nueva página del texto (beta)
Español (pdf)
Articulo en XML
Traducción automática
Citado por SciELO 
Citado por Google 
Similares en
SciELO 
Similares en Google 
Permalink
INTRODUCCIÓN
La distribución de las especies en el planeta está determinada por factores como la heterogeneidad ambiental, la historia evolutiva, las relaciones de las especies, la dinámica de dispersión y los patrones espaciales de las perturbaciones ambientales naturales y provocadas por el hombre. Esta diversidad de especies que conforman los ecosistemas cumple una función importante en el ciclo del carbono en la atmósfera, mediante la fotosíntesis lo capturan y lo almacenan convirtiéndolo en biomasa, de la misma manera son parte fundamental en la regulación del ciclo de nutrientes, del ciclo del agua y otros servicios ecosistémicos (Sayre et al. 2020). Se estima que el 30 % de la superficie terrestre son bosques; durante el periodo de 2010 - 2020 la pérdida neta de superficie forestal a nivel mundial fue de 4,7 millones de hectáreas al año, a causa de factores como el aprovechamiento excesivo de los recursos forestales y el cambio de uso de suelo (FAO y PNUMA 2020).
México enfrenta el reto de detener y revertir el deterioro ambiental para conservar la biodiversidad y los recursos naturales. Mantener las superficies con cobertura boscosa es una de las alternativas para mitigar las emisiones de gases de efecto invernadero, causantes del cambio climático. Anualmente las áreas forestales almacenan carbono al incrementar su biomasa, cuantificarla permite entender el funcionamiento y dinámica de los ecosistemas forestales (Chávez-Aguilar et al. 2016). La capacidad que tiene los bosques para almacenar carbono está determinada por la composición florística, la edad y la densidad de la masa arbolada (Fonseca-González 2017).
La modelación espacial de estas variables en bosques templados subtropicales permite tener nuevos elementos para la toma de decisiones a favor de la conservación y un desarrollo sustentable, los datos obtenidos pueden ser útiles para la estimación indirecta de la biomasa, carbono o volumen de madera de las zonas boscosas de otros países, información que debe ser complementada con datos de campo, con mediciones de las variables dasométricas utilizadas en ecuaciones de biomasa. Por lo que, el objetivo del presente estudio es calcular el volumen maderable, la biomasa aérea y la cantidad de carbono almacenado de bosques templados subtropicales secos con la presencia de Pinus pseudostrobus Lindl. en el noreste de México.
MÉTODOS
Área de estudio
El estudio se realizó en los bosques templados de pino, encino, pino-encino y encino-pino de las Unidades de Manejo Forestal (UMAFOR) 19 - 01 y 19 - 02 en el sur del estado de Nuevo León México. Estos bosques se localizan dentro de la provincia fisiográfica Sierra Madre Oriental, entre las coordenadas de 23° 42’ y 25° 30’ de latitud norte y los 96° 30’ y 100° 48’ de longitud oeste. El intervalo altitudinal varía de 1.000 hasta los 3.600 m s.n.m., la temperatura medio anual oscila entre 7 y 22 °C, y la precipitación media anual de 411 a 1.058 mm (Cuervo-Robayo et al. 2014).
Datos de Landsat 8 y variables espectrales para modelar biomasa
Para la cuantificación de biomasa aérea de bosques de coníferas mixtas de P. pseudostrobus, se seleccionaron vegetación de Pino, Encino, Pino-Encino y Encino-Pino del sur del estado de Nuevo León, de acuerdo con la clasificación de la carta de uso de suelo y vegetación, escala 1:250.000, Serie VI (continuo nacional) del Instituto Nacional de Estadística y Geografía, México (INEGI 2016). Posteriormente se adquirieron tres escenas de imágenes satelitales Landsat 8 del año 2020 para cubrir toda el área objetivo (Path 27 / Row 43, Path 28 / Row 43 y Path 28 / Row 42), los cuales se obtuvieron del servicio geológico de EE. UU. (https://www.usgs.gov/). Para evitar el efecto de la nubosidad y el efecto estacional sobre la vegetación en el procesamiento de las imágenes, el NDVI se obtuvo en promedio utilizando el conjunto de datos global de Google Earth Engine (Gorelick et al. 2017).
Para el análisis de la biomasa se empleó la técnica estandarizada del Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés). Este índice describió la dinámica de la estructura de la vegetación, examinando el vigor, crecimiento, salud y la biomasa de la vegetación. El NDVI se obtuvo empleando los valores espectrales correspondientes a la región de la luz visible roja (R) (0,6 -0,7 μm) y la luz infrarrojo-cercana (IRC) (0,7 - 1,3 μm):
[1]
La clasificación de los valores del NDVI son para la nubosidad y agua valores menores a 0,01; para un suelo sin vegetación de un rango de entre 0,01 - 0,2; para una vegetación ligera (pastizales) entre 0,1 - 0,3; para una vegetación mediana entre 0,3 - 0,5; para vegetación en desarrollo entre 0,5 - 0,8; y de 0,8 a 1, para vegetación sana, vigorosa y densa (López-Pérez et al. 2015).
Diseño de muestreo y datos de inventario de campo
Los datos del inventario de campo provienen de 57 sitios de muestreo, de los cuales 28 son Sitios Permanentes de Investigación Forestal (SPIF) de 2.500 m2, y 29 conglomerados del Inventario Nacional Forestal y de Suelo (INFyS) de 1.600 m2, distribuidos homogéneamente en el área bajo estudio. Los SPIF se establecieron originalmente en el año 2014 y remedidos en 2018, para formar un sistema de monitoreo forestal de la Facultad de Ciencias Forestales de la Universidad Autónoma de Nuevo León México. Los conglomerados del INFyS se establecieron entre 2016 y 2017 como parte del Sistema Nacional de Información y Gestión Forestal en México de la Comisión Nacional Forestal (CONAFOR). Se registró información para las especies arbóreas mayores de 7,5 cm de diámetro; las variables dasométricas fueron: especie, número de árboles, diámetro normal (DN), altura total (HT) y diámetro de copa (DC); todos los análisis se extrapolaron a unidad de superficie por ha-1.
Volumen individual
Para cada una de las especies a partir de sus variables DN y HT, se determinó su volumen mediante la ecuación de Modelo de la Variable Combinada, utilizada en el Inventario Estatal Forestal y de Suelos de Nuevo León 2014 (CONAFOR 2014), la cual se utiliza para estimar el volumen de las principales especies arbóreas en la Sierra Madre Oriental (cuadro 1).
Biomasa aérea
Para la cuantificación de la biomasa a nivel de especie se utilizaron las ecuaciones alométricas desarrolladas por diferentes autores (cuadro 2). Sin embargo, cuando la especie no contó con alguna ecuación para estimar biomasa, se empleó la siguiente ecuación general (9) sugerida por (Chave et al. 2014).
[9]
Donde B es biomasa en Kg, DM densidad de la madera en g cm3, DN es diámetro normal en cm y H es la altura en m. La densidad especifica de la madera fue a nivel de especie reportada en la base de datos globales de densidad de la madera (Zanne et al. 2009).
Cuadro 2 Ecuaciones para estimar la biomasa para diferentes especies de coníferas y hojosas en bosques del Sur de Nuevo León. Equations to estimate biomass for different species of conifers and leafy trees in the forests of southern Nuevo León.
donde: B = biomasa total aérea (kg), DN = diámetro normal (cm); H = altura total (m).
Contenido de carbono
Se estimó mediante un factor de conversión de biomasa (B) a carbono (C) en los fustes de las especies, considerando que el contenido de carbono promedio para Pinus es del 50 % y Quercus spp. 48 % (Yerena-Yamallel et al. 2012). Este factor representa la concentración de carbono promedio para coníferas y hojosas de acuerdo con las directrices del IPCC para los inventarios de gases de efecto invernadero (IPCC 2006).
Modelo de regresión lineal simple
Para examinar la relación entre la Biomasa-Carbono y el Índice de Vegetación de Diferencia Normalizada (NDVI), se calculó el coeficiente de correlación de Pearson (ρ), así como un análisis visual de los gráficos de dispersión de la relación de variables contra las variables espectrales. Las variables espectrales del NDVI se correlacionaron significativamente con la biomasa y carbono (P < 0,05). Los diagramas de dispersión de biomasa y carbono contra los valores espectrales del NDVI fueron mejor descritos por un modelo de regresión lineal simple (20).
[20]
Donde Y es la variable dependiente (Biomasa o Carbono), X la variable espectral independiente del NDVI. Los coeficientes B 0 y B 1 representan el intercepto y la pendiente de la parte fija del modelo. Estadísticamente se utilizó el 70 % de los sitios para el ajuste del modelo y el 30 % fue para su validación.
Para evaluar la calidad de ajuste se calcularon tres estadísticos de bondad de ajuste: el coeficiente de determinación ajustado R adj 2 , donde es deseable que los valores obtenidos se aproximen a 1, la raíz del error medio cuadrático (REMC) cuyo valor es mejor cuando tiende a cero.
[21 ]
[22]
[23]
Posteriormente se aplicó el modelo lineal a las tres imágenes compuestas NDVI que cubren el área de estudio para construir un mapa de biomasa y carbono con una resolución de 30 m. Finalmente se construyó un mapa de estimación de existencias de biomasa y carbono local en 12 tipos de vegetación asociados con la distribución de P. pseudostrobus para el estado de Nuevo León.
RESULTADOS
La superficie total bajo estudio fue de 502 hectáreas, de los cuales: 36 % corresponde a bosque de pino-encino (BPQ), 20 % bosque de pino (BP), 15 % vegetación secundaria arbustiva de bosque de pino (VSa / BP), 14 % bosque de encino (BQ), 11 % bosque de encino-pino (BQP), 2 % vegetación secundaria arbustiva de bosque de pino-encino (VSa / BPQ) y el 2 % restante lo conforman la vegetación secundaria arbustiva de bosque de encino (VSa / BQ), vegetación secundaria arbustiva de bosque de encino-pino (VSa / BQP), vegetación secundaria arbustiva de bosque de ayarín (VSa / BS), bosque de ayarín (BS), vegetación secundaria arbustiva de bosque de oyamel (VSa / BA) y vegetación secundaria arbórea de bosque de pino (VSA / BP) (figura 1), elaboración propia basada en la carta de uso de suelo y vegetación, escala 1:250.000, Serie VI (continuo nacional) del Instituto Nacional de Estadística y Geografía de México.
Figura 1 Tipos de vegetación y puntos de localización de los sitios de muestreo. Types of vegetation and sampling site locations.
Las estadísticas descriptivas en los 57 sitios de muestreo mostraron que las variables de; volumen varió en un rango mínimo de 23 m3 ha-1 hasta un máximo de 325 m3 ha-1; mientras que la biomasa aérea fue de 44 Mg ha-1 a 195 Mg ha-1 y el carbono aéreo osciló entre 38 Mg ha-1 y 114 Mg ha-1 (cuadro 3).
Cuadro 3 Resumen estadístico de volumen, biomasa aérea y carbono vivo total. Statistical summary of volume, aboveground biomass and total living carbon.
Volumen
La zona boscosa presentó un volumen promedio de 177,19 m3 ha-1, sin embargo, el volumen por tipo de vegetación mostró que para el bosque de pino fue de 60,47 m3 ha-1 y para el bosque de pino-encino de 133,82 m3 ha-1 en contraste con el bosque de encino que presenta un volumen de 32,96 m3 ha-1 y el bosque de encino-pino con un volumen es de 86,35 m3 ha-1. La tres primeras especies de mayor volumen de madera fueron P. pseudostrobus con 46 m3 ha-1 (33 %), seguida por Q. polymorpha con 19 m3 ha-1 (26 %) y Q. laeta con 11 m3 ha-1 (21 %) (figura 2).
Relación NDVI vs Biomasa
La correlación de Pearson (ρ) entre la variable espectral del NDVI y la biomasa fue significativa (P = 0,007). Por lo tanto, este índice es una variable independiente útil en el modelo. El gráfico de dispersión del NDVI con respecto a la biomasa, mostró una tendencia lineal observada (figura 3). Los criterios de bondad de ajustes R2adj y REMC mostraron valores muy similares y deseables para cada uno de los modelos (cuadro 4).
Cuadro 4 Parámetros estimados del modelo de regresión lineal para la biomasa y el carbono (P < 0,01) con NDVI como variable independiente. Estimated parameters of the linear regression model for biomass and carbon (P < 0.01) with NDVI as the independent variable.
donde: P = parámetros, EP = estimadores de los parámetros, EE = error estándar, Pr > |t| = nivel de significancia para los parámetros estimados, ** = Significativo, REMC = raíz del error medio cuadrático, R2 adj = coeficiente de determinación ajustado, Loglik = logaritmos de logaritmos de verosimilitud, Mod = modelo.
Relación NDVI vs Carbono
La relación carbono y el NDVI tuvieron una correlación positiva con los datos espectrales de las imágenes Landsat para la acumulación de biomasa y carbono en los bosques de coníferas del estado de Nuevo León, por lo tanto, estos resultados podrán utilizarse para promover diversos proyectos encaminados a la gestión sustentable de los recursos naturales de la región.
Biomasa y carbono
La densidad de biomasa viva total media estimada para el área de estudio fue de 89,6 Mg ha-1. Se utilizó el mapa de carbono, desarrollado en base al modelo de la Biomasa, para estimar el carbono almacenado por tipo de vegetación y visualizar el patrón de distribución de carbono entre 12 tipos de vegetación asociadas con P. pseudostrobus para el año 2020 (figura 4), el carbono medio varió considerablemente entre los 12 con un rango de 8 a 77 Mg ha-1. Las vegetaciones secundarias del mapa presentaron densidades de carbono menores a 42 Mg ha-1 (VSa / BA; VSa / BP; VSA / BP). En contraste, bosques puros de encino-pino y pino-encino tienen densidades de carbono de 60 - 77 Mg ha-1. La estimación de carbono en las áreas de asentamiento y las tierras de cultivo presentaron las tasas más bajas, y las áreas de color verde oscuro que representan bosques puros presentan valores más altos.
Volumen
El volumen estimado es alto en comparación con los 115 m3 ha-1 de volumen registrado por Návar-Cháidez (2010) para los bosques templados del estado de Nuevo León, México, pero es menor el volumen estimado por Graciano-Ávila et al. (2019) para el bosque templado-frio de Durango, México donde el volumen es de 207,36 m3 ha-1. Según Návar-Cháidez y González-Elizondo (2009), la productividad o incremento en volumen aumenta con el índice de mezcla de pinos y encinos y por el aumento en la densidad.
La relación NDVI comparado con la Biomasa en un estudio difiere considerablemente, por ejemplo, en bosques templados del estado de Durango se encontró una correlación lineal múltiple significativa (R2 = 0,62) entre NDVI y biomasa y el carbono (Martínez-Barrón et al. 2016), en comparación con otros estudios realizados mediante imágenes satelitales de mediana resolución en bosques de coníferas y latifoliadas presentaron una R2 > 0,90 ajustada (Liu et al. 2017, Reyes-Cárdenas et al. 2019). La variabilidad en la estimación de biomasa suele depender de las condiciones del terreno (topografía, altitud, pendiente, precipitación y temperatura), como lo indican (Olthoff et al. 2016).
Considerando la relación de la biomasa y el carbono. Los resultados obtenidos en este estudio son menores a los obtenidos por Domínguez-Cabrera et al. (2009) que estimaron que los valores de biomasa oscilan entre 13,34 - 99,24 Mg ha-1 para bosques de encino-pino y el de pino-encino presentó un mínimo de 7,78 y un máximo de 79,11 Mg ha-1 en el Sur de Nuevo León, sin embargo, son bajos en comparación con los obtenidos por (Graciano-Ávila et al. 2019) donde estimaron un promedio de 130,28 Mg ha-1 de biomasa. En un estudio realizado por Návar (2009) encontró que el contenido de biomasa en la zona centro sur de la sierra Madre Occidental de Durango, México era de 130 Mg ha-1, un valor alto en comparación con la densidad de biomasa obtenida en la presente investigación y la reportada por Návar-Cháidez (2010) para los bosques del estado de Nuevo León. La variación en los valores estimados del contenido de carbono para los 12 tipos de vegetación dependió en la composición de cada uno, la literatura reporta que el contenido de carbono en coníferas es más alto que en latifoliadas (Návar 2009).
CONCLUSIONES
El rango temporal del NDVI entre los 12 meses del año 2020 de las imágenes Landsat 8 proporcionó datos adecuados para el monitoreo de la biomasa forestal y el carbono en los bosques asociados a Pinus pseudostrobus. Estos valores facilitaron el desarrollo de un modelo de regresión lineal simple que proporciona la base para mapear el carbono forestal y detectar su distribución espacial. Los resultados presentados aquí, es decir, el modelado y la estimación de biomasa ayudarán a estimar y detectar áreas con almacenamiento de carbono forestal bajo o alto.
