Factores que afectan a la calidad de la madera. Cómo medirla y

Métodos no destructivos para

caracterizar la calidad de la

madera, desde el árbol en pie, el

rollo y la tabla

www.maderaplus.es

Esther Merlo Sánchez

H2020-MSCA-RISE-2014 TOPWOOD-645654

www.maderaplus.es

Empresa de base Tecnológica que consigue una puesta en valor del sector forestal

apostando por la INNOVACIÓN y la CALIDAD DE LA MADERA.

EXPERTOS EN CLASIFICACIÓN ESTRUCTURAL DE LA MADERA

Caracterizamos la calidad de la madera desde el árbol en pie y madera en rollo

según su rendimiento final en la industria, utilizando diferentes tecnologías no

destructivas así como parámetros selvícolas, del árbol y de la masa.

Actuaciones en I+D+i

•Selección temprana

•Modelización de la calidad

desde el árbol en pie

•Influencia de la selvicultura

•Rentabilidad final

.Servicios al sector

•Asesoramiento técnico

•Selvicultura

•Clasificación de madera

•Rendimiento en calidad y de

la rentabilidad

•Certificación de la calidad en

el suministro

I – EL SECTOR FORESTAL EN GALICIA

El Recurso I – EL SECTOR FORESTAL EN GALICIA

Galicia: Usos del Territorio

Superficie con arbolado

1.4 millones de ha

El Recurso I – EL SECTOR FORESTAL EN GALICIA

La Propiedad I – EL SECTOR FORESTAL EN GALICIA

La Administración Forestal Autonómica gestiona un aproximadamente 1 de

cada 5 has forestales

La Propiedad - Propiedad Privada particular


672.000 titulares catastrales forestales (en una población de 2.8 millones)

Media de propiedad inferior a 2 hectáreas en varias parcelas 80% de las parcelas menores de 0,5 hectáreas. Menos del 3% de los propietarios pertenecen a asociaciones

La Propiedad I – EL SECTOR FORESTAL EN GALICIA

La industria gestiona directamente menos de 12.000 ha.

Los aprovechamientos I – EL SECTOR FORESTAL EN GALICIA

Anualmente en Galicia se llevan a cabo entre 30.000 y 40.000 cortas de madera

En 2008 se cortó casi tanta madera como en el Reino Unido o tanta como en Italia y Bélgica juntas

La Industria de Transformación


1.916.000 m3

Madera aserrada

1.758.000 m3

Tableros

410.000 Tn

Pasta de papel

Eucalipto

3.678.000 m3 cc

Coníferas

3.892.800 m3 cc

Otras Frondosas

409.000 m3 cc

TOTAL CORTAS GALICIA: 7.979.800 m3 c.c. *

Aserrado

353 empresas

Tableros y chapas

22 líneas

Pasta de papel

1 planta

3.200.000 m3 cc 2.250.000 m3 cc 1.336.000 m3 cc

815.000 t

PRIMERA TRANSFORMACIÓN EN GALICIA

50.000 t

CARPINTERÍA

EBANISTERÍA

MOBILIARIO Y

OBJECTOS DE MADERA

FÁBRICAS DE PAPEL

TRANSFORMACIÓN DE CARTÓN

SEGUNDA TRANSFORMACIÓN EN GALICIA

ENVASES EMBALAJES

20% 22% 2%

•No incluye aprovechamiento doméstico de leñas ni otras pequeñas cantidades con destinos fuera de la cadena de la madera

* Consumos en instalaciones industriales de Galicia una vez considerados los intercambios de madera con otros territorios y descontada la madera en stock,

Coníferas 82%

Eucalipto 7,5 %

Partículas 36 %

M.D.F. 52%

Fibra duro 3 %

Contrachapado 5 %

Otros 3%

Chapa < 1%

T.C.F. 100%

Otras Frondosas 9%

Calidad de madera

Cómo medirla

Aplicaciones


Calidad de la madera

? ?

?


Calidad industrial

- Adecuada a la calidad del producto final y su puesta en servicio

- Permitir rendimiento óptimo durante su procesado y máximo aprovechamiento


Volumen y forma del tronco

Qué nos afecta a esta calidad industrial??

Rendimiento operaciones de procesado


Singularidades y defectos



Secado

Calidad del producto final


Calidad de la fibra

Propiedades físico-mecánicas



Secado

Tratamientos

Resistencia

Calidad del producto final

- Densidad - Dureza - Contracciones - Disposición de la fibra - Longitud de fibra - Propiedades mecánicas

© Prof.Dr.Rupert Wimmer: Wood Quality – Causes, Methods, Control

Proceso de formación de fibras de madera


Madera temprana

Madera tardía

Madera juvenil

Madera adulta

Madera de compresión


Calidad de la fibra. Variabilidad dentro del árbol


Calidad de la fibra. Variabilidad dentro del árbol

Factores que afectan a la calidad de la madera

• Genética

• Ambiente:

– Temperatura

– Agua

– Suelo

• Selvicultura:

– Espaciamiento

– Claras

– Podas

– Fertilización



Volumen y forma del tronco


Singularidades y defectos

Calidad de la fibra. Propiedades físico-mecánicas

Calidad visual

- Bibliografía

- Ensayos

Métodos no destructivos.

Tecnología acústica

Control de la

variabilidad

La calidad de la materia prima va a condicionar el futuro de la industria forestal en nuestra región.

Reto de la competitividad - Nivel forestal: Selvicultura y mejora genética

- Nivel Industrial: efectividad

El recurso forestal

Existe un mercado insatisfecho de madera de alta calidad y valor. Existe ausencia de tecnología y de estándares mínimos de calidad tanto en los canales Monte-Industria como en las empresas de aserrío. Existe un conocimiento técnico disponible a nivel internacional que puede implementarse y ajustarse a nuestras especies y condiciones de producción.

Justificación

Aumento competitividad en el sector

• Material genético seleccionado en base a caracteres mecánicos.

• Modelizar la calidad estructural de la madera en las plantaciones optimizando los procesos de gestión selvícola y de mercado • Normalización de los productos resultantes

Modernización tecnológica

Línea de trabajo:

Pseudotsuga Pinaster Eucalipto Castaño

Madera para construcción

Calidad de madera

Cómo medirla

Aplicaciones


Aplicando la ley de Hooke y Segunda Ley de Newton

Metodología acústica

• La acústica se encarga del estudio de las vibraciones y ondas mecánicas en

medios materiales. La propagación de ondas está relacionada con la vibración

de las partículas elementales del medio donde se propagan.

• Es un método no destructivo para la estimación

de propiedades como la resistencia mecánica y

estabilidad dimensional de la madera.

• Se basa en la medición de la velocidad

acústica.

• Permite la selección de árboles, trozas y

madera aserrada en clases a partir de la

calidad de la fibra de la madera.

• Mejora el rendimiento y optimiza los procesos

industriales.

Aplicación a la calidad de madera:

Rigidez (MOEdinámico) = ρ·V2

Metodología acústica

S3

S2

S1

Ángulo de la microfibrilla

• Resistencia mecánica • Estabilidad dimensional • Longitud de la fibra

La propagación de la onda acústica se ve afectada

por las propiedades de la fibra

Seleccionamos madera

más resistente, más

estable y con mayor

longitud de fibra

Cómo medir la calidad de madera

Evaluación en toda la cadena Monte-Industria

Medición de planta pequeña

Medición de árboles en pie Medición de trozas Medición de madera aserrada


Evaluación sobre árbol en pie


Evaluación sobre troza

La velocidad se calcula a partir de la frecuencia natural de resonancia y la longitud de la troza. El equipo detecta la frecuencia de resonancia inducida por el martillo.


Evaluación sobre madera aserrada

Calidad de madera

Cómo medirla

Aplicaciones


Clasificación madera estructural

Madera estructural

Aumento competitividad en el sector

• Material genético seleccionado en base a caracteres mecánicos.

• Modelizar la calidad estructural de la madera en las plantaciones optimizando los procesos de gestión selvícola y de mercado • Normalización de los productos resultantes

Modernización tecnológica

Línea de trabajo:

Pseudotsuga Pinaster Eucalipto Castaño

Madera para construcción

Optimización clasificación visual

Normativa europea para la madera estructural

•Toda la madera estructural ha de ser producida de

acuerdo a la Norma EN 14081. Cumpliendo los

requisitos mínimos exigidos y acompañada del

marcado CE.

• Requerimiento: toda la madera ha de tener asociada

una clase resistente.

• EN 338 es la norma europea donde se definen las

clases resistentes.

• Cada clase resistente está asociada con unos

valores de MOR, MOE y Densidad

EN 338. Clases resistentes


Cómo se asigna la

clase resistente??

PAÍS NORMA CLASES

ESPAÑA UNE 56.544:2007 (Coníferas) ME-1, ME-2, MEG

UNE 56.546:2007 (Frondosas) MEF

ALEMANIA DIN 4074-1 (Coníferas)

DIN 4074-2 (Frondosas)

S13, S10, S7

LS13, LS10

FRANCIA NF B 52.001-4 (Coníferas) ST-I, ST-II, ST-III

PAÍSES NÓRDICOS INSTA 142 (Coníferas) T3, T2, T1, T0

Normas nacionales de

clasificación visual para

la madera estructural


ARGENTINA

IRAM 9670-72 (P. taeda, elliotti,

E grandis) 1, 2

IRAM 9662 (madera laminada) 1, 2, 3

Efectividad??

Se requiere un método efectivo que asegure el valor de la

clase resistente y optimice el procesado de la madera.


- Baja efectividad

predictiva. Muchas

piezas infravaloradas

- Porcentaje de

rechazos alto…20-55%

Caracterización de madera aserrada con métodos sónicos

Objetivos: •Comparar la efectividad de distintos equipos •Realizar una propuesta de norma para coníferas y frondosas europeas basada en la tecnología sónica

Equipos

Aplicado a distintas especies


Madera aserrada. Relación Velocidad - MOE

Plot of Means

Datos$CR

me

an

of D

ato

s$

Ve

lTP

LG

42

00

44

00

46

00

48

00

50

00

C14 C16 C18 C20 C22 C24 C27

Clases resistentes

Ve

locid

ad

són

ica

te

sta

-te

sta

m/s

Gráfico de mediasPlot of Means

Datos$CR

me

an

of D

ato

s$

Ve

lTP

LG

42

00

44

00

46

00

48

00

50

00

C14 C16 C18 C20 C22 C24 C27

Clases resistentes

Ve

locid

ad

són

ica

te

sta

-te

sta

m/s

Gráfico de medias

Pseudotsuga menziessi. 200 piezas

Se podría clasificar y

asignar la CR a partir de

la velocidad acústica

Pseudotsuga menziesii

Pinaster. Relación Velocidad-MOE

IML R2 = 0,7517

Hitman R2 = 0,7827

2000

2500

3000

3500

4000

4500

5000

2000 4000 6000 8000 10000 12000 14000 16000

MOE

Velo

cid

ad

(IM

L,H

itm

an

)

Hitman

IML

Lineal (IML)

Lineal (Hitman)

Pinus pinaster

Correlación 0,88 **

0,86 **

y = 0.6818x + 5964.1R² = 0.7598

9000

10000

11000

12000

13000

14000

15000

16000

17000

18000

6000 8000 10000 12000 14000 16000 18000

MO

Edyn

(N

/mm

2)

MOE stat (N/mm2)

MTG

Castanea sativa

R2= 0,53

R2= 0,67 R2= 0,60 R2= 0,63

R2= 0,66

Efectividad equipos

Wave velocity in lumber by IML tool (m/s)

Lu

mb

er

MO

E (

N/m

m2

) b

y b

en

din

g t

es

t

4000 4500 5000 5500

6000

8000

10000

12000

14000

Wave velocity in lumber by MST tool (m/s)

Lu

mb

er

MO

E (

N/m

m2

) b

y b

en

din

g t

es

t

4400 4700 5000 5300 5600 5900

6000

8000

10000

12000

14000

Wave velocity in lumber by PLG tool (m/s)

Lu

mb

er

MO

E (

N/m

m2

) b

y b

en

din

g t

es

t

3900 4300 4700 5100 5500

6000

8000

10000

12000

14000

r=0.75 R2=0.57

r=0.81 R2=0.67

r = 0.84 R2=0.71

IML Hammer Fakopp PLG

Pseudotsuga menziesii

y = 1,0915x + 135,11R² = 0,922

3000

3500

4000

4500

5000

5500

3000 3500 4000 4500

USL

ab (

m/s

)

y = 1,134x + 398,72R² = 0,8776

3000

3500

4000

4500

5000

5500

2900 3300 3700 4100

Sylvatest (m/s)

USL

ab (

m/s

)

HM200 (m/s)

y = 1,2429x - 396,46R² = 0,8603

3000

3500

4000

4500

5000

5500

3000 3500 4000 4500

USL

ab (

m/s

)

Fakopp (m/s)

USL

ab (

m/s

) y = 0,9782x + 842,23

R² = 0,7961

3000

3500

4000

4500

5000

5500

2800 3200 3600 4000 4400

c

IML (m/s)

Eucalyptus globulus


Avance de la normativa…

Selección de trozas para madera estructural

Selección acústica de trozas


Pino pinaster

T4

Correlación

0,86 **

Pinus pinaster

N=162

Acoustic Velocity

MO

E

2,1 2,4 2,7 3 3,3 3,6 3,9

0

4

8

12

16

20

24(X 1000)

R2=73,89

Variación Hitman en altura

2,2

2,4

2,6

2,8

3

3,2

3,4

3,6

3,8

0 2 4 6 8 10 12 14 16

Altura

Velo

cid

ad

(K

m/s

)

Existe variabilidad de calidad a lo largo del fuste

T1

T2

T3

T4

Variación dentro del árbol

Clasificación acústica por clase resistente media

0

10

20

30

40

50

60

70

80

90

100

<2,74 2,74-2,96 2,96-3,19 3,19-3,51 >3,51

Velocity Classes

%

C40

C24

C18

C14

R


R

Class Velocity Range Accuracy

Rejected < 2,74 92 %

C18 2,74 – 3,19 81 %

C24 > 3,19 96 %

0

10

20

30

40

50

60

70

80

90

100

<2,74 2,74-3,19 >3,19

Velocity Classes

%

C40

C24

C18

C14

R

≥ C24 ≥ C18

R

C14

≥ C18

≥ C18


Clasificación acústica por clase resistente media

Beneficio clasificación (€/m3) 13,65

Beneficio clasificación (€/t rolla) 6,20

60.000 t/año 372.000 €/año

• La clasificación acústica de trozas

mejora del rendimiento de clasificación

visual en un 7,4%.

• Mejora del beneficio económico. 6,44 €

por tonelada de rolla procesada.

(3.720.000 $/año)

Posibilidad de mejora de la clasificación visual??


Correlación Troza-Viga Castanea sativa

V troza HM200 (Km/s)

MO

E (

N/m

m2)

Plot of Fitted Model

Módulo global = 514,233 + 2706,07*troza HM200

1,9 2,3 2,7 3,1 3,5 3,9

5700

6700

7700

8700

9700

10700

11700

Pino pinaster

T4

Correlación

0,71 **

R2=51% N=40

Selección de árboles en pie

Selección acústica de árboles en pie

Selección de árboles y parcelas forestales de Pinus pinaster

CENTRO DE INNOVACIÓN E

SERVIZOS TECNOLÓXICOS DA

MADEIRA DE GALICIA

Variables evaluadas:

Diámetro, altura, altura de copa, anchura de copa, evaluación de competencia

Velocidad de desplazamiento a lo largo del fuste

Merlo et al (2014)


Modelos de estimación

Selección de parcelas

Exfopino Fonsagrada Noia Xestoso

Means and 95,0 Percent LSD Intervals

Parcela

2,7

2,8

2,9

3

3,1

3,2

HT

tabla


3/11

Mejora genética de Pseudotsuga menziesii

Ensayo de procedencias

Caracterización de calidad estructural en 12 procedencias de mayor crecimiento

Medición en pie: 120arb/proc

Arboles abatidos: 30/proc

**Centro de Investigaciones Forestales de Lourizán

CONSELLERÍA DE MEDIO AMBIENTE

Dirección Xeral de Desenvolvemento Sostible CENTRO DE

INNOVACIÓN E SERVIZOS

TECNOLÓXICOS DA MADEIRA DE

GALICIA

MOE in lumber (N/mm2)

So

un

d v

elo

cit

y i

n t

re

e (

m/s

)

6000 8000 10000 12000 14000

1900

2200

2500

2800

3100

3400

3700

R2=0,33

MOE predicted by standing tree

MO

E o

bse

rve

d b

y b

en

din

g t

est

6800 8800 10800 12800

6800

8800

10800

12800

MOE = 2413,15 + 1,88107*IMLtree + 11511,6*WD- 563,641*GR

R2=0,60

Relación V(árbol)->MOE

La predicción de MOE aumenta si se incluye densidad y ancho de anillo

Discriminación de calidad estructural de procedencias por velocidad

Influencia negativa del diámetro y del ancho del anillo en la calidad estructural

V(m/s) MOE MOR

Tree characteristiques

DBH -0.29** -0.50** -0.31**

Number of branch by

whorls

-0.28** ns ns

Mean Branch diameter -0.23** -0.37** -0.34**

Average annual growth

ring

-0.38** -0.60** -0.37**

Green wood density 0.25** 0.41** 0.27*

*

**

***

25002550260026502700275028002850

10

98

11

01

10

97

10

24

10

40

11

44

11

04

NO

10

80

10

59

11

40

11

24

m/s 3

Aplicación al Programa de Mejora de Pseudotsuga menziesii

¡Gracias

por su

atención!

www.maderaplus.es


Metodos no destructivos en árboles en pie, rollos y tablas

Experiencia en Eucalyptus

Concordia 15/07/2017- EEA Concordia

Ing. Ftal Ciro Mastrandrea EEA Concordia

[email protected]

mailto:[email protected]

• Correlación entre equipos para árbol, rollo, tabla y maquina universal de ensayos

• Entre tratamientos

• Entre clones

• Entre orígenes

• Entre sitios

• Correlación densidad, edad, tamaño

Concordia 15/07/2017- EEA Concordia

Análisis emprendidos por INTA

Ensayos analizados

• Ensayo Orígenes y procedencias EEA Cdia ( Plg y maquina universal). Edad 26 años y 3 meses. 7 árboles. 2 orígenes

• Ensayo lote comercial FASA “ El Ceibo” (tree sonic, plg; maquina universal) edad 13 años y 6 meses. 8 árboles

• Ensayo 5 especies Eucalyptus. 16 años de edad (fft rollos). 50 árboles, 10 por especie

• Ensayo daños por helada. 3 años de edad (fft rollos). 19 árboles

• Ensayo 2 Clones ( 009 Cief ; 278 Cief), 13 años de edad ( Tree sonic, fft rollos). 110 árboles, 100 rollos

• Ensayo Raleo, FASA Monte Caseros, Corrientes 13 años ( Tree sonic, fft rollos; tablas ???). 24 árboles, 48 rollos

• Ensayo Raleo Nueva Escocia, Entre Rios. 16 años ( fft rollos; tablas ???) 24 árboles, 48 rollos

• Ensayo fertilización post raleo.2 tipos de suelo (Tree sonic). 144 árboles. 72 árboles por sitio

Posibilidad de selecciones tempranas

Seleccionar usos industriales antes de la llegada a planta

Precios según objetivo industrial

Por que no destructivos ?

Se utilizó el Portable Lumber Grader (PLG) de la casa Fakopp®, este equipo permite estimar…….

Calculo del Modulo de elasticidad por vibración longitudinal en tablas

LfV 2

2

,VMOE

longdyn

Ensayo Inta orígenes y procedencias 26 años y 3 meses

Clases resistentes según norma europea UNE –EN 338 “Madera estructural

146 piezas de madera aserrada 1¨ pulgada de espesor por diferentes largos y anchos.

Si pensáramos en una C18 solo 5 tablas no cumplirían la condición (MOE

>9 y densidad > 380

Clase % del total

SC 30

D30 16,4

D35 17,1

D40 29,5

D50 7,5

Variables N Media CV Min Max

M. Universal 48 13.557 18,05 10.219 18.548

PLG 48 15.287 16,47 8.100 20.900

M.universal Vs PLG (INTA)

0

5000

10000

15000

20000

25000

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46

Nº de tablas

MO

E (

N/m

m2)

PLG

M universal

Ensayo Inta orígenes y procedencias 26 años y 3 meses

Correlaciones PLG vs M. Universal de ensayos

Ensayo INTA orígenes y procedencias

26 años y 3 meses

Coef de correlación: 0, 62

Correlaciones PLG vs M. Universal de ensayos

relación moderadamente fuerte entre las variables.

Plantación comercial FASA “ El Ceibo” 13 años y 6 meses de edad

138 piezas de madera aserrada 1¨ pulgada de espesor por diferentes largos y anchos.

Clase % del total

SC 45,7

D30 20

D35 17,1

D40 12,9

D50 4,3

Clases resistentes según norma europea UNE –EN 338 “Madera estructural

Si pensáramos en una C18 solo 6

tablas no cumplirían la condición

(MOE >9 y densidad > 380

Correlación PLG vs Maquina universal

Variables N Media CV Min Max

M. Universal 74 12.729 17,85 5.827 16.846

PLG 74 13.289 19,11 7.700 20.300

0

5.000

10.000

15.000

20.000

25.000

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70

MO

E (

N/m

m2

)

Nº tabla

M. universal VS PLG

M. Universal

PLG


Resultados

Y = β0 + β1x + ε M. Universal = 2871,29 + 0,7357* PLG

Otras variables largo, ancho, contenido de humedad ?

Estadísticas de la regresión

Coeficiente de correlación múltiple 0,84

Coeficiente de determinación R^2 0,70

R^2 ajustado 0,70

Error típico 1231

Observaciones 74

Calculo del Modulo de elasticidad por sonido en arboles en pie

Se utilizo el equipo Tree Sonic de

la casa Fakopp®,

Correlaciones Tree Sonic vs Maquina universal (8 arboles)

Tree Sonic Vs Plg Vs M.universal

6.000

8.000

10.000

12.000

14.000

16.000

1 2 3 4 5 6 7 8

Arboles

MO

Ed

(N

/mm

2)

tree sonic

PLG

M.universal

Dado que p-valor es inferior a 0.05, existe relación estadísticamente

significativa entre M universal y Tree sonic para un nivel de confianza del

95%.



Coef. de correlación múltiple 0,79

Coef. de determinación R2 0,63

R2 ajustado 0,57

Error típico 578,3

Observaciones 8

Resultados

Y = β0 + β1x + ε

M. Universal = 5510,8* 0,672972*Tree sonic

Otras variables: Diámetro ,

altura ?

Resultados

• El modelo explica un 63 % de la variabilidad

en M universal.

• El coeficiente de correlación es igual a 0,79, indica una relación moderadamente fuerte entre las variables.

Poco practico para caminar

Forma de clavar

Sensible??

Ensayo entre sitios 144 arboles de Eucalyptus grandis de 4 años y 8 meses de edad.

Gualeguaychu

Variable n media cv max min

Arcilloso 72 2572,6 7,60 3003 2027

Arenoso 72 2168,2 7,58 2602 1814

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil



















Arenoso Arcilloso

sitio

1965,56

2175,74

2385,92

2596,10

2806,28

Ve

loc

Título

A

B

Modulo de elasticidad por vibración longitudinal (rollos y tablas)

LfV 2

2

,VMOE

longdyn

FFT Analizer

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil



















benthami camaldulensis dorrigoensis dunni saligna

Especie

3478,39

3792,02

4105,65

4419,28

4732,91

ve

loc

AA

A

AB

B

AA

A

AB

B

Título


Ensayo especies 16 años de edad, 10 árboles de cada especie



















Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantildorrigoensis dunni saligna benthami camaldulensis

2500

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

8000

Velo

cid

ad

(m

/s)



AB

B

A A

A A A

B C C




















dorrigoensisdunni

salignabenthami

camaldulensis

0,0

3,5

7,0

10,5

14,0M

oe

(G

Pa

)



Ensayo Raleo Monte Caseros 24 árboles 13 años de edad

Correlación Tree Sonic Vs FFT

Hubo relación estadísticamente

significativa ( p- valor < 0,05)

Coef de correlación = 0,71

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

18,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

MO

E (

Gp

a)

FFT Tree Sonic


Coeficiente de correlación múltiple 0,708197892

Coeficiente de determinación R^2 0,501544254

R^2 ajustado 0,478887175

Error típico 0,945480803


Ensayo Raleo Monte Caseros Tratamiento

1 Testigo

2 700 pl/ha

3 500 pl/ha

4 300 pl/ha

5 700/ 300 pl/ha

6 500/300 pl/ha Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil



















3,00 1,00 2,00 6,00 4,00 5,00

Tratamiento

8,18

8,70

9,22

9,74

10,27

MO

E

A

A

A

A

A

A

A

A

A

A

A

A

Rollos




















3 2 5 4 1 6

Tratamiento

8,99

10,16

11,34

12,51

13,69

Mo

e (

Gp

a)

A

A

A A

A

A

A

A

A A

A

A

Arboles




















1,00 2,00

rollo

8,83

9,34

9,84

10,35

10,85

MO

E (

Gp

a)

A

B

A

B

Título

Ensayo Raleo Monte Caseros 24 árboles 13 años de edad Diferencia entre rollos 1 y 2

y = 150,65x + 2001,5 R² = 0,731

y = 25,23x + 314,6 R² = 0,7311

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5,0 7,0 9,0 11,0 13,0 15,0

Ve

loc

ida

d (

m/s

)

Moe ( Gpa)

Velocidad ( m/s)

Frecuencia


Variación velocidad y frecuencia con el modulo ( rollos)

y = 365,83x + 3151,6 R² = 0,4055

2000

2500

3000

3500

4000

4500

0,00 0,50 1,00 1,50 2,00 2,50 3,00

V e

loc

ida

d

(m/s

)

Ir

Velocidad Vs indice de rajado


Asociación con el índice de rajado

Velocidad vs índice de rajado Ensayo de raleo 16 años de edad ( 48

rollos) Variable n media cv max min

Velc 48 3680 6,25 3174 4214

y = 321,74x + 3403,2 R² = 0,4803

2000

2500

3000

3500

4000

4500

0,00 0,50 1,00 1,50 2,00 2,50

Ve

loc

ida

d (

m/S

)

Indice de rajado (Ir)

17as Jornadas Técnicas Forestales y Ambientales

FCF – INTA EEA Montecarlo

Validación de un método acústico no destructivo para la determinación de la rigidez de tablas aserradas de pino resinoso (Pinus elliotti y Pinus taeda) cultivado

en el nordeste de Argentina

Fank, P.Y.1; Mastrandrea, C. A.2

Muestras MOEd promedio

[N/mm2]

MOEe promedio

[N/mm2]

MUESTRA 1 (n = 194) 7020 (CV = 35 %) 6666 (CV = 36 %)

MUESTRA 2 (n = 99) 8493 (CV = 31 %) 7777 (CV = 34 %)

Tabla 1: Valor medio del Módulo de Elasticidad de cada muestra

(Ref.: CV, Coeficiente de variación; n, cantidad de cuerpos de

prueba)

17as Jornadas Técnicas Forestales y Ambientales

FCF – INTA EEA Montecarlo

Validación de un método acústico no destructivo para la determinación de la rigidez de tablas aserradas de pino resinoso (Pinus elliotti y Pinus taeda) cultivado

en el nordeste de Argentina

XXX Jornadas Forestales de Entre Ríos

29 y 30 de Septiembre de 2016

Los invito a las

Muchas gracias ….

[email protected]

mailto:[email protected]

Documents

Factores que afectan a la calidad de la madera. Cómo medirla y