SciELO - Scientific Electronic Library Online

 
vol.24 issue1Growth of mesquite in the nursery under different substrate, irrigation and moisture retainer conditionsGrowth of Leucaena leucocephala (Lam.) de Wit biofertilized with arbuscular mycorrhizal fungi in the nursery author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Chapingo serie ciencias forestales y del ambiente

On-line version ISSN 2007-4018Print version ISSN 2007-3828

Rev. Chapingo ser. cienc. for. ambient vol.24 n.1 Chapingo Jan./Apr. 2018

https://doi.org/10.5154/r.rchscfa.2017.05.033 

Articulo científico

Relación altura-diámetro en tres especies cultivadas en una plantación forestal comercial en el Este tropical de México

Epigmenio Castillo-Gallegos1 

Jesús Jarillo-Rodríguez1  * 

Ramiro Escobar-Hernández2 

1Universidad Nacional Autónoma de México, Facultad de Medicina, Veterinaria y Zootecnia, Centro de Enseñanza, Investigación y Extensión en Ganadería Tropical. km 5.5 Carretera Federal Martínez de la Torre-Tlapacoyan. C. P. 93600. Veracruz, México.

2Benemérita Universidad Autónoma de Puebla, Facultad de Ingeniería Agrohidráulica. San Juan Acateno. C. P. 73965. Teziutlán, Puebla, México.


Resumen

Introducción:

El diámetro a la altura de pecho y la altura son las principales variables medidas en los inventarios forestales, ya que ayudan en el proceso de toma de decisiones para el manejo de plantaciones forestales y en investigaciones sobre modelos de crecimiento.

Objetivo:

Encontrar la función matemática que mejor relacione el diámetro a la altura del pecho (DAP, aproximadamente 1.3 m) y la altura (h) de tres especies forestales cultivadas en el mismo terreno: aguacate silvestre (Cinnamomum sp.), pino blanco chiapaneco (Pinus chiapensis [Martínez] Andresen) y cedro blanco o piocho (Melia azedarach L.).

Materiales y métodos:

Se compararon 22 modelos no lineales: 13 con dos parámetros y nueve con tres parámetros, usando la diferencia del criterio de información de Akaike corregido (AICc).

Resultados y discusión:

Los mejores modelos fueron: la hipérbola de dos parámetros para aguacate silvestre (h = (17.58*DAP)/(12.33 + DAP), R2 = 0.79, EEE = 0.80, n = 647); la función de Richards de tres parámetros para pino blanco chiapaneco (h = 10.14*(1 - e-0.206*DAP)1.689, R2 = 0.35, EEE = 1.28, n = 664); y la función sigmoidea de Korf para piocho ( H =18.25*(e-2.46*DAP-0.556 ) , R2 = 0.49, EEE = 0.96, n = 692).

Conclusión:

El mejor modelo fue distinto para cada especie. Los datos presentaron una dispersión alta a lo largo de la curva predicha, particularmente en pino blanco chiapaneco.

Palabras clave: Modelos no lineales; Cinnamomum sp.; Pinus chiapensis; Melia azedarach; trópico

Abstract

Introduction:

Chest-height trunk diameter and height are the main variables measured in forestry inventories, as they aid in the decision-making process in forest plantation management and in research on growth modeling, among other uses.

Objective:

The aim was to find the mathematical function that best relates diameter at chest height (CHD, 1.3 m) to height (Ht) in three forest species grown within the same area: wild avocado (Cinnamomum sp.), Chiapas white pine (Pinus chiapensis [Martínez] Andresen) and piocho (Melia azedarach L.).

Materials and methods:

Twenty-two non-linear models, of which thirteen had two parameters and nine had three parameters, were compared using the difference in Akaike’s information criterion corrected (AICc).

Results and discussion:

The best models were: the two-parameter hyperbola for wild avocado (Ht = (17.58*CHD)/(12.33 + CHD), R2 = 0.79, SEE = 0.80, n = 647); the three-parameter Richards’ function for Chiapas white pine (Ht = 10.14*(1 - e-0.206*CHD)1.689, R2 = 0.35, SEE = 1.28, n = 664); and the three-parameter sigmoid Korf’s function for piocho ( Ht =18.25*(e-2.46*CHD-0.556 ) ,R2 = 0.49, SEE = 0.96, n = 692).

Conclusion:

The best model was different for each species and the actual data around the predicted curve were highly scattered, particularly in Chiapas white pine.

Keywords: Non-linear models; Cinnamomum sp.; Pinus chiapensis; Melia azedarach; tropics

Introducción

El diámetro a la altura del pecho (DAP) y la altura (h) son las principales variables medidas en los inventarios forestales, las cuales son requeridas en la toma de decisiones para el manejo de plantaciones forestales así como para la investigación de modelos de crecimiento, caracterización de la estructura del rodal, estimación del rendimiento de la madera y determinación de la altura predominante, con el fin de evaluar la calidad del sitio (Costas & Rodríguez, 2003; Huang, Titus, & Wiens, 1992; Lappi, 1997).

Si bien la altura es difícil de medir y propensa a errores de medición, el diámetro se mide de manera fácil, precisa y económica. Por lo tanto, es muy importante evaluar el grado de precisión que tiene esta relación en diferentes especies de árboles. Varias funciones no lineales se han utilizado para relacionar el diámetro y la altura en rodales forestales (Juárez et al., 2006; Pece et al., 2006; Prodan, Peters, Cox, & Real, 1997; Vibrans, Moser, Oliveira, & Macaneiro, 2015). Las ecuaciones locales para describir las relaciones entre DAP y h no son complejas como las ecuaciones E1 a E10 de la investigación de Trincado y Leal (2006), tomadas de varios reportes en la bibliografía. Sin embargo, las distintas condiciones estacionales y de masa forestal han ocasionado una situación en la que una ecuación de altura-diámetro no se ajusta a todas las condiciones, de tal manera que una relación individual debe ser adecuada con base en el desarrollo diferencial de los bosques individuales. No obstante, este proceso requiere cantidades enormes de datos y es muy costoso (Schröeder & Álvarez-González, 2001). Por lo tanto, estos modelos deben ser de naturaleza local y deben ajustarse individualmente a cada plantación que crezca bajo condiciones ambientales muy particulares de edad, suelo, clima, pendiente y exposición. Lo anterior sugiere que la extrapolación de la relación general tiene un valor limitado, debido a que las curvas cambian según la combinación de dichas condiciones; por ejemplo, las densidades bajas y altas de los árboles tienden a producir diámetros cada vez más grandes o más pequeños para alturas similares (Costa, Schroder, & Finger, 2016; López et al., 2003).

En tal contexto, el objetivo de este estudio fue encontrar una función matemática que mejor relacione el diámetro a la altura del pecho ( 1.3 m aproximadamente) con la altura de tres especies cultivadas (Cinnamomum sp., Pinus chiapensis [Martínez] Andresen y Melia azedarach L.), en asociación, en clima subtropical en el estado de Veracruz, México.

Materiales y métodos

Área de estudio

La plantación forestal comercial privada se localiza en el municipio de Tlapacoyan, Veracruz, México. La elevación varía de 822 a 881 m y las coordenadas geográficas son 19° 56' 40 " latitud norte y 97° 15' 42" longitud oeste (Google Earth©, 2011) (la mención de una marca no es una aprobación por parte de los autores o de la Universidad Nacional Autónoma de México). El sitio pertenece a la provincia del eje Neovolcánico y la topografía es una sierra volcánica con laderas no empinadas. Los vientos viajan libremente de Este a Oeste trayendo consigo humedad oceánica, que con el tiempo ha demostrado ser estratégico para la distribución de bosques bajos y medianos. El suelo es Andosol lúvico, derivado de rocas ígneas extrusivas (ceniza volcánica, basalto y toba silícea) y presenta un horizonte argílico; su capacidad de intercambio catiónico es de aproximadamente 250 cmol·kg-1 de arcilla y su base de saturación es de aproximadamente 50 %. El clima es (A)Cf, semicálido y húmedo, con precipitaciones de 2 000 a más de 2 500 mm por año y temperaturas mensuales de 16 °C en enero a más de 32 °C en junio, con un promedio anual de entre 20 °C a 22 °C (García 1981; Instituto Nacional de Estadística, Geografía e Informática [INEGI], 2009). La vegetación natural era un bosque subtropical perennifolio, deforestado hace mucho tiempo para plantaciones de café y pastizal en su mayoría. La empresa ganadera fue abandonada hace varios años y convertida en plantación forestal comercial.

Especies arbóreas en estudio

El propietario del bosque mixto en el que se realizó el estudio solía cubrir la demanda de madera de cedro (Cedrela odorata [L.]) con árboles que crecen de manera natural en los pastizales. En la región de estudio, debido a que el crecimiento de C. odorata es lento, el desarrollo de las plantaciones de cedro rojo también lo ha sido en las últimas décadas. Por lo anterior, el productor forestal, en lugar de establecer una plantación de cedro, optó por aguacate silvestre (Cinnamomum sp.) y M. azedarach que es de rápido crecimiento, conocida localmente como piocho. El uso de P. chiapensis ha sido promovido por las oficinas del gobierno local y junto con M. azedarach son especies de reforestación disponibles en los viveros del gobierno. Con base en lo anterior, el propietario de la plantación decidió utilizar estas tres especies forestales para transformar su tierra de pastizales a bosque comercial. Las tres especies estudiadas se han descrito detalladamente en la bibliografía: aguacate silvestre (Cinnamomum sp.) por Lorea-Hernández (1997); pino blanco chiapaneco (P. chiapensis) por el Sistema de Información para la Reforestación (SIRE), Comisión Nacional Forestal (CONAFOR), y Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO) (2015); y cedro blanco o piocho (M. azedarach) por SIRE, CONAFOR, y CONABIO (2015a).

Establecimiento y manejo de los árboles

Después de la escarificación y acondicionamiento, las semillas se colocaron en bolsas plásticas negras que contenían 1.5 kg de una mezcla de arena, arcilla y estiércol de vaca, se regaron según fue necesario, germinaron y crecieron bajo sombra ligera en vivero hasta alcanzar una altura de 25 a 28 cm, justo antes de la siembra en marzo de 2010 (Jarillo-Rodríguez et al., 2013). Las tres especies se establecieron en asociación dentro de la misma área; una hilera sembrada con P. chiapensis y M. azedarach y la siguiente solo con Cinnamomum sp., y así sucesivamente con una distancia de 3.0 m entre hileras. El espacio entre los árboles dentro de la hilera de P. chiapensis/M. azedarach fue de 2.5 m, y 5.0 m en la hilera de Cinnamomum sp.

El diseño de siembra contó con un árbol de Cinnamomum en el centro de un cuadrado con esquinas opuestas formadas por dos árboles de M. azedarach y dos árboles de P. chiapensis. El arreglo tomó en cuenta el uso futuro de los árboles. Como M. azedarach crece más rápido que los otros dos, la especie deberá cosecharse entre los 11 y 13 años de edad (Gaillard, Pece, Juárez, & Ríos, 2002; Patil, Mutanal, & Patil, 2012) dejando más espacio para el crecimiento de P. chiapensis, que por su tasa de crecimiento intermedio se cosecha entre los 12 y 22 años de edad (Domínguez, 1986; Fierros-Mateo, De los Santos-Posadas, Fierros-González, & Cruz-Cobos, 2017; Rodríguez-Acosta & Arteaga-Martínez, 2005) o más (Sánchez & del Castillo, 2001). Finalmente, se dejó el mayor espacio para Cinnamomum sp., ya que la sabiduría convencional en la región indica que el árbol alcanza el tamaño comercial entre los 25 y 35 años.

Análisis estadístico

Los datos de altura (h, m) y diámetro a la altura del pecho (DAP, cm) se recopilaron en agosto de 2013. Para obtener h se usó una escalera de 6 m para subir a una altura que permitió la medición con una cinta métrica de 30 m. Para esto, la marca 0 de la cinta se colocó en la punta más alta del tronco uniéndola a un poste largo y, posteriormente, la cinta restante se llevó a la base del tronco; la altura se registró al centímetro más cercano. La visualización de la marca 0 de la cinta en la punta del árbol se realizó con binoculares 10x. La medición de DAP se realizó a una altura de 1.3 m, aproximadamente.

Los datos se capturaron en una hoja de cálculo y se obtuvieron los siguientes estadísticos descriptivos: número de observaciones, valores mínimos y máximos, media, desviación estándar, coeficiente de variación, error estándar de la media, sesgo y curtosis. Las distribuciones de los datos se consideraron significativos (P ≤ 0.05), partiendo de la normalidad, cuando el valor absoluto de las relaciones sesgo/error estándar del sesgo (S/SES) y la curtosis/error estándar de la curtosis (K / SEK) fueron mayores de dos (Joanes & Gill, 1998).

Veintidós modelos (trece con dos parámetros y nueve con tres parámetros) se compararon para determinar cuál describía mejor la relación diámetro-altura (Cuadro 1). Estos modelos fueron evaluados por Osman, Idris, e Ibrahim (2013), quienes los seleccionaron a partir de los reportes de Moore, Zhang, y Stuck (1996); Sharma (2009); y Zhao, Mason, y Brown (2009). Sin embargo, el intercepto de 1.3 m no se incluyó. La suposición de incluir el intercepto asegura que la altura total es igual a la altura del pecho (1.3 m) cuando el diámetro es igual a cero. Sin embargo, el diámetro del tronco a una altura de 1.3 m no existe si el valor del diámetro es inexistente; además, el supuesto intercepto de 1.3 m es innecesario para predecir la altura correctamente a partir del diámetro. En el Cuadro 1, ‘y’, ‘x’ y ‘exp’ corresponden a la altura (h, m), diámetro a la altura del pecho (DAP, cm) y la base de los logaritmos naturales, respectivamente, mientras que ‘a’, ‘b’ y ‘c’ son los parámetros de las ecuaciones.

Cuadro 1 Modelos de regresión no lineal, comparados en el presente estudio, que relacionan el diámetro a la altura del pecho y la altura de una especie determinada. 

Modelo Ecuación Parámetros Modelo Ecuación Parámetros
M1 y = a*xb 2 M12 y = (a*x)/(b + x) 2
M2 y = a*eb/x 2 M13 y = x2/(a + b*x)2 2
M3
y=ea+(b*xc)
3 M14 y = (a + b/x)-2.5 2
M4 y = x2/(a + b*x + c*x2) 3 M15 y = (a + b/x)-8 2
M5 y = a*xb + c*x 3 M16 y = a*[1 + (1/x)]-b 2
M6 y = (a*x2)/(x + b)2 2 M17 y = ea + b/x 2
M7 y = x2 / (a + b*x)2 2 M18 y = a*[ln(1/x)]b 2
M8 y = (a + b/x)-5 2 M19
y=a*(1-eb*xc)[/td]
3
M9 y = a*(1 + e-b*x)c 3 M20 y = a/(1 + b-1*x-c) 3
M10 y = ea + (b/(x + 1)) 2 M21
y=ea+(b*x-c)
3
M11
y=a*e-b*x-c
3 M22 y = xa/[b + (c*xa)] 3

Los parámetros de las ecuaciones se estimaron mediante mínimos cuadrados utilizando la iteración de Marquardt-Lavenberg (Marquardt, 1963), bajo la suposición de que los errores en los datos se distribuyeron normalmente y la estimación de los parámetros fue equivalente al uso del principio de máxima verosimilitud (Silvert, 1979).

El análisis de datos se realizó utilizando el programa GraphPad Prism versión 6.07 para Windows (GraphPad Software, 2015; la mención de una marca no es una aprobación por parte de los autores o de la Universidad Nacional Autónoma de México), según Motulsky y Christopolous (2003). La eliminación de valores atípicos se realizó de acuerdo con el método ROUT, según lo propuesto por Motulsky y Brown (2006), con el único propósito de mejorar el ajuste. El software calcula el criterio de información de Akaike ( AIC) de la siguiente manera:

AIC=N*ln(SS/N)+2k

donde

N

número de observaciones

K

número de parámetros

SS

suma de cuadrados de distancias verticales de los puntos de la curva.

El programa también calcula el coeficiente de determinación ajustado ( Ra2 ) como se muestra a continuación: [(1 - R2)*(N - 1)]/(N - K); N y K ya estaban definidos y R2 fue el coeficiente de determinación no ajustado. La diferencia en AIC entre dos modelos ( AIC) se calculó de la siguiente manera: [N*ln(SSB/SSA)] + [2*(KB - KA)], siendo el subíndice ‘A’ para un modelo y ‘B' para el otro. El AIC fue el criterio para decidir por cualquiera de los modelos que se comparan, ya que equilibra el cambio en bondad de ajuste según lo evaluado por la suma de cuadrados, con el cambio en el número de parámetros que se ajustan. El modelo elegido fue el que presentó el valor más bajo de AIC. De todos los modelos probados, solo los primeros seis con los valores más bajos de AIC se eligieron para presentarlos en este estudio.

Para determinar qué modelo tuvo en promedio el mejor ajuste, los valores de AIC dentro de cada árbol se convirtieron en rangos y, posteriormente, se realizó un análisis de varianza no paramétrico de dos vías. Una suma de comparación de rangos entre el modelo con la suma más baja de rangos (control) y los otros modelos se llevó a cabo mediante la prueba de Dunnett (1964). Para este análisis se utilizó una combinación de PROC RANK y PROC ANOVA de SAS (Statistical Analysis System [SAS], 2013).

Resultados y discusión

La altura media fue mayor en M. azedarach, seguida por P. chiapensis y Cinnamomum sp.; los valores del coeficiente de variación siguieron un orden inverso, mientras que los errores estándar de las medias fueron muy bajos (0.06 a 0.07) debido al gran número de observaciones (Cuadro 2). El sesgo fue negativo en las tres especies y los valores absolutos de las relaciones fueron mayores de dos, por lo que las distribuciones de altura tuvieron un pico significativamente (P < 0.05) sesgado hacia la derecha. La curtosis fue negativa para Cinnamomum sp. y positiva para las otras especies. En Cinnamomum sp., la proporción fue < 2, por lo que la distribución fue platicúrtica mostrando un pico plano. En P. chiapensis y M. azedarach, ambas relaciones de valores absolutos fueron mayores de dos, lo que indica un pico estrecho o leptocúrtico.

Cuadro 2 Estadísticos descriptivos para altura y diámetro a la altura del pecho en tres especies forestales que crecen en un ambiente semicálido y húmedo en el área de piedemonte de la Sierra Madre Oriental en Veracruz, México. 

Estadísticos Especies árboreas
Cinnamomum sp. Pinus chiapensis Melia azedarach
Observaciones 666 672 719
Altura (m)
Mínima 0.54 2.15 2.35
Máxima 12.05 12.95 13.45
Media 6.88 8.16 10.19
Desviación estándar 1.80 1.66 1.49
Coeficiente de variación (%) 26.20 20.3 14.6
Error estándar (SE) 0.07 0.06 0.06
Sesgo -0.45 -0.50 -1.33
Error estándar del sesgo 0.09 0.09 0.09
Curtosis -0.10 0.69 2.55
Error estándar de curtosis 0.19 0.19 0.18
Diámetro a la altura del pecho (cm)
Mínimo 0.64 1.88 0.92
Máximo 16.55 18.84 21.77
Media 8.34 10.77 14.50
Desviación estándar 2.77 2.29 3.32
Coeficiente de variación (%) 33.20 21.20 22.90
Error estándar (SE) 0.11 0.09 0.12
Sesgo -0.16 -0.31 -0.89
Error estándar del sesgo 0.09 0.09 0.09
Curtosis -0.37 0.38 1.04
Error estándar de curtosis 0.19 0.19 0.18

El diámetro medio fue más pequeño en Cinnamomum sp., intermedio en P. chiapensis y mayor en M. azedarach. La variabilidad fue mayor en aguacate silvestre y menor en pino blanco chiapaneco y piocho. Nuevamente, el error estándar de la media fue pequeño (0.09 a 0.12), debido al gran número de observaciones (Cuadro 2). Las tres especies mostraron sesgo negativo, por lo que la distribución del diámetro tuvo un pico a la izquierda, pero difirió significativamente (P < 0.05) de la distribución normal solo en pino blanco chiapaneco y piocho. La curtosis fue negativa en aguacate silvestre y positiva en las otras dos especies. Cinnamomum sp. y P. chiapensis tuvieron un pico casi normal (mesocúrtico) mientras que M. azedarach presentó una distribución leptocúrtica con pico estrecho.

Los seis modelos no lineales con el mejor ajuste para cada especie se muestran en el Cuadro 3. Por lo que respecta a Ra2 y AIC, el mejor modelo para aguacate silvestre tuvo dos parámetros, mientras que en pino blanco chiapaneco y piocho, los mejores modelos tuvieron tres parámetros. El ajuste más grande fue en aguacate silvestre, intermedio en piocho y el más pequeño en pino blanco chiapaneco. Algunos modelos entre los seis mejores dentro de cada especie dieron exactamente el mismo resultado: modelos 9 y 20 en aguacate silvestre; modelos 20 y 22 y 8 y 16 en pino blanco chiapaneco; y modelos 11 y 21, y 20, 22 y 12 en piocho.

Cuadro 3 Parámetros de seis modelos con el mejor ajuste de acuerdo con el criterio de información de Akaike (AIC), utilizado para describir la relación diámetro a la altura del pecho y altura en tres especies forestales que crecen en un ambiente semicálido y húmedo en el área de piedemonte de la Sierra Madre Oriental en Veracruz, México. 

Núm. Modelo Valores de parámetros
Ra2
AIC
a b c
Aguacate silvestre (Cinnamomum sp.)
5 y = a*x(b + c*x) 1.20 ± 0.10 0.95 ± 0.05 -0.01 ± 0.00 0.785 -1 290.5
19
y=a*(1-eb*xc)
10.75 ± 0.61 -0.11 ± 0.00 1.08 ± 0.06 0.783 -1 280.5
9 y = a*[1 + e-b*x]c 11.04 ± 0.58 -0.13 ± 0.02 1.09 ± 0.10 0.783 -1 279.7
20 y = a/(1 + b-1*x-c) 14.32 ± 1.44 0.08 ± 0.00 1.17 ± 0.10 0.782 -1 272.1
22 y = xa/[b + (c*xa)] 1.18 ± 0.11 0.85 ± 0.10 0.07 ± 0.00 0.782 -1 272.1
12 y = (a*x)/(b + x) 17.58 ± 0.67 12.33 ± 0.81 -------- 0.781 -1 266.1
Pino blanco chiapaneco (Pinus chiapensis)
9 y = a*[1 + e(-b*x)c] 10.14 ± 0.44 -0.20 ± 0.04 1.68 ± 0.46 0.350 46.3
19
y=a*(1-eb*xc)
9.71 ± 0.37 -0.07 ± 0.02 1.40 ± 0.17 0.338 76.9
20 y = a/(1 + b-1*x-c) 11.17 ± 0.86 0.04 ± 0.02 1.75 ± 0.32 0.335 83.9
22 y = xa/[b + (c*xa)] 1.75 ± 0.33 1.96 ± 1.08 0.09 ± 0.00 0.335 83.9
8 y = (a + b/x)-5 0.59 ± 0.004 0.63 ± 0.04 -------- 0.332 88.8
16 y = a*[1 + (1/x)]-b 13.34 ± 0.40 5.32 ± 0.33 -------- 0.332 88.8
Cedro blanco (Melia azedarach)
11
y=a*e-b*x-c
18.25 ± 2.92 2.46 ± 0.23 0.55 ± 0.13 0.490 -515.3
21
y=ea+(b*x-c)
2.90 ± 0.16 -2.46 ± 0.23 0.55 ± 0.13 0.490 -515.3
20 y = a/(1 + b-1*x-c) 15.47 ± 1.57 0.16 ± 0.02 0.95 ± 0.16 0.489 -512.4
22 y = xa/[b + (c*xa)] 0.95 ± 0.16 0.39 ± 0.09 0.06 ± 0.00 0.489 -512.4
12 y = (a*x)/(b + x) 15.08 ± 0.33 6.38 ± 0.45 -------- 0.489 -512.3
18 y = a*[ln(1/x)]b 3.90 ± 0.17 0.98 ± 0.04 -------- 0.490 -511.4

Los diagramas de dispersión de altura-diámetro junto con el mejor modelo no lineal para cada especie de árbol se muestran en la Figura 1. La forma de las líneas predichas es bastante similar, pero los modelos respectivos no lo fueron, ya que los mejores modelos fueron: los dos parámetros hipérbola (modelo 12) para aguacate silvestre (Landsberg, 1977); la función de Richard de tres parámetros (modelo 9) (Richards, 1959; Zeide, 1993) para pino blanco chiapaneco; y la función sigmoidea de tres parámetros (modelo 11) de Korf (1939) para piocho (Stage, 1963; Zeide, 1989).

Figura 1 Representación gráfica de los mejores modelos para describir la relación diámetro a la altura del pecho y altura en tres especies cultivadas en una plantación forestal comercial en un clima semicálido y húmedo del estado de Veracruz, México. a) aguacate silvestre (Cinnamomum sp.), modelo 12; b) pino blanco chiapaneco (Pinus chiapensis), modelo 9; c) piocho (Melia azedarach), modelo 11. Los puntos abiertos son datos utilizados para ajustar los modelos; los puntos cerrados fueron valores atípicos excluidos de los análisis. 

El análisis de varianza mostró que el efecto modelo fue altamente significativo (P = 0.0008) en los rangos. El modelo M19 presentó una suma de rangos significativamente menor (P ≤ 0.05) (mejor ajuste en promedio) que los modelos M01, M02, M03, M04 y M17. La suma de los rangos de M09, M20 y M22 se diferenció de la de M19 en 0.5, 0.5 y 1.0 unidades de rango, respectivamente. Los modelos restantes fueron estadísticamente similares (P > 0.05) a M19, aunque la suma de rangos fue de 1.9 a 4.0 veces mayor (Cuadro 4).

Cuadro 4 Comparación post hoc de Dunnett de la suma de rangos del modelo M19, el cual tiene el rango más bajo pero el mejor ajuste en promedio. 

Modelo Suma de rangos* Significancia Mi/M19
M19 11.0 ---
M20 11.5 NS 1.0
M22 11.5 NS 1.0
M09 12.0 NS 1.1
M11 21.0 NS 1.9
M21 21.0 NS 1.9
M05 28.0 NS 2.5
M12 28.0 NS 2.5
M10 34.5 NS 3.1
M18 35.0 NS 3.2
M06 38.0 NS 3.5
M07 38.0 NS 3.5
M13 38.0 NS 3.5
M14 38.0 NS 3.5
M08 38.5 NS 3.5
M16 38.5 NS 3.5
M15 43.5 NS 4.0
M03 51.0 ** 4.6
M02 52.5 ** 4.8
M17 52.5 ** 4.8
M01 55.0 ** 5.0
M04 62.0 ** 5.6

*El mejor ajuste corresponde a los modelos con la menor suma de rangos. **Significativo a P ≤ 0.05, NS = no significativo.

Los mejores seis modelos para cada especie difirieron muy poco con respecto a su ajuste, ya que los valores Ra2 y AICc fueron muy cercanos entre ellos (Cuadro 3). Para aguacate silvestre, las diferencias en Ra2 entre el primer y sexto modelo fueron: 0.785 - 0.781 = 0.0041; y la diferencia respectiva en AICc fue: -1 290.5 - (-1 266.1) = -24.4. De hecho, este es un margen muy bajo para declarar la superioridad de un modelo sobre los cinco restantes (Cuadro 3). Por lo tanto, solo con fines predictivos, se puede utilizar cualquiera de los seis mejores modelos, a menos que el significado biológico de cada parámetro sea de importancia para el evaluador de la plantación.

Algunos modelos arrojaron los mismos valores Ra2 y AIC. Por ejemplo, en el caso de los modelos 11 ( y=a*e-b*x-c) y 21 ( y=ea+(b*x-c)); el parámetro ‘a’, que predice la altura máxima del árbol para este conjunto de datos, fue de 18.35 m para el primero y de 2.90 para el segundo; sin embargo, si los términos ‘b*(x-c)’ del modelo 21 se igualan a cero entonces e2.90 = 18.17 m, no muy distinto de la altura máxima predicha por el modelo 11. Por lo tanto, la mayoría de los modelos con igual ajuste representaban la misma línea predicha, expresada de una manera algebraica diferente.

El modelo 12, el mejor para aguacate silvestre, tiene un intercepto cero y, por lo tanto, cumple con la suposición de que si no existe diámetro, la altura también debe ser inexistente, lo cual es consistente con el principio de homogeneidad de Pasteur v. g. “...con masa cero, no existe potencial de crecimiento...” (Huxley, 1924). Este modelo proporciona una estimación de la altura asintótica o máxima que la cohorte de una especie debería haber alcanzado si hubiera tenido las condiciones óptimas para hacerlo, en este caso, 17.58 m (Cuadro 3). También produce un valor cambiante de la pendiente [a*b/(b + x)2] a medida que el diámetro cambia, formando así la curvatura que normalmente se espera de la relación altura-diámetro en varias especies de árboles.

La función de Richards fue la que mejor se ajustó a la relación h-DAP en pino blanco chiapaneco (modelo 9). Esta es una función logística generalizada que predice la altura máxima del árbol a = 10.14 m; también tiene forma de "S" de la logística, pero es inherentemente asimétrica. El parámetro c = 1.68, o punto de inflexión, indica cuando el valor a/2 (la mitad de la asíntota de la altura) ocurre en el eje del diámetro (Birch, 1999), que en este caso fue aproximadamente 5.3 cm. También predice que con diámetro cero, la altura debe ser cero.

La función de Korf se ajusta mejor a los datos en piocho. Aquí casi la mitad de la variación en altura se explica por el diámetro. Zeide (1993) indicó que esta ecuación se propuso por primera vez en Checoslovaquia por Korf (1939) y luego los investigadores posteriores (Brewer, Burns, & Cao, 1985; Stage, 1963) la aplicaron con éxito moderado al modelo de crecimiento en altura de rodales forestales. La ecuación es bastante adecuada para describir el crecimiento de diámetro de un número fijo de árboles. Zeide (1989) utilizó el crecimiento promedio de miles de análisis de tallo de especies de distintos sitios y mostró que el modelo de Korf fue más preciso en comparación con otros modelos. Los modelos logísticos de Richards, Weibull y Gompertz tuvieron errores estándar de la estimación 2.1, 2.3, 3.4 y 4.8 veces mayor que el modelo de Korf (Zeide, 1989). La función de Korf predijo una altura máxima de 18.25 m, un valor que solo podría alcanzarse con un diámetro poco realista de 1.29E+07 cm. Los modelos 20 y 12 (Cuadro 3) pronosticaron asíntotas de 15.47 m y 15.08 m, respectivamente, que estuvieron más cerca del diámetro de mayor altura medido en el campo, el cual fue de 13.45 m (Cuadro 2).

En cualquier caso, el ajuste de la función de Richards en el pino blanco chiapaneco, en términos del R2 ajustado, fue menor que el que muestra la hipérbola para Cinnamomum sp. y la función de Korf para piocho (0.35 contra 0.79 contra 0.49; Cuadro 3, Figura 1). Barrett (2006) modeló, con la función de Richards, la altura de 137 374 árboles de 38 especies comunes inventariadas entre los años 1988 y 2000 en 1 389 parcelas de los estados de Washington, Oregón y California, EE. UU., y encontró valores de R2 que van de 0.44 a 0.83; además, indicó que, en general, las coníferas mostraron valores más altos que las maderas duras, pero entre las primeras, aquellas con formas arbóreas muy variables como Pinus contorta (Balf.) y P. occidentalis Swartz tuvieron valores de R2 más bajos. Esto es contrario a nuestros resultados. La explicación más probable para esta discrepancia es que el pino blanco chiapaneco y piocho, al no ser especies nativas, están fuera de su rango de condiciones ambientales para un crecimiento óptimo, lo que conduce a una alta variabilidad debido a diferencias de crecimiento en respuesta a sitios individuales donde los árboles están creciendo. Se ha demostrado que para un grupo dado de árboles de la misma especie con edad similar y que crecen en condiciones ambientales similares, la relación no lineal entre diámetro y altura se ve afectada por la calidad del sitio y la densidad del rodal; por ejemplo, los rodales jóvenes en sitios adecuados tienen una pendiente más fuerte, mientras que los árboles en rodales más viejos en sitios menos favorables muestran una pendiente más plana (Prodan et al., 1997). Para nuestros datos, hay factores que están pendientes para ser estudiadas. Varios árboles de la misma plantación deben de medirse junto con los rasgos de campo como tipo de suelo, pendiente y exposición, y posteriormente ser evaluados para determinar si las condiciones comunes conducen a la misma función de mejor ajuste osi las funciones cambian con las condiciones del campo.

En el sentido práctico, la plantación de árboles mixtos obedeció a las diferentes tasas de crecimiento y desarrollo de cada especie arbórea que hará que alcancen la edad y el tamaño adecuado para su cosecha en diferentes momentos, lo que al final está relacionado con el espacio para el crecimiento de los árboles remanentes v. g. M. azedarach es el de mayor crecimiento, seguido por P. chiapensis y Cinnamomum sp. De esta forma, si M. azedarach se cosecha primero, el espacio se libera y hay menos competencia para que las otras dos especies crezcan; posteriormente, P. chiapensis se cosecha de los 16 a los 22 años después de la siembra, dejando todo el espacio para el desarrollo de Cinnamomum sp. Domínguez (1986) reportó 18.3 m de altura y 29.5 cm de diámetro a la altura del pecho a los 12.5 años de edad en M. azedarach, mientras que P. chiapensis alcanzó a los 30 años, 25 a 30 m de altura y 60 a 65 cm de DAP. Por otro lado, las observaciones empíricas indican que Cinammomum sp. requerirá de 25 a 35 años de crecimiento para tener una altura de 18 m y 80 cm de DAP. Estos valores justificarán, inicialmente, el tipo de arreglo de especies arbóreas en el campo disponible, para la presente investigación

Otro aspecto importante de la presente evaluación se relaciona con el número escaso de ramas y hojas en M. azedarach y Cinnamomum sp., lo cual permitirá que mayor cantidad de luz llegue al suelo en comparación con otras especies de árboles más densas. En este sentido, la poca sombra que M. azedarach genera, además de ser una especie caducifolia de invierno, la hace particularmente adaptable como componente arbóreo en los sistemas agrosilvopastoriles. En un experimento realizado en la misma propiedad dentro de una plantación de piocho puro de 1 200 árboles·ha-1, el crecimiento de cuatro gramíneas C4 se comparó durante las temporadas de lluvias (agosto de 2013) y vientos (febrero de 2014), bajo sol y sombra (Santiago-Hernández et al., 2015). En promedio, la sombra ocasionó una reducción de 107 % en biomasa de 4 851 a 2 342 kg·ha-1, mientras que las condiciones lluviosas y soleadas produjeron ocho veces (8 326 kg·ha-1) más biomasa que las condiciones ventosas, frías y sombrías (1 071 kg·ha-1). El establecimiento de sistemas silvopastoriles utilizando Cinnamomum sp. y M. azedarach parece ser una alternativa factible para mejorar el paisaje y los ingresos de los agricultores.

Conclusiones

Los resultados concuerdan, en sentido general, con la opinión de que la mayoría de los procesos biológicos, como el crecimiento de organismos, es un fenómeno impreciso. Los mejores modelos apenas difieren de otros que se ajustan a los datos casi por igual. Las investigaciones futuras en esta plantación deben considerar los resultados actuales y usar las mejores funciones para construir índices de sitios. Es necesario hacer mayor investigación sobre los efectos de la pendiente, la exposición y la calidad del suelo en la función elegida de mejor ajuste.

Agradecimientos

Se agradece a la familia Jarillo-Carranza por permitir realizar mediciones en su plantación forestal comercial. Al Centro de Enseñanza, Investigación y Extensión para la Cría de Animales Tropicales de la Facultad de Medicina Veterinaria y Zootecnia de la Universidad Nacional Autónoma de México por permitir la realización de esta investigación.

REFERENCIAS

Barrett, T. M. (2006). Optimizing efficiency of height modeling for extensive forest inventories. Canadian Journal of Forest Research, 36(9), 2259-2269. doi: 10.1139/x06-128 [ Links ]

Birch, C. P. D. (1999). A new generalized logistic sigmoid growth equation compared with the Richards’ growth equation. Annals of Botany, 83, 713-723. doi: 10.1006/anbo.1999.0877 [ Links ]

Brewer, J. A., Burns, P. Y., & Cao, Q. V. (1985). Short-term projection accuracy of five asymptotic height-age curves for loblolly pine. Forest Science, 31, 414-418. [ Links ]

Costas, R., & Rodríguez, G. (2003). Relaciones hipsométricas promedios para Pinus elliotti Engl. en Misiones y Nordeste de Corrientes. Revista Yviraretá, 12, 19-25. [ Links ]

Costa, E. A., Schroder, T., & Finger, C. A. G. (2016). Height-diameter relationships for Araucaria angustifolia (Bertol.) Kuntze in southern Brazil. CERNE, 22(4), 493-500. doi: 10.1590/01047760201622042182 [ Links ]

Domínguez, A. F. A. (1996). Pinus chiapensis (Martínez) Andresen: Nuevo registro para Oaxaca, México. Revista Ciencia Forestal en México, 21(80), 131-137. Retrieved from http://www.inifap.gob.mx/SitePages/revistas/rmcf_numeros.aspxLinks ]

Dunnett, C. W. (1964). New tables for multiple comparisons with a control. Biometrics, 20(3), 482-491. doi: 10.2307/2528490 [ Links ]

Fierros-Mateo, R., De los Santos-Posadas, H. M., Fierros-González, M. A., & Cruz-Cobos, F. (2017). Crecimiento y rendimiento maderable en plantaciones de Pinus chiapensis (Martínez) Andresen. Agrociencia, 51(2), 201-214. Retrieved from http://www.redalyc.org/articulo.oa?id=30250026006Links ]

Gaillard, B. C., Pece, M., Juárez, G. M., & Ríos, N. (2002). Estimación del crecimiento y producción de una plantación de paraíso gigante (Melia azedarach var. gigantea) sin riego en la Provincia de Santiago del Estero, Argentina. Revista Quebracho, 9, 127-140. Retrieved from http://www.redalyc.org/articulo.oa?id=48100912Links ]

García, E. (1981). Modificaciones al sistema de clasificación climática de Köppen (3a ed.). México, D. F.: Instituto de Geografía, UNAM. [ Links ]

Google Earth©. (2011). “La Gotera”. 19° 56’ 39.99” N and 97° 15’ 42.25” W. Google Earth. September 8, 2011. Retrieved December 27, 2014 from http://www.google.com/earth/explore/products/desktop.htmlLinks ]

GraphPad Software (2015). GraphPad Prism version 6.07 for Windows. La Jolla, California, USA: Author. Retrieved from www.graphpad.comLinks ]

Huang, S., Titus, S. J., & Wiens, D. (1992). Comparison of non-linear height-diameter functions for major Alberta tree species. Canadian Journal of Forestry Research, 22, 1297-1304. doi: 10.1139/x92-172 [ Links ]

Huxley, J. S. (1924). Constant differential growth ratios and their significance. Nature, 114, 895-896. doi: 10.1038/114895a0 [ Links ]

Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2009). Prontuario de Información Geográfica Municipal de los Estados Unidos Mexicanos: Tlapacoyan, Veracruz de Ignacio de la Llave. Clave geoestadística 30183. Retrieved from http://www3.inegi.org.mx/contenidos/app/mexicocifras/datos_geograficos/30/30183.pdfLinks ]

Jarillo-Rodríguez, J., Castillo-Gallegos, E., Degollado-Hoyos, O., Flores-de la Rosa, F. R., Valles-de la Mora, B., & Escobar-Hernández, R. (2013). Emergencia de semilla de piocho (Melia azedarach L.) sometida a diferentes tiempos de escarificación con H2SO4. Avances en Investigación Agropecuaria, 17, 83-88. Retrieved from http://www.ucol.mx/revaia/portal/pdf/2013/sept/6.pdfLinks ]

Joanes, D. N., & Gill, C. A. (1998). Comparing measures of sample skewness and kurtosis. Journal of the Royal Statistical Society: Series D (The Statistician), 47(1), 183-189. doi: 10.1111/1467-9884.00122 [ Links ]

Juárez, G. M., Pece, M. G., Gaillard, B. C., Sanguedolce, J., Mariot, V., & Mazzuco, R. (2006). Ecuaciones altura-diámetro para Ziziphus mistol, Griseb. Revista Quebracho , 13, 36-43. Retrieved from http://www.redalyc.org/articulo.oa?id=48101304Links ]

Kidwell, J. F., Gregory, P. W., & Guilbert, H. R. (1952). A genetic investigation of allometric growth in Hereford cattle. Genetics, 37(2), 158-174. Retrieved from http://www.genetics.org/content/genetics/37/2/158.full.pdfLinks ]

Korf, V. (1939). Contribution to mathematical definition of the law of stand volume growth. Lesnická práce, 18, 339-379. [ Links ]

Landsberg, J. J. (1977). Some useful equations for biological studies. Experimental Agriculture, 13, 273-280. doi: 10.1017/S0014479700008000 [ Links ]

Lappi, J. A. (1997). Longitudinal analysis of height/diameter curves. Forestry Science, 43, 555-570. Retrieved from http://www.ingentaconnect.com/content/saf/fs/1997/00000043/00000004/art00013Links ]

López, S. C., Gorgoso, V. J., Castedo, D. F., Rojo, A. A., Rodríguez, S. R., Álvarez, G. J. G., & Sánchez, R. F. (2003). A height-diameter model for Pinus radiata D. Don in Galicia (Northwest Spain). Annals of Forest Science, 60(3), 237-245. doi: 10.1051/forest:2003015 [ Links ]

Lorea-Hernández, F. G. (1997). On Cinnamomum (Laureacea) in México. Acta Botánica Mexicana, 40, 1-18. Retrieved from http://www.redalyc.org/articulo.oa?id=57404001Links ]

Marquardt, D. W. (1963). An algorithm for least squares estimation of parameters. Journal of the Society of Industrial Applied Mathematics, 11, 431-441. Retrieved from http://www.dista.unibo.it/~bittelli/materiale_lettura_fisica_terreno/marquardt_63.pdfLinks ]

Moore, J. A., Zhang, L., & Stuck, D. (1996). Height-diameter equations for ten tree species in the Inland Northwest. Western Journal of Applied Forestry, 11, 132-137. Retrieved from http://www.ingentaconnect.com/content/saf/wjaf/1996/00000011/00000004/art00007Links ]

Motulsky, H., & Christopolous, A. (2003). Fitting models to biological data using linear and nonlinear regression. A practical guide to curve fitting. San Diego, CA. GraphPad Software . Retrieved from http://s3.amazonaws.com/cdn.graphpad.com/faq/1757/file/Prism4RegressionBook.pdfLinks ]

Motulsky, H. M., & Brown, R. E. (2006). Detecting outliers when fitting data with nonlinear regression - a new method based on robust nonlinear regression and the false discovery rate. BMC Bioinformatics, 7, 123. doi: 10.1186/1471-2105-7-123 [ Links ]

Osman, E. M. H., Idris, E. Z. A., & Ibrahim, E. M. M. (2013). Modelling height-diameter relationships of selected economically important natural forest species. Journal of Forest Products and Industries, 2, 34-42. Retrieved from http://researchpub.org/journal/jfpi/number/vol2-no1/vol2-no1-5.pdfLinks ]

Patil, S. J., Mutanal, S. M., & Patil, H. Y. (2012). Melia azedarach based agroforestry system in transitional tract of Karnataka. Karnataka Journal Agricultural Science, 25(4), 460-462. Retrieved from http://inflibnet.ac.in/ojs/index.php/KJAS/article/viewFile/1592/1411Links ]

Pece, M. G., Benítez, C., Juárez, M., Mariot, V., Sanguedolce, J., & Pranzoni, O. (2006). Modelación de la altura total para quebracho colorado santiagueño (Schinopsis quebracho-colorado). Foresta Veracruzana, 8, 1-7. Retrieved from http://www.redalyc.org/articulo.oa?id=49780101Links ]

Prodan, M., Peters, R., Cox, F., & Real, P. (1997). Mensura forestal. San José, Costa Rica: Proyecto IICA/GTZ sobre Agricultura, Recursos Naturales y Desarrollo Sostenible GmbH. [ Links ]

Richards, F. J. (1959). A flexible growth function for empirical use. Journal of Experimental Botany, 10, 290-300. doi: 10.1093/jxb/10.2.290 [ Links ]

Rodríguez-Acosta, M., & Arteaga-Martínez, B. (2005). Índice de sitio para Pinus chiapensis (Martínez) Andresen, en los estados de Veracruz y Puebla, México. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 11(1), 39-44. Retrieved from https://chapingo.mx/revistas/revistas/articulos/doc/rchscfaXI428.pdfLinks ]

Sánchez, V. N. M., & del Castillo, S. R. F. (2001). Calidad de estación para Pinus chiapensis (Mart.) Andresen en el Rincón, Oaxaca, México. Foresta Veracruzana, 3, 9-12. Retrieved from http://www.redalyc.org/articulo.oa?id=49703202Links ]

Santiago-Hernández, F., López-Ortiz, S., Ávila-Reséndiz, C. A., Jarillo-Rodríguez, J., Pérez-Hernández, P., & Guerrero-Rodríguez, J. D. (2015). Physiological and production responses of four grasses from the genera Urochloa and Megathyrsus to shade from Melia azedarach L. Agroforestry systems, 90(2), 339-349. doi: 10.1007/s10457-015-9858-y [ Links ]

Statistical Analysis System (SAS Institute Inc.). 2013. SAS/STAT® 12.3 User’s Guide. Cary, NC, USA: Author. [ Links ]

Schröeder, J., & Álvarez-González, J. G. (2001). Comparing the performance of generalized diameter-height equations for maritime pine in northwestern Spain. Forstwissenschafttliches Centralbatt, 120, 18-23. doi: 10.1007/BF02796077 [ Links ]

Sharma, R. P. (2009). Modelling height-diameter relationship for Chir pine trees. Banko Janakari, 19, 3-9. doi: 10.3126/banko.v19i2.2978 [ Links ]

Sistema de Información para la Reforestación (SIRE), Comisión Nacional Forestal (CONAFOR), & Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO). (2015) Ficha técnica 956. Pinus chiapensis (Martínez) Andresen. Retrieved November 25, 2015 from http://www.conafor.gob.mx:8080/documentos/docs/13/956Pinus%20chiapensis.pdfLinks ]

Sistema de Información para la Reforestación (SIRE), Comisión Nacional Forestal (CONAFOR), & Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO). (2015a). Ficha técnica 944. Melia azedarach L. Retrieved November 25, 2015 from http://www.conafor.gob.mx:8080/documentos/docs/13/944Melia%20azedarach.pdfLinks ]

Silvert, W. (1979). Practical curve fitting. Limnology and Oceanography, 24(4), 767-773. Retrieved from http://onlinelibrary.wiley.com/doi/10.4319/lo.1979.24.4.0767/pdfLinks ]

Stage, A. R. (1963). A mathematical approach to polymorphic site index curves for grand fir. Forest Science, 9, 167-180. Retrieved from http://www.ingentaconnect.com/content/saf/fs/1963/00000009/00000002/art00007#expand/collapseLinks ]

Trincado, G., & Leal, D. C. (2006). Ecuaciones locales y generalizadas de altura-diámetro para pino radiata (Pinus radiata). Bosque (Valdivia), 27(1), 23-34. doi: 10.4067/S0717-92002006000100003 [ Links ]

Zeide, B. (1989). Accuracy of equations describing diameter growth. Canadian Journal of Forest Research, 19, 1283-1286. doi: 10.1139/x89-195 [ Links ]

Zeide, B. (1993). Analysis of growth equations. Forest Science, 39, 594-616. Retrieved from http://www.ingentaconnect.com/content/saf/fs/1993/00000039/00000003/art00014Links ]

Zhao, W., Mason, E. G., & Brown, J. (2006). Modelling height-diameter relationships of Pinus radiata plantations in Canterbury, New Zealand. New Zealand Journal of Forestry, 51, 23-27. Retrieved from http://www.nzjf.org/free_issues/NZJF51_1_2006/EAEA779C-FB75-4901-9119-83C52AB7321A.pdfLinks ]

Vibrans, A. C., Moser, P., Oliveira, L. Z., & Macaneiro, J. P. (2015). Height-diameter models for three subtropical forest types in southern Brazil. Ciência e agrotecnologia, 39(3), 205-215. doi: 10.1590/S1413-70542015000300001 [ Links ]

Recibido: 15 de Mayo de 2017; Aprobado: 12 de Noviembre de 2017

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License