View
2
Download
0
Category
Preview:
Citation preview
i
MODELACIÓN DE LA DINÁMICA DEL CARBONO EN LA BIOMASADE BOSQUES DEL NORTE DE LOS ANDES USANDO EL MODELO
CENTURY
JAIRO ALBERTO RUEDA RESTREPO
UNIVERSIDAD NACIONAL DE COLOMBIA
FACULTAD DE CIENCIAS AGROPECUARIASDEPARTAMENTO DE CIENCIAS FORESTALES
SEDE MEDELLÍN2011
ii
MODELACIÓN DE LA DINÁMICA DEL CARBONO EN LA BIOMASADE BOSQUES DEL NORTE DE LOS ANDES USANDO EL MODELO
CENTURY
JAIRO ALBERTO RUEDA RESTREPO
Tesis de grado presentada para optar al título de
Magíster en Bosques y Conservación Ambiental
DIRECTORFLAVIO HUMBERTO MORENO HURTADO
Ph. D., Biology
Profesor Asociado Universidad Nacional de Colombia
UNIVERSIDAD NACIONAL DE COLOMBIAFACULTAD DE CIENCIAS AGROPECUARIAS
DEPARTAMENTO DE CIENCIAS FORESTALESSEDE MEDELLÍN
2011
iii
i
AGRADECIMIENTOS
Al grupo de investigación en Bosques y Cambio Climático,Al Departamento de Ciencias Forestales de la Universidad Nacional de Colombia, SedeMedellín,A Cindy Keough, Natural Resource Ecology Laboratory, Colorado State UniversityA Jorge Ignacio Del Valle Arango, Departamento de Ciencias Forestales, UniversidadNacional de ColombiaA mi director de Tesis Flavio H. Moreno Hurtado
A mis patrocinadores Josefina Restrepo Ochoa (QED), Elizabeth Rueda, Carlos AlbertoBolaños Restrepo, Sergio Gallego Tobón, Enrique Paniagua Paniagua.
A Pa’ Merardo –El Maestro Rueda- & Ma’ Rocío.
ii
iii
RESUMEN
La variabilidad de los factores que controlan el ciclo del carbono en los ecosistemas terrestres y ladificultad de asociada a muestras con restricciones en representatividad espacio temporal hace quelas técnicas de medición disponibles tengan restricciones para predecir el comportamiento de losdepósitos de este elemento en tales ecosistemas. Por esta razón la implementación de modelosteóricos y el diseño de modelos de simulación constituyen alternativas a los inventarios directos y alas mediciones basadas en imágenes remotas; nosotros usamos el modelo CENTURY 4.5 paraestimar la producción biológica en bosques de los Andes colombianos (Porce, Antioquia) con elobjeto de calificar la aptitud del modelo para predecir la dinámica del carbono en estos ecosistemasy para establecer el tiempo que estos ecosistemas demandan para recuperar la biomasa originaldespués de deforestación. Para tal efecto se comparó la estimación del modelo con medicionesrealizadas en seis períodos en bosques secundarios e intervenidos de la zona. El modelo subestimólas existencias de carbono en la biomasa aérea al inicio de la sucesión pero estimó acertadamentelas cantidades de carbono en el estado estable; en este nivel desarrollo, el modelo estima lasexistencias de carbono en 101 t/ha para la biomasa aérea, este valor difiere en menos de 1% de lasexistencias medidas en los bosques primarios de la región (102 t/ha). Para una crono secuencia de30 años de desarrollo del bosque secundario, el modelo estimó las existencias con un error absolutomedio de 13 t de C/ha, el coeficiente de determinación del modelo (R2) fue 65% en la estimación delcarbono de la biomasa aérea total, pero cada depósito modelado (madera, ramas finas, hojas, raícesgruesas y raíces finas) presentó diferente calidad de estimación. Los análisis establecen que,después de 60 años de la tala rasa, el bosque ha recuperado el 94% de sus contenidos originales decarbono, pero que solo se restablece la condición de equilibrio estable después de 240 años. Elmodelo mostró ser un instrumento con potencial, no solo para estimar las existencias de carbono endiferentes compartimientos del bosque, sino también para evaluar hipótesis relacionadas con el ciclodel carbono en ecosistemas terrestres bajo diferentes escenarios de uso de la tierra y para lavaloración de servicios ambientales asociados a la función mitigación del cambio climático. Losproyectos REDD en Colombia tendrán en este modelo una valiosa herramienta para la cuantificaciónde flujos y de existencias de carbono en la zonas en las que se cuente con datos para el ajuste delmodelo y un instrumento de pronóstico para las regiones a las que el planificador ambiental seatreva a extrapolar sus resultados.
Palabras clave: Bosque tropical, Producción biológica, Producción Primaria Neta.
iv
CONTENIDO
Página
Introducción 1
Metodología 4
Área de estudio 5
Modelación con Century 4.5 5
Eventos de Manejo 7
Análisis de sensibilidad y calibración del modelo 8
Resultados 11
Discusión 19
Conclusiones 23
Bibliografía 25
v
LISTA DE FIGURAS
Página
Figura 1. Localización de la zona de estudio 4
Figura 2. Cambios en la biomasa superficial originados al cambiar el parámetro del
coeficiente para el cálculo de la producción potencial del sistema 11
Figura 3. PPN estimada por Century 4.5 para los depósitos del sistema forestal en
Porce II 12
Figura 4. Dinámica de acumulación de Carbono en la biomasa del ecosistema
estimada por el modelo CENTURY 4.5 para los bosques de la región de
Porce 12
Figura 5. Valores de Carbono observados y estimados con el Modelo Century 4.5
en la biomasa aérea de los bosques en la región de Porce II. 13
Figura 6. Valores observados y estimados de Carbono en la biomasa aérea de los
bosques de la región de Porce II. 14
Figura 7.
.
Estimaciones de largo plazo del Carbono en la biomasa aérea con el
modelo Century 4.5 14
Figura 8. PPN estimada por Century 4.5 durante los primeros 40 años de la
sucesión 15
vi
LISTA DE TABLAS
Página
Tabla 1. Módulos ejecutables del modelo CENTURY 4.5 5
Tabla 2. Archivos de parámetros que definen las condiciones para simulación con
el modelo CENTURY 6
Tabla 3. Resultados de la simulación con Century 4.5 para el contenido de
Carbono en los depósitos del sistema forestal en Porce 12
Tabla 4. Productividad en los depósitos vivos el ecosistema forestal simulado con
Century 4.5 en la región de Porce 13
vii
1
INTRODUCCIÓN
La estabilización de las concentraciones de gases relacionados con el efecto invernadero
en la atmósfera está condicionada a la forma en que intervenimos los ciclos
biogeoquímicos en la biosfera y, especialmente el ciclo del carbono (Houghton, 2007). El
ciclo global de este elemento se caracteriza por tener depósitos con ciclos de vida cortos
(materiales rápidamente degradables) a muy largos (materiales física o químicamente
protegidos), y por tanto, presenta tasas de transferencia variables entre y unos y otros.
Uno de los depósitos más importantes del carbono en la biosfera se encuentra en los
ecosistemas terrestres (en la materia orgánica vegetal viva, en la necromasa y en la
materia orgánica del suelo), que en comparación con los demás depósitos en la tierra, es
pequeño pero temporalmente muy activo. Entre tales ecosistemas los forestales son
particularmente importantes como reservorio de carbono, porque los árboles retienen
altas cantidades de este elemento por unidad de área en comparación con otros tipos de
vegetación (IPCC, 2004 y 2005; Houghton, 2007; Van Minnen et al., 2009); en particular los
bosques tropicales contienen, aproximadamente 40% del carbono existente en la biosfera
terrestre (Dixon et al., 1994; Malhi et al., 1998; Walker et al., 1999; Houghton, 2007; Malhi et al.,
2008).
El carbono es capturado por la vegetación mediante la producción primaria del
ecosistema, proceso mediante el cual la energía del sol es almacenada en las moléculas
orgánicas (Roy & Saugier 2001); la productividad primaria bruta vegetal (PPB) es la cantidad
total de energía asimilada por unidad de tiempo y de área, mientras que la fracción
remanente, después de descontar la energía consumida en los procesos de respiración
vegetal, es la productividad primaria neta (PPN): la velocidad con que la energía
remanente es almacenada en forma de tejidos y fluidos; esta última es una de las
variables que mejor dan cuenta del funcionamiento de los sistemas vegetales y es
determinante para explicar la función de captura de carbono y su dinámica en los bosques
(Clark et al. 2001; Clark, 2002; Clark, 2007). La dinámica de los depósitos de carbono en los
ecosistemas es controlada principalmente, por la humedad, la temperatura (IPCC, 2000) y
las actividades o prácticas culturales que se realizan sobre las coberturas vegetales (Van
Minnen et al., 2009).
2
El cambio de uso de la tierra en los trópicos se reconoce como una de las fuentes más
importantes de emisión neta de carbono a la atmósfera (IPCC, 2000; IPCC, 2005; Houghton,
2007); el 20% de las emisiones de gases de efecto invernadero en el mundo se derivan de
la deforestación (UNFCCC, 2007). Para Colombia el IDEAM calculó una reducción anual de
un 0.18% de la cobertura forestal nacional en el periodo 1994 – 2001, lo que equivale a
una tasa promedio de deforestación cercana a 101303 ha/año (IDEAM, 2004); para el
período 2000 a 2005 Cabrera et al, IDEAM (2011), estimaron la pérdida de bosques
sustancialmente mayor (273334 ha/año), de las cuales 73.499 se perdieron en los Andes
(una pérdida anual de.3.2% de los bosques existentes en esta región).
La cuantificación y monitoreo de los servicios ambientales asociados a los ecosistemas
boscosos cada vez cobra mayor importancia pues se reconoce el papel que cumplen tales
sistemas en la regulación del ciclo de carbono, proceso íntimamente vinculado a la
mitigación de los efectos y al control de los factores que se relacionan con el cambio
climático. Por ello, la cuantificación de emisiones de gases de efecto invernadero
asociados a procesos de deforestación y la identificación de los componentes de este
balance en la escala del paisaje (al nivel del país) es un insumo fundamental para el
desarrollo y seguimiento de la política ambiental.
La forma más directa de cuantificar el carbono almacenado en la biomasa del bosque es
la cosecha de toda la vegetación en un área y posterior medición de su peso seco; la
biomasa puede ser convertida en contenido de carbono tomando la mitad de su peso
seco (Westlake, 1966, IPCC 2004); si bien el método es preciso para un sitio en particular
(aunque también es costoso y destructivo) es inaplicable en la escala del paisaje; de esta
forma no se cuenta con un método directo que permita medir las existencias de carbono a
este nivel. En consecuencia, tales estimaciones requieren herramientas y modelos que
permitan extrapolar a escalas espacio temporales mayores los resultados obtenidos por
métodos destructivos en mediciones de campo o de sensores remotos (Brown et al, 1989,
1993, Waring et al 1995, Brown 1997, Chave et al 2005, Saatchi et al 2007).
La variación a escala temporal y espacial de los factores que controlan el ciclo del
Carbono, así como las limitaciones de las actuales técnicas de medición dificultan obtener
un buen soporte para la inferencia y por lo tanto para la predicción de la dinámica
temporal del carbono y de otros nutrientes. Las mediciones de biomasa en los bosques
3
tropicales a menudo enfrentan dificultades para satisfacer los supuestos requeridos por
las técnicas de análisis dirigidas al pronóstico (Ketterings, et al., 2001; Teobaldelli, et al.,
2009); entre tales supuestos están la representatividad espacial y temporal, así como la
imposibilidad física de simular escenarios o de controlar los factores que determinan los
procesos a escala del ecosistema. Además de las variaciones espaciales de los factores
implicados están los cortos intervalos temporales analizados que dificultan la realización
de análisis longitudinales.
La implementación de modelos teóricos dirigidos al estudio de los ciclos de nutrientes en
ecosistemas terrestres constituye una alternativa que busca subsanar, al menos
parcialmente, las limitaciones señaladas, y se convierte en un complemento necesario a
los inventarios forestales y a la medición por imagen remota. Según Sun & Zhu (2001),
existen tres clases de modelos para describir la producción primaria neta de los
ecosistemas terrestres: los modelos climáticos, los modelos basados en procesos y los
modelos de eficiencia energética. Los modelos climáticos se aplican a escala global y por
esto generalmente tienen un nivel de resolución bajo; contrariamente, los modelos de
eficiencia energética se enfocan en escalas de resolución detalladas al nivel del individuo
vegetal, por lo cual pueden presentar dificultades para su aplicación a escala del
ecosistema. En un nivel de resolución intermedio se encuentran los modelos basados en
procesos (Perruchoud & Fischlin, 1995). Estos modelos se caracterizan por describir la
cinética del carbono por medio de múltiples compartimentos, asumen una cinética de
descomposición de primer orden para los depósitos y suponen que la tasa de
descomposición para cada compartimiento es una característica de la materia orgánica en
sí misma, y no está afectada por la acción de microorganismos.
El Modelo CENTURY es un modelo generalizado del sistema planta-suelo basado en
procesos, que simula la producción vegetal, la dinámica del carbono, de algunos
nutrientes (N, P y S), el agua y la temperatura del suelo. El modelo ha sido usado para
simular la dinámica de la materia orgánica del suelo en los principales ecosistemas del
mundo y para analizar los factores que regulan el desarrollo del ecosistema (Ojima et al.
1993; Kelly et al. 1997; Mikhailova et al. 2000; Raich et al. 2000; Carvalho et al. 2004; Cerri et al.
2007), la influencia de intervenciones en los ecosistemas sobre la dinámica del carbono y
otros nutrientes (Iang et al. 2002; Parton et al. 2004; Hill, 2003), la respuesta de los
4
ecosistemas al cambio climático (Parton et al., 2005b; Doraiswamy et al. 2007) y el secuestro
de carbono por la agricultura1 (Richards et al. 2007; Kamoni et al. 2007a, 2007b]), entre otros.
El modelo calcula el crecimiento vegetal, el ciclo de nutrientes y la dinámica de la materia
orgánica para sistemas de sabana, ecosistemas agrícolas, pastos y bosques (Parton et al.,
1993, Gilmanov et al., 1997) integrando la información contenida en un conjunto de 13
archivos de parámetros. CENTURY pertenece a la categoría de modelos que centran la
atención en los procesos de la materia orgánica del suelo y los ciclos biogeoquímicos del
Nitrógeno, Fósforo, Azufre y Carbono, con énfasis en la dinámica del Carbono en los
suelos (Perrochoud & Fischlin 1995; Parton et al., 2005a).
El objetivo de este trabajo es calibrar y evaluar la capacidad predictiva del modelo
CENTURY (versión 4.5) para describir la dinámica de los depósitos de carbono en la
biomasa de bosques secundarios y primarios intervenidos de la cuenca media del río
Porce, localizada en región andina del departamento de Antioquia, Colombia. Una vez
logrado este objetivo, se espera disponer de una herramienta útil para estudiar y mejorar
nuestra comprensión del ciclo del carbono en los ecosistemas terrestres bajo las
condiciones naturales y de manejo que se presentan en Colombia.
1 Una lista más completa de aplicaciones se puede encontrar en:http://www.nrel.colostate.edu/projects/century/reference2.htm.http://www.nrel.colostate.edu/projects/irc/public/Documents/Software/Century5/Reference/html/bibliography.htm
5
METODOLOGÍA
Área de estudio
La zona de estudio (Figura 1) comprende aproximadamente 5036 ha, la mayoría de las
cuales corresponden a la formación vegetal bosque húmedo premontano, según el
sistema de clasificación ecológica de Zonas de Vida de Holdridge. Se localiza al norte de
la cordillera central de los Andes colombianos en el triángulo formado por las cabeceras
municipales de Amalfi, Gómez Plata y Yolombó, en la cuenca media del río Porce (6.81º -
6.76º N; 75.14º - 7.08º W).
En el área de influencia de la Central Hidroeléctrica Porce II, se ha registrado información
de la biomasa aérea y subterránea y su carbono asociado, desde el año 1999 en 32
parcelas permanentes (0.1 ha cada una) establecidas en bosques primarios y más de 90
parcelas permanentes (0.05 ha cada una) en bosques secundarios, con el objeto de
evaluar la captura de carbono en las coberturas boscosas (Moreno, 2004; Orrego et al.
2003, Del Valle et al., 2002).
Figura 1. Localización de la zona de estudio (imagen compuesta desde Google-Earth).
La precipitación media anual es de 2000 mm y la temperatura de 22.8 ºC, con un mínimo
de 17.9 y máximo de 29.3 (Empresas Públicas de Medellín, EPM, 1992). La cobertura vegetal
de la zona es un mosaico de fragmentos de vegetación en diferentes estados de
6
sucesión, que van desde pastizal y rastrojo, hasta bosques primarios intervenidos. Según
Jaramillo (1989), los suelos, desarrollados a partir de rocas ígneas compuestas
principalmente de cuarzo-diorita (Ustoxic Dystropept y Paralithic Ustorthent),presentan baja fertilidad natural, son bien drenados, con pH ácido (5.5); la densidad
aparente en los primeros 30 cm de los suelos en los bosques secundarios es de 1.3 g/cm3
y de 1.1 g/cm3, en los bosques primarios intervenidos (Moreno & Lara 2003).
Modelación con Century 4.5El modelo se adaptó a las condiciones ambientales que caracterizan la zona de influencia
de la Central Hidroeléctrica Porce II en dos etapas: 1) delimitación de la cantidad de
carbono en la biomasa aérea y 2) ajuste de la producción primaria neta (PPN) de los
depósitos para los cuales se cuenta con reportes de PPN.
Con base en 171 mediciones de biomasa aérea (parcelas permanentes en la zona de
estudio remedidas en seis oportunidades entre 1999 y 2005) se estimó la cantidad de
carbono del bosque primario intervenido usando re muestreos con reemplazamiento
(Bootstrap, Manly, 1996), que arrojaron un intervalo al 95% para el carbono en la biomasa
aérea de este ecosistema (CBA). Este valor se utilizó como criterio inicial de ajuste del
modelo para fijar el parámetro de producción potencial del ecosistema (PRDX2 del
CENTURY). Ajustado el valor para la PPN del sistema se procedió a distribuir ésta en los
diferentes compartimientos usando como criterio de distribución las proporciones de
biomasa reportadas para los diferentes depósitos por Orrego et al., 2003.
Estimados de la PPN de cada depósito (la productividad para los depósitos de raíces
gruesas, raíces finas, biomasa aérea y hojas) reportados por Usme (2009) se tomaron
como referencia para la segunda etapa de la calibración en la que se fijaron los valores de
mortalidad para estos depósitos.
El modelo Century 4.5 está compuesto por cuatro archivos ejecutables (Tabla 1)
acompañados de 14 archivos de parámetros (Tabla 2). Los archivos ejecutables realizan
funciones de (1) preparación de la información, (2) descripción de las actividades de
manejo de la vegetación, con su secuencia temporal, (3) modelación propiamente dicha y
(4) posterior extracción de resultados de la simulación:
Tabla 1. Módulos ejecutables del modelo CENTURY 4.5
7
ID Módulo Función1 FILE100.EXE Utilidad de parametrización2 EVENT100.EXE Módulo para delinear itinerarios de manejo3 CENTURY.EXE Archivo ejecutable del módulo principal4 LIST100.EXE Usado para crear archivos de salida (ASCII)
CENTURY.EXE es el módulo principal que realiza la simulación. Una línea de comando en la
terminal del D.O.S. lo pone en funcionamiento cuando se dispone de los insumos
necesarios (un archivo de sitio <*.100> y un archivo de itinerarios <*.SCH>).
FILE100.EXE interactúa con los archivos numerados en la Tabla 2 para crearlos o
modificarlos. EVENT100.EXE permite la creación y edición de prácticas e itinerarios de
manejo o intervención sobre el ecosistema. Las operaciones de manejo tales como:
riego, fertilización, podas, entresacas y talas son descritos con este módulo y, luego
consignadas en un archivo con extensión *.SCH. Por último, el módulo LIST100.EXE
toma el resultado de la simulación (un archivo binario) y extrae las variables que el
usuario solicite.
El modelo Century almacena un conjunto de parámetros del entorno físico (dentro del
archivo fix.100, Tabla 2) que el usuario solo cambia para diferentes biomas, y que por
tanto, tienen poca movilidad entre simulaciones: mediante este archivo también se
controlan los procesos de descomposición de la materia orgánica. Para completar esta
información se utilizó una hoja de cálculo en Excel ®, denominada:
‘Century4.5_curves.xls’ la cual viene con el software y, permite calibrar crop.100 y
fix.100.
El archivo <PORCE.100> reúne las características específicas del área de la modelación
(archivo del sitio). Los parámetros contenidos en éste caracterizan la precipitación y la
temperatura media mensual en cm/año y en °C, respectivamente, ambas tomadas, de las
estaciones climáticas de la zona (Tabla 2). La información climática registrada en 29 años
por EPM se almacenó en el archivo de clima (*.WHT). Los parámetros de control
modificados fueron textura, densidad aparente y número de capas de suelo (cuatro capas
de 15 cm cada una). Los demás parámetros se mantuvieron con los valores que por
defecto provee la página del modelo.
8
Tabla 2. Archivos de parámetros que definen las condiciones para simulación con el modeloCentury (Ver Anexo 1).
# Archivo Tipo de parámetro1 crop.100 Parámetros para los tipos de producción agrícola2 cult.100 Parámetros para una opción del tipo de prácticas culturales3 fert.100 Parámetros para un esquema de fertilización4 fire.100 Opciones para un esquema de uso del fuego en el cultivo5 fix.100 Parámetros que durante la simulación permanecen fijos6 graz.100 Parámetros para algún esquema de producción de gramíneas para pastoreo7 harv.100 Esquema de cosecha en el cultivo8 irri.100 Parámetros para el programa de riego en el cultivo9 omad.100 Parámetros para el programa de aporte de materia orgánica al suelo
10 tree.100 Parámetros para el esquema de establecimiento de especies forestales.11 trem.100 Programa de aclareos, entresacas y cortas del arreglo productivo12 Porce.100 Parámetros del sitio específico. A1.13 Porce.sch Itinerario de acciones o intervenciones para la simulación. Mediante EVENT100.EXE se
produce este archivo de texto con la secuencia de intervenciones en el sistema; seespecifican prácticas y tiempos de duración. Ver anexo.
14 Porce.wth Archivos opcionales con información histórica del clima del sitio tomada de EmpresasPúblicas de Medellín, EPM, 1992 Estaciones El Mango: 2701514, Amalfi: 2701525 y ElRoble: 2701501
El archivo <TREE.100> caracteriza la producción forestal. Se implementó en éste una
nueva opción llamada Porce (POR), soportada en la información de la base de datos
“FORESTAL” (Grupo de investigación Bosques y Cambio Climático, U.N. Medellín), para
la caracterización del potencial productivo del sitio, lo mismo que la información
suministrada por los trabajos de Del Valle et al. (2002), Benjumea (2003), Sierra et al., (2007)
Usme, (2009) y de Del Valle et al., (2011). Dentro de este archivo se realizó la calibración del
coeficiente que controla la producción potencial del ecosistema (denominado PRDX2 en
Century) en conjunción con las tasas de mortalidad de los depósitos de biomasa (raíces
gruesas y finas, ramas gruesas y finas hojas; parámetro WOODDR(i) en Century) y la
distribución de la PPN en los mismos depósitos (FCFRAC(i,j) en Century. Ver Anexo 2).
Eventos de ManejoLa mayoría de las tierras fueron taladas para agricultura y ganadería durante el siglo 19;
lugares con topografía relativamente plana probablemente mantuvieron potreros con
ganadería extensiva por más de medio siglo (Castillo, 1998). La historia de las
intervenciones en el ecosistema se describió con un esquema simplificado pues de una
parte resulta difícil establecer con exactitud la secuencia de prácticas de explotación del
9
patrimonio forestal, y de la otra, un esquema simple como el utilizado aquí, permitirá hacer
predicciones acerca del impacto en el tamaño de los depósitos cuando se tala un bosque
en relativo estado de conservación. Un estudio que se proponga indagar sobre el impacto
de la intensidad de la intervención previa, sobre la recuperación de los depósitos de
carbono deberá detallar mejor tal historia de las intervenciones en el sitio para incluir tal
historial en la calibración del modelo. La historia simplificada de las intervenciones en el
ecosistema, se describió y se consignó en un archivo de texto producido por el módulo
EVENT100.EXE. La simulación consideró dos opciones de intervención: de una parte no
intervenir el sistema, y por la otra el establecimiento de cultivos en 1940, y posterior tala
rasa en 1969, según se detalla a continuación:
a. El sistema mantiene la cobertura sin alteraciones mayores desde el año cero de
nuestra era hasta 1939.
b. La simulación interrumpió el desarrollo del bosque solo en 1939 pues, por ahora,
no nos interesa, la predicción de los efectos del manejo previo; se establecieron
pastos (TRPC4) en el primer año de intervención y se simularon prácticas de
pastoreo extensivo (G20_6) en una rotación de 30 años. El proceso simulado
concluyó con la extracción de madera y posterior abandono del lote. Se realizó
una tala rasa en 1969, luego de la cual se desarrolló el bosque secundario.
c. El sistema se desarrolló sin intervenciones desde 1970 hasta 2300 con el objeto
de comparar sus predicciones con las mediciones de campo en los bosques
primarios del área de estudio y con los datos de recuperación de la biomasa
reportados por Del Valle et al., (2011) quién dató parcelas permanentes de bosques
secundarios de diferentes edades. La información tomada por ellos para la zona
de Porce III también fue incluida en este proceso.
Análisis de sensibilidad y calibración del modelo
Este proceso permite identificar las variables críticas en el modelo para construir
escenarios posibles y analizar el comportamiento (los resultados) del modelo bajo
diferentes supuestos. Inició con un análisis preliminar que permitió medir el cambio en las
estimaciones al cambiar un conjunto de parámetros del modelo.
La variable respuesta usada para este análisis fue construida sumando tres variables que
predice el modelo: carbono en las hojas, en ramas finas y en madera (LEAVC, FBRCHC y
RWODC) que juntas constituyen el carbono en la biomasa aérea, CBA. Los resultados se
10
procesaron en Excel©; con ellos se estimaron tendencias lineales de CBA en función de
los parámetros que se reconocieron como los más influyentes en la simulación:
inicialmente fueron la densidad aparente del suelo y el coeficiente para el cálculo de la
producción potencial del ecosistema (BULK y PRDX2, respectivamente). Posteriormente
se evaluó el efecto de otros parámetros como proporción de arena, limo y arcilla en el
suelo. Con relación a la densidad aparente, ésta fue explorada en la vecindad de 1 (0.98
a 1.3 g/cm3) por corresponder a los niveles reportados para la zona de estudio (Moreno,
2004). Con respecto al coeficiente para el cálculo de la producción potencial del
ecosistema, el manual del modelo sugiere que se explore en la vecindad de 0.5.
La calibración del modelo es el proceso inverso a la predicción: se busca identificar los
valores de los parámetros que hacen más ajustada la predicción. El criterio para
calibración se compuso de dos indicadores: el error absoluto medio (MAE, en inglés),
y la raíz cuadrada del error cuadrático medio (RMSE) (Mood & Graybill, 1974),
donde Pi es el valor predicho por el modelo, Oi, es el valor observado y N, es la cantidad
de observaciones usadas para calificar.
La validación del modelo se evaluó con 100 remuestreos sobre la cronosecuencia de 32
observaciones disponibles para bosques secundarios (Del Valle et al., 2011), usando dos
tercios de las mismas (20 en promedio) de forma aleatoria. La aleatorización se realizó
incorporando un coeficiente a cada observación que asume valores de cero o uno, según
el resultado de la función “=ALEATORIO()” del programa EXCEL.# = () > 0.6666() < 0.3333Es decir, se eligió solo una proporción de las observaciones disponibles, un subconjunto
relativamente pequeño, que se usó para calificar cada criterio.
N
|OiPi|MAE
N
1i
N
OiPiRMSE
N
i
2
1)(
11
Según se indicó arriba, la calidad de la predicción del modelo se calificó con el RMSE y
con el coeficiente de determinación R2. Este último se interpreta como la proporción de la
variación de los datos explicada por CENTURY,
= − ∑( − )( − ) ∗ ( )
12
RESULTADOS
Análisis de sensibilidad y calibración del modeloDespués de un análisis exploratorio para evaluar la sensibilidad del modelo a cambios en
los parámetros, se encontró que, además de la precipitación y la temperatura del sitio, los
siguientes tres grupos de parámetros tienen crucial importancia en los resultados de las
modelaciones:
i) El coeficiente para el cálculo de la producción potencial (capacidad productiva) del
ecosistema (parámetro PRDX2 en el archivo de parámetros Tree.100).
ii) La proporción de la productividad que se asigna a cada depósito de biomasa
(separados en hojas, raíces finas, ramas gruesas, raíces gruesas, y madera gruesa).
Estos son los parámetros FCFRAC(i,j) en el archivo Tree.100.
iii) La tasa de mortalidad de cada depósito (parámetros WOODDR(i)), la cual controla su
dinámica y, por ende, su potencial de acumulación de Carbono. El cambio de los
parámetros de mortalidad permitió el llenado de los depósitos hasta los niveles
reportados por las mediciones realizadas en los seis períodos usados. Diferentes
niveles de ajuste se logran con el modelo CENTURY para cada etapa de la sucesión
secundaria como se muestra adelante
Las respuestas a los cambios en los parámetros anteriores depende de los valores de la
relación biomasa foliar/ índice de área foliar (parámetro BTOLAI) y el máximo índice de
área foliar que puede alcanzar el bosque (parámetro MAXLAI).
Aunque el aumento de la densidad aparente del suelo también afectó negativamente la
captura de carbono en la biomasa de la superficie del ecosistema (los suelos más densos
presentaron menor capacidad de captura de carbono y aquellos con menor densidad
aparente exhibieron mayores cantidades de carbono), la magnitud del efecto fue pequeña,
pues la captura disminuyó aproximadamente en 0.7 t/ha cuando la densidad aparente
aumentó en una décima en el rango de densidad aparente entre 0.9 y 1.2 t/m3, el cual
corresponde a la vecindad de los valores reportados por Moreno (2002); no se exploraron
otros valores por fuera de este rango. La influencia de este parámetro fue menor que la
encontrada para cambios en la textura.
13
Los niveles de carbono en la biomasa aérea cambiaron como respuesta a incrementos del
parámetro PRDX2, lo mismo que los niveles de PPN. La respuesta fue directamente
proporcional, mas no lineal; un aumento de una milésima en PRDX2 provocó, en
promedio, un aumento en el pronóstico del carbono en la biomasa aérea de 1.27 t C/ha en
las existencias; la respuesta del carbono a cambios en PRDX2 estuvo influenciada por el
nivel de la densidad aparente (Figura 2). No se ensayaron simulaciones para valores de
PRDX2 para valores más allá del rango presentado, pues la PPN resultante se aparta
significativamente de los datos aportados por Usme (2009); respuestas a cambios en
PRDX2 para valores de la densidad aparente inferior a 0.98 g/cm3 no fueron exploradas
en este trabajo.
Figura 2. Cambios en la biomasa superficial originados al cambiar el parámetro delcoeficiente para el cálculo de la producción potencial del sistema; la densidad aparentedel suelo evaluada se situó en los niveles 0.98 y 1.04 g/cm3. Los suelos máscompactados presentaron menor capacidad de captura de Carbono.
Carbono en el sistemaLas existencias de carbono en los depósitos vivos de los bosques primarios intervenidos
de Porce, estimadas por el modelo CENTURY, fueron del orden de 142 t/ha, 101.3 t/ha
para los depósitos aéreos y 40.7 t/ha para los subterráneos (Tabla 3, Figura 3); la
distribución de las existencias entre el Carbono subterráneo y el superficial mostró un
valor máximo de 69% en el año de la intervención que taló el bosque y, posteriormente,
disminuyó a medida que avanzó la sucesión hasta un valor de 40% en los bosques
primarios intervenidos; por encima lo reportado por Benjumea (2002) para relación biomasa
9092949698
100102104106108110
0.174 0.178 0.179 0.184
Carb
ono
en la
bio
mas
a aé
rea
(t/h
a)
PRDX2
0.98
1.04
Densidad aparente
14
radical (raíces gruesas)/ biomasa aérea en la zona de estudio (25% en bosque primario
intervenido y 28% para bosque secundario). El modelo estimó una relación entre el
carbono de la biomasa aérea y el carbono de la biomasa total del 73.3% en el estado de
equilibrio dinámico.
La dinámica de acumulación de carbono en la biomasa del ecosistema a lo largo de la
sucesión, estimada por el modelo Century 4.5 (Figura 4) mostró un aumento con el
tiempo; así, para el año 15 de la sucesión se estimaron 80.8 t/ha, distribuidas en 53.5 t/ha
en la biomasa aérea y 27.2 en la subterránea (Tabla 3); para el año 30 se estimaron
existencias del orden de 114.1 t/ha (78.4 en la superficie y 35.7 subterráneas). Para el
año 42 de la sucesión se estimaron 133.8 t C/ha (93.1 en la biomasa aérea y 40.6 en la
subterránea, Tabla 3). Vale la pena resaltar que en las etapas avanzadas de la sucesión,
aproximadamente 100 años después de la última intervención, los valores de biomasa
tanto aérea como de raíces, alcanzan un valor máximo que decrece gradualmente, sin
que medie intervención antrópica, en las décadas siguientes, cuando el bosque alcanza el
equilibrio dinámico (Figura 4).
Tabla 3. Resultados de la simulación con Century 4.5 para el contenido de Carbono enlos depósitos del sistema forestal en Porce (t de carbono/ha).
Edad (años) Steady stateDepósito 15 30 42 Estimado Observado2
Raíces gruesas 18.37 26.83 31.71 32.03 33.53Raíces finas 8.86 8.94 8.98 8.69 8.97Total subterráneo 27.23 35.77 40.69 40.72 42.5Madera gruesa 41.55 62.05 74.42 81.32Ramas finas 8.02 11.97 14.36 15.69Hojas 4.00 4.30 4.41 4.28Total aéreo 53.57 78.32 93.19 101.29 101.92Total (aéreo + subterráneo) 80.80 114.09 133.88 142.01 144.42
El depósito de Carbono en raíces gruesas se estimó en 32 t/ha. En la región de Porce se
encontraron existencias de raíces gruesas del orden de 33.5 t/ha (Orrego et al., 2003) lo
que implica un error del 4%, en el pronóstico para el estado clímax (steady state en la
tabla 3) del bosque. En las raíces finas las existencias alcanzan ≈8.965 t/ha (Orrego et al.,
2003) y el modelo las estima en 8.69 t/ha, por lo que este error alcanzó el 3.1%.
2 Medición para bosque primario intervenido en la región de Porce (Orrego et al., 2003)
15
Figura 3. PPN estimada por Century 4.5 para los depósitos del sistema forestal en PorceII a lo largo de la sucesión. El sistema paulatinamente aumenta la asignación de Carbono,predominantemente, a la producción de hojas y disminuye la producción de maderagruesa.
El modelo estimó la PPN del ecosistema para el estado estable del bosque en 11.93 t de
carbono/ha/año (Tabla 4). Los resultados de la simulación a los 15. 30 y 42 años
después de la última intervención (dada una tala rasa en 1969: años 1985, 2000, y 2012)
muestran que la asignación de recursos cambia ligeramente a lo largo de la sucesión,
pues tiende a decrecer la cantidad de carbono localizada en la parte subterránea y a
aumentar la cantidad de la parte aérea, aunque la PPN del ecosistema se mantiene
relativamente estable en 11.9 t de carbono /ha/año.
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
0 50 100 150 200 250 300
PPNt/ha/año
Edad (años)
Raíces gruesas
Raíces finas
Madera gruesa
Ramas finas
Hojas
16
Tabla 4. Productividad en los depósitos vivos el ecosistema forestal simulado conCentury 4.5 en la región de Porce (t de carbono/ha/año).
Edad (años) Steady stateDepósito 15 30 42 Estimado Observado3
Raíces gruesas 1.22 1.17 1.19 0.85 0.9Raíces finas 4.39 4.44 4.46 4.314 2.55
Total subterráneo 5.61 5.63 5.65 5.16 3.4Madera gruesa 2.67 2.57 2.60 1.86 3.2Ramas finas 0.51 0.50 0.50 0.36Hojas 3.19 3.30 3.24 4.61 5.11Total aéreo 6.37 6.37 6.34 6.83 8.33Total (aéreo + subterráneo) 11.98 12.0 11.99 11.98 11.93
Figura 4. Dinámica de acumulación de Carbono en la biomasa del ecosistema estimadapor el modelo CENTURY 4.5 para los bosques de la región de Porce (Andesantioqueños), tras entresacas del 25% de la biomasa aérea y pastoreo iniciadas en 1945,que concluyeron con una entresaca del 95% de la biomasa en 1969, después de lo cualse deja correr la sucesión forestal sin intervención.
3 Mediciones para bosque primario intervenido en la región de Porce (Usme, 2009)4 Estimada hasta los 60 cm de profundidad5 Medida hasta los 30 cm de profundidad
0
20
40
60
80
100
120
140
1900 1950 2000 2050 2100 2150 2200 2250
Carb
ono
en la
bio
mas
a de
la s
uper
ficie
(t/h
a)
Tiempo (años)
Carbono en la biomasaAerea
17
Validación: Calidad de ajuste del modelo CENTURY 4.5El modelo estimó las existencias de Carbono en los depósitos aéreos y subterráneos,
aunque solo se calificó el ajuste para el depósito aéreo, para el cual se fijaron los
parámetros para obtener un resultado de 102 t de carbono/ha. La calidad del ajuste del
modelo, en comparación con los valores observados en bosques secundarios de distintas
edades (Figura 5), arrojó un coeficiente de determinación (R2) del 0.65. El error
cuadrático medio (RMSE) fue de 16.8 t C/ha, y el error absoluto medio (MAE), de 12.73 t
C/ha.
Figura 5. Valores de carbono en la biomasa aérea de los bosques secundarios de laregión de Porce II, observados (Del Valle et al., 2011) y estimados con el Modelo Century4.5.
Las estimaciones de carbono en la biomasa aérea con el modelo Century y con el modelo
probabilístico de Bertalanffy, ajustado por Del Valle et al., (2011) para las mismas
observaciones, en un escenario de 30 años de desarrollo de la sucesión, son muy
similares (Figura 6); durante los primeros 17 años de desarrollo sucesional, los valores
estimados con Century son ligeramente superiores, mientras que entre los años 18 y 30 el
modelo de Bertalanffy está ligeramente por encima. La comparación en un escenario de
largo plazo (Figura 7) muestra que si bien el sistema recupera el Carbono de la biomasa
aérea en 60 años aproximadamente, tarda unos 240 años para alcanzar el equilibrio.
0
20
40
60
80
100
120
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Carb
ono
en l
a bi
omas
a de
la su
perf
icie
(t/h
a)
Edad (años)
CENTURY 4.5
Observado (del Valle et al.,2011)
18
Figura 6. Valores observados y estimados de Carbono en la biomasa aérea de losbosques de la región de Porce II. Las líneas continuas muestran los valores estimadoscon el Modelo Century 4.5 (color azul) y los estimados por Del Valle et al., (2011) medianteregresión (color naranja).
Figura 7. Estimaciones de largo plazo del Carbono en la biomasa aérea con el modeloCentury 4.5. (línea continua color azul) y mediante regresión no lineal con el modelo de
Bertalanffy )1/(1exp1 mktbAY (línea de color naranja) por Del Valle et al., (2011)
0
20
40
60
80
100
120
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Carb
ono
en l
a bi
omas
a de
la su
perf
ície
(t/h
a)
Edad (Años)
CENTURY 4.5
Observado (Del Valle et al.,2011)
Del Valle et al.,2011
0
20
40
60
80
100
120
140
1900 1950 2000 2050 2100 2150 2200 2250
Carb
ono
en la
bio
mas
a de
la su
perf
icie
(t/h
a)
Tiempo (años)
Carbono en la biomasa AereaObservado (Del Valle et al.,2011)Del Valle et al.,2011
19
La parametrización del modelo permitió simular la dinámica de la PPN del sistema para el
período de desarrollo de la sucesión secundaria (Figura 8). La salida del modelo
evidencia una disminución de la PPN hasta 10.7 t C/ha/año en el primer año de desarrollo
de la sucesión, y una inversión de las asignaciones (es decir, mayor PPN subterránea que
aérea) que solo se mantiene hasta el año tres, después de lo cual se reinvierte la
tendencia. La PPN de carbono más mal pronosticada se obtuvo para el depósito leñoso
aéreo, con un error de estimación de más del 70%, la razón para tal resultado debe
buscarse en el conjunto de parámetros elegido. En contraste con esto, la PPN de
carbono en las hojas fue estimada con en error cercano al 11%. Se encontró un error del
42% en la PPN de carbono de las raíces finas, mientras que la diferencia de la estimación
de la PPN en las raíces gruesas alcanzó el 5.9%. Esta diferencia se asocia posiblemente
a la cantidad de materiales que se dedican a exudados y a material de raíces finas que
las mediciones no cuantifican; esto es que, según el Century, 1.8 t C/ha/año son
dedicadas a exudados y a herbivoría y no son tenidos en cuenta por los inventarios. En
conjunto, el modelo Century pronosticó la PPN de carbono en el sistema forestal con un
error inferior al 0.5% (Tabla 4).
Figura 8. PPN en los depósitos aéreo y subterráneo estimada por Century 4.5 durantelos primeros 20 años de la sucesión secundaria.
4.9
5.1
5.3
5.5
5.7
5.9
6.1
6.3
6.5
1965 1970 1975 1980 1985 1990
PPN
(t C
/ha/
año)
Año
Aéreo
Subterráneo
20
DISCUSIÓN
El principal objetivo de este trabajo fue el de ajustar un instrumento para la el pronóstico
de las existencias de carbono y la capacidad de captura anual en sistemas forestales
tropicales de la región premontana en los Andes antioqueños. El modelo se calibró por
medio de un procedimiento6 recurrente que primero reconoció los parámetros más
influyentes en el pronóstico del nivel de existencias y de la productividad, lo que resultó en
la necesidad de ajustar en el modelo en primer lugar la PPN y, posteriormente los niveles
de los depósitos. El parámetro PRDX2 se halló relacionado directamente con la PPN del
sistema y fue fijado en 0.178 por debajo del valor recomendado por el manual del usuario
del modelo en 0.5; el conjunto de parámetros WOODDR(i) y LEAFDR(i)se hallan
relacionados con la cantidad de carbono que se alcanza a acumular en los depósitos que
el modelo describe (anexo 2 contiene la parametrización del archivo TREE.100). Valores
altos de las mortalidades de los depósitos se relacionan directamente con niveles bajos
de existencias, por esto, los sistemas que presentan cantidades importantes de carbono
almacenado son indicadores de compartimientos de Carbono (biomasa) que tienen baja
mortalidad o ciclos de vida más largos.
El modelo estima contenidos de carbono y productividad para la unidad homogénea de
territorio. Las estimaciones del modelo ignoran las variaciones espaciales en los
contenidos de los depósitos sobre los que se intenta pronosticar, esto es consecuencia de
que Century no es un modelo espacialmente distribuido y, por tanto, sus estimaciones se
refieren a una situación promedia del ecosistema. Century es un modelo flexible porque
permite realizar estimaciones de las existencias de carbono y de la productividad en un
amplio rango de condiciones climáticas y de oferta ambiental de nutrientes que demanda
gran detalle en su proceso de calibración. Esta flexibilidad y capacidad predictiva del
modelo contrarrestan en parte las desventajas derivadas de no ser un modelo
espacialmente distribuido.
El modelo Century estimó las existencias de Carbono en la biomasa aérea con un error
inferior al 1%, para el bosque primario intervenido; como el modelo ha sido planteado para
estimaciones del carbono a largo plazo, en las etapas serales intermedias y tempranas
del desarrollo del sistema, los resultados no fueron consistentes con las observaciones:
para la edad de 15 años el modelo sobreestimó en 31% los contenidos de carbono en la
6 El anexo 2 contiene los parámetros incorporados al modelo en el archivo del modelo TREE.100.
21
biomasa superficial, pero a la edad de 30 años el modelo subestima en 16% el mismo
depósito (Figuras 5). Una parametrización deficiente o el uso de mediciones
pertenecientes a tipos de bosques más productivos en las parcelas más antiguas del
bosque secundario pueden explicar tal comportamiento (note como en la Figura 7 los
observados más antiguos parecen no alinearse con los más jóvenes. Los resultados de la
parametrización del modelo deberán contrastarse contra información que pertenezca a un
rango altitudinal más estrecho para establecer de manera más exacta la calidad de las
predicciones; además de un rango altitudinal homogéneo para la comparación, la historia
de intervenciones en el sitio debe tener mayor detalle en archivo de itinerarios. El modelo
probabilístico estimado por Del Valle et al., (2011) hace patente tal inconsistencia en la
estimación (Figuras 6), lo cual es indicio de que, si bien el modelo, con relativamente,
pocos insumos, pronostica el resultado del sistema a largo plazo, se queda corto para la
predicción en el estado intermedio de la sucesión.
Con referencia a la relación entre el Carbono de la biomasa subterránea y el Carbono de
la biomasa aérea, el modelo Century mostró una relación decreciente, cóncava hacia
arriba, que se estabiliza en una proporción del 41.6% que concuerda con lo reportado por
Klinge, (1977) para la biomasa; Klinge y Herrera, (1978), Abdala et al., (1997), y Shingh et al.,
(2000) sugieren tal decrecimiento con el aumento del tamaño de los árboles. En Porce,
Benjumea (2002) reportó relaciones de 25% entre la biomasa de las raíces gruesas y la
biomasa aérea en bosque maduro de Porce; Sierra & Hernández (2001), reportaron para
bosques secundarios de Porce un 28% para esta relación. El modelo Century presenta
una diferencia sustancial que puede ser corregida con una elección diferente de los
parámetros de entrada que baje esta relación del 40%.
Posterior a una tala rasa, el bosque inicia una fase de reacomodo que antecede a la
recuperación de las existencias de los depósitos, el sistema alcanza un máximo en el total
de los depósitos que desemboca en un estado de equilibrio dinámico (steady state)
(Bormann & Likens, 1977). La simulación del modelo Century reprodujo este patrón de
desarrollo del sistema (Figuras 3 y 6) y mostró las fases de recuperación (aggradation) y
transición del sistema; la fase de reorganización no es tan clara o simplemente, para esta
escala temporal es imperceptible. La velocidad de las reacciones ecosistémicas en el
trópico demanda una mayor resolución en la escala de observación (diaria o semanal, la
cual se halla fuera de nuestro alcance por ausencia de mediciones a este nivel).
22
Según los pronósticos del modelo Century, la fase de recuperación del sistema se toma
entre 100 y 110 años (Figura 4 & 6) para llegar a los niveles máximos de contenido de
carbono, pero la recuperación de los niveles existentes en la condición climáxica (o del
estado estable –steady state) solo tarda unos 60 años o menos. Del Valle et al., (20011)
reportó para estos ecosistemas, con base en un modelo probabilístico, un tiempo de
recuperación de la existencias de, más o menos 90 años, el cual se halla
aproximadamente en la mitad del intervalo considerado arriba, de esto, la cantidad de
carbono en la biomasa del sistema resulta así, ser un índice incompleto del estado de
conservación del bosque pues solo cuantifica el resultado de sus funciones mas no el
estado de su dinámica. La fase de transición en estos ecosistemas tomará, según el
modelo Century 4.5, alrededor de 140 años; esto es que niveles comparables en las
cantidades de Carbono del bosque son recuperados después de transcurridos, al menos,
250 años después de una intervención a tala rasa.
La simulación de la PPN (Figura 8) muestra indicios de un reacomodo de la productividad
que tarda entre uno y veinte años; en este período la PPN del sistema cambia en la
distribución de materiales subterráneo/aéreo, asignando en los dos primeros años de la
sucesión más carbono a las raíces sin cambiar su resultado total; en el año tres la PPN
asignada a los depósitos aéreos iguala la asignada a los subterráneos, después de lo cual
el sistema asigna más carbono a los depósitos aéreos. Las tendencias de la asignación
del carbono encontradas, evidencian el traslado paulatino de materiales [y energía] desde
las raíces gruesas, madera y ramas finas a la producción de hojas y de raíces finas.
Respecto a la PPN aérea, la mayor contribución se asignó a la producción de hojas (4.61
t/ha/a), estimada con un error del 10.84% para el estado estable; el sistema
paulatinamente deriva cada vez más carbono [energía] a este depósito.
Para el bosque maduro se reportan valores entre 4.19 y 5.76 de producción de raíces
finas hasta los 20 cm de profundidad (Priest et al., 1999), pero tal producción, medida por
Usme (2009) hasta los 30 cm, en 2.505 t/ha/año, no se pronostica con el modelo; este
muestra un desfase de estimación del 41.8% (4.31 t/ha/año hasta una profundidad de 60
cm). Esta distancia se explica posiblemente por las diferencias de profundidad del
horizonte de suelo considerado.
El modelo solo mostró sensibilidad a los cambios de la PPN en el estado de reacomodo
del sistema (los primeros seis años). Este comportamiento es visible cuando se usa un
23
nivel de resolución temporal mensual, la PPN del sistema aparece casi constante después
del año tres (Figura 8) en el nivel de resolución anual. Los resultados obtenidos sugieren
que el modelo Century 4.5 puede ser usado para estimar y predecir de manera confiable
la dinámica del carbono en el mediano y largo plazo, así como las consecuencias de las
prácticas silvícolas, pero se queda corto para describir la dinámica del bosque tropical en
intervalos temporales más finos (días o semanas).
El uso del modelo Century para predecir los efectos de las fluctuaciones en el clima sobre
la acumulación y dinámica de carbono en los ecosistemas, tiene gran potencial, una vez
se tiene adaptado y validado para una localidad específica, como en este caso para los
bosques de la cuenca media del río Porce. Así mismo, el desafío futuro es el uso del
modelo en un contexto espacialmente distribuido, es decir, su vinculación con un sistema
de información geográfica, de manera que permita considerar la variabilidad espacial de la
dinámica del carbono.
La estructura del modelo permitió ajustar la PPN en 11.98 t/ha/año, posiblemente son los
cambios en la distribución de la PPN y en la mortalidad de los depósitos los responsables
del error en la estimación de la productividad de las raíces gruesas, el cual arrojó una
diferencia del 5.8% con respecto a los observados; valores menores de la mortalidad de
estos depósitos, definidas en el archivo de parámetros TREE.100, cambian los niveles de
carbono en los depósitos y la PPN. Las fuentes más importantes de variación de los
pronósticos se relacionan con la confiabilidad de la información con la que se caracteriza
cada fragmento de bosque, con la que se calibra el modelo y la cual se traslada a sus
parámetros. La edad de los bosques que sirven para caracterizar el sistema, lo mismo
que el historial de intervenciones son caracteres que deben ser establecidos de forma
precisa. En la medida en que se dispone de una caracterización más detallada del
sistema, las predicciones serán más consistentes con la realidad: la estructura
demográfica de la comunidad lo mismo que las salidas del sistema por herbivoría en
superficie y por exudados en el sistema radical son características que deberán ser
incorporadas a las estimaciones del modelo para utilizarlo al nivel del paisaje.
El modelo Century presentó una calidad de ajuste inferior a la reportada en ecosistemas
rusos (Gilmanov et al., 1995) en los que fue calificado con coeficientes de determinación
entre 0.67 y 0.98. Allí, los mejores ajustes se lograron en ecosistemas esteparios y
arrojaron diferencias medias absolutas de 10.8 a 27.1 t C/ha en los estados maduros de la
24
sucesión, de esta forma el desempeño del modelo en la zona norte de los Andes
antioqueños fue comparable al reportado por Gilmanov et al., (1995) pero no superior. En
ecosistemas tropicales, el trabajo realizado en Senegal no se ocupó de la calidad del
ajuste del modelo (Liu et al., 2004; Parton et al., 2004).
Esta aplicación del modelo en Colombia es el primer intento de modelación para el ciclo
del carbono que permite cuantificar la extracción de carbono de los bosques andinos así
como el servicio de captura de carbono por parte de estos ecosistemas; la influencia de
las prácticas de manejo sobre la vegetación también podrá ser modelada con la inclusión
de los correspondientes itinerarios aplicados al paisaje. La utilización de mediciones de
campo para realizar las simulaciones no puede desvincularse de la modelación con
CENTURY. Los datos de campo son cruciales para el modelo, más la estrategia de
medición puede reenfocarse cuando se trate de hacerla un insumo para el modelo: será
necesario la caracterización de bosques típicos de cada unidad de paisaje para extender
los pronósticos del modelo a la escala del paisaje y, con esto, hacerlo una herramienta
complementaria de sistemas nacionales de monitoreo. La estimación de carbono extraído
por procesos de reforestación lo mismo que su uso en proyectos REDD tienen así en
Colombia un instrumento adicional de medición.
25
Conclusión
Según los estimados de las existencias de carbono en la biomasa de los depósitos aéreos
y subterráneos del bosque usando el modelo basado en procesos para los ciclos
biogeoquímicos, CENTURY versión 4.5 con una resolución espacial de un metro
cuadrado y temporal de un mes, el máximo total esperado de carbono, incluyendo todos
los componentes del bosque, sería de 171.2 t C/ha (342 t Biomasa total del sistema),
122.4 t C/ha en superficie y 44.6 t C/ha subterránea. Según este modelo, la productividad
primaria neta (PPN) estimada para el ecosistema es de 11.96 t C/ha/año, de las cuales
5.16 t C/ha/año corresponden al incremento del Carbono en la biomasa superficial. Con
base en este modelo, aproximadamente después de 60 años de sucesión secundaria, el
bosque alcanza un 99% del total esperado en su estado estable.
El Modelo CENTURY predijo los contenidos de carbono en la biomasa de forma aceptable
en las etapas iniciales de la sucesión, pero subestima en las etapas intermedias. Para las
edades avanzadas de la sucesión forestal (cercanas al estado de equilibrio dinámico), el
modelo puede adaptarse a cualquier nivel de productividad y describe con gran precisión
las proporciones de los depósitos del bosque, siempre y cuando se disponga de
información que de indicios de la dinámica de uno o más de los depósitos.
A medida que aumenta la edad del sistema aumenta el carbono almacenado en la
biomasa, por ello, permitir el avance de la sucesión va a promover el aumento de la
cantidad de C secuestrado. De acuerdo con los resultados de la simulación, este proceso
no es lineal, la cantidad de Carbono almacenada en la biomasa es mínima en los
primeros años de la sucesión y aumenta paulatinamente hasta su valor máximo en los
estados intermedios de la recuperación del sistema, después de haber sido intervenido, y
se concentra en los árboles más grandes al final.
26
Las estimaciones de carbono en la biomasa aérea del ecosistema realizadas por el
modelo CENTURY 4.5 pueden ser usadas para establecer niveles base de los depósitos,
y por esto, sus pronósticos pueden usarse como índice de la captura de Carbono en las
etapas intermedias de la sucesión. Una vez adaptado el modelo a una región, la
diferencia entre la estimación y la medición, en un depósito particular, puede ser
interpretada como una medida de degradación por el uso previo o como una medida de
su productividad relativa.
Los valores de almacenamiento de carbono, en el estado estable de la sucesión, son
coincidentes a los obtenidos por el método de la asíntota (≈130 t C/ha), pero las tasas de
desarrollo predichas el por modelo probabilístico de Del Valle et al., (2011) predicen una
recuperación de los depósitos muy rápida en comparación con la pronosticada en el
modelo CENTURY (menor de 100 años versus más de 240 años, respectivamente). Lo
anterior valida la importancia de la predicción basada en procesos en contraste con la
predicción realizada por modelos probabilísticos.
27
BIBLIOGRAFÍA
ABDALA, G.C.; CALDAS, L.S.; HARIDASAN, M. & EITEN, G. Belowground organic matterroot:shoot ratio in a Cerrado central Brazil. 1997. Revista Brasilera de Ecología 01 36-49.
ACHARD, F., R. DEFRIES, H. EVA, M. HANSEN, P. MAYAUX, & H.-J. STIBIG. Pan-tropicalmonitoring of deforestation. Environmental Research Letters 2:1-11. 2007
BENJUMEA, J.F. Biomasa de raíces gruesas para árboles de los bosques primarios en elárea de influencia de la Central hidroeléctrica Porce II. Trabajo de grado IngenieríaForestal. 2003. Universidad Nacional de Colombia. Facultad de CienciasAgropecuarias, Sede Medellín
BORMANN, F. H. & LIKENS, G. E. Pattern and Process in a Forested Ecosystem. 1979.Springer, New York. 251p.
BOSATTA, E. & ÅGREN, G.I. Theoretical analysis of decomposition of heterogeneoussubstrates. Soil Biol. Biochem. 17: 601- 610. 1985.
BROWN S, GILLESPIE A AND LUGO A E. Biomass estimation methods for tropical forests withapplications to forest inventory data Forest Sci. 35 881–902. 1989
BROWN S, IVERSON L R, PRASAD A AND LIU D. Geographic distribution of carbon in biomassand soils of tropical Asian forests Geocarto Int. 8 45–59. 1993
BROWN S Estimating biomass and biomass change of tropical forests: a primer FAOForestry Paper no. 134 Rome. 1997
CABRERA E., VARGAS D.M., GALINDO G. GARCÍA M.C., ORDÓÑEZ M.F. Memoria Técnica:Cuantificación de la tasa de Deforestación para Colombia, Periodo 1990-2000, 2000-2005. Instituto de Hidrología, Meteorología y Estudios Ambientales –IDEAM-. BOGOTÁD.C., Colombia. 22 p. 2011.
CARVALHO L.L.F., DE SA´ MENDONÇA, E., OLIVEIRADE DE ALMEIDA MACHADO, P.L.,FERNANDES F.E.I., LIMA N.J.C. Simulating trends in soil organic carbon of an Acrisolunder no-tillage and disc-plow systems using the Century model. Geoderma 120(2004) 283–295
CASTILLO ESPITIA, N. Antiguos pobladores del valle medio del río Porce. Aproximacióninicial desde el estudio arqueológico del proyecto Porce II. Empresas Públicas deMedellín E.S.P. Universidad de Antioquia, Facultad de Ciencias Sociales y Humanas.Centro de investigaciones sociales y humanas. 1998.
CLARK, D. A. Detecting Tropical Forests’ Responses to Global Climatic and AtmosphericChange: Current Challenges and a Way Forward. BIOTROPICA 39(1): 4–19 2007.
CLARK, D.A. Are tropical forest an important carbon sink? Reanalysis of long- term plotdata. Ecological Applications, 12, 3-7. 2002.
28
CLARK, D. A., S.BROWN, D.W. KICKLINGHTER, J. Q. CHAMBERS, J.R. THOMLINSON, J. N. ANDE.A. HOLLAND. Net primary production in tropical forest: an evaluation and synthesisof existing field data. Ecological applications. 2001. 11(2): 371-384.
CERRI, C.E.P., EASTER, M., PAUSTIAN, K., KILLIAN, K., COLEMAN, K., BERNOUX, M., FALLOON,P., POWLSON, D.S., BATJES, N., MILNE, E. Simulating SOC changes in 11 land usechange chronosequences from the Brazilian Amazon with RothC and Century models.Agriculture, Ecosystems and Environment 122 (2007) 46–57.
CHAVE, J., R. CONDIT, H. C. MULLER-LANDAU, S.C. THOMAS, P. S. ASHTON, S.BUNYAVEJCHEWIN, L. L. CO, H. S. DATTARAJA, S. J. DAVIES, S. ESUFALI, C. E. EWANGO,K.J. FEELEY, R.B. FOSTER, N. GUNATILLEKE, S. GUNATILLEKE, P. HALL, T.B. HART, C.HERNÁNDEZ, S.P. HUBBELL, A. ITOH, S. KIRATIPRAYOON, J. V. LAFRANKIE, S. LOO DE LAO,J. MAKANA, MD. N. S. NOOR, A. R. KASSIM, C. SAMPER, R. SUKUMAR, H.S. SURESH, S.TAN, J. THOMPSON, D. C. TONGCO, R. VALENCIA, M. VALLEJO, G. VILLA, T. YAMAKURA,J.K. ZIMMERMAN, AND E.C. LOSOS. Assessing Evidence for a Pervasive Alteration inTropical Tree Communities. Plos Biology. www.plosbiology.org. Vol.6(3) marzode 2008. P1-8
CHAVE J ET AL Tree allometry and improved estimation of carbon stocks and balance intropical forests Oecologia 145 87–9. 2005
DEFRIES, R., ASNER, G.P., ACHARD, F., JUSTICE, C., LAPORTE, N., PRICE, K., SMALL, C., & J.TOWNSHEND. Monitoring tropical deforestation for emerging carbon markets. TropicalDeforestation and Climate Change. P. Moutinho and S. Schwartzman (eds.) AmazonInstitute for Environmental Research, Belém, Brazil. 2005.
DEL VALLE A. J.I., H.I. RESTREPO, M.M. LONDOÑO. Recuperación de la biomasa mediante lasucesión secundaria en la cordillera central de los Andes, Colombia. Biología tropical /International journal of topical biology and conservation. Vol. 59(3) septiembre 2011.
DEL VALLE J.I., ORREGO, S.A., Y F.H. MORENO. Línea de profundización Bosques yconservación ambiental. Área temática: Bosques y cambio climático. Informe final.Universidad Nacional de Colombia, Sede Medellín. 2002. 100p.
DIXON R. K., BROWN S., HOUGHTON R. A.,SOLOMON A. M., TREXLER M. C. & WISNIEWSKI J.Carbon pools and flux of global forest ecosystems. Science 263: 185–190. (1994)
DORAISWAMY, P.C., MCCARTY , G.W., HUNT JR. E.R., YOST , R.S., DOUMBIA , M.FRANZLUEBBERS A.J. Modeling soil carbon sequestration in agricultural lands of Mali.Agricultural Systems 94 (2007) 63–74
EMPRESAS PÚBLICAS DE MEDELLÍN. Proyecto hidroeléctrico Porce II. Estudio de impactoambiental. Informe final. Integral, Medellín. 1992.
GILMANOV, T. G., W.J. PARTON, AND D. S. OJIMA. Testing the CENTURY ecosystem levelmodel on data sets from eight grassland sites in the former USSR representing a wideclimatic/soil gradient. Ecological Modelling 96, 191-210. 1997.
29
GIBBS, H. K., BROWN, S., NILES, J. O., & J. A. FOLEY. Monitoring and estimating tropicalforest carbon stocks: making REDD a reality. Environmental Research Letters 2:1-13.2007.
GOFC-GOLD. Reducing greenhouse gas emissions from deforestation and degradation indeveloping countries: a sourcebook of methods and procedures for monitoring,measuring and reporting. GOFC-GOLD Report version COP14-2. GOFC-GOLDProject Office, Natural Resources Canada, Alberta, Canada. 2009.
HILL, M.J. Generating generic response signals for scenario calculation of managementeffects on carbon sequestration in agriculture: approximation of main effects usingCENTURY. Environmental Modelling & Software 18 (2003) 899–913.
HOUGHTON, R.A., Balancing the Global Carbon Budget. Annual Review of Earth andPlanetary Sciences. Climate Change: State of the Art (2001-2007) Vol. 35: 313-347.May 2007.
IDEAM. Informe Anual sobre el Estado del Medio Ambiente y los Recursos NaturalesRenovables en Colombia. Bogotá. 256 p. 2004.
IPCC. La captación y el almacenamiento de dióxido de carbono. Informe aceptado por elGrupo de trabajo III del IPCC. Bert Metz, Ogunlade Davidson, Heleen de Coninck,Manuela Loos, Leo Meyer. 2005, Grupo Intergubernamental de Expertos sobre elCambio Climático. ISBN 92-9169-319-7. 2005.
IPCC Good Practice Guidance for LULUCF. Directrices para la Elaboración de losInformes Nacionales destinados al FRA 2005. Anexo 5, tablas 3A.1.8, 3.2.2, 3.2.1 y3.2.4. 2004.
IPCC. Uso de la tierra, cambio de uso de la tierra y silvicultura. Informe especial delGrupo de trabajo III del IPCC. Publicado por el Grupo Intergubernamental de Expertossobre el Cambio Climático, OMM-PNUMA,© ISBN: 92-9169-414-2. 2000.
JARAMILLO, D.F. Estudio general de los suelos, erosión y uso potencial agropecuario paralos proyectos hidroeléctricos Porce II y Porce III. Empresas Públicas de Medellín.1989.
JENKINSON, D.S., J.H. RAYNER. The turnover of soil organic matter in some of theRothamsted classical experiments. Soil Sci. 123:298-305. 1977.
JIANG, H., M.J. APPS, C. CHANGHUI, Y. ZG, J. LIU. Modelling the influence of harvesting onChinese boreal forest carbon dynamics. Forest Ecology and Management 169 (2002)65- 82.
KAMONI, P.T., GICHERU, P.T., WOKABI, S.M., EASTER, M., MILNE, E., COLEMAN, K., FALLOON,P., PAUSTIAN, K., KILLIAN, K., KIHANDA, F.M. Evaluation of two soil carbon models usingtwo Kenyan long term experimental datasets Agriculture, Ecosystems andEnvironment 122 (2007a) 95–104.
30
KAMONI, P.T., GICHERU, P.T. , WOKABI, S.M., EASTER, M., MILNE, E., COLEMAN, K., FALLOON,P., PAUSTIAN, K. Predicted soil organic carbon stocks and changes in Kenya between1990 and 2030. Agriculture, Ecosystems and Environment 122 (2007b) 105–113.
KELLY , R.H., PARTON, W.J., CROCKER, G.J., GRACE P.R., KLFR, J., KISRSCHENS, M.,POULTON, P.R., RICHTER D.D. Simulating trends in soil organic carbon in long-termexperiments using the century model. Geoderma 81 (1997) 75-90.
KETTERINGS, Q.M., R. COE, M. VAN NOORDWIJK, Y. AMBAGAU, C.A. PALM. Reducinguncertainty in the use of allometric biomass equations for predicting above-ground treebiomass in mixed secondary forest. Forest Ecology and Management 146 (2001) 199-209.
KLINGE, H., HERRERA, R. Biomass studies in Amazon caatinga forest in southernVenezuela. I. Standing crop of composite root mass in selected stands. 1978. TropicalEcology 19: 93-109.
MALHI, Y., J. TIMMONS ROBERTS, RICHARD A. BETTS, TIMOTHY J. KILLEEN, WENHONG LI, C. A.NOBRE. Climate Change, Deforestation, and the Fate of the Amazon. SCIENCE vol.319 11 january 2008
MALHI, Y., NOBRE, A.D., GRACE, J., KRUIJT, B., PEREIRA, M.G.P., CULF, A., SCOTT, S.Carbon dioxide transfer over a central Amazonian rain forest. Journal of GeophysicalResearch, 103, 31593-31612. 1998.
MANLY, F.J. RANDOMIZATION, Bootstrap and Montecarlo Methods in biology. 2° Ed.University of Otago, New Zeland. Chapman & Hall. London-Madras. 1996. 455p.
METHERELL, A. K., HARDING, L.A., COLE, C.V., PARTON, W.J. Century soil organic mattermodel environment. Technical documentation. Agroecosystem. version 4.0. USDA-ARS.Fort Collins. Colorado. 1993
MIKHAILOVA, E.A., BRYANT, R.B., DEGLORIA, S.D., POST, C.J. VASSENEV, I.I. Modeling soilorganic matter dynamics after conversion of native grassland to long-term continuousfallow using the CENTURY model. Ecological Modelling 132 (2000) 247–257.
MORENO, F.H. Soil carbon dynamics in primary and secundary tropical forests in colombia.A dissertation submitted in partial fullfilment of the requirements for the gree of Ph.D. inBiology. FLORIDA INTERNACIONAL UNIVERSITY. Miami, Florida. 2004.
MORENO, F.H. & LARA, W. Variación del carbono orgánico del suelo en bosques primariosintervenidos y secundarios. In: Medición de la captura del carbono en ecosistemasforestales tropicales de Colombia. Sergio Alonso Orrego, Jorge Ignacio del Valle yFlavio Moreno. Universidad Nacional de Colombia, Sede Medellín. 2003.
MOOD, A.; GRAYBILL, F.; BOES, D. (1974). Introduction to the Theory of Statistics (3rd ed.).McGraw-Hill. p. 229.
31
LIUL , S., M. KAIRÉ, E. WOOD, O. DIALLO AND L. L. TIESZEN. Impacts of land use and climatechange on carbon dynamics in south-central Senegal. Journal of Arid EnvironmentsVolume 59, Issue 3, November 2004, Pages 583-604
OJIMA, D. S., PARTON, W. J., SCHIMEL, D. S., SCURLOCK, J. M. O., KITTEL, T. G. F. Modeling TheEffects Of Climatic And Co2 Changes On Grassland Storage Of Soil C. Water, Air, andSoil Pollution 70: 643-657, 1993.
ORREGO, S.A., J.I. DEL VALLE, Y F.H. MORENO. Medición de la captura de Carbono enecosistemas forestales tropicales de Colombia: contribuciones para la mitigación delcambio climático. Universidad Nacional de Colombia, Sede Medellín – Centro Andinopara la economía en el medio ambiente (CAEMA). Bogotá. 2003. 314p.
PARTON B, OJIMA D, DEL GROSSO S, AND KEOUGH C.S.F. CENTURY Tutorial. Supplementto CENTURY User´s Manual. 66p + apéndices. 2005a.
PARTON, W. J., D. S. OJIMA, AND D. S. SCHIMEL. CENTURY: Modeling EcosystemResponses to Climate Change, Version 4 (VEMAP 1995). Model product. Available on-line [http://www.daac.ornl.gov] from Oak Ridge National Laboratory Distributed ActiveArchive Center, Oak Ridge, Tennessee, U.S.A. 2005b.
PARTON, W., TAPPAN, D. OJIMA, D., TSCHAKERT, P. Ecological impact of historical andfuture land-use patterns in Senegal Journal of Arid Environments 59 (2004) 605–623
PARTON, W.J., SCURLOCK, J.M.O., OJIMA, D.S., GILMANOV, T.G., SCHOLES, R.J., SCHIMEL,D.S., KIRSHNER, T., MENAUT, J.-C., SEASTEDT, T., GARCIA MOYA, E., KAMNALRUT, A. ANDKINYAMARIO, J.L., Observations and modeling of biomass and soil organic matterdynamics for the grassland biome worldwide. Global Biogeochem. Cycles, 7: 785-809.1993.
PERRUCHOUD, D. O. & FISCHLIN, A. The response of the carbon cycle in undisturbed forestecosystems to climate change: a review of plant-soil models. Journal of Biogeography22,759-774. 1995.
PRIEST, J., C. THEN, AND FOLSTER. Litter and fine root production in three types of tropicalpremontane rain forest in SE Venezuela. Plant Ecology 143:171-187. 1999
RAICH, J.W., PARTON, W.J., RUSSELL, A.E., SANFORD JR, R.L., VITOUSEK P.M. Analysis offactors regulating ecosystem development on Mauna Loa using the Century model.Biogeochemistry 51: 161–191, 2000.
RICHARDS, A.E., DALAL, R.C., SCHMIDT, S. Soil carbon turnover and sequestration in nativesubtropical tree plantations. Soil Biology & Biochemistry 39 (2007) 2078–2090
ROY, J., AND B. SAUGIER. Terrestrial primary productivity: Definitions and milenstones. In:Roy, J., B. Saugier, and H.A. Mooney (eds.). Terrestrial Global productivity. AcademicPress, 2001. California, USA. P1-6
32
SAATCHI S S, HOUGHTON R A, DOS SANTOS ALVALA R C, SOARES J V AND YU Y. Distributionof aboveground live biomass in the Amazon Basin Glob. Change Biol. 13 816–37.2007.
SIERRA, C.A., DEL VALLE, J.I., ORREGO, S.A., MORENO, F.H., HARMON, M.E., ZAPATA, M.,COLORADO, G.J., HERRERA, M.A., LARA, W.,RESTREPO, D.E., BERROUET, L.M., LOAIZA,L.M., BENJUMEA, J.F. Total carbon stocks in a tropical landscape of the Porce region,Colombia. Forest Ecology and Management 243. 299-309. 2007.
SIERRA, C.A. & A. HERNÁNDEZ. Biomasa de raíces gruesas de los árboles del bosquesecundario del proyecto hidroeléctrico Porce II. 2001. Universidad Nacional deColombia, Sede Medellín. Empresas Públicas de Medellín, Medellín.
SUN, R. & ZHU, Q. Estimation of net primary productivity in China using NOAA AVHRRdata. 0-7803-7831-7. IEEE. © 2001. P. 1669-1671.
TEOBALDELLI, M., SOMOGYI, Z., MIGLIAVACCA, M., USOLTSEV, V.A. Generalized functions ofbiomass expansion factors for conifers and broadleaved by stand age, growing stockand site index. Forest Ecology and Management 257 (2009). 1004 - 1013.
UNFCC. Report of the Conference of the parties on its Thirteenth Session, Held in Balifrom 3 to 15 December 2007.
USME MEJÍA, P.A. productividad de los bosques primarios y secundarios en el norte de losandes tropicales, Colombia. Tesis de grado maestría en bosques y conservaciónambiental. Universidad Nacional de Colombia, Facultad de Ciencias Agropecuarias,
VAN MINNEN J.G., KLEIN K., STEHFEST E., EICKHOURT B., VAN DRECHT G., LEEMANS R.,.The importance of three centuries of land-use change for the global and regional terrestrialcarbon cycle. Climatic Change 97: 123-144. 2009
WALKER B., STEFFEN W., CANADELL J. & INGRAM J. The Terrestrial Biosphere and GlobalChange: Implications For Natural and Managed Ecosystems. Cambridge UniversityPress, Cambridge. (1999)
WARING R H, WAY J, HUNT E R JR, MORRISSEY L, RANSON K J, WEISHAMPEL J F, OREN RAND FRANKLIN S E. Imaging radar for ecosystem studies BioScience 45 715–23. 1995.
WESTLAKE D F The biomass and productivity of glyceria maxima: I. Seasonal changes inbiomass J. Ecol. 54 745–53. 1966
33
ANEXO 1
# Archivo Algunos parámetros1 crop.100
Parámetros para los tipos deproducción agrícola
Para cada tipo de cultivo este archivo contiene:Producción potencial del cultivo; temperatura óptima para eldesarrollo del cultivo; relaciones máximas y mínimas de C/N,C/P, C/S; fracciones de N, P, y S que destina la planta parael llenado de granos o frutos; fracciones de N, P y S que sonretranslocadas por el vegetal de los órganos que mueren alas partes vivas;…
2 cult.100Parámetros para una opción del tipode prácticas culturales
Pueden programarse varios esquemas.Fracción de biomasa aérea viva que se transfiere a losdetritos, directamente a la hojarasca o al suelo; fracción de labiomasa radical que se transfiere a las capas de suelo;…
3 fert.100Parámetros para un esquema defertilización
Pueden programarse varios esquemas de fertilización que sedescriben con las cantidades de N, P y S adicionados;
4 fire.100Opciones para un esquema de uso delfuego en el cultivo
Fracción de la biomasa aérea removida por el fuego; fracciónde detritos removida por el fuego; fracción de nitrógenoremovido por el fuego; fracción del fósforo removido por elfuego; fracción del azufre removido por el fuego; parámetrospara caracterizar efecto en la relación raíz/fronda;…
5 fix.100Parámetros que durante la simulaciónpermanecen fijos
Profundidad de las capas de suelo; factores de ponderaciónpara las pérdidas de por evapotranspiración para cada capade suelo; fracciones de N, P, y S superficiales que sonabsorbidos por los residuos; tasas máximas y mínimas dedescomposición de los contenidos estructurales ymetabólicos de los detritos; tasas máximas dedescomposición de los depósitos activos de materiaorgánica; fracciones de N, P, y S disponibles mensualmentepara las plantas; proporciones de N, P y S perdidas porlixiviación; factor de escalamiento para la interceptación porparte de los detritos; relaciones máximas y mínimas de C/N,C/P, C/S en el depósito microbial;…
6 graz.100Parámetros para algún esquema deproducción de gramíneas parapastoreo
Fracción de la biomasa aérea removida en el pastoreo;fracción de detritos removida en el pastoreo; fracción decarbono consumida que se reintegra en la heces; fracción denitrógeno que se reintegra en la orina; fracción del fósfororemovido que se reintegra en las heces y la orina; fraccióndel azufre removido que se reintegra en las heces y la orina;parámetros para caracterizar efecto del pastoreo en laproducción…
7 harv.100Esquema de cosecha en el cultivo
Fracción de la biomasa aérea y subterránea que es afectadapor la cosecha; si se cosecha grano a no; fracción de la
34
biomasa aérea que se remueve en la cosecha; fracciónradical que se remueve en la cosecha.
8 irri.100Parámetros para el programa de riegoen el cultivo
Determina si la irrigación es automática o no; si se hace acapacidad de campo o no; si se especifica una cantidad deagua o no; si se tiene en cuenta la evapotrasnpiraciónpotencial o no.
9 omad.100Parámetros para el programa deaporte de materia orgánica al suelo
Cantidad de materia orgánica agregada al sistema por mes;fracción de lignina presente en la materia orgánica que seagrega; relaciones carbono/elemento en la materia orgánicaque s agrega por mes.
10 tree.100Parámetros para el esquema deestablecimiento de especiesforestales.
Tipo de sistema forestal modelado (deciduo-perenne);potencial productivo del sistema; caracteriza las curvas quedescriben la respiración del sistema; caracteriza lasrelaciones máxima y mínima entre el carbono y los demáselementos modelados, en cada uno de los depósitos quetiene en cuenta el modelo; caracteriza las tasas dedesintegración de cada uno de los depósitos en cada mes…Ver anexo 1 en el que se describe la opción diseñada para leregión de Porce (POR).
11 trem.100Programa de aclareos, entresacas ycortas del arreglo productivo
Determina si en las prácticas se usa o no se usa fuego;fracción de hojas, ramas, madera que retorna al sistemadespués de realizar alguna extracción; fracciones de loselementos contenidos en hojas ramas, madera…, queregresan al suelo del sistema después de realizar unaextracción.
12 Porce.100Parámetros del sitio específico.
Media, desviación y simetría de la distribución de laprecipitación mensual; temperatura mínima y máximamensual; número de elementos adicionales al carbono amodelar; latitud y longitud; proporciones de arcilla, limo yarena en el suelo;; densidad aparente; número de capas queserán tenidas en cuenta en el suelo; tipo de drenaje;parámetros que caracterizan la entrada de nutrientes desdeel exterior del ecosistema; contenidos iniciales de loselementos modelados en cada una de las capas de suelo;relaciones carbono/elemento que se hallan en cada capa desuelo;…
13 Porce.schItinerario de acciones o intervencionespara la simulación. MedianteEVENT100.EXE se produce estearchivo de texto con la secuencia deintervenciones en el sistema; seespecifican prácticas y tiempos deduración
35
ANEXO 2POR Porce_II0.00000 'DECID'0.184000 'PRDX(2)'30.00000 'PPDF(1)'45.00000 'PPDF(2)'1.00000 'PPDF(3)'2.50000 'PPDF(4)'20.00000 'CERFOR(1,1,1)'700.00000 'CERFOR(1,1,2)'100.00000 'CERFOR(1,1,3)'35.00000 'CERFOR(1,2,1)'765.00000 'CERFOR(1,2,2)'129.00000 'CERFOR(1,2,3)'120.00000 'CERFOR(1,3,1)'1366.00000 'CERFOR(1,3,2)'92.00000 'CERFOR(1,3,3)'150.00000 'CERFOR(1,4,1)'2260.00000 'CERFOR(1,4,2)'183.00000 'CERFOR(1,4,3)'150.00000 'CERFOR(1,5,1)'2478.00000 'CERFOR(1,5,2)'175.00000 'CERFOR(1,5,3)'40.00000 'CERFOR(2,1,1)'700.00000 'CERFOR(2,1,2)'100.00000 'CERFOR(2,1,3)'60.00000 'CERFOR(2,2,1)'765.00000 'CERFOR(2,2,2)'129.00000 'CERFOR(2,2,3)'180.00000 'CERFOR(2,3,1)'1366.00000 'CERFOR(2,3,2)'92.00000 'CERFOR(2,3,3)'300.00000 'CERFOR(2,4,1)'2260.00000 'CERFOR(2,4,2)'183.00000 'CERFOR(2,4,3)'300.00000 'CERFOR(2,5,1)'2478.00000 'CERFOR(2,5,2)'175.00000 'CERFOR(2,5,3)'40.00000 'CERFOR(3,1,1)'700.00000 'CERFOR(3,1,2)'100.00000 'CERFOR(3,1,3)'76.00000 'CERFOR(3,2,1)'765.00000 'CERFOR(3,2,2)'129.00000 'CERFOR(3,2,3)'84.00000 'CERFOR(3,3,1)'1366.00000 'CERFOR(3,3,2)'92.00000 'CERFOR(3,3,3)'155.00000 'CERFOR(3,4,1)'2260.00000 'CERFOR(3,4,2)'183.00000 'CERFOR(3,4,3)'155.00000 'CERFOR(3,5,1)'2478.00000 'CERFOR(3,5,2)'175.00000 'CERFOR(3,5,3)'0.30000 'DECW1'0.50000 'DECW2'0.50000 'DECW3'0.04000 'FCFRAC(1,1)'0.02000 'FCFRAC(2,1)'0.11000 'FCFRAC(3,1)'0.57000 'FCFRAC(4,1)'
0.26000 'FCFRAC(5,1)'0.04000 'FCFRAC(1,2)'0.02000 'FCFRAC(2,2)'0.11000 'FCFRAC(3,2)'0.57000 'FCFRAC(4,2)'0.26000 'FCFRAC(5,2)'0.40 'TFRTCN(1)'0.25 'TFRTCN(2)'0.36 'TFRTCW(1)'0.36 'TFRTCW(2)'0.09000 'LEAFDR(1)'0.09000 'LEAFDR(2)'0.09000 'LEAFDR(3)'0.09000 'LEAFDR(4)'0.09000 'LEAFDR(5)'0.09000 'LEAFDR(6)'0.09000 'LEAFDR(7)'0.09000 'LEAFDR(8)'0.09000 'LEAFDR(9)'0.09000 'LEAFDR(10)'0.09000 'LEAFDR(11)'0.09000 'LEAFDR(12)'0.014500 'BTOLAI'1000.000 'KLAI'-0.55000 'LAITOP'19.0000 'MAXLAI'0.00000 'MAXLDR'0.20000 'FORRTF(1)'0.00000 'FORRTF(2)'0.00000 'FORRTF(3)'1.00000 'SAPK'50.0000 'SWOLD'0.15000 'WDLIG(1)'0.28000 'WDLIG(2)'0.35000 'WDLIG(3)'0.35000 'WDLIG(4)'0.35000 'WDLIG(5)'0.96000 'WOODDR(1)'0.04100 'WOODDR(2)'0.00190 'WOODDR(3)'0.00190 'WOODDR(4)'0.00220 'WOODDR(5)'0.00400 'SNFXMX(2)'-26.0000 'DEL13C'1.20000 'CO2IPR'0.80000 'CO2ITR'1.20000 'CO2ICE(1,1,1)'1.00000 'CO2ICE(1,1,2)'1.00000 'CO2ICE(1,1,3)'1.20000 'CO2ICE(1,2,1)'1.00000 'CO2ICE(1,2,2)'1.00000 'CO2ICE(1,2,3)'1.00000 'CO2IRS'1.00000 'BASFC2'1.00000 'BASFCT'1.0000 'SITPOT'13.5000 'MAXNP'0.30000 'KMRSP(2)'0.00000 'FKMRSPMX(1)'0.00000 'FKMRSPMX(2)'0.00000 'FKMRSPMX(3)'
2
0.00000 'FKMRSPMX(4)'0.00000 'FKMRSPMX(5)'0.50000 'NO3PREF(2)'
4 'TLAYPG'30 'TMPLFF'30 'TMPLFS'
Recommended