A. Araujo M., E. J. M. M. Arets, L. Arroyo, G. A. Aymard C., T. R. Baker, O. S. Bánki, N. J. Berry, N. Cardozo, J. Chave, J. A. Comiskey, E. Alvarez, A. de Oliveira, A. Di Fiore, G. Djagbletey, T. F. Domingues, T. L. Erwin, P. M. Fearnside, M. B. França, M. A. Freitas, N. Higuchi, E. Honorio C., Y. lida, E. Jiménez, A. R. Kassim, T. J. Killeen, W. F. Laurance, J. C. Lovett, Y. Malhi, B. S. Marimon, B. H. Marimon-Junior, E. Lenza, A. R. Marshall, C. Mendoza, D. J. Metcalfe, E. T. A. Mitchard, D. A. Neill, B.W. Nelson, R. Nilus, E. M. Nogueira, A. Parada, K. S.-H. Peh, A. Pena C., M. C. Peñuela, N. C. A. Pitman, A. Prieto, C. A. Quesada, F. Ramírez, H. Ramírez A., J. M. Reitsma, A. Rudas, G. Saiz, R. P. Salomão, M. Schwarz, N. Silva, J. E. Silva E., M. Silveira, B. Sonké, J. Stropp, H. E. Taedoumg, S. Tan, H. ter Steege, J. Terborgh, M. Torello R., G. M. F. van der Heijden, R. Vásquez, E. Vilanova, V. A. Vos, L. White, S. Willcock, H. Woell, and O. L. Phillips. 2012. Tree height integrated into pantropical forest biomass estimates. Biogeosciences 9: 3381-3403.         [ Links ]

Figueroa N., C. F., G. Angeles P., A. Velázquez M., y H. M. De los Santos P. 2010. Estimación de Biomasa en un bosque bajo manejo de Pinus patula Schltdl. et Cham. en Zacualtián, Hidalgo. Rev. Mex. Cien. For. 1: 105-112.         [ Links ]

Gayoso, J. 2002. Medición de la captura de carbono en bosques de Chile y promoción en el mercado mundial. Rev. For. Iber. 1: 1-13.         [ Links ]

Gómez D., J. D., J. D. Etchevers B., A. I. Monterroso R., J. Campo A., and J. A. Tinoco R. 2011. Ecuaciones alométricas para estimar biomasa y carbono en Quercus magnoliaefolia. Revista Chapingo Serie Ciencias Forestales y del Ambiente 17: 261-272.         [ Links ]

Harvey, A. C. 1976. Estimating regression models with multiplicative heteroscedasticity. Econometrica 44: 461-465.         [ Links ]

Helmisaari, H.-S., K. Makkonen, S. Kellomaki, E. González Val-tonen, and E. Malkonen. 2002. Below- and above-ground biomass, production and nitrogen use in Scots pine stands in eastern Finland. For. Ecol. Manag. 165: 317-326.         [ Links ]

Hernández P., D., H. M. De los Santos P., G. Ángeles P., J. R. Valdez L., y V. H. Volke H. 2013. Funciones de ahusamiento y volumen comercial para Pinus patula Schltdl. et Cham. en Zacualtipán, Hidalgo. Rev. Mex. Cien. For. 4: 34-45.         [ Links ]

Ketterings, Q. M., R. Coe, V. Van Noordwijk, Y. Ambagau, and C. A. Palm. 2001. Reducing uncertainty in the use of allometric biomass equations for predicting above-ground tree biomass in mixed secondary forests. For. Ecol. Manag. 146: 199-209.         [ Links ]

Kurz, W. A., C. C, Dymond, T. M. White, G. Stinson, C. H. Shaw, G. J. Rampley, C. Smyth, B. N. Simpson, E. T. Neilson, J. A. Trofymow, J. Metsaranta and M. J. Apps. 2009. CBM-CF3: a model of carbon-dynamics in forestry and land-use change implementing IPCC standards. Ecological Modelling 220: 480-504.         [ Links ]

Lim, H., K.-H. Lee, K. H. Lee and I. H. Park. 2013. Biomass expansion factors and allometric equations in an age sequence for Japanese cedar (Cryptomeria japonica) in southern Korea. J. For. Res. 18: 316-322.         [ Links ]

Litton, C. M., M. G. Ryan, D. B. Tinker, and D. H. Knight. 2003. Belowground and aboveground biomass in young postfire lodgepole pine forests of contrasting tree density. Can. J. For. Res. 33: 351-363.         [ Links ]

Magnani F., M. Mencuccini, and J. Grace. 2000. Age-related decline in stand productivity: the role of structural acclimation under hydraulic constraints. Plant Cell Environ. 23: 251-263.         [ Links ]

Monroy R., C., y J. J. Návar C. 2004. Ecuaciones de aditividad para estimar componentes de biomasa de Hevea brasiliensis Mull. Arg., en Veracruz, México. Madera y Bosques 10: 29-43.         [ Links ]

Montero, G., R. Ruiz-Peinado, y M. Muñoz. 2005. Producción de biomasa y fijación de CO₂ por los bosques españoles. Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria, Ministerio de Educación y Ciencia, Madrid. 270 p.         [ Links ]

Návar C., J. J., N. González, y J. Graciano. 2005. Carbon stocks and fluxes in reforestated sites of Durango, Mexico. Madera y Bosques 11:15-34.         [ Links ]

Návar, J. 2010. Measurement and Assessment Methods of Forest Aboveground biomass: A Literature Review and the Challenges Ahead. In Biomass. Maggy Ndombo Benteke Momba (Ed.). Agosto, 2010. Rijeka, Croatia. InTech. pp. 27-64.         [ Links ]

Neter, J.; M. H. Kutner, C. J. Nachtsheim, and W. Wasserman, 1996. Applied linear statistical models. 4th edition. McGraw-Hill. New York.         [ Links ]

Pacheco E., F. C., A. Aldrete, A. Gómez G., A. M. Fierros G., V. M. Cetina-Alcalá, y H. Vaquera H., .2007. Almacenamiento de carbono en la biomasa aérea de una plantación joven de Pinusgreggii Engelm. Rev. Fitotec. Mex. 30: 251-254.         [ Links ]

Pan, Y., R. A. Birdsey, J. Fang, R. Houghton, P. E. Kauppi, W. A. Kurz, O. L. Phillips, A. Shvidenko, S. L. Lewis, J. G. Canadell, P. Ciais, R. B. Jackson, S. W. Pacala, A. D. McGuire, S. Piao, A. Rautiainen, S. Sitch, and D. Hayes. 2011. A large and persistent carbon sink in the world's forests. Science 333: 988-993.         [ Links ]

Parresol, B. R. 1999. Assessing tree and stand biomass: A review with examples and critical comparisons. Forest Science 45: 573-593.         [ Links ]

Parresol, B. R. 2001. Additivity of nonlinear biomass equations. Can. J. For. Res. 31: 865:878.         [ Links ]

Peichl M., and M.A. Arain. 2007. Allometry and partitioning of above- and belowground tree biomass in an age-sequence of white pine forests. For. Ecol. Manag. 253: 68-80.         [ Links ]

Petrokofsky, G., H. Kanamaru, F. Achard, S. J. Goetz, H. Jo-osten, P. Holmgren, A. Lehtonen, M. C. S. Menton, A. S. Pullin, and M. Wattenbach. 2012. Comparison of methods for measuring and assessing carbon stocks and carbon stock changes in terrestrial carbon pools. How do the accuracy and precision of current methods compare? A systematic review protocol. Environ. Evid. 1: 1-21.         [ Links ]

Picard, N., L. Saint-André, y M. Henry. 2012. Manual de construcción de ecuaciones alométricas para estimar el volumen y la biomasa de los árboles. Del trabajo de campo a la predicción. Las Naciones Unidas para la Alimentación y la Agricultura y el Centre de Coopération Internationale en Recherche Agronomique pour le Développement, Rome, Montpellier. 223 p.         [ Links ]

Rodríguez O., G., H. M. de los Santos P., V. A. González, H. A. Aldrete, A. Gómez G. y A. M. Fierros G. 2012. Modelos de biomasa aérea y foliar en una plantación de pino de rápido crecimiento en Oaxaca. Madera y Bosques 18: 25-41.         [ Links ]

Ruiz P., R., M. del Rio, y G. Montero. 2011. New models for estimating the carbon sink capacity of the Spanish softwood species. Forest Systems 20: 176-188.         [ Links ]

Santiago G., W., H. M. De los Santos P., G. Ángeles P., J. R. Valdez L., y G. Ramírez V. 2013. Sistema compatible de crecimiento y rendimiento para rodales coetáneos de Pinus patula. Rev. Fitotec. Mex. 36: 163-172.         [ Links ]

SAS Institute Inc. 2011. SAS/STAT^® 9.3. User's Guide. Cary, NC. SAS Institute Inc.         [ Links ]

Schlegel, B., J. Gayoso, y J. Guerra. 2000. Medición de la capacidad de captura de carbono en bosques de Chile y promoción en el mercado mundial. Manual de procedimientos Muestreos de biomasa forestal. Universidad Austral De Chile. Valdivia, Chile. 24 p.         [ Links ]

Seo, Y. O., Y. J. Lee, R. I. C. Lumbres, J. K. Pyo, R. H. Kim, Y. M. Son, and K. H. Lee. 2013. Influence of stand age class on biomass expansion factor and allometric equations for Pinus rigida plantations in South Korea. Scand. J. For. Res. 28: 566-573.         [ Links ]

Somogyi, Z., E. Cienciala, R. Mäkipää, P. Muukkonen, A. Lehtonen, and P. Weiss. 2006. Indirect methods of large-scale forest biomass estimation. Eur. J. For. Res. 126: 197-207.         [ Links ]

Tateno, R., T. Hishi, and H. Takeda. 2004. Above- and below-ground biomass and net primary production in a cool-temperate deciduous forest in relation to topographical changes in soil nitrogen. For. Ecol. Manag. 193: 297-306.         [ Links ]

Wang, C. 2006. Biomass allometric equations for 10 co-occurring tree species in Chinese temperate forests. For. Ecol. Manag. 222: 9-16.         [ Links ]

Wirth, C., J. Schumacher, and E.D. Schulze. 2004. Generic biomass functions for Norway spruce in Central Europe a meta-analysis approach toward prediction and uncertainty estimation. Tree Physiol. 24: 121-139.         [ Links ]

Williams, M. S., and H. T. Schreuder. 2000. Guidelines for choosing volume equations in the presence of measurement error in height. Can. J. For. Res. 30: 306-310.         [ Links ]

Zambrano, A., F. Franquis, y A. Infante. 2004. Emisión y captura de carbono en los suelos en ecosistemas forestales. Rev. For. Lat. 35: 11-20.         [ Links ]