Resumen de Asociación del índice de sitio de Pinus montezumae Lamb. con variables ambientales y vegetación en Cd. Hidalgo, Michoacán

Rubén Carlos Franco Avila, Eladio H. Cornejo Oviedo, Salvador Valencia Manzo, José Angel Villarreal Quintanilla

• español

  El presente trabajo consistió en determinar la asociación del índice de sitio de Pinus montezumae Lamb. con variables ambientales (fisiografía, físico-químicas del suelo, y clima) y vegetación en Cd. Hidalgo, Mich. mediante análisis de componentes principales, uno para las variables ambientales y el otro para la vegetación. Con respecto a las variables ambientales, cinco componentes explicaron 60 por ciento de la variación total. En el análisis de la vegetación, también cinco componentes explicaron 36 por ciento de la variación total. Se consideraron todas las variables con coeficientes de correlación mayores o igual a 0.5 de cada componente, para predecir la productividad mediante una ecuación de regresión. El contenido de materia orgánica del horizonte B1, la profundidad total, la pendiente y el índice de productividad de Paterson modificado predicen mejor el índice de sitio. El modelo explicó 66 por ciento de la variación total asociada al índice de sitio (p = 0.0001).

• English

  The objective of this paper was to determine the relationship between the site index for Pinus montezumae Lamb. in Cd. Hidalgo, Mich. and environmental variables (physiography, physical-chemical soil variables, and climate) and vegetation. Two principal components analyses were performed, one for the environmental and the other for the vegetation variables. For environmental variables, five components explained 60 percent of the total variation. For the vegetation, also five components explained 36 percent of the total variation. All variables with correlation coefficient values (r = 0.50) in each component were used to obtain a regression model to predict site index. The organic matter content of the horizon B1, total depth, slope, and a modified Paterson's productivity index were the best variables to predict the site index. The model explained 66 percent of the total variation associated to site index (p = 0.0001).