– CREFT
TABLA DE CONTENIDO
INTRODUCCIÓN ................................................................................................................................. 5
1. Programa de monitoreo del crecimiento y Rendimiento Forestal ..................................... 5
1.1 Importancia ....................................................................................................................... 5
1.2 Objetivos de un sistema de monitoreo del crecimiento y rendimiento forestal ...... 5
1.3 Metodologías y fuentes de información ........................................................................ 5
1.4 Etapas de un programa de monitoreo de crecimiento y rendimiento forestal ........ 6
2. Red de Parcelas Permanentes de Monitoreo del Crecimiento y Rendimiento Forestal
de CONIF ............................................................................................................................................ 7
Descripción .................................................................................................................................... 7
3. Medición de Árboles .................................................................................................................... 9
3.1 Medición de árboles individuales ........................................................................................ 9
3.2 Variables cuantitativas ........................................................................................................... 9
3.2.1 Medición de diámetros ........................................................................................................ 9
3.2.2 Medición de alturas ............................................................................................................ 10
3.2.3 Medición del espesor de corteza .................................................................................... 10
3.2.4 Medición de diámetro de copa ...................................................................................... 10
3.3 Variables Cualitativas .......................................................................................................... 11
3.3.1 Posición Sociológica ........................................................................................................... 11
3.3.2 Calidad Fustal ...................................................................................................................... 11
4 Medición de Rodales .................................................................................................................. 13
4.1 Muestreo y Medición de Rodales ....................................................................................... 13
4.2 Diseño de muestreo para inventarios forestales ............................................................... 13
4.3 Unidades muestrales no Probabilísticas ............................................................................. 14
4.4 Unidades muestrales Probabilísticas .................................................................................. 14
4.4.1 Muestreo Aleatorio Simple (MAS) ..................................................................................... 15
4.4.2 Muestreo Sistemático ......................................................................................................... 19
4.4.3 Muestreo Estratificado ........................................................................................................ 20
5 Parámetros de Rodal ................................................................................................................... 24
5.1 Determinación de parámetros del Rodal .......................................................................... 24
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 3
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
9.1.3 Modelos regionales de h-d para las principales especies forestales en Colombia
.......................................................................................................................................................... 43
10 Resumen de modelos dinámicos para especies forestales en Colombia (SimFor) ......... 45
11 Estrategia de modelamiento empleada en el sistema de simulación del crecimiento y
rendimiento forestal CREFT ............................................................................................................. 52
11.1 Generación de valores de temperatura máxima, temperatura mínima y brillo solar
mediante cadenas de Markov. ................................................................................................ 52
11.1.1 Una Alternativa al Modelo de Goudrian ...................................................................... 57
11.2 Simulación de Series de Precipitación Diaria con Cadenas de Markov .................... 62
11.2.1 Caracterización por tipo de año climático ................................................................. 62
11.2.2 Análisis de la secuencia de días húmedos – secos .................................................... 63
11.2 Simulación de precipitación diaria .................................................................................. 75
GLOSARIO ........................................................................................................................................ 82
BIBLIOGRAFÍA................................................................................................................................... 84
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 5
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
INTRODUCCIÓN
El monitoreo del crecimiento y el rendimiento del recurso Forestal sirve como apoyo al
manejo y la planificación forestal, enfocándolo no solo desde el punto de vista investigativo
sino también llevándolo al campo operacional.
1.1 Importancia
de cambio en el tiempo de las variables de interés como el diámetro a la altura del pecho
(DAP), la altura total, la mortalidad, el área basal, el volumen, entre otros.
Las principales características de las parcelas permanentes son:
Descripción
Las parcelas permanentes son una estrategia metodológica empleada para la generación
de datos confiables del crecimiento de plantaciones forestales comerciales, a partir de esta
información se han generado modelos de crecimiento y rendimiento para las especies
(Eucalyptus tereticornis, Gmelina arbórea, Tectona grandis, Bombacopsis quinata, Pinus
patula, Pinus oocarpa y Eucalypstus grandis)
Para la instalación y medición de la red de parcelas permanentes se utilizó como directriz
técnica el protocolo para la instalación y medición de la red de parcelas permanentes del
monitoreo del crecimiento y rendimiento forestal desarrollado por CONIF. Para el análisis
se identificaron dos zonas de crecimiento fácilmente diferenciables: una localizada en la
Costa Atlántica, en los departamentos de Atlántico, Magdalena y Cesar, y otra en la Región
Andina Central en los departamentos de Tolima, Huila, Caldas, Quindío, Risaralda y
Antioquia.
En la costa Atlántica se establecieron 216 parcelas permanentes de crecimiento para cuatro
especies forestales maderables; de estas 64 parcelas permanentes de monitoreo fueron
instaladas en plantaciones comerciales de Eucalyptus tereticornis en los Municipios de
Baranoa, Galapa, Polo Nuevo, Repelón y Sabana Larga, en el departamento de Atlántico,
y en los municipios de El Piñon, Zapayán, San Sebastián, y San Zenón en el departamento
de Magdalena. Estas parcelas cubrieron un amplio rango de sitios y edades entre 2 y 8
años.
En las plantaciones comerciales de Gmelina arborea localizadas en los municipios de San
Ángel, Zapayán, El Piñon, Plato y Tenerife en el departamento de Magdalena, se instalaron
54 parcelas permanentes, en un rango de edad entre 3 y 9 años.
Un total de 45 parcelas permanentes de crecimiento fueron instaladas en las plantaciones
de Tectona grandis en los municipios de San Ángel, Zapayán El Piñon, Zona Bananera,
Plato, Copey y Tenerife, en un rango de edad entre 3 y 13 años.
En la Tabla 1 Se presenta la estadística descriptiva de las principales variables de estado
de las plantaciones a la edad de la instalación de las parcelas permanentes.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 8
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Tabla 1 Descripción de las parcelas permanentes localizadas en la Costa Atlántica (CA) y la Región Andina
(RA) de Colombia.
En la Región Andina se contó con 224 parcelas permanentes para cinco especies
Forestales:¡Error! No se encuentra el origen de la referencia.Para Gmelina arborea se
establecieron un total de 38 parcelas en los municipios de Coello, Armero, Guayabal,
Guamo y Coyaima, en el departamento del Tolima en un rango de 1 a 11,5 años de edad.
Un total de 39 parcelas permanentes de Tectona grandis fueron establecidas en
plantaciones localizadas en los municipios de Guamo, Purificación y Natagaima en el
departamento de Tolima, con rangos de edad entre 1 y 12 años.
Para Pinus oocarpa se instalaron un total de 36 parcelas distribuidas en los municipios de
El Agrado, Garzón, Suaza, Pitalito y Tarqui en el departamento de Huila; en Líbano y Rio
Blanco en el departamento de Tolima; y en Pensilvania en el departamento de Caldas,
distribuidas en un rango de 0.5 a 13 años de edad.
Para la especie Pinus patula se establecieron un total de 43 parcelas distribuidas en los
municipios de Rio Blanco, Santa Isabel, Fresno y Herveo en el departamento de Tolima, al
igual que en los departamentos de Antioquia y Caldas. Las plantaciones en las que se
establecieron las parcelas permanentes de Pinus patula están distribuidas en un rango de
18 años de edad.
Para Eucalyptus grandis se establecieron, en un rango de 1 a 4 años de edad, un total de
31 parcelas permanentes distribuidas en los Municipios de Acevedo, Garzón, Pitalito,
Suaza, Tarqui y Timaná en el departamento de Huila, y 12 parcelas permanentes en los
departamentos de Quindío y Risaralda.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 9
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
3. Medición de Árboles
Todas las decisiones silviculturales parten del principio del monitoreo del crecimiento del
árbol como unidad productiva del bosque. La esencia final de un negocio forestal esa
generación de biomasa acumulada por el aporte de cada uno de los individuos que
conforman la masa forestal. Por esta razón, una de las principales labores en el manejo
forestal es la medición de variables en árboles en pie. La importancia de esta actividad
radica en el hecho que la información recolectada en terreno permitirá el cálculo de
información cuantitativa que describe la condición actual y del crecimiento del bosque,
permitiendo, a su vez, proyectar un estimado del crecimiento potencial del sitio.
La captura de la información dasométrica relevante y confiable implica considerar
procedimientos estandarizados de medición. Los procedimientos de medición formalizados
permitirán la replicación y comparación sustentada de la información que se genere, evitará
errores de procedimiento y el uso de conceptos subjetivos.
La altura de los árboles se define como la longitud de la línea recta que va desde el suelo
(base del fuste) hasta algún punto del árbol. Según sea la posición de este punto, se
determinan cinco tipos de alturas diferentes:
Altura total: medida entre el suelo y el extremo de la yema terminal del fuste (ápice)
Altura fustal: medida entre el suelo y el punto donde comienza la copa (viva o
muerta) del árbol
Altura comercial: medida entre el suelo y el punto donde el fuste tiene un diámetro
comercial definido
Altura del tocón: medida entre el suelo y la base del primer trozo
Altura de copa viva: medida entre el suelo y el inicio de la copa viva.
Después del diámetro, la altura es la variable más medida en los árboles, la cual se utiliza
para caracterizar un rodal, estimar el volumen o determinar la calidad de sitio; también, para
clasificar árboles.
El espesor de corteza es una variable requerida para determinar diámetros sin corteza y de
esta manera evitar el error de sobre estimación al calcular los volúmenes efectivos de
madera. La razón entre el diámetro sin y con corteza (dsc/dcc) se puede utilizar para estimar
diámetros sin corteza para diversas alturas fustales. Un instrumento utilizado es el
calibrador de corteza. Dependiendo de la excentricidad del fuste se requiere obtener dos o
más muestras de espesor de corteza por unidad muestreada.
El diámetro de copa se mide en dos direcciones: norte-sur y este –oeste. Se toma como
referencia la proyección de los extremos de la misma sobre el suelo, midiéndose con cinta
métrica la distancia entre ambos extremos. Así se obtienen dos medidas, siendo la medida
final el promedio de las dos tomadas. (Fórmula 1)
Fórmula 1 Medición de diámetros de copa
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 11
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Φ copa= (dc1+dc2=/2)
En donde:
dc1: diámetro de copa en X
dc2: diámetro de copa en Y
Además de las variables cuantitativas, los árboles también pueden ser evaluados por medio
de variables cualitativas que definen características complementarias a los valores
numéricos.
Los árboles por diversas razones como la genética, la cantidad de material vegetal, la
competencia inter-específica, entre otras, se desarrollan de manera heterogénea
principalmente en altura, formando estratos de individuos conocidos como posición
sociológica o clase de copa. De acuerdo con Corvalan y Hernández 2006, en el rodal, los
árboles se pueden clasificar según su posición sociológica como se describe en Tabla 2
Tabla 2 Clasificación de árboles por su posición sociológica
Calidad Descripción
Árbol completamente recto o ligeramente torcido, sin inclinaciones del fuste con
respecto a un eje vertical, sin ramas gruesas. Ausencia total de plagas y
Bueno enfermedades, sin heridas, sin nudos grandes, son grano en espiral, aletones en la
base y evidencia de efectos de cola de zorro. Individuos de posición sociológica
Dominantes o Codominantes.
Árbol con el fuste levemente torcido a levemente inclinado, con presencia de grano en
espiral leve y con ramas que se insertan en el fuste en ángulo de 60°. Presencia o
evidencia de al menos una rama gruesa (mayor a 3 cm de diámetro) o gran cantidad
Regular
de ramas delgadas. En especies verticiladas, más de dos verticilos/m lineal de fuste
y/o con más de 4-5 ramas por verticilo. Presencia de aletones basales no pronunciados
Individuos de posición sociológica Dominante o Codominante.
Árbol que presenta al menos una de las siguientes características o condiciones:
torceduras severas, grano o hilo en espiral, árbol muy inclinado, con bifurcaciones, con
aletones basales evidentes y pronunciados, ramas muy gruesas, abundantes o
Malo
insertadas en ángulo de menos de 45°; heridas importantes en el fuste, plagas o
enfermedades. Con más de dos verticilos por metro lineal de fuste y/o con más de 4-5
ramas por verticilo. Individuos de posición sociológica Intermedio o suprimido.
Fuente: Canales 2006
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 13
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
4 Medición de Rodales
poblaciones forestales son, por lo general, muy extensas y de difícil acceso, su descripción
se basa en una pequeña muestra de árboles seleccionados de modo que representen a
toda la población (Prodan et al., 1997). En el muestreo de bosques se deben definir
claramente algunos aspectos como:
a. Población: es un conjunto de valores provenientes de unidades o elementos del
mismo tipo. La unidad corresponde al objeto sobre el cual se efectúan las
observaciones.
b. Muestra: una unidad muestreal es el mínimo de elementos o partes en la que está
dividida la población objetivo de estudio. La unidad de muestreo es definida durante
el proceso de planificación del inventario. La muestra es una parte o subconjunto de
la población, la cual normalmente se selecciona aleatoriamente con el fin de recoger
datos para generar información acerca de la población.
Las unidades muestreales se componen de un grupo de árboles que han sido
incluidos dentro de ella siguiendo alguna regla de selección, la cual puede ser
probabilística o no probabilística. El tamaño de la muestra, define el número de
unidades que son parte de la muestra. Al elegir el tipo de unidad muestral deberá
decidirse sobre la naturaleza, forma y tamaño, siendo estos factores de gran
relevancia en el costo y precisión del inventario.
c. Variable: es la observación de una característica o atributo asociado con un
individuo u objeto, que varía de un objeto a otro, o de un individuo a otro.
Para que una unidad muestral sea probabilística, deben cumplirse las siguientes
condiciones:
𝑌 = ∑𝑦
𝑖=𝑙
𝑛
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 16
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Dónde:
Y: Media poblacional
n: tamaño de la muestra
2
s 𝑦: se considera un estimador insesgado de la varianza poblacional
y: muestra poblacional
Fórmula 3
2 ∑𝑛 ⃑ )2
𝑖=𝑙(𝑦𝑖−𝑦
s𝑦 = 𝑛−1
Donde:
(n-1): grados de libertad producto de estimar la media poblacional
𝑦: Media poblacional
y: muestra poblacional
𝑦 = N. 𝑦
Dónde: N: corresponde al total de unidades muestrales que compone una población.
𝑆 𝑦⃑
𝑆 𝑦⃑=
√𝑛
Por otro lado, si el muestreo se realiza en una población finita, sin reposición de unidades,
es necesario efectuar una corrección para poblaciones finitas.
Fórmula 5
𝑆 𝑦. 𝑛
𝑆 𝑦⃑= . √1 − 𝑁
√𝑛
Donde:
1-n/N: factor de corrección para poblaciones finitas
Para el caso de una población infinita la varianza del total poblacional queda determinada
por la siguiente expresión:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 17
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 6
2
2 S
s ⃑
𝑦
= N2. 𝑛
𝑦
Utilizando el mismo procedimiento es posible derivar la varianza del total poblacional para
una población de tipo finita.
Fórmula 7
2
2 S 𝑛
s = N2.. .(1 − 𝑁)
𝑦
⃑
𝑦 𝑛
𝑦 ± 𝑡. 𝑆 𝑦⃑
𝑌̂± 𝑡. 𝑆 𝑦⃑
Fórmula 10
𝑆𝑦
E=t.
⃑⃑
√𝑛
𝑡 2 .𝑠𝑦2
n= 𝐸2
Al observar esta expresión se advierte que el tamaño muestral está determinado por el
grado de homogeneidad de la población cuantificada por la varianza (𝑠𝑦2), la precisión
requerida expresada por el error de muestreo (E) y el nivel de seguridad establecido (1-𝛼)
a través del valor t. El número de unidades requeridas será mayor en poblaciones que
presentan una alta heterogeneidad, al igual que al disminuir el error de muestreo sea
expresado en porcentaje, la variabilidad de la población debe ser cuantificada utilizando el
coeficiente de variación (cv). Por lo tanto, una fórmula equivalente en unidades
porcentuales es:
Fórmula 12
𝑡 2 .𝑐𝑣 2
n= 𝐸%2
Para una muestra proveniente de una población finita el error de muestreo queda expresado
como:
Fórmula 13
𝑆 𝑛
E=t. 𝑦𝑛.√1 − (𝑁)
√
𝑡 2. 𝑆𝑦2
n= 𝑡2 .𝑠2
𝑦
𝐸2+
𝑁
De igual manera que para poblaciones infinitas al utilizar una expresión porcentual del error
de muestreo es necesario emplear el coeficiente de variación para medir el grado de
homogeneidad de la población:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 19
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 15
𝑡 2. 𝑐𝑣𝑦2
n= 𝑡2 .𝑠2
2+ 𝑦
𝐸%
𝑁
𝑁
K= 𝑛
Dónde:
K: intervalo de muestreo
N: Tamaño de la población
n: Tamaño de la muestra
Se selecciona aleatoriamente la parcela de inicio del inventario entre 1 y K posibilidades.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 20
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Las expresiones utilizadas para estimar la media y la varianza poblacional dentro de cada
estrato son equivalentes a las empleadas por el muestreo aleatorio simple (MAS). La media
poblacional para el estrato j se calcula como el promedio aritmético de las observaciones
muestrales del estrato:
Fórmula 17
𝑛𝑗
∑𝑖=1 𝑦𝑖𝑗
𝑦̂𝑗 = 𝑛𝑗
j=1,…., M
Dónde:
𝑦𝑖𝑗 : I-ésima observación dentro del estrato
j y nj: tamaño muestral para el j-ésimo estrato
Por otro lado, la varianza poblacional dentro de cada estrato se obtiene utilizando la
siguiente expresión:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 21
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 18
𝑛𝑗
∑ (𝑦𝑖𝑗−𝑦̂𝑗 )2
𝑆𝑗2 = 𝑖=1𝑛 −1
𝑗
Para este caso, el factor de ponderación de cada estrato j corresponde al tamaño relativo
de cada estrato en relación al tamaño total de la población Pj=Nj/N, donde N es el total de
unidades muestrales de la población y Nj es el total de unidades dentro del estrato j. Por lo
tanto, se tiene que:
N=∑𝑀
𝑗=1 𝑁𝑗
2
𝑆𝑠𝑡 =∑𝑀
𝑗=1 𝑃𝑗 . 𝑆𝑗
2
𝑃𝑗2 .𝑆𝑗2
𝑆𝑦2̂𝑠𝑡 = ∑𝑀
𝑗=1 𝑛𝑗
Al igual que para la media y la varianza poblacional el error de estimación en ambos casos
se calcula simplemente como una media ponderada de los errores de estimación para cada
uno de los estratos. Finalmente, el intervalo de confianza para la media poblacional dado
un cierto nivel de confianza está determinado por:
Fórmula 22
𝑦̂𝑠𝑡 ± 𝑡 ∙ 𝑆𝑦̂𝑠𝑡
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 22
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Al igual que para el muestreo aleatorio simple, para el muestreo aleatorio estratificado es
necesario también determinar el número de unidades muestrales n necesarias para
alcanzar un error de muestreo dado para un cierto nivel de confianza (1-𝛼). Las expresiones
utilizadas para establecer el tamaño muestral están determinadas por el tipo de
procedimiento de asignación adoptado. Si la asignación utilizada es proporcional a la
superficie y se trata de una población infinita la expresión utilizada es:
Fórmula 23
𝑡2
n= (𝐸 ) ∙ ∑𝑀
𝑗=1 𝑃𝑗 ∙ 𝑆𝑗
2
En caso de tratarse de una población finita o al utilizar muestreo sin reemplazo de unidades
muestrales, se emplea la siguiente expresión:
Fórmula 24
Por otro lado, si el procedimiento adoptado corresponde a una asignación óptima, el número
total de unidades muestrales para una población considerada infinita es calculada como:
𝑡 2 2
n=( ) ∙ (∑𝑀
𝑗=1 𝑁𝑗 ∙ 𝑆𝑗 )
𝑁∙𝐸
n,= Pj∙n
Uno de los posibles inconvenientes es que este criterio no considera la variabilidad
existente dentro de cada estrato. Un estrato con mayor superficie no necesariamente
presenta la mayor variabilidad, que también es un factor para definir el número de muestras
requeridas.
𝑃 ∙𝑆
𝑛𝑗 = ∑𝑀 𝑗 𝑃 𝑗∙𝑆 ∙ 𝑛
𝑗=1 𝑗 𝑗
5 Parámetros de Rodal
El rodal es una unidad de varios individuos (árboles) semejantes, que es considerada como
un elemento único o como una colectividad estadística para su medición y evaluación
(Prodan et al., 1997), Los valores más simples que caracterizan el estado de un rodal en
un momento específico del tiempo son el diámetro medio y la altura media. Otros
parámetros del rodal de gran interés son el número de árboles y el área basal por hectárea.
De igual forma, cuando la caracterización del rodal tiene como meta la valoración
económica del mismo, el volumen de madera se convierte en el parámetro de mayor
importancia.
Los principales parámetros que describen un rodal son:
̅)
5.1.1 Diámetro medio (𝒅
El diámetro medio del rodal corresponde al promedio aritmético de los valores del diámetro
a la altura del pecho de los árboles que componen el rodal. Una estimación puede ser
realizada a partir de los árboles medidos en una parcela. El diámetro medio del rodal se
estima a través de la siguiente fórmula:
Fórmula 28
∑𝑛𝑖=1 𝑑𝑖
𝑑̅ =
𝑛
Donde:
n: número de individuos en la parcela
d: diámetro medio en el i-ésimo árbol (cm)
El área basal se define como el valor resultante de la suma de las secciones transversales
a la altura del pecho, por unidad de área del terreno. Normalmente la sección para cada
árbol se calcula a partir del diámetro, suponiendo una sección circular, por lo tanto, el área
basal (G) se expresa en metros cuadrados por hectáreas. Se calcula a partir de la siguiente
fórmula:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 25
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
N=n∙ 𝑓𝑒
Donde n es el número de árboles dentro de la parcela.
El diámetro medio cuadrático corresponde al diámetro del árbol de área basal media y se
obtiene empleando la siguiente expresión:
Fórmula 31 Diámetro medio cuadrático
40000 𝐺
𝐷𝑔 = √ ∙
𝜋 𝑁
Las alturas absolutas son principalmente dependientes de la espacie, la calidad del sitio, la
edad y el manejo del rodal. Por el contrario, las alturas relativas dentro del rodal son
dependientes del diámetro, de la posición sociológica del árbol dentro del rodal y de muchos
otros factores que no pueden ser registrados directamente en forma cuantitativa. Un
estimativo de la altura media del rodal se puede obtener mediante la siguiente fórmula:
Fórmula 32 Altura total media
𝑛
∑ ℎ𝑖
ℎ̅= 𝑖=1
𝑛
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 26
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Donde
n: número de árboles dentro de la parcela
h: altura media en el i-ésimo árbol (m)
Se trata de las alturas de un número fijo de árboles de grandes dimensiones por unidad de
superficie. En los estudios de crecimiento generalmente se utiliza la definición de altura
dominante derivada de la propuesta por Assmann 1970, que consiste en calcular dicha
variable como la media de las alturas de los cien árboles más gruesos (de mayor diámetro
a la altura del pecho) por hectárea. Para su estimación a partir de datos de inventario o de
parcelas permanentes.
Generalmente se selecciona en éstas un número proporcional de individuos dominantes en
función de la superficie de la parcela.
V= 𝑓𝑒 ∙ ∑𝑛𝑖=1 𝑣𝑖
Donde Vi: es el volumen total o comercial del i-ésimo árbol obtenido a través de una
ecuación de volumen o la integración de un modelo de ahusamiento.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 27
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Los modelos de crecimiento y rendimiento son, desde el punto de vista del manejo
sostenible de los recursos, un apoyo, teniendo en cuenta su aplicabilidad en todos los
componentes de la cadena forestal desde la planificación de las futuras plantaciones,
mediciones de captura de CO2 hasta la optimización de los productos maderables a ser
aprovechados. Un modelo es una abstracción o una representación simplificada de algún
aspecto de la realidad. Un modelo de crecimiento de un rodal generalmente se refiere a un
sistema de ecuaciones, el cual puede predecir el crecimiento y el rendimiento, bajo una
amplia variedad de condiciones. Los modelos empleados en las ciencias forestales han ido
evolucionando de acuerdo con el nivel de detalle que los silvicultores han requerido de
información (Vanclay 1994). Los modelos de crecimiento según su enfoque se pueden
clasificar en determinísticos y estocásticos.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 28
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Los modelos de rodal informan sobre el desarrollo probable del conjunto de árboles que lo
constituyen. Su principal ventaja es que requieren poca información (solo variables de rodal)
para, mediante una serie de funciones matemáticas, estimar el crecimiento y el volumen
futuro, por lo que son los modelos más sencillos y, a su vez, los más robustos en
proyecciones a largo plazo, proporcionando generalmente buenas estimaciones de las
variables dasométricas (Burkhart 2003); no obstante son los modelos de menor nivel de
detalle, los que nos permiten conocer cómo se reparte la producción del rodal entre las
distintas clases (habitualmente de tamaños) de los árboles (Dieguez et al., 2009). Estos
modelos pueden incluir algoritmos que permiten la recuperación de la distribución
diamétrica a la edad de proyección.
Los modelos de clases de tamaño surgieron para dar respuesta a las necesidades de
información sobre el número de árboles de diferentes tamaños que hay en los rodales
mono-específicos y regulares. Estos modelos permiten simular de manera separada el
crecimiento en cada clase (diamétrica o de área basal) mediante el cálculo de las
características del árbol medio representativo de cada una de ellas (volumen, crecimiento
en diámetro, entre otras). La escasa disponibilidad de datos que hagan posible el desarrollo
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 29
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
de modelos de árbol individual, junto con la necesidad de conocer mejor el tipo de productos
que se pueden obtener en un rodal, hacen que en determinadas circunstancias sea
interesante el uso de modelos de clases dimensionales (Dieguez et al., 2009).
Entre los modelos de crecimiento, los de árbol individual son los más complejos y los de
mayor nivel de detalle, ya que tratan de describir el crecimiento particular de cada uno de
los árboles de un rodal a partir de los fenómenos que lo condicionan.
La mayoría utiliza un índice de competencia en las ecuaciones de crecimiento de cada
árbol, como una medida de su interacción con otros árboles del rodal en la lucha por la luz,
agua, nutrientes y el espacio del crecimiento. Este índice se utiliza para determinar si el
árbol está vivo o muerto y si vive, para estimar su crecimiento en términos de diámetro y en
ocasiones de la altura y el tamaño de la copa.
Existen numerosas metodologías para calcular los índices de competencia en estos
modelos:
Si los cálculos de basan en la distancia media entre cada árbol y todos los que están
dentro de su zona de competencia, los modelos dependen de la distancia
(entonces, es necesario conocer las coordenadas de los árboles dentro del rodal)
Si el índice de competencia se basa solamente en las características del árbol
objetivo y en características del rodal en que está incluido, se trata de modelos
independientes de la distancia (Davis et. Al., 2009)
Los inconvenientes con este tipo de modelo es que requieren un gran volumen de datos
para su construcción y utilización, algunos de estos muy costosos de conseguir, y exigen
una elaboración metodológicamente más compleja, si se comparan con los otros tipos de
modelos de crecimiento. (Dieguez et al., 2009).
Según la estrategia de modelamiento, los modelos se crecimiento se pueden clasificar en
modelos estáticos y dinámicos.
Los modelos de crecimiento estáticos (Alder 1980) intentan predecir directamente el curso
en el tiempo de las cantidades de interés (volumen, diámetro medio). Estos podrían ser
utilizados para rodales sometidos a un rango estrecho de tratamientos, para los cuales se
debe disponer de datos experimentales de largo plazo.
Los modelos dinámicos se proyectan sobre un rango más amplio de regímenes silvícolas
(espaciamiento inicial, varias secuencias e intensidades de raleo y podas). En lugar de
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 30
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fuente: CONIF
En el contexto del manejo forestal la calidad de sitio puede ser definida como la capacidad
de un área determinada para el crecimiento de los árboles (Prodan et al., 1997) o según
Clutter et al., 1983 como la producción potencial de madera de un sitio para una especie en
particular o tipo forestal. Es la respuesta de la especie a determinadas características
climáticas, edáficas y bióticas presentes en un lugar determinado.
La productividad es un concepto biológico que no puede ser expresado matemáticamente.
Por ello se ha optado por representar la calidad de sitio a través de un valor o índice
denominado índice de sitio; expresión cuantitativa de la calidad del sitio (Prodan et al.,
1997). Los métodos para estimar la productividad de sitio se clasifica en:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 32
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Según Proden et al., 1997, se han propuesto diferentes métodos para desarrollar funciones
de sitio, que varían según el principio aplicado, el tipo de datos, el método de construcción
y el modelo empleado. Los datos utilizados provienen de fuentes de información tales como
parcelas permanentes, parcelas temporales y análisis fustal. Las parcelas permanentes
generan series de desarrollo altura-edad que permiten la construcción de curvas
anamórficas y polimórficas.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 33
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
1939; Chapman 1961; McDill y Amateis 1992; García y Ruíz 2003), de los cuales se
seleccionó el modelo que representó la mejor bondad de ajuste y capacidad predictiva.
En la Tabla 4 se presentan las funciones de transición de altura dominante seleccionadas
para cada especie, acompañada de su respectiva bondad de ajuste. Los modelos
seleccionados son sistemas polimórficos.
Tabla 4 Funciones de Transición de altura dominante (Índice de sitio) seleccionadas para cada especie
Bondad de ajuste
Zona Especie Modelo
R2 Sy.x
𝐻2
= 36.009534
𝐸2 0.754037
E. tereticornis 1⁄ ⁄𝐸 0.93 1.03
1
𝐻1 0.754037
∙ {1 − [1 − ( ) ] }
36.009534
𝐻2
= 28.882209
𝐸2 0.745155
G. arborea 1⁄ ⁄𝐸 0.92 0.70
1
𝐻1 0.745155
Costa ∙ {1 − [1 − ( ) ] }
Atlántica 28.882209
23.686086
𝐻2 =
T. grandis 23.686086 𝐸 1.623025 0.93 0.87
1 − (1 − ) ∙ ( 1)
𝐻1 𝐸2
𝐻2
= 27.059868
1
B. quinata 𝐸2 0.86 0.93
0.850265 ⁄𝐸 0.850265
𝐻1 1
∙ {1 − [1 − ( ) ] }
27.059868
0.838637
𝐸1
( )
G. arborea 𝐻1 𝐸2
0.94 1.19
𝐻2 = 33.206081 ∙ ( )
33.206081
𝐻2
= 31.649653
1
T. grandis 𝐸2 0.96 0.66
1.317434 ⁄𝐸 1.317434
𝐻1 1
Región ∙ {1 − [1 − ( ) ] }
Andina 31.649653
𝐻2
= 46.999115
𝐸2 1.578727
P. patula 1⁄ ⁄𝐸 0.96 1.42
1
𝐻1 1.578727
∙ {1 − [1 − ( ) ] }
46.999115
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 35
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de ajuste
Zona Especie Modelo
R2 Sy.x
𝐻2
= 26.508445
𝐸2 1.831335
P.oocarpa 1⁄ ⁄𝐸 0.97 1.18
1
𝐻1 1.831335
∙ {1 − [1 − ( ) ] }
26.508445
56.418438
𝐻2 =
E. grandis 56.418438 𝐸 1.147718 0.95 1.66
1 − (1 − ) ∙ ( 1)
𝐻1 𝐸2
Dónde: E1: edad 1; E2: edad 2; H1: altura dominante a E1y H2: altura dominante a E2
Fuente CONIF
Aunque las funciones de transición de altura dominante se han ajustado con metodologías
invariantes con respecto a la edad de referencia, su uso práctico para estimar la calidad de
sitio a partir de los datos “altura dominante-edad” requiere seleccionar una edad base a la
cual referenciar el índice de sitio. De manera inversa, el índice de sitio y su correspondiente
edad base pueden también usarse para estimar la altura dominante a otra edad. La edad
de referencia debe seleccionarse de manera que permita predecir de forma fiable la altura
dominante a otras edades, teniendo en cuenta que el crecimiento en altura puede ser
errático a edades juveniles pero, considerando también que una edad base temprana
ayudará a una pronta toma de decisiones acerca de los posibles tratamientos que se
debieran aplicar al rodal (Dieguez et al., 2009) Las edades de referencia (edad clave)
seleccionadas para cada especie se presentan en la Tabla 5
Tabla 5 Edades de referencia seleccionadas para cada especie
Originalmente formulado como una guía práctica de raleos pero, fue usado como una guía
de densidad límite del rodal (Mitchell 1975). Este índice relaciona el espaciamiento medio
con la altura dominante del rodal (H) y puede ser expresada en términos del número de
árboles (N). El espaciamiento medio entre árboles depende de la distribución teórica de
éstos en el terreno, de modo que la expresión del índice de espaciamiento relativo (S%) es
la Fórmula 34
Fórmula 34 Índice de espaciamiento relativo
100
S (%)=K∙ ∙100
√𝑁∙𝐻
Donde:
K: 1 si se asume una distribución de los árboles en el marco real o malla cuadrada
0.25
o (4⁄3) si se asume una distribución al tresbolillo o triangular.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 37
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Reza que sin importar la especie, el número de árboles decrece a medida que aumenta su
tamaño. Una superficie definida puede soportar, como máximo, una determinada cantidad
de biomasa. A medida que los árboles crecen van ocupando cada vez más espacio, lo que
necesariamente se traduce en una reducción de la densidad.
En la naturaleza, la relación entre la densidad y el tamaño medio de los individuos se
produce de tal manera que parece existir un límite superior de dicha relación que no puede
superarse. Esta relación se puede expresar bajo la siguiente ecuación
Fórmula 35
3
ln N+2 ∙ ln 𝑣 = 𝑘
Donde:
N número de árboles
𝑣̅ : Volumen del árbol medio
K: constante que varía con la especie
ln N= -1.605∙ ln 𝐷𝑔 +K
Donde
N: número de árboles por hectárea
𝐷𝑔 : Diámetro del árbol de área basal media
K: constante que varía con la especie
Reineke definió una relación de densidad relativa para cualquier rodal (coetáneo y de la
misma especie), expresada como:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 38
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 37
In IDR= -1.605∙ ln 𝐷𝑔 + 𝐾
Dónde:
IDR: índice de Densidad de Rodal
𝐷𝑔 : Diámetro medio cuadrático base
K: muestra la existencia de un intercepto
Para estimar la densidad relativa se despeja K en la anterior expresión, se reemplaza en la
fórmula original y se eliminan los logaritmos quedando:
Fórmula 38
𝐷𝑔 1.605
IDR=(25.4) ∙N
Bondad de ajuste
Zona Especie Modelo
R2 Sy.x
𝐸2 2 𝐸1 2 −2
E tereticornis 𝑁2 =(𝑁1−0.5 + 0.299580 ∙ (( ) −( ) ) 0.98 28.69
100 100
𝐸2 2 𝐸1 2 −2
G. arbórea 𝑁2 =(𝑁1−0.5 + 0.260152 ∙ (( ) −( ) ) 0.98 22.01
Costa 100 100
Atlántica 𝐸2 2 𝐸1 2 −2
T. grandis 𝑁2 =(𝑁1−0.5 + 0.0527049 ∙ (( ) −( ) ) 0.99 19.25
100 100
𝐸2 2 𝐸1 2 −2
B quinata 𝑁2 =(𝑁1−0.5 + 0.110935 ∙ (( ) −( ) ) 0.98 18.63
100 100
𝐸2 2 𝐸1 2 −2
G. arbórea 𝑁2 =(𝑁1−0.5 + 0.102734 ∙ (( ) −( ) ) 0.98 19.88
100 100
𝐸2 2 𝐸1 2 −2
T. grandis 𝑁2 =(𝑁1−0.5 + 0.066281 ∙ (( ) −( ) ) 0.98 30.41
100 100
Región 𝐸2 2 𝐸1 2 −2
Andina
P. patula 𝑁2 =(𝑁1−0.5 + 0.064623 ∙ (( ) −( ) ) 0.99 20.26
100 100
𝐸2 2 𝐸1 2 −2
P.oocarpa 𝑁2 =(𝑁1−0.5 + 0.066003 ∙ (( ) −( ) ) 0.99 9.25
100 100
𝐸2 2 𝐸1 2 −2
E. grandis 𝑁2 =(𝑁1−0.5 + 0.343403 ∙ (( ) −( ) ) 0.98 25.88
100 100
Dónde: E1: edad 1; E2: edad 2; H1: altura dominante a E1y H2: altura dominante a E2
Fuente: CONIF
Bondad de Ajuste
Zona Especie Modelo
R2 Sy.x
1.493996
ln G=-0.736577- + 1.140286 ∙ 𝑙𝑛 𝐻 0.83 0.22
𝐸
1 1
E tereticornis ln 𝐺2 = ln 𝐺1 -1.493996∙ ( − ) + 1.140286 ∙ (𝑙𝑛 𝐻2 −
𝐸2 𝐸1 0.91 0.13
𝑙𝑛 𝐻1 )
−3.960257−1.897410∙𝐸+0.088099∙𝐸∙𝐼𝑆+0.536461∙𝐸∙ln 𝑁
ln G= 0.76 0.14
𝐸
𝐸1 𝐸1
G. arborea ln 𝐺2 =ln𝐺1 ∙ ( )-1.897410∙ (1 − ) + 0.088099 ∙ (1 −
𝐸2 𝐸2
𝐸1 𝐸1 0.89 0.09
Costa ) ∙ 𝐼𝑆 + 0.536461 ∙ (𝑙𝑛𝑁2 − ∙ 𝑙𝑛𝑁1 )
𝐸2 𝐸2
Atlantica −1.363217
G=0.040882∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.495191 ∙ 𝑁 0.309740 0.86 2.27
𝐸
1 1 𝐻2 1.495191
T. grandis 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−1.363217 ∙ ( − )) ∙ ( )
𝐸2 𝐸1 𝐻1
−0.309740 0.93 0.67
𝑁2
∙( )
𝑁1
−7.255638−3.121372∙𝐸+0.101270∙𝐸∙(𝐼𝑆)+0.759642𝐸∙ln 𝑁
B quinata lnG= 0.80 0.20
𝐸
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 41
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de Ajuste
Zona Especie Modelo
R2 Sy.x
𝐸 𝐸
ln𝐺2 =ln𝐺1 ∙ ( 1) − 3.121372 ∙ (1 − 1) + 0.101270 ∙
𝐸2 𝐸2
𝐸1 𝐸 0.91 0.12
(1 − ) ∙ 𝐼𝑆 + 0.759642 ∙ (𝑙𝑛𝑁2 − ( 1) ∙ 𝑙𝑛𝑁1 )
𝐸2 𝐸2
−0.598732
G=0.147478∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻 0.250129 ∙ 𝑁 0.207593 0.94 1.82
𝐸
1 1 𝐻2 1.250129
G. arborea 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−0.598732 ∙ ( − )) ∙ ( )
𝐸2 𝐸1 𝐻1
0.95 7.79
𝑁2 0.207593
∙( )
𝑁1
−3.689366
G=0.157637∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.361740 ∙ 𝑁 0.208719 0.93 7.87
𝐸
1.361740
1 1 𝐻2
T. grandis 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−3.689366 ∙ ( − )) ∙ ( )
𝐸2 𝐸1 𝐻1
0.96 1.46
𝑁2 −0.208719
∙( )
𝑁1
−3.498232
G=0.769265∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻 0.553334 ∙ 𝑁 0.344372 0.92 3.79
𝐸
0.553334
1 1 𝐻2
Región 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−3.498232 ∙ ( − )) ∙ ( )
P. patula 𝐸2 𝐸1 𝐻1
Andina 0.98 1.81
𝑁2 0.344372
∙( )
𝑁1
−1.337716
G=0.011869∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻 0.984589 ∙ 𝑁 0.665159 0.90 2.83
𝐸
1 1 𝐻2 0.984589
E. grandis 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−1.337716 ∙ ( − )) ∙ ( )
𝐸2 𝐸1 𝐻1
0.96 1.71
𝑁2 0.665159
∙( )
𝑁1
−4.46147
G=0.004940∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.080370 ∙ 𝑁 0.912273 0.85 3.43
𝐸
1.080370
1 1 𝐻2
P oocarpa 𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−4.46147 ∙ ( − )) ∙ ( )
𝐸2 𝐸1 𝐻1
0.95 1.95
𝑁2 0.912273
∙( )
𝑁1
Dónde: E1: edad 1; E2: edad 2; N1: número de árboles a la edad E1; N2: número de árboles
a la edad E2; H1: altura dominante a la edad E1; H2: altura dominante a la edad E2; G1: área
basal a la edad E1 y G2: área basal a la edad E2.
Fuete: CONIF
La distribución diamétrica indica la frecuencia con que aparece representada una cierta
clase diamétrica en el rodal. Comúnmente los diámetros de cada uno de los árboles
medidos en una parcela permanente o temporal, suelen resumirse agrupándolos por clases
diamétricas, de modo que se asigna a cada una de ellas la frecuencia absoluta y/o relativa
de los árboles medidos que pertenecen a dicha clase.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 43
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
9 Modelos auxiliares
Entre las diferentes variables medidas en un árbol, normalmente, existe algún tipo de
relación, a las que se les denomina relaciones alométricas. En general a mayor diámetro,
mayor es la altura del árbol.
A partir de una submuestra de las alturas medidas, es posible realizar ajustes locales,
normalmente de tipo alométrico, entre la altura y el diámetro. Estos modelos presentan una
ventaja y es que son fáciles de construir pero, su principal inconveniente es que se adaptan
inadecuadamente a los cambios tanto de sitio como de manejo realizado al rodal (Cansino
2006)
Bondad de Ajuste
Zona Especie Modelo
R2 Sy.x
−(2.3340.0590𝐻)
E tereticornis h=H∙ 𝑒𝑥𝑝(8.5629 ∙ (𝑑−(2.3340.0590𝐻) − 𝐷𝑑 ) 0.93 1.11
G. arbórea h=H∙ 𝑒𝑥𝑝(−3.6831 ∙ (𝑑−(21.34020.0234𝐻) − 0.82 1.21
−(21.34020.0234𝐻)
𝐷𝑑 )
T. grandis 1⁄ −3 0.93 1.04
1 1 1 3
h=1.3+(0.6093 ∙ ( − )( ) )
𝑑 𝐷𝑑 (𝐻−1.3
1 1
( − ) )
𝐷𝑑 𝑑
Dónde: h: altura total; H: altura dominante; d: diámetro a la altura del pecho; Dd: diametro
de dominantes; N: número de árboles y G: área basal
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 45
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de Ajuste
Modelo Fuente Expresión
R2 Sy.x
−1.363217
Área basal Palahi et G=0.040882∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.495191 ∙
𝐸 0.86 2.27
inicial al.202 𝑁 0.309740
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−1.363217 ∙ ( − ))
Área basal Palahi et 𝐸2 𝐸1
0.93 1.67
proyección al.202 𝐻2 1.495191 𝑁2 −0.309740
∙( ) ∙( )
𝐻1 𝑁1
23.686086 𝐸1 1.623025
Altura McDill y 𝐻2 = ∙( )
23.686086 0.93 0.87
dominante Amateis 1992 1 − (1 − ) 𝐸2
𝐻1
𝑁2 = 𝑁1−0.5 + 0.0527049
Woollons 2 2 −2
Mortalidad 𝐸 𝐸 0.99 19.25
1998 ∙ (( 2⁄100) − ( 1⁄100) )
Omule y 1⁄ −3
1 1 1 3
Altura total McDonal h=1.3(0.6093 ∙ ( − )+( ) ) 0.93 1.04
𝑑 𝐷𝑑 𝐻−1.3
1991
Volumen total
Schumacher
para árbol ln(v)=-9.8413+1.7434∙ ln(𝑑) + 0.0263 ∙ ln(ℎ) 0.95 0.01
y Hall 1933
individual
𝑑2
= −4.1845 ∙ (𝑧 − 1) + 1.9274 ∙ (𝑧 2 − 1)
𝑑2
Max y − 1.4046 ∙ (0.9994 − 𝑧)2 ∙ 𝐼1
Ahusamiento 0.92 0.15
Burkhart 1976 + 60.9044 ∙ (0.12404 − 𝑧)2
∙ 𝐼2
𝐼𝑖 = 1 𝑠𝑖 (𝛼𝑖 ) ≥ 0.0𝑠𝑖 𝑛𝑜 (𝑖 = 1.2)
Fuente CONIF
Tabla 10 Modelos de crecimiento y rendimiento para Gmelina arborea en la Costa Atlántica
Bondad de Ajuste
Modelo Fuente Expresión
R2 Sy.x
Área basal −3.960257−1.897410∙𝐸∙𝐼𝑆+0.536461∙𝐸∙𝑙𝑛𝑁
Souter 1986 lnG= 0.76 0.14
inicial 𝐸
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 46
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de Ajuste
Modelo Fuente Expresión
R2 Sy.x
𝐸 𝐸1
ln𝐺2 = ln𝐺1 ∙ ( 1) − 1.897410 ∙ (1 − )+
𝐸2 𝐸2
Área basal 𝐸1
Souter 1986 0.088099 ∙ (1 − ) ∙ 𝐼𝑆 + 0.536461 (𝑙𝑛𝑁2 − 0.89 0.09
proyección 𝐸2
𝐸1
( ) ∙ 𝑙𝑛𝑁1 )
𝐸2
𝐻2
= 28.88209 (1
Chapman
Altura
1961; Richards 0.92 0.70
dominante 𝐸2 0.745155
1959 1⁄ ⁄𝐸
1
𝐻 0.745155
− (1 − ( ) ) )
28.882209
𝑁2 = 𝑁1−0.5 + 0.260152
Mortalidad Woollons 1998 2 2 −2 0.98 22.01
𝐸 𝐸
∙ (( 2⁄100) − ( 1⁄100) )
Krumland y h=H∙ 𝑒𝑥𝑝(−3.6831 ∙ (𝑑−(1.34020.0234𝐻) −
Altura total −(1.34020.0234𝐻) 0.82 1.21
Wensel 198 𝐷𝑑 )
Volumen total
para árbol Burkhart 1977 v=0.0228+0.000015∙ 𝑑2.1639 ∙ ℎ1.0327 0.98 0.02
individual
Volumen de Parresol et al 𝑑𝑖4.3777
R=exp(−0.60757 ∙ ( )) 0.96 0.07
razón 1987 𝑑 3.9503
𝑐
1 − √𝑧
Ahusamiento Kozak 1988 𝑑𝑖 = 1.8205 ∙ 𝑑0.62205 ∙ 1.01703𝑑 ∙ ( ) 0.96 1.49
1 − √0.17
Fuente CONIF
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
Área basal −7.255638−3.121372∙𝐸+0.101270∙𝐸∙(𝐼𝑆)+0.759642∙𝐸∙𝑙𝑛𝑁
Souter 1986 lnG= 0.80 0.20
inicial 𝐸
𝐸1 𝐸1
Área basal ln𝐺2 = ln𝐺1 ∙ ( ) − 3.121372 ∙ (1 − ) + 0.101270 ∙
𝐸2 𝐸2
Souter 1986 𝐸1 𝐸1 0.91 0.12
proyección (1 − ) ∙ 𝐼𝑆 + 0.759642 (𝑙𝑛𝑁2 − ( ) ∙ 𝑙𝑛𝑁1 )
𝐸2 𝐸2
𝐻2
= 27.059868 (1
Altura García y ruíz
0.86 0.93
dominante 2003 (
1
)
𝐸2 0.850265
0.850265 ⁄𝐸
𝐻1 1
− (1 − ( ) ) )
27.059868
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 47
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
2 2 −2
Woollons 𝐸 𝐸
Mortalidad
1998 𝑁2 = 𝑁1−0.5 + 0.102734 ∙ (( 2⁄100) − ( 1⁄100) ) 0.98 18.63
Omule y 1⁄ −3
1 1 1 3
Altura total MacDonal h=1.3(0.7384 ∙ ( − )+( ) ) 0.83 1.09
𝑑 𝐷𝑑 𝐻−1.3
1991
Volumen total 2
para árbol Honer 1964 v=𝑑 ⁄ 22380.07 0.91 0.01
(1040.66 + )
individual ℎ
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
1.493996
Área basal inicial Forss 1994 lnG=-0736577- + 1.140286 ∙ 𝑙𝑛𝐻 0.83 0.22
𝐸
1 1
Área basal ln𝐺2 = ln𝐺1 − 1.493996 ∙ ( − ) + 1.140286 ∙
Forss 1994 𝐸2 𝐸1 0.91 0.13
proyección (𝑙𝑛𝐻2 −∙ 𝑙𝑛𝐻1 )
𝐻2
= 36.009534 (1
Chapman
Altura dominante 1961; 0.93 1.03
𝐸2 0.754037
Richards 1959 1⁄ ⁄𝐸
1
𝐻1 0.754037
− (1 − ( ) ) )
36.009534
𝑁2 = 𝑁1−0.5 + 0.299580
Woollons 2 2 −2
Mortalidad 𝐸 𝐸 0.98 28.69
1998 ∙ (( 2⁄100) − ( 1⁄100) )
Krumland y h=H∙ 𝑒𝑥𝑝(−8.5629 ∙ (𝑑−(1.34020.0234𝐻) −
Altura total −(1.34020.0234𝐻) 0.93 1.11
Wensel 1988 𝐷𝑑 )
Volumen total para Prodan et
v=0.0228+0.000015∙ 𝑑2.3340.0590𝐻 ∙ ℎ2.3340.0590𝐻 0.98 0.02
árbol individual al.1987
Parresol et al 𝑑𝑖4.86157
Volumen de razón R=exp(−2.7593 ∙ ( )) 0.98 0.05
1987 𝑑 4.89109
𝑑𝑖2
= 0.8229 ∙ 𝑋1.5 − 0.0297 ∙ (𝑋1.5 − 𝑥 3 ) ∙ 𝑑
𝑑2
+ 0.0293 ∙ (𝑋1.5 − 𝑥 3 ) ∙ ℎ
Bruce et al
Ahusamiento + 0.0000771 ∙ (𝑋1.5 − 𝑥 32 ) ∙ ℎ 0.96 0.07
1968
∙ 𝑑 + 0.02685 ∙ (𝑋1.5 − 𝑥 32 )
∙ ℎ0.5 − 0.0003088
∙ (𝑋1.5 − 𝑥 40 ) ∙ ℎ2
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 48
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fuente CONIF
Tabla 13 Modelos de crecimiento y rendimiento para Gmelina arborea en la Región andina
Bondad de Ajuste
Modelo Fuente Expresión
R2 Sy.x
−0.598732
Área basal Palahi et al., G=0.147478∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.250129 ∙
𝐸 0.94 1.82
inicial 2002 𝑁 0.207593
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−0.598732 ∙ ( − ))
Área basal Palahi et al., 𝐸2 𝐸2
0.95 1.79
proyección 2002 𝐻2 1.250129 𝑁2 0.207593
∙( ) ∙( )
𝐻1 𝑁1
0.838637
𝐸1
Altura 𝐻1 ( )
𝐸2
Korf 1939 𝐻2 = 33.206081 ∙ ( ) 0.94 1.19
dominante
33.206081
𝑁2 = 𝑁1−0.5 + 0.102734
Mortalidad Woollons 1998 2 2 −2 0.98 19.88
𝐸 𝐸
∙ (( 2⁄100) − ( 1⁄100) )
Volumen total
para árbol Burkhart 1977 v=0.0228+0.000015∙ 𝑑2.1639 ∙ ℎ1.0327 0.98 0.02
individual
Volumen de Parresol et al 𝑑𝑖43777
R=exp(−0.60757 ∙ ( )) 0.96 0.07
razón 1987 𝑑 3.9505
𝑐
1 − √𝑧
Ahusamiento Kozak 1988 𝑑𝑖 = 1.8205 ∙ 𝑑0.62205 ∙ 1.01703𝑑 ∙ ( ) 0.96 1.49
1 − √0.17
Fuente CONIF
Tabla 14 Modelos de crecimiento y rendimiento para Tectona grandis en la Región andina
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
−3.689366
G=0.157637∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.361740 ∙
Área basal inicial Palahi et al., 2002 𝐸 0.93 1.87
𝑁 0.208715
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−3.689366 ∙ ( − ))
Área basal 𝐸2 𝐸1
Palahi et al., 2002 0.96 1.46
proyección 𝐻2 1.361740 𝑁2 0.208715
∙( ) ∙( )
𝐻1 𝑁1
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 49
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
𝐻2
= 31.649653 (1
García y Ruíz
Altura dominante 0.96 0.66
2003 (
1
)
𝐸2 1.317434
1.317434 ⁄𝐸
𝐻1 1
− (1 − ( ) ) )
31.649653
𝑁2 = 𝑁1−0.5 + 0.066281
Mortalidad Woollons 1998 2 2 −2 0.98 30.41
𝐸 𝐸
∙ (( 2⁄100) − ( 1⁄100) )
Krumland y h=H∙ 𝑒𝑥𝑝(−3.7246 ∙ (𝑑−(0.8250.0255𝐻) −
Altura total −(0.8250.0255𝐻) 0.86 0.94
Wensel 1988 𝐷𝑑 )
Volumen total
Schumacher y
para árbol ln(v)=-9.8413+1.7434∙ ln(𝑑) + 0.0263 ∙ ln(ℎ) 0.95 0.01
Hall 1933
individual
Parresol et al 𝑑𝑖3.94067
Volumen de razón R=exp(−0.9246 ∙ ( )) 0.97 0.06
1987 𝑑 3.64252
𝑑𝑖2
Max y Burkhart = −4.1845 ∙ (𝑧 − 1) + 1.924 ∙ (𝑧 2 − 1)
Ahusamiento 𝑑2 0.92 0.15
1976 − 1.4046 ∙ (0.9994 − 𝑧)2 ∙ 𝐼1
+ 60.9044 ∙ (0.9994 − 𝑧)2 ∙ 𝐼2
Fuente CONIF
Tabla 15 Modelos de crecimiento y rendimiento para Pinus patula en la Región andina
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
−3.498232
G=0.769265∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻 0.553334 ∙
Área basal inicial Palahi et al., 2002 𝐸 0.92 3.79
𝑁 0.344372
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−3.498232 ∙ ( − ))
Área basal 𝐸2 𝐸1
Palahi et al., 2002 0.98 1.81
proyección 𝐻2 0.5533340 𝑁2 0.344372
∙( ) ∙( )
𝐻1 𝑁1
𝐻2
= 46.999115 (1
Chapman 1961;
Altura dominante 0.96 1.42
Richards 1959 𝐸2 1.578727
1⁄ ⁄𝐸
1
𝐻1 1.578727
− (1 − ( ) ) )
46.999115
𝑁2 = 𝑁1−0.5 + 0.064623
Mortalidad Woollons 1998 2 2 −2 0.99 20.26
𝐸 𝐸
∙ (( 2⁄100) − ( 1⁄100) )
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 50
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
Hui y Gadow −0.209
Altura total
1993 h=1.3+0.2384∙ 𝐻1.0846 ∙ 𝑑 0.6074𝐻 0.94 2.22
Volumen total
Schumacher y
para árbol ln(v)=-9.8413+1.7434∙ ln(𝑑) + 0.0263 ∙ ln(ℎ) 0.95 0.07
Hall 1933
individual
Parresol et al 𝑑𝑖5.0318
Volumen de razón R=exp(−1.1732 ∙ ( )) 0.92 0.10
1987 𝑑 4.7770
𝑐
1 − √𝑧
Ahusamiento Kozak 1988 𝑑𝑖 = 1.82322 ∙ 𝑑0.63366 ∙ 1.01470𝑑 ∙ ( ) 0.95 1.95
1 − √0.15
Fuente CONIF
Tabla 16 Modelos de crecimiento y rendimiento para Pinus oocarpa en la Región andina
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
−4.461447
Área basal inicial Palahi et al., 2002 G=0.004940∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻1.080370 ∙ 𝑁 0.912273 0.90 2.83
𝐸
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−4.461447 ∙ ( − ))
Área basal 𝐸2 𝐸1
Palahi et al., 2002 0.96 1.71
proyección 𝐻2 1.080370 𝑁2 0.912273
∙( ) ∙( )
𝐻1 𝑁1
𝐻2
= 26.508445
𝐸2 1.578727
Chapman 1961; ⁄𝐸
Altura dominante 1⁄ 1 0.97 1.18
Richards 1959 𝐻1 1.578727
∙ (1 − (1 − ( ) ) )
26.508445
𝑁2 = 𝑁1−0.5 + 0.066003
−2
Mortalidad Woollons 1998 𝐸 2
𝐸 2 0.99 9.25
∙ (( 2⁄100) − ( 1⁄100) )
1⁄ −3
Omule y 1 1 1 3
Altura total
MacDonal 1991 h=1.3(1.1576 ∙ ( − )+( ) ) 0.98 0.97
𝑑 𝐷𝑑 𝐻−1.3
𝑑𝑖2
Ahusamiento
Max y Burkhart = −1.77809 ∙ (𝑧 − 1) + 0.73761 ∙ (𝑧 2 − 1) 0.89 0.09
1976 𝑑2
− 1.80441 ∙ (0.12113 − 𝑧)2 ∙ 𝐼1
Fuente CONIF
Tabla 17 Modelos de crecimiento y rendimiento para Eucalyptus grandis en la Región andina
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 51
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Bondad de
Modelo Fuente Expresión Ajuste
R2 Sy.x
−1.337716
G=0.011869∙ 𝑒𝑥𝑝 ( ) ∙ 𝐻 0.984589 ∙
Área basal inicial Palahi et al., 2002 𝐸 0.85 3.43
𝑁 0.6651593
1 1
𝐺2 = 𝐺1 ∙ 𝑒𝑥𝑝 (−1.337716 ∙ ( − ))
Área basal 𝐸2 𝐸1
Palahi et al., 2002 0.95 1.95
proyección 𝐻2 0.984589 𝑁2 0.6651593
∙( ) ∙( )
𝐻1 𝑁1
56.418438
McDill y Amateis 𝐻2 =
Altura dominante 56.418438 𝐸 1.147718 0.95 1.66
1992 1 − (1 − ) ∙ ( 1)
𝐻1 𝐸2
𝑁2 = 𝑁1−0.5 + 0.343403
Mortalidad Woollons 1998 2 2 −2 0.98 25.88
𝐸 𝐸
∙ (( 2⁄100) − ( 1⁄100) )
𝐷𝑑
h=1.3+(H-1.3)∙ 𝑒𝑥𝑝 (0.4386 ∙ (1 − ) + 0.954 ∙
𝑑
Altura total Gaffrey 0.94 1.30
1 1
( − ))
𝐷𝑑 𝑑
𝑑𝑖2
= 0.82414 ∙ 𝑋1.5 − 0.01143 ∙ (𝑋1.5 − 𝑥 3 ) ∙ 𝑑
𝑑2
+ 0.01184 ∙ (𝑋1.5 − 𝑥 3 ) ∙ ℎ
+ 0.0000136 ∙ (𝑋1.5 − 𝑥 32 )
Ahusamiento Bruce et al 1968 0.97 0.06
∙ ℎ ∙ 𝑑 + 0.0048236
∙ (𝑋1.5 − 𝑥 32 ) ∙ ℎ0.5
− 0.00012749 ∙ (𝑋1.5 − 𝑥 40 )
∙ ℎ2
Fuente CONIF
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 52
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 40
1 x x
f ( x) exp exp
Ilustración 2 Densidad valor extremo más chico.
Valor Extremo Más Chico
0.8 Moda,Escala
3,0.5
0.6
densidad
0.4
0.2
0
0 1 2 3 4
x
Fuente: CREFT
Fórmula 41 Evento Alto: Distribución del máximo.
1 x x
f ( x) exp exp
Valor Extremo Más Grande
Ilustración 3 Densidad valor extremo más grande.
0.4 Moda,Escala
5,1.2
0.3
densidad
0.2
0.1
0
0 2 4 6 8 10 12
x
Fuente: CREFT
Aplicación del Método en la Estación Naranjal.
La Tabla 19 muestra el análisis de varianza en donde se observa que la temperatura
máxima varía entre meses y entre eventos con una significancia del 5%
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 54
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fuente SC Gl CM F Valor-P
Mes 3808.6 11 346.237 98.07 0.0000
Evento 3242.46 2 1621.23 459.19 0.0000
Mes x Evento 1047.1 22 475.956 13.48 0.0000
Error 65642.1 18592 353.066
Total 74113.4 18627
Fuente CREFT
La Ilustración 4 muestra las diferencias estadísticas entre los promedios de los meses y los
tipos de eventos.
Ilustración 4 Valores medios de la temperatura máxima de la estación Naranjal discriminados por mes por
tipo de evento Interacciones y 95.0% de Fisher LSD
29 Evento
Neutro
28 Niña
Niño
TMAX
27
26
25
1 2 3 4 5 6 7 8 9 10 11 12
FMES
Fuente: CREFT
Este análisis es importante porque permite establecer diferencias significativas entre meses
y eventos asegurando que las distribuciones de probabilidad también difieren (al menos en
los parámetros que dependan de la media).
La Ilustración 5 muestra la densidad de los tres modelos de valor extremo más grande
ajustados a la temperatura máxima eventos altos (mes de febrero). En esta, (línea negra
continua evento niña, línea punteada evento neutro y línea gris continua evento niño) se
observa la diferencia en la magnitud y forma de las distribuciones.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 55
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 5. Densidades valor extremo más grande ajustadas a los tres eventos de febrero para valores
altos de temperatura máxima de la estación naranjal
Valor Extremo Más Grande
0.5 Moda,Escala
27.23,0.91
0.4
27.75,1.11
densidad
0.3 28.45,1.31
0.2
0.1
0
25 27 29 31 33 35
x
Fuente: CREFT
Ilustración 6 Densidades valor extremo más chico ajustadas a los tres eventos de febrero para valores bajos
Valor Extremo Más Chico
de temperatura mínima de la estación naranjal
0.5 Moda,Escala
24.5,0.89
0.4
24.9,0.92
densidad
0.3 25.5,0.94
0.2
0.1
0
20 22 24 26 28
Fuente: CREFT x
La Ilustración 6 muestra la densidad de los tres modelos de valor extremo más grande
ajustados a la temperatura máxima eventos bajos (mes de febrero). En esta, (línea negra
continua evento niña, línea punteada evento neutro y línea gris continua evento niño) se
observa la diferencia en la magnitud y forma de las distribuciones.
De igual forma se analizan la temperatura y el brillo solar.
En la Ilustración 7 se muestra la comparación entre los valores simulados y observados de
temperatura máxima para el año de 1985 el cual fue neutro hasta septiembre y niña en los
meses restantes.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 56
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 7 Valores observados y simulados de temperatura máxima para el año 1985 en la estación
Naranjal
29
Temperatura Máxima Promedio
28
28
27
27
26
26
25
25
24
1 2 3 4 5 6 7 8 9 10 11 12
Mes
Fuente: CREFT
En la Ilustración 8 se muestra la comparación entre los valores simulados y observados de
temperatura mínima para el año de 1990 el cual fue niña.
Ilustración 8 Valores observados y simulados de temperatura mínima para el año 1990 en la estación
Naranjal.
18
Temperatura mínima promedio
18
18
17
17
17
17
17
16
16
16
16
1 2 3 4 5 6 7 8 9 10 11 12
Mes
Fuente: CREFT
En la Ilustración 9 se muestra la comparación entre los valores simulados y observados de
brillo solar para el año de 1995 el cual fue niño en el primer trimestre, niña hasta agosto y
neutro los meses restantes.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 57
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 9 Valores observados y simulados de brillo solar para el año 1995 en la estación Naranjal
7
6
Brillo Solar promedio
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12
Mes
Fuente: CREFT
Actualmente, la base de datos de clima del CREFT tiene una rutina en donde mediante este
sistema se obtienen valores faltantes diarios de estas tres variables.
dy
k y
dx
El modelo resultante luego de resolver la ecuación diferencial y considerar como condición
inicial f (0)= y0 es el modelo de crecimiento inhibido:
Fórmula 43
y y0 1 ebx
x
y Rd Am 1 e Rd Am Rd , Rd 0 , Rd Am
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 58
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
6
Asimilación
-2
0 500 1000 1500 2000 2500
RFA
Fuente: CREFT
Esta tendencia de los datos experimentales puede modelarse con una función discontinua,
la cual es lineal hasta alcanzar la asimilación máxima (en la radiación de saturación) y
constante para valores de radiación superiores a la saturación.
Fórmula 45 Forma del Modelo Lineal Plateau
Donde:
Ah: Asimilación
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 59
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fuente: CREFT
Las ventajas de este modelo con respecto al modelo de crecimiento inhibido son:
1. Fácil asignación de valores iniciales en el proceso iterativo de Levenberg-
Marquardt.
2. La radiación de saturación es estimada directamente por ser un parámetro del
modelo. (Por lo tanto no se necesita el uso de una fracción arbitraria para su
interpolación)
3. Ni la radiación oscura ni la eficiencia cuántica son sobreestimadas.
4. La radiación de compensación se obtiene como el cociente entre la radiación
oscura y la eficiencia cuántica evitando el uso de logaritmos neperianos, los
cuales dependen en magnitud de las cifras decimales utilizados. (Error numérico
más error experimental).
Se muestran a continuación los ajustes obtenidos con SIGMAPLOT 10 y su comparación
con el modelo de Goudrian.
Ajuste al modelo lineal-plateau:
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 60
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
T. rosae P. tecunumanii
6 6
5 5
4 4
3 3
Asimilación
Asimilación
2 2
1 1
0 0
-1 -1
-2 -2
0 1000 2000 3000 0 500 1000 1500
RFA RFA
P. quinata P. patula
4 6
3
4
2
Asimilación
Asimilación
0
0
-2
-1
-2 -4
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500
RFA RFA
P. caribaea G. arborea
5 8
4
6
3
Asimilación
Asimilación
4
2
1
2
0
-1
-2 -2
0 200 400 600 800 1000 1200 1400 0 500 1000 1500 2000 2500
RFA RFA
E. grandis E. pellita
8 8
6 6
Asimilacion
Asimilación
4 4
2 2
0 0
-2 -2
0 500 1000 1500 2000 2500 0 1000 2000 3000
RFA RFA
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 61
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
A. acuminata C. alliodora
6 4
3
4
2
Asimilación
Asimilación
2
0
0
-2
-1
-4 -2
0 200 400 600 800 1000 1200 1400 1600 0 500 1000 1500 2000
RFA RFA
Estadísticos de ajuste.
Tabla 20 Estadísticos de ajuste para los modelos de radiación.
Estos resultados muestran que el modelo de Goudrian sobre – estima la eficiencia cuántica
de las especies bajo análisis.
Las tasas de cambio calculadas con la primera derivada evaluada en el punto de
compensación se acercan más a la estimación del modelo Plateau – Lineal ya que en ese
punto la tasa de cambio del modelo de Goudrian (o cualquier alternativa no lineal convexa)
es menor debido a la convexidad del modelo de crecimiento inhibido.
encuentra por debajo del límite inferior se considera año seco y si se encuentra por encima
del límite superior se considera año lluvioso.
Mostrando los límites de confiabilidad al 95% para el promedio de los 19 años. (Años dentro
del intervalo se consideran normales)
Ilustración 13 Precipitación acumulada anual en el período de estudio
3500
3300
3100
2900
Precipitación (mm)
2700
2500
2300
2100
1900
1700
1500
1985198619871988198919901991199219931994199519961997199819992000200120022003
Año
Fuente: CREFT
El proceso de simulación comprende dos fases; en la primera, se modela la secuencia de
eventos diarios secos y húmedos mediante una cadena de Markov de orden 2. En la
segunda, se generan valores de precipitación para los eventos húmedos a partir de
números aleatorios provenientes de la distribución de probabilidad a la que mejor se ajusten
los datos históricos. En ambas fases, el análisis se hace por tipo de año y por mes. La
precipitación umbral para determinar si un día es seco o húmedo se define según criterios
climáticos, fisiológicos, etc. En este caso se asumió un umbral de 1mm.
Según estos datos, se estima que cuando se presentan dos días consecutivos húmedos
(precipitación mayor que 1 mm), existe una probabilidad del 73% que el tercer día también
sea húmedo. Así mismo, después de dos días consecutivos secos existe una probabilidad
del 79% que el siguiente también lo sea. Como este comportamiento depende del mes y
del tipo del año, en el cómputo de estas probabilidades se debe tener en cuenta estos dos
factores. La estimación de estas probabilidades se hizo con la aplicación Markov 1.1
construida por el ingeniero Daniel Orozco quien hace parte del equipo de trabajo en el
proyecto de validación del CREFT.
Ilustración 14 Inter-fase gráfica de la aplicación Markov 1.1
Tabla 23 Estimaciones Bayesianas para las probabilidades condicionales de la cadena de Markov de orden 2
ajustada a los años secos.
Enero Julio
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.63 0.37 0.57 0.43
Húmedo
Húmedo-Seco 0.35 0.65 Húmedo-Seco 0.41 0.59
Seco-Húmedo 0.69 0.31 Seco-Húmedo 0.46 0.54
Seco-Seco 0.33 0.67 Seco-Seco 0.24 0.76
Febrero Agosto
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.61 0.39 0.44 0.56
Húmedo
Húmedo-Seco 0.50 0.50 Húmedo-Seco 0.46 0.54
Seco-Húmedo 0.41 0.59 Seco-Húmedo 0.42 0.58
Seco-Seco 0.28 0.72 Seco-Seco 0.15 0.85
Marzo Septiembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.63 0.37 0.69 0.31
Húmedo
Húmedo-Seco 0.57 0.43 Húmedo-Seco 0.52 0.48
Seco-Húmedo 0.73 0.27 Seco-Húmedo 0.56 0.44
Seco-Seco 0.39 0.61 Seco-Seco 0.52 0.48
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 65
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Abril Octubre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.63 0.37 0.82 0.18
Húmedo
Húmedo-Seco 0.57 0.43 Húmedo-Seco 0.59 0.41
Seco-Húmedo 0.73 0.27 Seco-Húmedo 0.68 0.32
Seco-Seco 0.39 0.61 Seco-Seco 0.38 0.62
Mayo Noviembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.66 0.34 0.77 0.23
Húmedo
Húmedo-Seco 0.53 0.47 Húmedo-Seco 0.50 0.50
Seco-Húmedo 0.68 0.32 Seco-Húmedo 0.72 0.28
Seco-Seco 0.44 0.56 Seco-Seco 0.52 0.48
Junio Diciembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.50 0.50 0.76 0.24
Húmedo
Húmedo-Seco 0.57 0.43 Húmedo-Seco 0.44 0.56
Seco-Húmedo 0.52 0.48 Seco-Húmedo 0.54 0.46
Seco-Seco 0.17 0.83 Seco-Seco 0.37 0.63
Tabla 24 Estimaciones Bayesianas para las probabilidades condicionales de la cadena de Markov de orden 2
ajustada a los años normales.
Enero Julio
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.69 0.31 0.55 0.45
Húmedo
Húmedo-Seco 0.40 0.60 Húmedo-Seco 0.25 0.75
Seco-Húmedo 0.67 0.33 Seco-Húmedo 0.61 0.39
Seco-Seco 0.29 0.71 Seco-Seco 0.18 0.82
Febrero Agosto
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.74 0.26 0.57 0.43
Húmedo
Húmedo-Seco 0.38 0.62 Húmedo-Seco 0.30 0.70
Seco-Húmedo 0.67 0.33 Seco-Húmedo 0.49 0.51
Seco-Seco 0.31 0.69 Seco-Seco 0.14 0.86
Marzo Septiembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.79 0.21 0.58 0.42
Húmedo
Húmedo-Seco 0.60 0.40 Húmedo-Seco 0.52 0.48
Seco-Húmedo 0.60 0.40 Seco-Húmedo 0.69 0.31
Seco-Seco 0.34 0.66 Seco-Seco 0.45 0.73
Abril Octubre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.76 0.24 0.78 0.22
Húmedo
Húmedo-Seco 0.71 0.29 Húmedo-Seco 0.49 0.51
Seco-Húmedo 0.73 0.27 Seco-Húmedo 0.69 0.31
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 66
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Tabla 25 Estimaciones Bayesianas para las probabilidades condicionales de la cadena de Markov de orden 2
ajustada a los años húmedos.
Enero Julio
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.67 0.33 0.68 0.32
Húmedo
Húmedo-Seco 0.47 0.53 Húmedo-Seco 0.22 0.78
Seco-Húmedo 0.65 0.35 Seco-Húmedo 0.32 0.68
Seco-Seco 0.23 0.77 Seco-Seco 0.33 0.67
Febrero Agosto
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.84 0.16 0.53 0.47
Húmedo
Húmedo-Seco 0.50 0.50 Húmedo-Seco 0.35 0.65
Seco-Húmedo 0.53 0.47 Seco-Húmedo 0.59 0.41
Seco-Seco 0.35 0.65 Seco-Seco 0.30 0.70
Marzo Septiembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.76 0.24 0.57 0.43
Húmedo
Húmedo-Seco 0.52 0.48 Húmedo-Seco 0.42 0.58
Seco-Húmedo 0.55 0.45 Seco-Húmedo 0.83 0.17
Seco-Seco 0.38 0.62 Seco-Seco 0.52 0.48
Abril Octubre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.77 0.23 0.83 0.17
Húmedo
Húmedo-Seco 0.83 0.17 Húmedo-Seco 0.67 0.33
Seco-Húmedo 0.89 0.11 Seco-Húmedo 0.87 0.13
Seco-Seco 0.25 0.75 Seco-Seco 0.50 0.50
Mayo Noviembre
Húmedo Seco Húmedo Seco
Húmedo- Húmedo-Húmedo
0.78 0.22 0.83 0.17
Húmedo
Húmedo-Seco 0.68 0.32 Húmedo-Seco 0.60 0.40
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 67
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
x
f x x 1 x con z como pdf N 0,1
2 x x
2
1
2
5 2
1
2 2
4
Tabla 27 Prueba de Kolmogorov-Smirnov para los datos de precipitación diaria por tipo de año y por mes.
Ilustración 15 Tendencia probabilística de los meses del primer semestre para un año seco
Enero Febrero
40 80
30 60
frecuencia
frecuencia
20 40
10 20
0 0
0 10 20 30 40 0 20 40 60 80 100 120
Precipitación diaria (mm) Precipitación diaria (mm)
Birnbaum-Saunders Birnbaum-Saunders
Marzo Abril
80 80
60 60
frecuencia
frecuencia
40 40
20 20
0 0
0 20 40 60 80 0 10 20 30 40 50 60
Precipitación diaria (mm) Precipitación diaria (mm)
Birnbaum-Saunders Birnbaum-Saunders
Mayo Junio
100 50
80 40
frecuencia
frecuencia
60 30
40 20
20 10
0 0
0 20 40 60 80 0 10 20 30 40
Precipitación diaria (mm) Precipitación diaria (mm)
Birnbaum-Saunders Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 70
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 16. Tendencia probabilística de los meses del segundo semestre para un año seco
Julio Agosto
80 50
40
60
frecuencia
frecuencia
30
40
20
20
10
0 0
0 10 20 30 40 50 60 0 10 20 30 40 50 60
Precipitación diaria (mm) Precipitación diaria (mm)
Birnbaum-Saunders Birnbaum-Saunders
Septiembre Octubre
80 100
80
60
frecuencia
frecuencia
60
40
40
20
20
0 0
0 10 20 30 40 50 60 0 20 40 60 80
Precipitación diaria (mm) Precipitación diaria (mm)
Birnbaum-Saunders Birnbaum-Saunders
Noviembre Diciembre
120 100
100
80
80
frecuencia
frecuencia
60
60
40
40
20
20
0 0
0 20 40 60 80 100 0 20 40 60 80
Birnbaum-Saunders Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 71
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 17 Tendencia probabilística de los meses del primer semestre para un año normal
Enero Febrero
400 150
120
300
frecuencia
frecuencia
90
200
60
100
30
0 0
0 40 80 120 160 200 240 0 20 40 60 80
PPT Precipitación diaria (mm)
.
Birnbaum-Saunders Birnbaum-Saunders
Marzo Abril
300 250
250 200
200
frecuencia
frecuencia
150
150
100
100
50 50
0 0
0 20 40 60 80 100 120 0 20 40 60 80 100 120
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Mayo Junio
180 100
150 80
120
frecuencia
frecuencia
60
90
40
60
30 20
0 0
0 20 40 60 80 0 10 20 30 40 50
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 72
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 18 Tendencia probabilística de los meses del segundo semestre para un año normal
Julio Agosto
100 80
80
60
frecuencia
frecuencia
60
40
40
20
20
0 0
0 10 20 30 40 50 60 0 10 20 30 40
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Septiembre Octubre
150 240
120 200
160
frecuencia
frecuencia
90
120
60
80
30 40
0 0
0 20 40 60 80 0 20 40 60 80 100 120
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Noviembre Diciembre
250 150
200 120
frecuencia
frecuencia
150 90
100 60
50 30
0 0
0 20 40 60 80 100 120 0 20 40 60 80
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 73
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 19 Tendencia probabilística de los meses del primer semestre para un año lluvioso
Enero Febrero
80 50
40
60
frecuencia
frecuencia
30
40
20
20
10
0 0
0 20 40 60 80 100 0 10 20 30 40 50 60
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Marzo Abril
60 80
50
60
40
frecuencia
frecuencia
30 40
20
20
10
0 0
0 20 40 60 80 100 0 20 40 60 80
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Mayo Junio
80 80
60 60
frecuencia
frecuencia
40 40
20 20
0 0
0 20 40 60 80 100 0 20 40 60 80
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 74
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Ilustración 20 Tendencia probabilística de los meses del segundo semestre para un año lluvioso
Julio Agosto
60 50
50
40
40
frecuencia
frecuencia
30
30
20
20
10
10
0 0
0 10 20 30 40 50 60 0 10 20 30 40 50 60
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Septiembre Octubre
80 100
80
60
frecuencia
frecuencia
60
40
40
20
20
0 0
0 20 40 60 80 0 20 40 60 80
Precipitación diaria (mm) Precipitación diaria (mm)
. .
Birnbaum-Saunders Birnbaum-Saunders
Noviembre Diciembre
80 80
60 60
frecuencia
frecuencia
40 40
20 20
0 0
0 20 40 60 80 100 0 20 40 60 80
. .
Birnbaum-Saunders
Birnbaum-Saunders
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 75
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Una vez obtenidas las estimaciones de las probabilidades bayesianas para la cadena de
segundo orden y los parámetros de la ley probabilística que sigue la precipitación diaria, se
utiliza la teoría de números aleatorios para simular una serie de cualquier longitud.
En primer lugar se simula la cadena seco - húmedo y en segundo lugar se simulan los
valores de precipitación para los eventos húmedos.
Este procedimiento se hizo programando una hoja de Excel y utilizando la función aleatoria
como base de toda la generación de las variables aleatorias.
El algoritmo para generar un valor T de la distribución Birnbaum-Saunders de parámetros
β y θ es:
Fórmula 48
2Z 2 2Z 2
T 1 Z 1
2 4
Donde Z es una variable normal estándar.
La generación de la variable normal estándar se hizo con el método polar.
Ilustración 21 Formato de la hoja de Excel en la que se hacen las simulaciones.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 76
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Se simularon 12 años de precipitación diaria (4 por cada tipo de año) los cuales se pueden
observar en las siguientes figuras.
AÑO SECO 1
140
120
Precipitación diaria (mm)
100
80
60
40
20
0
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
DIAS
AÑO SECO 2
90
80
Precipitación diaria (mm)
70
60
50
40
30
20
10
0
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
DIAS
AÑO SECO 3
90
80
Precipitación diaria (mm)
70
60
50
40
30
20
10
0
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
DIAS
Precipitación diaria (mm) Precipitación diaria (mm) Precipitación diaria (mm) Precipitación diaria (mm)
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
0.0
0
100
120
20
40
60
80
20.0
40.0
60.0
80.0
0.0
100.0
120.0
140.0
20.0
40.0
60.0
80.0
0.0
100.0
120.0
1 1 1
1
8 8 8
8
15 15 15
15
22 22 22
22
29 29 29
29
CODIGO: OA–PLP-ESP-04
36 36 36
36
43 43 43
43
50 50 50
50
57 57 57
PROYECTO: Oferta Agropecuaria
57
64 64 64
64
71 71 71
71
78 78 78
78
ELABORÓ: Lider Otras Investigaciones
85 85 85
85
92 92 92
92
99 99 99
99
VERSIÓN: 02
DIAS
AÑO SECO 4
183
DIAS
DIAS
AÑO NORMAL 2
DIAS
AÑO NORMAL 3
190
AÑO NORMAL 1
190 190 190
197 197 197
197
204 204 204
204
211 211 211
211
218 218 218
218
225 225 225
225
Ilustración 22 Series de precipitación diaria simuladas para años secos.
302
309 309 309
Agropecuaria
309
DESCRIPCION ESTADISTICA SIMFOR – CREFT
351
358 358 358
358
365 365 365
365
de
Oferta
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 78
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
AÑO NORMAL 4
140.0
120.0
Precipitación diaria (mm)
100.0
80.0
60.0
40.0
20.0
0.0
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
DIAS
AÑO LLUVIOSO 4
100.0
90.0
Precipitación diaria (mm)
80.0
70.0
60.0
50.0
40.0
30.0
20.0
10.0
0.0
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
DIAS
AÑO LLUVIOSO 1
140.0
120.0
Precipitación diaria (mm)
100.0
80.0
60.0
40.0
20.0
0.0
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
DIAS
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 79
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
AÑO LLUVIOSO 2
100.0
90.0
Precipitación diaria (mm)
80.0
70.0
60.0
50.0
40.0
30.0
20.0
10.0
0.0
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
DIAS
AÑO LLUVIOSO 3
80.0
70.0
Precipitación diaria (mm)
60.0
50.0
40.0
30.0
20.0
10.0
0.0
106
113
120
127
134
141
148
155
162
169
176
183
190
197
204
211
218
225
232
239
246
253
260
267
274
281
288
295
302
309
316
323
330
337
344
351
358
365
1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
DIAS
Observando las series simuladas se perciben las diferencias en las secuencias de períodos
secos y húmedos para cada tipo de año. La frecuencia y duración de períodos secos
disminuye al pasar de año secos a años lluviosos.
En cuanto a la magnitud de la precipitación diaria se observa un incremento en las
simulaciones para años normales y años lluviosos. Esta magnitud no aumenta en valores
diarios sino en la sumatoria de los días húmedos que son más frecuentes en años lluviosos.
De vital importancia para la calidad de las simulaciones es el análisis de los totales anuales
y de la bimodalidad de la precipitación propia de la zona en donde se encuentra ubicada la
estación El Cedral.
En la Tabla 28 se observa que las cuatro simulaciones para años secos se encuentran por
debajo del límite inferior al promedio de los 19 años. Así mismo, para los años lluviosos, los
totales se encuentran por encima del límite superior. En cuanto a los años normales, una
de las simulaciones estuvo 20mm por debajo del límite inferior y otro 22 mm por encima del
límite superior.
Esto sugiere que la simulación se ha ajustado aceptablemente a los totales históricos de la
zona.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 80
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Tabla 28 Totales anuales por tipo de año de las simulaciones diarias de precipitación.
SIMULACION 1 SIMULACION 2
500 600
450
500
400
Precipitación acumulada (mm)
350
400
300
250 300
200
200
150
100
100
50
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
MES MES
Año Seco Año Normal Año Lluvioso Año Seco Año Normal Año Lluvioso
SIMULACION 3 SIMULACION 4
600 600
500 500
Precipitación acumulada (mm)
Precipitación acumulada (mm)
400 400
300 300
200 200
100 100
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
MES MES
Año Seco Año Normal Año Lluvioso Año Seco Año Normal Año Lluvioso
Para la estimación del coeficiente de extinción de luz (k) se presume que la radiación
decrece exponencialmente con la profundidad del dosel según la ley de Beer y Lambert
adaptada por Monteith en 1965 y está dada por la ecuación tales.
Fórmula 49
I I 0e k IAF
En donde:
I = energía luminosa transmitida hasta una profundidad del dosel determinada.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 81
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Fórmula 50
I
e k IAF
I0
El valor de K representa el coeficiente de extinción.
Tabla 29 Tabla Resumen
GLOSARIO
Ahusamiento: Objeto cónico con una disminución gradual en el diámetro desde un extremo
al otro. En un diagrama de taller, un ahusamiento forma un triángulo rectángulo.
Dasometria: es la parte de la dasonomía (estudio de la conservación, cultivo y
aprovechamiento de los montes/bosques) que se ocupa de cuantificar el crecimiento y la
producción forestal. El volumen de madera se determina mediante inventarios forestales.
Comparando los datos de inventarios sucesivos, se puede determinar la tasa de crecimiento
de la madera en el bosque. Los datos obtenidos en los inventarios sirven para determinar
la cantidad de árboles por talar y su rentabilidad.
Par poder calcular el volumen de la madera y masas forestales, se debe medir la altura y el
diámetro de los árboles. Mediante esas medidas, se puede determinar el área basal y el
volumen. La edad de los árboles y su crecimiento son otros factores que se determinan a
través de mediciones. Las mediciones se pueden efectuar en árboles talados o en árboles
en pie.
Los campos que integran la Dasometría son la dendrometría estudio del crecimiento del
árbol individual y la epidometría, estudio del crecimiento de la masa forestal.
Donde:
DAP: Diámetro a la Altura del Pecho
L: Lorgitud
H: Altura
Fuente: Prodan, Michail (1997). Mensura forestal. Agroamérica
BIBLIOGRAFÍA
Amaro A 1997 Modelo de crecimiento en área basal para Eucalyptus, Cogreso forestal
Español, Pamplona.
Avery & Burkhart, Forest Measurements Hardcover.2002
Cancino Jorge “Dendrometría básica” –– Facultad de Ciencias Forestales – Dpto. Manejo
de bosques y medio ambiente – Universidad de Concepción – 2006.
Daniel, T.C., Orland, B., A. Lynch, J. Hetherington, and J. La Fontaine. 1992. Integration of
GIS and video imaging technology for data-driven visual simulations. Pp. 208-21 8 in:
Protecting Natural Resources with Remote Sensing. Edited by J.D. Greer. The Third Forest
Service Remote Sensing Applications Conference, 9-1 3 April 1990, Tucson, Arizona. Amer.
Soc. Photogram. Remote Sensing, Bethesda, Maryland.
Goudrian, J., Monteith, J.L. 1990. A mathematical function for crop growth based on and
leaf area expansion. Annals of Botany, 66: 695-701.
Gomez, L.F.; Montoya, E.C.; Lopez, F.Y.; Riaño, N.M. Validación de un modelo matemático
de la fotosíntesis del cafeto Coffea arabica L. In revisión.
IDEAM. 2005. Información climática. Bogotá, Colombia
Hernández, J., Corvalán, P., Emery, X., Peña, K. & Donoso, S. 2012. Geostatistical
Estimation of Biomass Stock in Chilean Native Forests and Plantations. Capítulo de Libro
en: Remote Sensing of Biomass: Principles and Applications / Book 1", ISBN 979-953-307-
667-5. Editorial InTech, Croacia.
Lopez, J.C.; Riaño, N.M.; Lopez, Y. 2001. Características fotosintéticas de cinco especies
forestales. Cenicafé in press.
Prodan, M., Peters, R., Cox, F., Real, P. 1997. “Mensura forestal”. Ed. IICA, 586 p.
Riaño, N.M.; Ospina, C.M.; Gomez, L.F.; Urrego, C.; Osorio, O.; Obando, D.; Tangarife, G.
Determinación del potencial de captura de carbono en ocho especies forestales nativas e
introducidas. Informe de avance, proyecto cofinanciado por MADR y CorMagdalena.
Noviembre de 2003. 83 p
Salas, G.R., Fidalgo, B., Gaspar, J. y Morais P. (2005). Relatório final do projecto FORSEE.
Gestion durable des forêts: un réseau européen de zones pilote pour la mise en oeuvre
opérationnelle – FORSEE. FEDER – INTERREG IIIB. Subtarefa: Manutenção, conservação
e fomento apropriado da diversidade biológica nos ecossistemas florestais.
DESCRIPCION ESTADISTICA SIMFOR – CREFT
PLANTACIONES FORESTALES COMERCIALES
CODIGO: OA–PLP-ESP-04 VERSIÓN: 02 FECHA: 20/05/2014 PÁGINA: 85
PROYECTO: Oferta Agropecuaria COMPONENTE: Otras investigaciones
ELABORÓ: Lider Otras Investigaciones REVISÓ: Lider Otras Investigaciones APROBÓ: Gerente de Oferta
Agropecuaria
Zedaker S.M., Lewis J.B. Smith D.WM. & Kreh R.E. 1987. Impact of season of harvest and
site quality on cutstump treatments of Piedmont hardwoods. Southern Journal of Applied
Forestry 11: 46-49