DETERMINACIÓN DE DIÁMETROS MÍNIMOS DE CORTA SIMULANDO LA...
Transcript of DETERMINACIÓN DE DIÁMETROS MÍNIMOS DE CORTA SIMULANDO LA...
DETERMINACIÓN DE DIÁMETROS MÍNIMOS DE CORTA SIMULANDO LA
DISTRIBUCIÓN DIAMÉTRICA PARA 11 ESPECIES DE BOSQUE HÚMEDO
TROPICAL DEL SUR DE BOLÍVAR
MIGUEL ALFONSO SALAMANCA RODRÍGUEZ – 20101010042
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
FACULTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
PROYECTO CURRICULAR DE INGENIERIA FORESTAL
BOGOTÁ D. C.
2017
DETERMINACIÓN DE DIÁMETROS MÍNIMOS DE CORTA SIMULANDO LA
DISTRIBUCIÓN DIAMÉTRICA PARA 11 ESPECIES DE BOSQUE HÚMEDO
TROPICAL DEL SUR DE BOLÍVAR
MIGUEL ALFONSO SALAMANCA RODRÍGUEZ – 20101010042
Trabajo realizado bajo la modalidad de Investigación – Innovación
Dirigido por:
ROBERT ORLANDO LEAL PULIDO
Ingeniero Forestal M. Sc.
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
FACULTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
PROYECTO CURRICULAR DE INGENIERIA FORESTAL
BOGOTÁ D. C.
2017
NOTA DE ACEPTACIÓN
______________________________________
______________________________________
______________________________________
___________________________________
ROBERT ORLANDO LEAL PULIDO
DOCENTE DIRECTOR
___________________________________
DOCENTE EVALUADOR
TABLA DE CONTENIDO
RESUMEN..................................................................................................................................... 1
ABSTRACT ................................................................................................................................... 1
1. INTRODUCCIÓN .................................................................................................................... 2
2. DESCRIPCIÓN DEL PROBLEMA ....................................................................................... 3
3. OBJETIVOS .............................................................................................................................. 4
3.1 OBJETIVO GENERAL ......................................................................................................... 4
3.2 OBJETIVOS ESPECÍFICOS ................................................................................................ 4
4. ESTADO DEL ARTE ............................................................................................................... 4
4.1 DIÁMETRO MÍNIMO DE CORTA (DMC) COMO SISTEMA SILVICULTURAL .... 4
4.2 FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD ............................................... 8
4.2.1 Función de distribución empírica ............................................................................... 8
4.2.2 Funciones continuas ..................................................................................................... 9
4.2.2.1 Función de distribución Normal .......................................................................... 9
4.2.2.2 Función de distribución Log-Normal ................................................................ 10
4.2.2.3 Función de distribución Gamma ....................................................................... 11
4.2.2.4 Función de distribución Weibull ....................................................................... 12
4.3 CONSIDERACIONES BÁSICAS SOBRE SIMULACIÓN ............................................. 13
4.3.1 Metodología para la elaboración de un estudio de simulación .............................. 16
4.4 CÁLCULO DE RENDIMIENTO VOLUMÉTRICO EN ESPECIES FORESTALES . 20
5. METODOLOGÍA ................................................................................................................... 24
5.1 ZONA DE ESTUDIO ........................................................................................................... 24
5.2 ACTIVIDADES DESARROLLLADAS ............................................................................. 25
5.2.1 Planeación ................................................................................................................... 26
5.2.2 Operación.................................................................................................................... 26
5.2.3 Análisis de datos ......................................................................................................... 27
5.2.4 Resultados ................................................................................................................... 27
6. RESULTADOS Y DISCUSIÓN ............................................................................................ 31
6.1 DISTRIBUCIÓN DIAMÉTRICA POR ESPECIE............................................................ 31
6.1.1 Número de árboles por cuadrante ............................................................................ 31
6.1.2 Distribución de la estructura de cada especie ......................................................... 33
6.2 SIMULACIÓN DE DISTRIBUCIÓN DIAMÉTRICA PARA CADA ESPECIE .......... 45
6.2.1 Función de distribución de probabilidad identificada para cada especie ............ 45
6.2.2 Simulación del número de árboles por cuadrante por especie .............................. 48
6.2.3 Simulación de la distribución diamétrica por especie ............................................ 49
6.3 PROYECCIÓN DE RENDIMIENTO PARA CADA ESPECIE ..................................... 56
6.3.1 Distribución Normal .................................................................................................. 57
6.3.2 Distribución Log-Normal .......................................................................................... 57
6.3.3 Distribución Gamma ................................................................................................. 58
6.3.4 Distribución Weibull .................................................................................................. 59
6.4 PROPUESTA DE MANEJO SILVICULTURAL DE CADA ESPECIE ........................ 62
6.4.1 Clasificación de las maderas según peso .................................................................. 63
6.4.2 Clasificación de las especies en gremios ecológicos ................................................. 63
6.4.3 Determinación de diámetros mínimos y máximos de corta y cálculo de volúmenes
aprovechables y remanentes para cada especie ............................................................... 65
6.4.4 Propuestas de manejo forestal para cada especie ................................................... 68
7. EVALUACIÓN Y CUMPLIMIENTO DE LOS OBJETIVOS DEL PLAN DE
ACTIVIDADES DE INVESTIGACIÓN .................................................................................. 71
8. CONCLUSIONES Y RECOMENDACIONES ................................................................... 72
9. AGRADECIMIENTOS ......................................................................................................... 74
10. REFERENCIAS BIBLIOGRÁFICAS ................................................................................ 75
ÍNDICE DE FIGURAS
Figura 1. Pasos claves a seguir en un estudio de simulación. ....................................................... 19
Figura 2. Localización de la zona de estudio. ............................................................................... 25
Figura 3. Etapas y procesos básicos a elaborar. ............................................................................ 26
Figura 4. Actividades a desarrollar dentro de cada etapa. ............................................................ 29
Figura 5. Pasos seguidos durante la etapa de resultados para la simulación de las variables de
interés. ........................................................................................................................................... 30
Figura 6. Distribución de la estructura de la especie Dipteryx sp. a. Distribución diamétrica. b.
Área basal por clase diamétrica. c. Volumen total por clase diamétrica. d. Relación altura total -
DAP............................................................................................................................................... 34
Figura 7. Distribución de la estructura de la especie Hymenaea courbaril L. a. Distribución
diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase diamétrica. d. Relación
altura total - DAP. ......................................................................................................................... 35
Figura 8. Distribución de la estructura de la especie Ocotea sp. a. Distribución diamétrica. b.
Área basal por clase diamétrica. c. Volumen total por clase diamétrica. d. Relación altura total -
DAP............................................................................................................................................... 36
Figura 9. Distribución de la estructura de la especie Crudia glaberrima (Steud.) J.F. Macbr. a.
Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 37
Figura 10. Distribución de la estructura de la especie Couratari guianensis Aubl. a. Distribución
diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase diamétrica. d. Relación
altura total - DAP. ......................................................................................................................... 38
Figura 11. Distribución de la estructura de la especie Pseudolmedia laevigata Trécul. a.
Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 39
Figura 12. Distribución de la estructura de la especie Brosimum cf. guianense (Aubl.) Huber ex
Ducke. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 40
Figura 13. Distribución de la estructura de la especie Brosimum utile (Kunth) Oken. a.
Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 41
Figura 14. Distribución de la estructura de la especie Virola sebifera Aubl. a. Distribución
diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase diamétrica. d. Relación
altura total - DAP. ......................................................................................................................... 42
Figura 15. Distribución de la estructura de la especie Clathrotropis cf. brunnea Amshoff. a.
Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 43
Figura 16. Distribución de la estructura de la especie Virola cf. loretensis A.C. Sm. a.
Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP. ................................................................................... 44
Figura 17. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para amargo................................................................................................ 51
Figura 18. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para algarrobo. ........................................................................................... 51
Figura 19. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para canelo. ................................................................................................ 52
Figura 20. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para caña brava. ......................................................................................... 52
Figura 21. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para coco picho. ......................................................................................... 53
Figura 22. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para lecheperra. .......................................................................................... 53
Figura 23. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para perillo. ................................................................................................ 54
Figura 24. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para sande. ................................................................................................. 54
Figura 25. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para sangretoro. .......................................................................................... 55
Figura 26. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para sapán. ................................................................................................. 55
Figura 27. Distribución de frecuencias relativas observadas y simuladas para las clases
diamétricas definidas para virola. ................................................................................................. 56
Figura 28. Comparación de volúmenes reales y esperados de cada especie. ............................... 61
Figura 29. Comparación de los volúmenes aprovechables y remanentes calculados de cada
especie. .......................................................................................................................................... 67
Figura 30. Comparación de volúmenes aprovechables y remanentes esperados de cada especie. 68
ÍNDICE DE TABLAS
Tabla 1. Ventajas y desventajas del proceso de simulación. ........................................................ 16
Tabla 2. Códigos asignados para cada especie. ............................................................................ 31
Tabla 3. Número de árboles por especie en cada cuadrante. ........................................................ 32
Tabla 4. Número de individuos, área basal y volumen por hectárea calculados para cada especie.
....................................................................................................................................................... 33
Tabla 5. Funciones de probabilidad identificadas para cada especie y los estadísticos de bondad
de ajuste. ....................................................................................................................................... 47
Tabla 6. Prueba de hipótesis de χ2 realizada para calcular diferencias en número de árboles por
cuadrante de cada especie. ............................................................................................................ 49
Tabla 7. Prueba de hipótesis de χ2 realizada para calcular diferencias entre las distribuciones
diamétricas. ................................................................................................................................... 50
Tabla 8. Clases diamétricas definidas según intervalos planteados. ............................................. 60
Tabla 9. Valores de volúmenes reales y esperados calculados para cada especie según el
promedio de árboles por hectárea. ................................................................................................ 61
Tabla 10. Clasificación de maderas de cada especie de acuerdo a su densidad anhidra. ............. 63
Tabla 11. Clasificación de las especies en gremios ecológicos de acuerdo a las categorías de peso
previamente determinadas. ........................................................................................................... 64
Tabla 12. Diámetros mínimos y máximos de corta establecidos para cada especie de acuerdo con
el gremio ecológico correspondiente ............................................................................................ 66
Tabla 13. Volúmenes aprovechables y remanentes de cada especie calculados de acuerdo con los
diámetros mínimos y máximos de corta establecidos. .................................................................. 66
Tabla 14. Volúmenes aprovechables y remanentes esperados para cada especie de acuerdo con
los diámetros mínimos y máximos de corta establecidos. ............................................................ 67
Tabla 15. Evaluación de los objetivos planteados de acuerdo con los resultados presentados. ... 71
1
RESUMEN
Este trabajo va enfocado hacia la determinación de diámetros mínimos de corta (DMC) para 11
especies maderables de bosque húmedo tropical localizadas en la serranía de San Lucas,
específicamente en la vereda Muribá del municipio de Cantagallo, Bolívar; ajustando las
distribuciones diamétricas de las especies de estudio a funciones de distribución de probabilidad
para así, simular la distribución de las frecuencias de los diámetros de cada especie partiendo de
un inventario de las mismas en un área de 374,6 hectáreas y proyectando los rendimientos de
cada una de acuerdo a las variables dendrométricas mensuradas en el inventario. Las especies
estudiadas en este proyecto son: Amargo (Dipteryx sp.), algarrobo (Hymenaea courbaril L.),
canelo (Ocotea sp.), caña brava (Crudia glaberrima (Steud.) J.F. Macbr), coco picho (Couratari
guianensis Aubl.), lecheperra (Pseudolmedia laevigata Trécul), perillo (Brosimum cf. guianense
(Aubl.) Huber ex Ducke), sande (Brosimum utile (Kunth) Oken), sangretoro (Virola sebifera
Aubl.), sapán (Clathrotropis cf. brunnea Amshoff) y virola (Virola cf. loretensis A.C. Sm.).
Palabras clave: Diámetros mínimos de corta, simulación, probabilidad, distribución diamétrica,
proyección de rendimientos volumétricos.
ABSTRACT
This work is focused on the determination of minimum diameter cutting limit (MDCL) for 11
woody species from tropical moist forest located inside San Lucas Serranía, specifically in
Muribá sidewalk of Cantagallo, Bolívar; fitting the diameter distributions of the species with
probability distributions in order to simulate the distributions of diameter frecuencies of each
species, starting from the measument and inventory of these ones inside an area of 374,6 hectares
and projecting their yields of each ones of them according to the dendrometric variables
measured in the forest inventory. The species studied in this work are: Amargo (Dipteryx sp.),
algarrobo (Hymenaea courbaril L.), canelo (Ocotea sp.), caña brava (Crudia glaberrima (Steud.)
J.F. Macbr), coco picho (Couratari guianensis Aubl.), lecheperra (Pseudolmedia laevigata
Trécul), perillo (Brosimum cf. guianense (Aubl.) Huber ex Ducke), sande
2
(Brosimum utile (Kunth) Oken), sangretoro (Virola sebifera Aubl.), sapán (Clathrotropis cf.
brunnea Amshoff) and virola (Virola cf. loretensis A.C. Sm.).
Keywords: Minimum diameter cutting, simulation, probability, diameter distribution, stand
volume yield projection.
1. INTRODUCCIÓN
En Colombia, los bosques naturales representan cerca del 52% de la superficie continental
(IDEAM, 2010), en los cuales alrededor del 30% de la superficie del territorio colombiano
corresponde a bosques tropicales y en ellos se evidencia gran parte de la diversidad natural que
se destaca a nivel internacional para Colombia, por lo tanto, necesitan ser ordenados y
planificados, de tal manera que todas las prácticas de aprovechamiento, conservación, uso y
manejo sean sostenibles y aseguren la permanencia de los bosques para las generaciones futuras.
Los estudios técnicos permiten comprender la estructura, función y composición de los bosques
y son la base para una planificación acertada en pro de las comunidades y demás ecosistema
asociados.
El departamento de Bolívar cuenta con un área de 2.663.986 hectáreas, equivalente al 2,3% de la
superficie de Colombia y con un porcentaje de cobertura de bosques naturales del 31,3%, los
cuales corresponden al 1,31% de toda el área boscosa del país (IDEAM, 2010). En términos de
jurisdicción, la Corporación Autónoma Regional del Sur de Bolívar (CSB) ejerce control sobre
1,28% del área de bosques de Colombia.
Por su parte, la serranía de San Lucas hace parte de la zona de reserva forestal del Rio
Magdalena reglamentada por la ley 2ª de 1959, la cual cuenta con un área de 2.155.591 hectáreas
distribuidas en zonas como el Carare-Opón y parte de la vertiente oriental del rio Magdalena,
donde el departamento de Bolívar posee 1.132.427 hectáreas (Viloria de la Hoz, 2009). Esta área
se encuentra en dominio de los municipios de Montecristo, San Pablo, Santa Rosa de Sur,
Tiquisio, Cantagallo, Simití, Achí, entre otros; que ocupan cerca del 73% de la zona de reserva
forestal conjuntamente.
3
Dado que la serranía se encuentra en una zona de reserva forestal legalmente declarada, para los
habitantes del sector rural es complicado cultivar de forma legal o acceder a títulos de propiedad
en los terrenos que habitan, así como a créditos gubernamentales o aquellos que puede otorgar el
sector privado. Por lo tanto, muchas de las actividades económicas que abarcan el uso de la tierra
se consideran ilícitas e ilegales ya que no cuentan con el respaldo de autoridades ambientales
regionales (Viloria de la Hoz, 2009). Sin embargo, estas actividades son el medio de subsistencia
de las comunidades locales y esto abarca la explotación maderera en el sector, el comercio de
especies forestales valiosas sin control alguno, por lo que se hace importante implementar
prácticas que regulen la extracción de este bien primario.
2. DESCRIPCIÓN DEL PROBLEMA
Para los bosques de Colombia no existe un sistema de prácticas silviculturales claro que
enmarque la sostenibilidad productiva de estos y garantice la existencia de maderas comerciales
que sirvan para el aprovisionamiento de mercados locales donde dichas maderas tienen un gran
valor por su calidad (Linares, 1992).
La tala de árboles es indiscriminada y se suele hacer sin tener en cuenta sus dimensiones
(diámetro, altura y número de árboles cortados). Por esto, es importante fijar un parámetro que
determine cuál es el diámetro óptimo que garantiza una producción suficiente de madera y la
conservación de individuos juveniles suficientes que a futuro soporten un próximo
aprovechamiento forestal. Por lo tanto, la pregunta a plantear para este trabajo es: ¿Cuál es el
DMC óptimo para las 11 especies de bosque húmedo tropical de la serranía de San Lucas
conforme a la distribución de sus existencias en la zona?
4
3. OBJETIVOS
3.1 OBJETIVO GENERAL
Determinar los diámetros mínimos de corta (DMC) para 11 especies de bosque húmedo tropical
ubicadas en el interior de la serranía de San Lucas, Bolívar, aplicando modelos de distribución de
probabilidad para simular sus distribuciones diamétricas para asegurar existencias volumétricas
futuras en posteriores cosechas.
3.2 OBJETIVOS ESPECÍFICOS
Definir la función de distribución de probabilidad que mejor se ajuste a la distribución
diamétrica de cada una de las especies estudiadas.
Simular la distribución diamétrica de cada especie para distintas partes del terreno
inventariado aplicando funciones de probabilidad y software especializados.
Proyectar los rendimientos de las especies de acuerdo a las distribuciones diamétricas
simuladas para asegurar existencias volumétricas futuras.
Definir prácticas silviculturales adecuadas de acuerdo con las características ecológicas
de las especies de estudio para incrementar rendimientos en árboles remanentes para
garantizar existencias volumétricas que a futuro equiparen aquellas aprovechables que se
encuentran presentes.
4. ESTADO DEL ARTE
4.1 DIÁMETRO MÍNIMO DE CORTA (DMC) COMO SISTEMA SILVICULTURAL
La aplicación de los diámetros mínimos de corta (DMC) como práctica silvicultural es un
mecanismo común de regulación del aprovechamiento forestal en bosques disetáneos orientado
hacia el manejo y la ordenación sostenible (BOLFOR, 2003).
5
Lamprecht (1990) define el diámetro mínimo de corta (DMC) como un sistema silvicultural en el
cual se aprovechan los árboles de mayor grosor que corresponden a especies atractivas para el
mercado maderero, manteniendo las clases diamétricas medias y bajas con el fin de garantizar la
regeneración natural y una producción maderable sostenible.
En este orden de ideas, el mismo autor establece las siguientes consideraciones para tener en
cuenta al fijar el DMC para una especie determinada:
Se encuentran árboles suficientes con alto grosor para garantizar un aprovechamiento
benéfico.
El DMC se precisa con un diámetro alto.
Las especies de interés presentan una distribución diamétrica regular.
La tala exclusiva de los árboles de mayor grosor definidos por el DMC, se adapta al mercado y
comercio de maderas latifoliadas de los trópicos, que se dirige a la producción de madera de
aserrío de grandes dimensiones y de alta calidad (BOLFOR, 2003). Sist (2001) propone que las
prácticas silviculturales en este caso, deben dirigirse a la productividad sostenible desde los
siguientes lineamientos:
Mantenimiento de las tasas de aprovechamiento y extracción maderera por debajo de un
límite aceptable que sea compatible con la capacidad de rendimiento maderero.
Limitación de los impactos causados por la extracción maderera sobre la diversidad y la
composición de las especies arbóreas.
Mantenimiento de poblaciones de especies maderables comercialmente importantes
reduciendo los impactos del aprovechamiento de las mismas en su dinámica ecológica.
De esta manera, es importante que se fijen no sólo un diámetro mínimo de corta en el marco del
manejo forestal, también es fundamental que se establezca un límite máximo de corta sustentado
desde la estructura que presente la especie en el bosque, es decir, desde el tamaño y la
dominancia que ejerzan los árboles en el ecosistema y su distribución al interior del mismo. De
6
la misma manera, se hace importante determinar más allá del volumen a aprovechar, el tamaño
de los claros que se abrirán, los cuales no deben superar los 600 m2 (Sist, 2001).
Por otra parte, Louman & Stanley (2002) sugieren que el DMC debe definirse de acuerdo a datos
de la dinámica del bosque y dar una justificación técnica sobre la definición del parámetro. Es
importante que las clases diamétricas donde se encuentran los individuos en mal estado
fitosanitario, pues los DMC deben ser menores del diámetro que presentan dichos árboles. De la
misma manera, el DMC que se fije es inversamente proporcional a los residuos del aserrío, por lo
tanto, si se toman individuos arbóreos con menor grosor su extracción va a ser más complicada,
más costosa y poco rentable.
Es importante que se consideren aspectos ecológicos de las especies de estudio para la
determinación de los DMC en relación con el crecimiento de la especie en cuestión y la
capacidad reproductiva que tienen las mismas al interior del bosque. De este modo, Louman &
Stanley (2002) fijan las siguientes consideraciones para la determinación del DMC con el fin de
lograr un equilibrio entre el aprovechamiento y la conservación:
El DMC debe garantizar un balance entre el área basal aprovechada y la capacidad de
resiliencia del bosque para recuperar la pérdida de individuos arbóreos durante el ciclo de
corta estipulado.
El DMC debe ser mayor al rango de tamaño en el que los árboles tienen su mayor
producción de semillas.
Un DMC óptimo en términos de rentabilidad y productividad, se establece en un punto en el que
un árbol deje de crecer y llegue a su madurez, esto en un tramo en el que el diámetro a la altura
del pecho (DAP) se encuentre entre el crecimiento medio anual máximo y el punto donde el
árbol no crece más (Louman & Stanley, 2002). De la misma manera, los DMC deben fijarse en
una etapa de desarrollo en la cual la tasa de mortalidad de la especie sea menor y los incrementos
medios anuales ya se hayan maximizado. El diámetro que maximiza el incremento medio anual
evidencia el máximo tamaño al que una especie puede llegar, dado que, más allá de ese tamaño
7
el crecimiento y la mortalidad se ven reducidos y por tanto, la productividad de los árboles se ve
disminuida (Alder, 1992).
Designar un DMC para cualquier especie puede formularse a partir de distintos factores,
teniendo en cuenta el valor de la madera en las diferentes clases diamétricas, los productos
finales que se vayan a obtener de la misma, las tasas de crecimiento, la distribución diamétrica
de las especies en cuestión así como los requisitos para la marcación de árboles semilleros
(Fredericksen et al., 2001; citado por BOLFOR, 2003).
Desde el ámbito normativo, en el decreto 1791 de 1996 “por el cual establece el régimen de
aprovechamiento forestal” (MMA, 1996), no existen consideraciones sobre la fijación de los
DMC en el marco de los planes de manejo forestal o planes de ordenación forestal, los cuales se
deben formular para la solicitud de permisos de aprovechamientos forestales persistentes o
únicos. Por lo tanto, es importante que desde los aspectos normativos se establezcan algunas
consideraciones técnicas para la formulación de las prácticas silviculturales que puedan abarcar
los mecanismos de planificación orientados hacia el manejo forestal de los bosques naturales.
En síntesis, no existe un criterio claro para la formulación de los DMC en especies forestales de
bosques tropicales. Sin embargo, la rigurosidad con la que se realicen los inventarios forestales
para fustales, brinzales y latizales por medio de parcelas permanentes de muestreo, permitirá
aclarar la dinámica ecológica de las especies que se quieran aprovechar para poder obtener datos
sobre crecimiento de las mismas en periodos determinados y así, poder saber la productividad de
las mismas especies para conocer cuáles pueden ser los tamaños óptimos para el
aprovechamiento de la especie maderable y así garantizar la existencia y recuperación de los
volúmenes extraídos permitiendo el crecimiento de los individuos remanentes y asegurar una
productividad maderera para futuras cortas, aplicando tratamientos silviculturales que favorezcan
esta dinámica productiva.
8
4.2 FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD
4.2.1 Función de distribución empírica
Una función empírica puede ser discreta o continua y sus parámetros hacen referencia a los
valores observados en la muestra de la serie de datos determinada (Banks et al.; 2004). A
diferencia de cualquier función paramétrica (Normal, exponencial, Gamma o Poisson) las cuales
se caracterizan por tener con determinados parámetros que las definen, mientras que una función
empírica puede ser empleada para ajustar una serie de datos cuando no presenta una distribución
particular.
De acuerdo con la tabla de frecuencias que define la probabilidad de ocurrencia de un suceso
determinado por un número o una marca de clase, se calcula las frecuencias relativas y
acumuladas de cada suceso posible. Con esto la función de distribución acumulada se define de
la siguiente manera:
( )
{
( ) ( )
( )
Donde p(x) se refiere a la frecuencia acumulada de un intervalo o suceso determinado. De esta
manera, para la generación de datos en la variable x, se toma en cuenta cualquier número R que
esté entre 0 y 1. Cada número x se obtendrá a partir de la siguiente función:
( )
Donde R es un número aleatorio entre 0 y 1 y ri corresponden a valores de frecuencia acumulada
que definen los valores de x.
9
4.2.2 Funciones continuas
4.2.2.1 Función de distribución Normal
La función de distribución normal, definida gráficamente como una campana, es una de las más
importantes en el estudio de la estadística estudiada desde el siglo XVIII por Abraham de Moivre
hasta Karl Gauss (Kozak et al., 2008).
La curva con forma de campana simétrica se define con la siguiente ecuación de la función de
densidad probabilística:
( )
√
.
/
Siendo µ la media de la muestra y σ la desviación estándar de la media. Es importante aclarar
que para cualquier número x, F(x; µ, σ) ≥ 0 y que mediante el cálculo multivariado se obtiene lo
siguiente:
∫ ( )
Las anteriores ecuaciones sirven como referencia para series de datos que se ajustan a
distribuciones normales estandarizadas con µ = 0 y σ = 1 (Devore, 1982).
Las variables normales se generan mediante un método de transformación directa que procede de
la siguiente manera partiendo de dos variables Z1 y Z2 representadas como:
Así, de forma simétrica se obtiene que B2 = Z
21 + Z
22, siendo B el radio, el cual se obtiene de la
siguiente manera:
10
( )
Debido a la simetría que presenta la distribución normal, es razonable suponer que los ángulos se
distribuyen de manera uniforme entre 0 y 2π radianes. Así, B y el ángulo θ son mutuamente
dependientes. Al combinar las ecuaciones anteriores, se establece un método directo para la
generación de variables Z1 y Z2, partiendo de dos números aleatorios independientes R1 y R2, se
obtiene lo siguiente:
( )
( )
( )
( )
Con esto, para obtener variables normales de x, con una media y una desviación estándar
determinadas, se aplica la transformación de la siguiente manera:
Así, se computa la ecuación de la siguiente manera:
( )
( )
( )
( )
(Tomado de Banks et al.; 2004).
4.2.2.2 Función de distribución Log-Normal
La distribución Log-Normal también conocida como logarítmica normal, es una función de
distribución probabilística que surge de la transformación logarítmica de la distribución normal
(Walpole et al., 1999). De esta manera, una variable presenta esta distribución cuando su función
de densidad resultante es la siguiente:
11
( ) {
√ , -
Siendo µ y σ los parámetros de media y desviación estándar escalados que definen la función.
Con esto, la función acumulada se determina por medio de la siguiente ecuación:
( )
Al igual que con la distribución normal, para la generación de variables distribuidas en Log-
Normal se parte de la generación de variables normales x con parámetros de media y desviación
estándar escalados a la función Log-Normal para así, aplicar la transformación directa para
obtener números aleatorios Y distribuidos en Log-Normal mediante la siguiente ecuación:
(Tomado de Banks et al., 2004).
4.2.2.3 Función de distribución Gamma
Una variable presenta la distribución Gamma cuando la función de densidad de probabilidad es
la siguiente:
( ) {
( )
Donde α y β son parámetros de forma y escala respectivamente y donde:
( ) ∫
12
De forma genérica, se establece también que cuando α es un número entero positivo, equivale a
lo siguiente:
( ) ( )
Así, siendo x una variable ajustada a la distribución Gamma, la función de distribución
acumulada es:
( )
( )
Teniendo en cuenta que α > 0 y β > 0 (Devore, 1982; Walpole et al., 1999; Arroyo et al.; 2014).
La generación de números aleatorios para una variable Gamma se hace bajo el método de
Aceptación – Rechazo (Banks et al.; 2004). Para la generación de números de una variable
ajustada, se procede a hacer lo siguiente:
1. Computar A = 1/(2α - 1)1/2
; b = α - ln4.
2. Generar R1 y R2. Introducir V = R1/(1 – R1).
3. Computar x = αVA.
4. Si x > b + (αA +1) lnV –ln(R21R2), rechazar x y volver al paso 2.
5. Si x ≤ b + (αA +1) lnV –ln(R21R2), aceptar x como la variable deseada. Las variables
generadas tendrán una media y varianza iguales a α, siendo esta última la forma de la
función. Si se desea obtener una media 1/β y varianza 1/αβ2 se puede incluir el siguiente
paso 6.
6. Remplazar x por x/αβ.
(Tomado de Banks et al.; 2004).
4.2.2.4 Función de distribución Weibull
La función de distribución de Weibull fue propuesta por el físico sueco Waloddi Weibull en
1939 (Devore, 1982; Walpole et al.; 1999), en la cual una variable aleatoria continua presenta
13
dicha distribución con parámetros α y β cuando su función de densidad se da de la siguiente
manera:
( ) {
.
/
Siendo α y β parámetros de forma y escala mayores a 0. Así, la función acumulada se define
mediante la siguiente ecuación:
( ) { .
/
Para la generación de números aleatorios de una variable ajustada a esta distribución de
probabilidad, a partir de la función acumulada se obtiene la siguiente ecuación:
, ( )-
Donde R es un número aleatorio entre 0 y 1, mientras que α y β corresponden parámetros de
forma y escala mayores a 0 (Banks et al.; 2004).
4.3 CONSIDERACIONES BÁSICAS SOBRE SIMULACIÓN
La simulación se define como “la imitación de una operación de un proceso del mundo real o de
un sistema en el tiempo” (Banks et al., 2004). Sin embargo, Choi & Kang (2013) describen las
acciones de simulación como la imitación de comportamientos en situaciones determinadas para
adquirir mayor información y que ésta permita el entrenamiento de personal y la estimulación de
capacidades en el mismo. Los procesos de simulación pueden ser realizados de manera manual o
empleando sistemas computacionales.
La simulación tiene por objetivo realizar un análisis cuantitativo de un sistema a partir de datos
exactos y precisos (Choi & Kang, 2013). Por lo tanto, la simulación de un sistema permite
14
obtener un modelo que expresa los fenómenos ocurrentes mediante relaciones lógicas,
matemáticas y simbólicas de entidades u objetos de interés del sistema (Banks et al.; 2004). En
este orden de ideas, el modelo se define como un conjunto de variables representadas mediante
ecuaciones matemáticas que muestran las relaciones y restricciones que existen sobre las
variables en cuestión (Cao-Abad, 2002). Es importante que la simulación simplifique la realidad
y que además los elementos que se incluyan sean el reflejo de las hipótesis matemáticas
planteadas para la modelación del fenómeno a estudiar (Batanero, 2003).
Simular la realidad puede requerir costos muy altos para la adquisición y empleo de sistemas
computacionales especializados que permitan la modelación de procesos en tiempo real. De la
misma manera, puede conllevar largos periodos de tiempo en los que los ensayos tienden a
repetirse varias veces debido a las fallas que pueden presentar en su ejecución. Banks et al.
(2004) señala que la simulación es apropiado aplicarla en los siguientes casos:
Permite la interacción de todos los elementos de un sistema o subsistema complejo, bien
sea al interior del sistema o con los elementos de otro sistema.
Las modelaciones de cambios en sistemas naturales, informáticos u organizacionales
pueden ser realizadas y las alteraciones que sucedan en el comportamiento del modelo
puedan ser evidenciadas.
El conocimiento y la información generada con el diseño y la implementación del modelo
permitirá mejoras en el sistema que se investiga.
Los cambios en las variables de entrada y las observaciones de los resultados pueden
generar una visión importante acerca de la interacción de las variables y su valor.
Puede utilizarse con fines pedagógicos para reforzar metodologías de aprendizaje
analítico.
Puede aplicarse para verificar soluciones analíticas.
Ayuda a conocer las capacidades de diferentes dispositivos tecnológicos determinando
los requerimientos que necesitan estos.
Por medio de ilustraciones animadas se puede observar las operaciones con el fin de que
se contemple el escenario planteado.
15
La simulación debe ser aplicada en problemas complejos que no puedan ser resueltos de forma
analítica o con simple sentido común ya que no se puede analizar variabilidad de distintos
sucesos en el tiempo que impliquen pocos datos. La simulación requiere que se trabaje con una
gran cantidad de datos o de lo contrario, no es posible una estimación de la ocurrencia de un
fenómeno. En términos de tiempo, se necesita contar con largos sucesos que abarquen mayor
complejidad. Los datos de salida deben estar correlacionados de forma directa con los resultados
que puedan ser registrados en el sistema real.
En este sentido, Pegden et al. (1995; citado por Banks et al., 2004) menciona algunas ventajas y
desventajas que presenta la simulación (Tabla 1).
16
Tabla 1. Ventajas y desventajas del proceso de simulación.
VENTAJAS DESVENTAJAS
Las hipótesis formuladas acerca de la
causa de ocurrencia de distintos
fenómenos puede ser ensayada con
confiabilidad.
El tiempo puede extenderse o
reducirse siempre para optimizar y
agilizar los fenómenos que se
investigan.
La visión puede obtenerse de la
interacción entre variables, su
importancia y el aporte a las mejoras
en el sistema de interés.
Pueden mejorarse los análisis de
cuello de botella para descubrir los
puntos en los que los procesos, la
información y los materiales presentan
retrasos.
Permite entender cómo opera el
sistema en su conjunto en vez de
explicar la operación de sus elementos.
Cuestionamientos que impliquen
condicionales pueden ser resueltos.
El diseño de modelos de simulación
requiere de especial preparación y
experiencia.
La interpretación de los resultados de
los modelos de simulación suele ser
compleja dado que en su mayoría
involucran variables aleatorias que
pueden ser difíciles de observar, así
como sus interacciones y relaciones
con otras variables o sistemas.
La formulación, análisis e
implementación de modelos de
simulación puede ser algo costoso que
conlleva un largo periodo de tiempo.
Fuente: Banks et al. (2004).
4.3.1 Metodología para la elaboración de un estudio de simulación
La Figura 1, muestra de acuerdo a lo planteado por Banks et al. (2004) los pasos a seguir para la
realización de un estudio de simulación, partiendo desde la formulación del problema hasta la
17
implementación del modelo pasando por diferentes procesos de verificación y análisis del
proceso de simulación. Conforme con esto, las fases se definen de la siguiente manera:
Formulación del problema: En general, todos los estudios deben partir del
planteamiento de un problema, bien sea dado según aspectos políticos o quien posea el
problema. Es importante que el problema que se plantee para la simulación sea claro y no
genere malentendidos, ya que esto puede desconfigurar los objetivos que se formulen y
los resultados no puedan ser claros.
Fijación de objetivos: Los objetivos sintetizan los interrogantes que se quieren
responder a través de la simulación. Así mismo, definen La metodología a seguir para el
desarrollo de la simulación, asumiendo que la simulación sea lo que responda al
problema planteado.
Conceptualización del modelo: Definir el modelo consiste en abstraer todos los
elementos del sistema de interés, sus características y la complejidad del mismo. De la
misma manera, es importante determinar quiénes serán los usuarios del modelo, es decir,
quienes harán uso del mismo. Es fundamental que se determine en el modelo los
elementos y las características del sistema que pueden ser susceptibles a variaciones o
que se pueden modificar.
Toma de datos: Según lo que se delimite en el modelo y las variables definidas
previamente, se establecen cuáles van a ser los indicadores de entrada y salida parta el
modelo teniendo en cuenta las variables definidas. Los datos que se recolecten
representan el estado actual del sistema y las variaciones que pueda tener el mismo. Por
lo tanto, la información que evidencien los datos actuales permitirá ver a futuro si existen
cambios en el sistema.
Traducción e interpretación del modelo: En este fase del estudio de simulación es
donde toda la información incorporada y recolectada se analiza empleando herramientas
computarizadas. Muchos sistemas del mundo real surgen como producto de modelos que
requieren gran cantidad de información, por lo tanto, se sugiere que para el modelo se
introduzca información clara y legible que el software pueda procesar.
Verificación: En la verificación, se corre el modelo en el programa observando si el
software es apto para la simulación.
18
Validación: Para la fase de validación, se revisa si el modelo se encuentra
adecuadamente calibrado, siendo comparado con el comportamiento actual del sistema de
interés en un proceso iterativo. Se corrobora el modelo varias veces hasta que se observe
que el modelo replique lo que se mida en el sistema.
Diseño experimental: En el diseño experimental deben ser determinadas todas las
alternativas posibles para la simulación. Es fundamental acá considerar cuáles
alternativas pueden ser simuladas según el tiempo que requieran las pruebas y las
repeticiones que estas requieran.
Pruebas y análisis: Las ejecuciones del modelo y el análisis que se haga de estas son
empleadas para estimar las medidas de calidad y mejoramiento del sistema y su diseño,
los cuales son el interés de la simulación.
Pruebas adicionales: De acuerdo con el análisis realizado a las ejecuciones y pruebas
del modelo, se determina si se requiere de pruebas adicionales y ver qué elementos se
pueden reparar del modelo.
Documentación y reportes: Para este caso, se describen dos tipos de informes: De
programa y de progreso. En los informes de programa se documenta a los usuarios cómo
se emplea el programa y cuál es la manera más adecuada de aplicarlo, mientras que los
informes de progreso proveen reportes constantes e históricos sobre el estado de la
simulación realizada con el fin de predecir próximos resultados y tomar decisiones sobre
el proyecto donde se aplica el modelo de simulación.
Implementación: Conforme al éxito obtenido en las etapas anteriores, se puede aplicar el
modelo siempre y cuando exista un entendimiento por parte del usuario final quien será el
que aplique lo simulado. De lo contrario, puede fracasar el modelo formulado.
19
Figura 1. Pasos claves a seguir en un estudio de simulación.
Fuente: Banks et al. (2004).
20
4.4 CÁLCULO DE RENDIMIENTO VOLUMÉTRICO EN ESPECIES FORESTALES
Se ha reconocido que el tamaño de la distribución de los futuros rendimientos es fundamental
para la solución de una gama de inconvenientes asociados al manejo eficaz de una empresa
comercializadora de productos forestales, teniendo en cuenta que la determinación de la materia
prima, los costos de operación en labores de aprovechamiento y la planificación orientada al
manejo son actividades que enfatizan la importancia de la predicción de la distribución de los
rendimientos (Hyink & Moser Jr., 1983).
Strub & Burkhart (1975) proponen un método de intervalos de clase libres para la obtención de
rendimientos esperados para las distribuciones diamétricas donde la productividad por unidad
espacial puede ser estimada según la distribución de frecuencias de diámetros de acuerdo a la
organización y definición de los intervalos y marcas de clase.
Para el cálculo del volumen esperado según el rendimiento deben seguirse cuatro pasos
importantes:
1. Estimar el número de árboles por unidad de área para cada clase diamétrica.
2. Predecir la altura total promedio para cada clase diamétrica, que puede ser el promedio de
las alturas calculado para cada clase diamétrica o estimando la altura dominante
promedio del rodal de interés.
3. Calcular el volumen por clase diamétrica empleando las marcas de clase y prediciendo
las alturas para dichas marcas de clase de diámetro aplicando esto en el cálculo del
volumen según una ecuación previamente determinada.
4. Sumar los volúmenes obtenidos por clase diamétrica para obtener un estimado de
volumen por unidad de área.
Por otro lado, los mismos autores proponen una ecuación para el cálculo de predicción
volumétrica en función del DAP, teniendo que el volumen de un árbol es una función
determinística del DAP, por lo que el volumen por unidad de superficie para cualquier producto
se define por medio de la siguiente ecuación:
21
, ( )- ∫ ( ) ( )
donde:
V: Volumen esperado por unidad de área
N: Número de árboles por unidad de área
E[]: Valor esperado en función de D, L ≤ D ≤ U.
g(D): Ecuación volumétrica para árboles individuales (para este caso se emplea la fórmula
ilustrada posteriormente, tomada de INDERENA, 1989).
f(D): Función de densidad de probabilidad para la D, que se toma según el ajuste de la
distribución diamétrica.
D: Diámetro a la altura del pecho (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado.
U: Diámetro máximo definido según la muestra o la demanda del mercado.
Usualmente, las ecuaciones de volumen en árboles individuales se presentan de la siguiente
forma (Strub & Burkhart, 1975):
( )
donde b0 y b1 son parámetros constantes que se estiman mediante análisis de regresión. Para este
caso, es importante mencionar que la ecuación volumétrica que se emplea para el cálculo de
volumen individual de todas las especies es la siguiente:
{
Siendo D el DAP en metros y H la altura total (INDERENA, 1989). Esta ecuación de volumen
corresponde a los bosques del Carare-Opón, localizados en el departamento de Santander. Se
empleó esta fórmula debido a que las condiciones de la zona son similares al lugar estudiado en
este trabajo.
22
Para la aplicación de la ecuación propuesta por Strub & Burkhart (1975), se sugiere emplear la
altura dominante H como una constante dentro de la integral definida en función de D. Con esto,
para cada función de probabilidad las ecuaciones quedarían definidas de la siguiente manera de
acuerdo con las funciones de densidad de probabilidad anteriormente mencionadas:
Distribución Normal:
∫ ( ) [
√
.
/
]
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
µ: Valor promedio de DAP (m).
σ: Desviación estándar de los DAP (m).
D: Diámetro a la altura del pecho (m).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (m).
U: Diámetro máximo definido según la muestra o la demanda del mercado (m).
b0 y b1: Parámetros constantes obtenidos de regresión.
Distribución Log-Normal:
∫ ( ) [
√ , -
]
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
µ: Media escalada.
23
σ: Desviación estándar escalada.
D: Diámetro a la altura del pecho (m).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (m).
U: Diámetro máximo definido según la muestra o la demanda del mercado (m).
b0 y b1: Parámetros constantes obtenidos de regresión.
Distribución Gamma:
∫ ( ) [
( )
]
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
α: Forma, la cual debe ser mayor que 0.
β: Escala la cual debe ser mayor que 0.
D: Diámetro a la altura del pecho (cm).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (m).
U: Diámetro máximo definido según la muestra o la demanda del mercado (m).
b0 y b1: Parámetros constantes obtenidos de regresión.
Distribución Weibull:
∫ ( ) [
.
/
]
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
α: Forma, la cual debe ser mayor que 0.
β: Escala, la cual debe ser mayor que 0.
24
D: Diámetro a la altura del pecho (m).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (m).
U: Diámetro máximo definido según la muestra o la demanda del mercado (m).
b0 y b1: Parámetros constantes obtenidos de regresión.
La altura dominante para cada especie se calcula mediante la fórmula de Lohrey que va de la
siguiente manera:
∑
∑
Dónde:
H: Altura dominante (m).
gi: Área basal de cada árbol (m2).
hi: Altura total de cada árbol (m).
(Tomado de Loetsch et al., 1973).
5. METODOLOGÍA
5.1 ZONA DE ESTUDIO
El inventario de las especies de interés se realizó en la vereda Muribá del municipio de
Cantagallo, Bolívar junto con otras veredas del mismo y de San Pablo, Bolívar, las cuales no se
encuentran identificadas en la base de datos del Departamento Nacional de Planeación. Sin
embargo, dichas veredas cuentas con códigos de identificación para una mejor contextualización
geográfica de dichas veredas, cuyos códigos son: 131600010, 13160021 y 13160030 que
pertenecen al municipio de Cantagallo y 13670078, 13670079 y 13670080 que corresponden a
San Pablo (Figura 2).
25
El área muestreada equivale a 206,50 hectáreas, correspondientes a 33 cuadrantes de 6,25
hectáreas cada uno dentro de un área de manejo de 374,6 hectáreas. La toma de los datos de las
variables dendrométricas se realizó en el marco de la elaboración del Plan Operativo de Cosecha
Forestal de la Unidad de Corta definida en el Plan de Manejo Forestal de San Pablo y Cantagallo,
Bolívar.
Figura 2. Localización de la zona de estudio.
Fuente: El Autor.
De acuerdo con el sistema de clasificación de zonas de vida de Holdridge (1987) el sitio de
estudio se cataloga como bosque húmedo tropical (bh-T), abarcándose una cobertura
categorizada como bosque denso alto de tierra firme conforme a la clasificación de coberturas de
tierra CORINE Land Cover para Colombia (IDEAM, 2010a).
5.2 ACTIVIDADES DESARROLLLADAS
Las actividades que se llevaron a cabo en la investigación se contemplaron dentro de cuatro
etapas básicas ilustradas de forma secuencial en la Figura 3.
26
Figura 3. Etapas y procesos básicos a elaborar.
Fuente: El Autor.
Cada una de las actividades correspondientes a cada etapa se describirá a continuación según el
orden en que se desarrollen.
5.2.1 Planeación
La etapa de planeación contempló la zonificación del lugar de estudio (Localización geográfica,
caracterización climática y delimitación de coberturas) así como la preparación del inventario y
revisión de información complementaria para el respaldo de estas actividades de planificación y
operación.
Para la preparación del inventario se realiza una revisión cartográfica de los lugares en los cuales
se va a hacer la medición de los árboles y el tamaño del área a muestrear, el cual equivale a 374,6
ha, que corresponden a la unidad de corta anual de Manejo Forestal de los municipios de San
Pablo y Cantagallo.
5.2.2 Operación
La etapa de operación se enfocó principalmente en la realización del inventario en la zona
midiendo variables dendrométricas tales como diámetro a la altura del pecho (DAP), altura total,
altura comercial, tendencia de caída, calidad fustal (de acuerdo a la forma y rectitud del fuste y
su estado fitosanitario). De la misma manera se determinó según la calidad del árbol si sirve
como semillero. Los árboles medidos que superen los 40 cm de DAP se marcaron las
coordenadas geográficas de cada uno con ayuda del dispositivo GPS.
27
Para el inventario de la unidad de manejo, con ayuda del dispositivo GPS y de la cartografía se
delimitaron cuadrantes que permiten a las cuadrillas ubicarse en el terreno, siendo cada cuadrante
una unidad de muestreo, cuya área equivale a 6,25 ha. En cada cuadricula se realiza la medición
de los árboles.
Para mayor detalle en el inventario, se hizo la colección de muestras vegetales de los árboles
medidos con el fin de identificar las especies botánicas a las que corresponden los individuos que
fueron mensurados.
5.2.3 Análisis de datos
Para la etapa de análisis comenzó con la digitación de los datos tomados en campo para facilitar
el análisis estadístico de los mismos. Se realizó la distribución diamétrica general de los árboles
medidos así como para cada especie. De la misma manera se analizó la distribución de las áreas
basales y volúmenes comerciales en las clases diamétricas definidas. De acuerdo al número de
árboles por clase diamétrica, el área basal y el volumen que represente cada especie fueron
seleccionadas las más relevantes en estos indicadores, es decir, las especies con mayor número
de árboles, cobertura basal y volumen de madera.
Los datos de DAP de las especies seleccionadas se analizaron estadísticamente con el fin de
identificar la distribución de probabilidad a la que se ajustan los diámetros de los árboles de las
especies de interés.
5.2.4 Resultados
De acuerdo con los análisis previamente realizados se simularon las distribuciones diamétricas
generando números aleatorios de diámetros, se proyectan los rendimientos en términos de
crecimiento conforme a la variación que exista entre clases diamétricas y con esto se establece el
diámetro mínimo de corta para cada especie.
28
La Figura 4 ilustra de manera secuencial la metodología a emplear para el desarrollo de la
investigación que se menciona utilizando un diagrama de flujo que señale cada actividad dentro
de las etapas descritas.
29
Figura 4. Actividades a desarrollar dentro de cada etapa.
Fuente: El Autor.
30
Figura 5. Pasos seguidos durante la etapa de resultados para la simulación de las variables de interés.
Fuente: El Autor.
31
6. RESULTADOS Y DISCUSIÓN
Para una mejor interpretación de los resultados, se le asignó un código a cada especie estudiada
con base a su nombre científico (Tabla 2).
Tabla 2. Códigos asignados para cada especie.
NOMBRE COMÚN NOMBRE CIENTÍFICO CÓDIGO
ESPECIE FAMILIA
Algarrobo Hymenaea courbaril L. HYC FABACEAE
Amargo Dipteryx sp. DIP FABACEAE
Canelo Ocotea sp. OCO LAURACEAE
Caña brava Crudia glaberrima (Steud.) J.F.Macbr CRU FABACEAE
Coco picho Couratari guianensis Aubl. COG LECYTHIDACEAE
Lecheperra Pseudolmedia laevigata Trécul PSL MORACEAE
Perillo Brosimum cf. guianense (Aubl.) Huber ex Ducke BRG MORACEAE
Sande Brosimum utile (Kunth) Oken BRU MORACEAE
Sangretoro Virola sebifera Aubl. VIS MYRISTICACEAE
Sapán Clathrotropis cf. brunnea Amshoff CLB FABACEAE
Virola Virola cf. loretensis A.C. Sm. VIL MYRISTICACEAE
Fuente: El Autor.
6.1 DISTRIBUCIÓN DIAMÉTRICA POR ESPECIE
6.1.1 Número de árboles por cuadrante
De acuerdo con los códigos asignados para cada especie, se presenta a continuación el recuento
de la distribución de los árboles por cuadrante para cada especie teniendo en cuenta que fueron
medidos en total 33 cuadrantes, cada uno con un área de 6,25 hectáreas (Tabla 3).
32
Tabla 3. Número de árboles por especie en cada cuadrante.
DIP HYC BRU BRG CLB COG PSL OCO VIL VIS CRU
C11 0 12 19 6 52 21 6 0 1 0 0
C12 0 7 27 12 1 18 8 7 0 2 1
C15 4 3 16 5 70 7 4 6 1 2 2
D11 0 3 19 1 6 14 7 0 0 0 0
D12 0 13 26 16 0 9 7 7 3 5 0
D13 0 7 25 12 47 22 12 0 4 0 0
D14 4 6 23 8 47 4 4 2 8 0 3
D15 11 2 12 1 110 4 0 0 3 4 3
E12 0 2 2 8 0 2 19 10 7 0 5
E13 8 20 41 14 26 28 14 2 7 7 9
E14 0 7 49 6 49 26 9 0 7 0 0
E9 1 3 17 5 3 23 1 0 0 0 0
F12 2 6 35 4 0 12 4 1 1 7 9
F13 1 5 52 35 0 24 16 22 0 0 1
F14 14 10 21 7 15 9 0 15 27 0 9
F9 4 2 16 3 18 4 3 0 3 2 1
G12 2 1 20 4 9 11 4 0 6 0 0
G13 1 5 55 41 1 30 11 2 4 1 2
G14 1 21 62 20 22 18 2 0 4 0 1
G6 3 0 1 1 74 2 1 0 1 4 0
H12 2 3 21 0 1 1 2 0 2 6 4
H13 8 8 68 19 8 20 16 4 0 4 9
H14 5 5 27 1 85 6 1 0 1 3 2
H5 2 0 4 9 64 24 2 0 2 0 0
I14 3 1 21 6 60 2 1 0 2 2 0
I5 3 1 3 11 51 8 5 1 0 0 0
I8 0 0 4 12 25 12 1 0 2 0 0
I9 1 1 3 19 28 5 0 3 0 0 0
J12 1 1 49 9 12 5 10 6 3 4 4
J13 1 3 0 10 6 13 32 6 1 0 0
K13 0 4 33 7 2 3 5 0 1 0 0
K9 0 4 11 6 34 8 2 0 5 4 1
L9 0 0 3 4 46 21 6 0 1 0 0
TOTAL 82 166 785 322 972 416 215 94 107 57 66
PROMEDIO 2,48 5,03 23,79 9,76 29,45 12,61 6,52 2,85 3,24 1,73 2,00
DESVIACIÓN ESTÁNDAR 3,37 5,22 18,69 9,07 29,40 8,80 6,88 4,96 4,88 2,28 2,98
Fuente: El Autor.
Especie
Cuadrante
33
6.1.2 Distribución de la estructura de cada especie
En primera instancia de acuerdo a un área muestreada de 374,6 hectáreas, se calculó el número
de árboles, área basal y volumen por hectárea de cada especie (Tabla 4), a partir de la
información de cada una tomada para los 33 cuadrantes de 6,25 ha cada uno.
Tabla 4. Número de individuos, área basal y volumen por hectárea calculados para cada especie.
Código
especie
Total
individuos
Número de individuos por
hectárea
Área basal
(m2/ha)
Volumen total
(m3/ha)
HYC 166 0,443 0,135 1,979
DIP 82 0,200 0,070 0,990
OCO 94 0,251 0,036 0,495
CRU 68 0,182 0,034 0,512
COG 416 1,103 0,284 4,225
PSL 213 0,569 0,063 0,895
BRG 322 0,857 0,152 2,088
BRU 785 2,085 0,410 5,958
VIS 57 0,152 0,025 0,367
CLB 972 2,595 0,414 6,058
VIL 107 0,286 0,047 0,713
TOTAL 3282 8,72 1,669 24,282
Fuente: El Autor.
Conforme a esto, se muestra por especie la distribución diamétrica por hectárea, área basal,
volumen y relación altura total – DAP (Figuras 6-16).
34
Figura 6. Distribución de la estructura de la especie Dipteryx sp. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP.
Fuente: El autor.
a. b
.
c. d
.
35
Figura 7. Distribución de la estructura de la especie Hymenaea courbaril L. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por
clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
0,000
0,020
0,040
0,060
0,080
0,100
I II III IV V VI VII VIII IX XNú
mer
o d
e in
div
idu
os
po
r h
a
Clase diamétrica
0,0000
0,0050
0,0100
0,0150
0,0200
0,0250
0,0300
0,0350
I II III IV V VI VII VIII IX X
Áre
a b
asal
(m
2/h
a)
Clase diamétrica
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
I II III IV V VI VII VIII IX X
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
y = 7,4063x0,2908 R² = 0,557
0
5
10
15
20
25
30
35
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Alt
ura
to
tal (
m)
DAP (cm)
a. b.
c. d.
36
Figura 8. Distribución de la estructura de la especie Ocotea sp. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por clase
diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
0,000
0,010
0,020
0,030
0,040
0,050
0,060
0,070
0,080
I II III IV V VI VII VIII IXNú
mer
o d
e in
div
idu
os
po
r h
a
Clase diamétrica
0,00000
0,00100
0,00200
0,00300
0,00400
0,00500
0,00600
0,00700
0,00800
I II III IV V VI VII VIII IX
Áre
a b
asal
(m
2/h
a)
Clase diamétrica
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
I II III IV V VI VII VIII IX
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
y = 7,5121x0,2713 R² = 0,477
0
5
10
15
20
25
30
0,0 20,0 40,0 60,0 80,0 100,0 120,0A
ltu
ra t
ota
l (m
) DAP (cm)
a. b.
c. d.
37
Figura 9. Distribución de la estructura de la especie Crudia glaberrima (Steud.) J.F. Macbr. a. Distribución diamétrica. b. Área basal por clase diamétrica. c.
Volumen total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
a. b
.
c. d
.
38
Figura 10. Distribución de la estructura de la especie Couratari guianensis Aubl. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total
por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
c.
a. b
.
d
.
39
Figura 11. Distribución de la estructura de la especie Pseudolmedia laevigata Trécul. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen
total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
a. b
.
c. d
.
40
Figura 12. Distribución de la estructura de la especie Brosimum cf. guianense (Aubl.) Huber ex Ducke. a. Distribución diamétrica. b. Área basal por clase
diamétrica. c. Volumen total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
y = 6,9854x0,2816 R² = 0,402
0
5
10
15
20
25
30
35
0,0 20,0 40,0 60,0 80,0 100,0 120,0A
ltu
ra t
ota
l (m
) DAP (cm)
0,000
0,050
0,100
0,150
0,200
0,250
I II III IV V VI VII VIII IX XNú
mer
o d
e in
div
idu
os
po
r h
a
Clase diamétrica
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
I II III IV V VI VII VIII IX X
Áre
a b
asal
(m
2/h
a)
Clase diamétrica
0,000
0,100
0,200
0,300
0,400
0,500
0,600
I II III IV V VI VII VIII IX X
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
a. b.
c. d.
41
Figura 13. Distribución de la estructura de la especie Brosimum utile (Kunth) Oken. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen
total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
y = 6,1071x0,3275 R² = 0,667
0
5
10
15
20
25
30
35
0,0 20,0 40,0 60,0 80,0 100,0 120,0 140,0A
ltu
ra t
ota
l (m
) DAP (cm)
0,000
0,200
0,400
0,600
0,800
1,000
1,200
I II III IV V VI VII VIII IX X XI XII
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
I II III IV V VI VII VIII IX X XI XII
Áre
a b
asal
(m
2/h
a)
Clase diamétrica
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
0,400
I II III IV V VI VII VIII IX X XI XIINú
mer
o d
e in
div
idu
os
po
r h
a
Clase diamétrica a. b.
c. d.
42
Figura 14. Distribución de la estructura de la especie Virola sebifera Aubl. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen total por
clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
0,000
0,020
0,040
0,060
0,080
0,100
I II III IV V VI VII
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
0,000
0,005
0,010
0,015
0,020
0,025
0,030
0,035
0,040
I II III IV V VI VIINú
mer
o d
e in
div
idu
os
po
r h
a
Clase diamétrica
0,0000
0,0010
0,0020
0,0030
0,0040
0,0050
0,0060
0,0070
I II III IV V VI VII
Áre
a b
asal
(m
2/h
a)
Clase diamétrica
y = 14,691e0,0087x R² = 0,5936
0
5
10
15
20
25
30
0,0 20,0 40,0 60,0 80,0A
ltu
ra t
ota
l (m
)
DAP (cm)
a. b.
c. d.
43
Figura 15. Distribución de la estructura de la especie Clathrotropis cf. brunnea Amshoff. a. Distribución diamétrica. b. Área basal por clase diamétrica. c.
Volumen total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
0,000
0,500
1,000
1,500
2,000
I II III IV V VI VII VIII IX X
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
I II III IV V VI VII VIII IX XNú
me
ro d
e in
div
idu
os
po
r h
a
Clase diamétrica
y = 6,0585x0,338 R² = 0,5029
0
5
10
15
20
25
30
35
0,0 20,0 40,0 60,0 80,0 100,0 120,0A
ltu
ra t
ota
l (m
)
DAP (cm)
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
I II III IV V VI VII VIII IX X
Áre
a b
asal
(m
2/h
a)
Clase diamétrica a. b.
c. d.
44
Figura 16. Distribución de la estructura de la especie Virola cf. loretensis A.C. Sm. a. Distribución diamétrica. b. Área basal por clase diamétrica. c. Volumen
total por clase diamétrica. d. Relación altura total - DAP.
Fuente: El Autor.
0,000
0,020
0,040
0,060
0,080
0,100
I II III IV V VI VII VIII IX XNú
me
ro d
e in
div
idu
os
po
r h
a
Clase diamétrica
0,0000
0,0200
0,0400
0,0600
0,0800
0,1000
0,1200
0,1400
0,1600
I II III IV V VI VII VIII IX X
Vo
lum
en t
ota
l (m
3/h
a)
Clase diamétrica
y = 0,1797x + 14,297 R² = 0,6454
0
5
10
15
20
25
30
35
40
0,0 20,0 40,0 60,0 80,0 100,0 120,0A
ltu
ra t
ota
l (m
)
DAP (cm)
0,0000
0,0020
0,0040
0,0060
0,0080
0,0100
I II III IV V VI VII VIII IX X
Áre
a b
asal
(m
2/h
a)
Clase diamétrica a. b.
c. d.
45
6.2 SIMULACIÓN DE DISTRIBUCIÓN DIAMÉTRICA PARA CADA ESPECIE
6.2.1 Función de distribución de probabilidad identificada para cada especie
Por medio del software EasyFitXL® v. 5.6 se realizó el Análisis de Simulación de los datos de
cada especie para comprobar la función de probabilidad a la que mejor se ajustan los datos
aplicando la prueba de bondad de ajuste de Anderson & Darling (1952, 1954) generando así
datos aleatorios ajustados a los parámetros de la función determinada que el software identificara
para así, poder plantear la ecuación de la función de densidad de probabilidad en la distribución
diamétrica de cada especie.
Las pruebas de bondad de ajuste proveen una ayuda y una guía sobre la idoneidad de un modelo
de entrada. Aunque no haya alguna correcta y simple distribución en una aplicación real, es
importante que como usuario de la estadística no se acostumbre a predecir o a juzgar sobre una
prueba (Banks et al., 2004). Dentro de una serie de datos amplia, es posible aplicar una prueba
de bondad de ajuste para aceptar si dicha serie se distribuye conforme a una tendencia
determinada según sus parámetros o de lo contrario se rechaza el planteamiento.
En distintas situaciones se desea conocer si una serie de datos correspondientes a un experimento
determinado se ajustan a una función probabilística en particular (Kozak et al., 2008). Por lo
tanto, el problema a tratar de manera inferencial si una muestra corresponde a una población con
una función de distribución acumulada, sin tener en cuenta la agrupación de las observaciones
(Anderson & Darling, 1952), tomándose esto como la hipótesis nula.
Anderson & Darling (1952, 1954) consideran una prueba estadística mediante la cual se pueda
comprobar una hipótesis en la que una muestra de cualquier tamaño, de lo contrario, si no hay
ajuste de la muestra con respecto a una función determinada se rechaza la hipótesis. La fórmula
que ilustra la prueba de Anderson & Darling es:
∫
, ( ) ( )-
, ( )* ( )+- ( )
46
Donde Fn(x) es la función de distribución empírica y F(x) es la función de distribución teórica.
Esta prueba puede ser computada ordenando los datos de forma ascendente de tal manera que x1
≤ x2 ≤ x3 ≤………≤ xn para así obtener:
(
)∑( )[ ( ) ( )]
Donde uj = F(xi); i= 1, 2, 3,……, n. De esta forma, la prueba asintótica sería:
( )
(Tomado de Giles, 2001).
En el caso del modelamiento de distribuciones diamétricas, la distribución de probabilidad usada
para el análisis de las frecuencias de diámetros corresponden a una familia de distribuciones
definidas con distintos parámetros que puedan relacionarse con variables propias del rodal como
el índice de sitio, edad o densidad (Reynolds Jr. et al.; 1988). Por lo tanto, es importante
especificar las variables del rodal que van a ser modeladas y el modelo de probabilidad que
mejor se ajusta a la serie de datos correspondiente a la muestra, en este caso la distribución de los
diámetros.
En la Tabla 5 se observan las funciones de densidad de probabilidad a las cuales se ajustan los
datos de DAP de cada especie junto con los parámetros que definen dicha función y los
estadísticos de bondad de ajuste de Anderson & Darling.
47
Tabla 5. Funciones de probabilidad identificadas para cada especie y los estadísticos de bondad de ajuste.
CÓDIGO
ESPECIE
FUNCIÓN DE PROBABILIDAD
DIAMÉTRICA PARÁMETROS
BONDAD DE
AJUSTE
HYC Normal Media = 58,593; Desv. Est. =
21,151 A = 0,53
DIP Gamma Forma = 6,4246; Escala =
10,693 A = 0,32
OCO Log-Normal µ = 3,5871; σ = 0,40235 A = 0,16
CRU Gamma Forma = 7,9882; Escala =
5,7953 A = 0,34
COG Weibull α = 2,6147; β = 59,891 A = 1,17
PSL Log-Normal µ = 3,5034; σ = 0,38938 A = 0,34
BRG Weibull α = 3,3259; β = 50,235 A = 0,26
BRU Gamma Forma = 5,07; Escala =
9,1254 A = 1,58
VIS Gamma Forma = 9,3094; Escala =
4,6358 A = 0,23
CLB Gamma Forma = 10,586; Escala =
4,0704 A = 1,85
VIL Log-Normal µ = 3,6409; σ = 0,40235 A = 0,25
Fuente: El Autor.
Las distribuciones de probabilidad ajustadas se asumen como la hipótesis nula. Por lo tanto, el
ajuste de la serie de datos de DAP se evaluará a partir de las siguientes hipótesis:
Ho: La función se ajusta a una distribución cualquiera si A < 2,5018 (α = 0.05).
Ha: La función no se ajusta a la función en cuestión si A ≥ 2,5018 (α = 0.05).
El software EasyFitXL®
calcula los valores de A que corresponden al valor de A2n obtenido en la
prueba de Anderson & Darling empleando la tabla propuesta por D’Agostino & Stephens (1986)
y a partir de esto comprueba las hipótesis planteadas.
Conforme a lo ilustrado en la Tabla 5 en lo que refiere a las pruebas de hipótesis y los
estadísticos de ajuste de Anderson-Darling, se acepta la hipótesis nula planteada para cada una
de las distribuciones de probabilidad mencionadas que se ajustaron a la distribución diamétrica
de cada especie y se simula a partir de los parámetros obtenidos allí, dado que en todos los casos,
el valor de A en cada especie es menor que el crítico de 2,5018.
48
6.2.2 Simulación del número de árboles por cuadrante por especie
Para la simulación del número de árboles por cuadrante (6,25 ha), se realizó un análisis de
frecuencia de la variable para analizar las veces que se presentaba un cuadrante con n árboles
para así, tabular las frecuencias acumuladas y aplicar la simulación por medio de la distribución
empírica discreta. Esto se simuló para cada especie dado que presentaban distintos números de
árboles por cuadrante y por consiguiente, su distribución en el espacio era diferente.
Se simularon 50 cuadrantes en 10 repeticiones y con esto, se obtuvieron diferentes valores de
promedio de árboles por cuadrante así como el total de árboles para los 50 cuadrantes simulados
de cada repetición (Ver Anexo 1). Así, se seleccionó la repetición con mayor número de árboles
dentro de los 50 cuadrantes para luego, agrupar las frecuencias del número de árboles por
cuadrante de cada especie de los 33 cuadrantes reales y los 50 simulados para realizar la prueba
de χ2 (α = 0.05) bajo las siguientes hipótesis:
Ho: No hay diferencias significativas entre los datos reales y los simulados si χ2c < χ
2t.
Ha: Existen diferencias significativas entre los datos reales y simulados si χ2c > χ
2t.
Conforme a las hipótesis planteadas, se muestra en la Tabla 6 los resultados de la prueba de χ2
señalando si se rechaza o no la hipótesis nula. Los cálculos de la prueba junto con los intervalos
establecidos se encuentran en el Anexo 2.
49
Tabla 6. Prueba de hipótesis de χ2 realizada para calcular diferencias en número de árboles por cuadrante de cada
especie.
CÓDIGO ESPECIE χ2 CALCULADO χ
2 CRÍTICO ¿SE RECHAZA HIPÓTESIS NULA?
HYC 5,675 9,488 No
DIP 11,264 7,815 Si
OCO 8,231 11,070 No
CRU 17,730 9,488 Si
COG 8,981 11,070 No
PSL 38,818 12,592 Si
BRG 8,762 9,488 No
BRU 32,091 12,592 Si
VIS 6,855 7,815 No
CLB 35,164 18,307 Si
VIL 11,544 9,488 Si
Fuente: El Autor.
Los grados de libertad determinaron valores de χ2 críticos muy bajos con respecto a los valores
calculados a partir de la comparación de las frecuencias relativas porcentuales. Por otra parte,
las diferencias entre las frecuencias observadas y las obtenidas en la simulación se dieron debido
a la heterogénea y dispersa distribución que tenían los individuos y al gran número de cuadrantes
en los que no se encontraban árboles de una especie.
Para el caso de aquellas especies que no presentaron diferencias significativas, se considera que
la regularidad de su distribución en el espacio y a la tendencia uniforme que se da en la misma.
En todos los casos, la simulación de datos realizada mediante la aplicación de la distribución
empírica no genera una tendencia de la distribución de la probabilidad discreta para la variable
en cuestión dado que las diferencias existentes entre las diferentes especies estudiadas permite
deducir que no tiene aplicabilidad en este caso.
6.2.3 Simulación de la distribución diamétrica por especie
A partir de las funciones de distribución de probabilidad que se ajustaron para las distribuciones
diamétricas de las diferentes especies y los parámetros calculados de las distintas funciones de
probabilidad obtenidas, se empleó el software EasyFitXL®
para generar números de forma
50
aleatoria de la variable DAP. De esta manera y de acuerdo con los cuadrantes simulados, se
generaron números aleatorios para el cuadrante que tuviera mayor número de árboles en cada
especie. la serie de datos generada fue agrupada y se elaboró la distribución diamétrica con los
mismos, la cual fue comparada con la distribución diamétrica de los datos reales tomados en
campo mediante la prueba de χ2 (α = 0.05) de acuerdo a las siguientes hipótesis:
Ho: No hay diferencias significativas entre los datos reales y los simulados si χ2c < χ
2t.
Ha: Existen diferencias significativas entre los datos reales y simulados si χ2c > χ
2t.
Conforme a las hipótesis planteadas, se muestra en la Tabla 7 los resultados de la prueba de χ2
señalando si se rechaza la hipótesis nula.
Tabla 7. Prueba de hipótesis de χ2 realizada para calcular diferencias entre las distribuciones diamétricas.
CÓDIGO ESPECIE χ2 CALCULADO χ
2 CRÍTICO ¿SE RECHAZA HIPÓTESIS NULA?
HYC 7,034 19,675 No
DIP 33,403 22,362 Si
OCO 15,071 16,919 No
CRU 20,027 14,067 Si
COG 6,356 21,026 No
PSL 2,556 16,919 No
BRG 2,988 15,507 No
BRU 3,450 22,362 No
VIS 12,223 15,507 No
CLB 1,756 16,919 No
VIL 36,621 18,307 Si
Fuente: El Autor.
De la misma manera, se presentan diagramas de barra para comparar las frecuencias relativas de
las clases diamétricas definidas en los datos observados y simulados (Figura 17-27).
51
Figura 17. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
amargo.
Fuente: El Autor.
Figura 18. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
algarrobo.
Fuente: El Autor.
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
20,00
I II III IV V VI VII VIII IX X XI XII XIII XIV
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
0,00
5,00
10,00
15,00
20,00
25,00
R I II III IV V VI VII VIII IX X XI
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
52
Figura 19. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
canelo.
Fuente: El Autor.
Figura 20. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
caña brava.
Fuente: El Autor.
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
I II III IV V VI VII VIII IX X
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
0,00
5,00
10,00
15,00
20,00
25,00
30,00
I II III IV V VI VII VIII
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
53
Figura 21. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
coco picho.
Fuente: El Autor.
Figura 22. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
lecheperra.
Fuente: El Autor.
0,00
5,00
10,00
15,00
20,00
25,00
R I II III IV V VI VII VIII IX X XI XII
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
I II III IV V VI VII VIII IX X
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
54
Figura 23. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
perillo.
Fuente: El Autor.
Figura 24. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
sande.
Fuente: El Autor.
0,00
5,00
10,00
15,00
20,00
25,00
30,00
R I II III IV V VI VII VIII
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
0,00
5,00
10,00
15,00
20,00
25,00
R I II III IV V VI VII VIII IX X XI XII XIII
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
55
Figura 25. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
sangretoro.
Fuente: El Autor.
Figura 26. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
sapán.
Fuente: El Autor.
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
I II III IV V VI VII VIII IX
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
I II III IV V VI VII VIII IX X
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
56
Figura 27. Distribución de frecuencias relativas observadas y simuladas para las clases diamétricas definidas para
virola.
Fuente: El Autor.
Para las distribuciones diamétricas de cada especie se obtiene que a pesar de haber sido ajustadas
las series de datos de DAP mediante la prueba de bondad de ajuste de Anderson-Darling, las
frecuencias relativas de los datos generados para amargo, caña brava y virola tienen diferencias
considerables con respecto a las frecuencias de los datos reales en cada uno de los intervalos, es
decir, cada intervalo evaluado de las especies anteriormente mencionadas presentan diferencias
considerables de las frecuencias relativas porcentuales de los datos reales y los datos simulados
(Ver Figuras 17, 20 y 27).
De forma contraria para aquellos casos donde las frecuencias relativas de los datos simulados no
presentaron diferencias significativas, debido a que las frecuencias relativas mostradas en cada
uno de los intervalos evaluados no presentan distinciones notorias en los porcentajes (Ver
Figuras 18, 19 21, 22, 23, 24, 25 y 26).
6.3 PROYECCIÓN DE RENDIMIENTO PARA CADA ESPECIE
La proyección de rendimiento volumétrica de cada especie consiste en el cálculo del volumen
esperado de la masa que presenta la especie conforme a la distribución diamétrica y el volumen
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
I II III IV V VI VII VIII IX X
Frec
uen
cia
rela
tiva
(%
)
Clase diamétrica
Frecuencia relativa observada Frecuencia relativa simulada
57
individual de cada árbol. Para este caso, se emplea el método previamente mencionado de Strub
& Burkhart (1975) para calcular el volumen esperado de una masa forestal por unidad espacial a
partir de la función de densidad probabilística sobre la cual se distribuyen las frecuencias
diamétricas y el volumen de los árboles individuales. Así, teniendo en cuenta las cuatro
distribuciones de probabilidad ajustadas a las distribuciones diamétricas de las especies (Normal,
Log-Normal, Gamma y Weibull), las fórmulas en este caso que se toma son las siguientes:
6.3.1 Distribución Normal
∫ ( ) [
√
.
/
]
∫ ( ) [
√
.
/
]
donde:
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
µ: Valor promedio de DAP (cm).
σ: Desviación estándar de los valores de DAP de los valores de DAP (cm).
D: Diámetro a la altura del pecho (cm).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (cm).
U: Diámetro máximo definido según la muestra o la demanda del mercado (cm).
DU-VI: Diámetro mayor de la sexta clase diamétrica (cm).
DL-VII: Diámetro menor de la séptima clase diamétrica (cm).
6.3.2 Distribución Log-Normal
∫ ( ) [
√ , -
]
∫ ( ) [
√ , -
]
58
donde:
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
µ: Media escalada.
σ: Desviación estándar escalada.
D: Diámetro a la altura del pecho (cm).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (cm).
U: Diámetro máximo definido según la muestra o la demanda del mercado (cm).
DU-VI: Diámetro mayor de la sexta clase diamétrica (cm).
DL-VII: Diámetro menor de la séptima clase diamétrica (cm).
6.3.3 Distribución Gamma
∫ ( ) [
( )
]
∫ ( ) [
( )
]
donde:
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
α: Forma, la cual debe ser mayor que 0.
β: Escala, la cual debe ser mayor que 0.
D: Diámetro a la altura del pecho (cm).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (cm).
U: Diámetro máximo definido según la muestra o la demanda del mercado (cm).
DU-VI: Diámetro mayor de la sexta clase diamétrica (cm).
59
DL-VII: Diámetro menor de la séptima clase diamétrica (cm).
6.3.4 Distribución Weibull
∫ ( ) [
.
/
]
∫ ( )[
.
/
]
donde:
V: Volumen esperado por unidad de área (m3/ha).
N: Número de árboles por unidad de área (individuos/ha).
α: Forma, la cual debe ser mayor que 0.
β: Escala, la cual debe ser mayor que 0.
D: Diámetro a la altura del pecho (cm).
H: Altura dominante (m).
L: Diámetro mínimo definido según la muestra o la demanda del mercado (cm).
U: Diámetro máximo definido según la muestra o la demanda del mercado (cm).
DU-VI: Diámetro mayor de la sexta clase diamétrica (cm).
DL-VII: Diámetro menor de la séptima clase diamétrica (cm).
Es importante aclarar que los valores se dividen sobre 10.000 con el fin de convertir los
volúmenes a metros cúbicos, dado que los valores en centímetros de DAP se operarían con
alturas dominantes dadas en metros y parámetros de funciones estimados a partir de datos en
centímetros.
En cada una de las integrales propuestas, el primer sumando comprende los diámetros de los
fustales con diámetros entre 10 a 70 cm, mientras que el segundo sumando comprende aquellos
con DAP mayor a 70 cm. Para la definición de las clases diamétricas, se establecieron intervalos
de clase divididos cada 10 cm de DAP, partiendo de un valor inicial de 10 (Tabla 8). Para el caso
60
de las distribuciones diamétricas simuladas, se consideraron los números menores a 10 cm dentro
de una clase diamétrica R que corresponde a la regeneración natural simulada.
Tabla 8. Clases diamétricas definidas según intervalos planteados.
Clase diamétrica Intervalo de clase (cm) Marca de clase (cm)
R <10
I 10-20 15
II 20-30 25
III 30-40 35
IV 40-50 45
V 50-60 55
VI 60-70 65
VII 70-80 75
VIII 80-90 85
IX 90-100 95
X 100-110 105
XI 110-120 115
XII 120-130 125
XIII 130-140 135
XIV >140
Fuente: El Autor.
Las ecuaciones se resolvieron empleando el software GeoGebra© v. 5.0, siendo estas
introducidas en el sistema como funciones para así por medio de la integral, calcular el área bajo
la curva desde dos puntos ubicados sobre el eje X de la gráfica los cuales representan los
diámetros mínimos y máximos de cada caso. Los valores de los volúmenes reales y esperados
obtenidos a partir del cálculo se observan en la Tabla 9.
61
Tabla 9. Valores de volúmenes reales y esperados calculados para cada especie según el promedio de árboles por
hectárea.
CÓDIGO
ESPECIE
PROMEDIO
DE ÁRBOLES
POR
CUADRANTE
PROMEDIO
DE ÁRBOLES
POR
HECTÁREA
VOLUMEN
ESPERADO POR
HECTÁREA (m3/ha)
VOLUMEN POR
HECTÁREA
CALCULADO
(m3/ha)
DIFERENCIA
VOLUMEN
CALCULADO
-ESPERADO
CLB 29,45 2,595 5,508 6,058 0,550
BRU 23,79 2,085 5,523 5,958 0,435
COG 12,61 1,103 3,652 4,225 0,573
BRG 9,76 0,857 1,891 2,088 0,197
HYC 5,03 0,443 0,966 1,979 1,013
DIP 2,48 0,200 1,055 0,990 -0,065
PSL 6,45 0,569 0,739 0,895 0,157
VIL 3,24 0,286 0,595 0,713 0,118
CRU 2,06 0,182 0,381 0,512 0,131
OCO 2,85 0,251 0,403 0,495 0,092
VIS 1,73 0,152 0,298 0,367 0,070
TOTAL 99,45 8,721 21,011 24,282 3,270
Fuente: El Autor.
Figura 28. Comparación de volúmenes reales y esperados de cada especie.
Fuente: El Autor.
De acuerdo con lo mostrado en la Tabla 9, se observa que los valores de volumen esperado
obtenidos mediante el método propuesto por Strub & Burkhart (1975) son menores que los
0,000
1,000
2,000
3,000
4,000
5,000
6,000
7,000
CLB BRU COG BRG HYC DIP PSL VIL CRU OCO VIS
Vo
lum
en (
m3/h
a)
Especie
VOLUMEN POR HECTÁREA CALCULADO VOLUMEN ESPERADO POR HECTÁREA
62
valores reales calculados. Sin embargo, para el caso del amargo, el volumen esperado supera el
valor real calculado por una diferencia de 0,065 m3/ha.
En los demás casos, las diferencias de los volúmenes reales y los esperados de cada especie son
muy variables y donde el volumen esperado siempre es menor que el real calculado. Así, se
obtiene que la mayor diferencia se da en el algarrobo donde el volumen real supera al esperado
por un valor de 1,013 m3/ha y la menor diferencia identificada corresponde al sangretoro,
presentando un valor de 0,070 m3/ha.
Por lo tanto, al aplicar un método de proyección volumétrica como éste, independiente de la
distribución de probabilidad a la que se ajuste la distribución diamétrica de una especie
determinada, se subestima el rendimiento volumétrico de las distintas clases diamétricas,
arrojando siempre los valores menores que se aquellos tomados en campo considerando que la
diferencia de volumen es de 3,270 m3/ha que equivale al 13,47% del valor real calculado y un
15,56% del valor esperado estimado mediante la fórmula de Strub & Burkhart (1975).
6.4 PROPUESTA DE MANEJO SILVICULTURAL DE CADA ESPECIE
Para la formulación de propuestas de manejo silvicultural de cada especie, se busca de acuerdo a
la clasificación de gremios ecológicos de cada una determinar la propuesta de manejo más
adecuada para cada especie de acuerdo a la distribución diamétrica previamente observada, el
ajuste estadístico realizado bajo pruebas de bondad de ajuste y los parámetros estimados y los
métodos de proyección volumétrica a partir de probabilidad.
En primer lugar, teniendo en cuenta los valores de densidad básica y anhidra de las maderas de
cada una de las especies en diferentes categorías de peso establecidas por Guevara (2001) y de
acuerdo con esto, clasificar las especies en gremios ecológicos según las consideraciones dadas
por Budowski (1965).
63
6.4.1 Clasificación de las maderas según peso
La densidad de la madera corresponde a la relación proporcional resultante entre la masa y el
volumen de la madera (Guevara, 2001). Para el caso de la densidad anhidra, hace referencia a la
relación proporcional que se calcula de la división de la masa de la madera con contenido de
agua cercano al 0% y el volumen en este mismo estado, mientras que la densidad básica
relaciona la masa de la madera con contenido de humedad cercano al 0% con el volumen de la
misma cuando la muestra presenta un contenido de humedad al punto de saturación de fibras, es
decir, cercano al 30%. En el punto de saturación de fibras, la madera ha absorbido la mayor
cantidad de agua posible (Guevara, 2001).
Tabla 10. Clasificación de maderas de cada especie de acuerdo a su densidad anhidra.
CÓDIGO
ESPECIE
DENSIDAD BÁSICA
(g/cm3)
DENSIDAD ANHIDRA
(g/cm3)
FUENTE CATEGORÍA DE
PESO**
BRU 0,422 0,477 Lastra (1987) Liviana
VIL 0,450 0,520 Fearnside (1997) Liviana
VIS 0,446 0,550 Lastra (1987) Liviana
COG 0,496 0,583 Lastra (1987) Medianamente
pesada
PSL 0,640 0,750 Lastra (1987) Medianamente
pesada
OCO 0,655 0,757 Lastra (1987) Medianamente
pesada
HYC 0,765 0,880 Vásquez & Ramírez
(2005) Pesada
CLB 0,820 0,930 Lastra (1987) Pesada
DIP 0,855 1,000 Vásquez & Ramírez
(2005) Pesada
BRG 0,960 1,348 Fearnside (1997) Muy pesada
CRU No hay registros No hay registros No hay registros Muy pesada*
*Clasificación dada por INRENA (1996). **La clasificación de peso se define según las categorías expuestas por
Guevara (2001). Fuente: El Autor.
6.4.2 Clasificación de las especies en gremios ecológicos
De acuerdo con Budowski (1965), los estados de la sucesión ecológica de los bosques tropicales
pueden distinguirse de acuerdo a una serie de atributos florísticos, fisonómicos y estructurales
que tengan en común diferentes especies. Dichos atributos conjugarán comunidades vegetales
donde cada uno de sus componentes comparte ciertos rasgos que abarcan características
64
estructurales, fisiológicas, reproductivas, entre otras. A dichas comunidades se les conoce como
gremios ecológicos.
En este caso, el peso de la madera y la distribución diamétrica son dos características clave para
la clasificación de especies en gremios, asociado con la capacidad reproductiva que tienen los
individuos de la especie, capacidad de dispersión para la colonización de claros, su grado de
tolerancia a la sombra que de alguna manera determina su tasa de crecimiento, siendo más lenta
cuando la especie presenta mayor tolerancia a la sombra. Con esto, se emplea una característica
genérica como el peso de la madera para clasificar las especies en gremios teniendo que, las
especies con maderas más densas van a corresponder a gremios tardíos.
El mismo autor establece que, aquellas especies con maderas livianas y medianamente pesadas
que presenten una cantidad considerable de individuos en clases diamétricas mayores a 60 cm se
catalogan como especies secundarias tardías, mientras que aquellas especies con maderas
pesadas y duras con mayor proporción de individuos en clases diamétricas superiores se
consideran especies climax que aparecen en la última etapa sucesional.
Tabla 11. Clasificación de las especies en gremios ecológicos de acuerdo a las categorías de peso previamente
determinadas.
CÓDIGO ESPECIE CATEGORÍA DE PESO** GREMIO ECOLÓGICO***
BRU Liviana Secundaria tardía
VIL Liviana Secundaria tardía
VIS Liviana Secundaria tardía
COG Medianamente pesada Secundaria tardía
PSL Medianamente pesada Secundaria tardía
OCO Medianamente pesada Secundaria tardía
HYC Pesada Climax
CLB Pesada Climax
DIP Pesada Climax
BRG Muy pesada Climax
CRU Muy pesada* Esciófita total*
*Clasificación dada por INRENA (1996). **La clasificación de peso se define según las categorías expuestas por
Guevara (2001). ***La clasificación de gremios ecológicos se establece según lo expuesto por Budowski (1965).
Fuente: El Autor.
65
Así, se catalogan seis especies como secundarias tardías y cinco como especies climax o
esciófitas totales (Tabla 11). Esto permite determinar que las especies de estudio corresponden a
las etapas de sucesión más tardías en las cuales el ecosistema ha logrado cierta madurez después
de una prolongada etapa de recuperación y por tanto, dichas especies requieren de mayor tiempo
para su desarrollo y crecimiento pues su grado de intolerancia a la luz solar les impide crecer
más rápido, lo cual es un factor determinante para el manejo silvicultural que se quiera dar.
6.4.3 Determinación de diámetros mínimos y máximos de corta y cálculo de volúmenes
aprovechables y remanentes para cada especie
Para cada especie, se definen los diámetros mínimos (DMC) y máximos de corta de acuerdo al
gremio ecológico correspondiente, siendo las especies secundarias tardías las que tienen menores
DMC y las especies climax y/o esciófitas totales las que tienen mayores DMC (Tabla 12).
Por otra parte, los diámetros máximos de corta se establecieron de tal manera que en todas las
especies se conservaran los individuos de la clase diamétrica superior. Sist (2001) plantea que se
debe establecer un límite de corta que no comprometa la regeneración del rodal para el caso de
las dipterocarpáceas evitando el aprovechamiento de árboles con DAP mayores a 100 cm.
Para las especies catalogadas como secundarias tardías se les asigna en su totalidad un DMC de
50 cm, mientras que para las especies climax o esciófitas totales los DMC son variables según el
caso. Especies como el algarrobo y el sapán dada su distribución diamétrica que muestra una
considerable presencia de individuos en las clases superiores, se les asigna un DMC de 60 cm.
Para el caso del perillo, se le da un DMC de 50 cm debido a la limitada distribución diamétrica
que presenta, es decir, la poca presencia que hacen los individuos de esta especie en las clases
diamétricas la cual se observa en tan sólo ocho intervalos, mientras que para el amargo, se
determina un DMC de 70 cm debido a la considerable cantidad de individuos que se presentan en
la VII y VIII clase diamétrica que pueden ser compensados por aquellos árboles remanentes con
diámetros menores a 70 cm (Tabla 12).
66
Tabla 12. Diámetros mínimos y máximos de corta establecidos para cada especie de acuerdo con el gremio
ecológico correspondiente
CÓDIGO
ESPECIE
GREMIO
ECOLÓGICO**
DIÁMETRO MÍNIMO DE
CORTA (cm)
DIÁMETRO MÁXIMO DE
CORTA (cm)
CLB Climax 60 100
BRU Secundaria tardía 50 100
COG Secundaria tardía 50 100
BRG Climax 50 80
HYC Climax 60 100
DIP Climax 70 120
PSL Secundaria tardía 50 80
VIL Secundaria tardía 50 100
CRU Esciófita total* 60 90
OCO Secundaria tardía 50 90
VIS Secundaria tardía 50 70
*Clasificación dada por INRENA (1996). **La clasificación de gremios ecológicos se establece según lo expuesto
por Budowski (1965). Fuente: El Autor.
De acuerdo con los diámetros mínimos y máximos de corta fijados para cada especie, se suma el
volumen real calculado tomando en cuenta los volúmenes de los árboles obtenidos con base a la
información tomada en campo.
Tabla 13. Volúmenes aprovechables y remanentes de cada especie calculados de acuerdo con los diámetros mínimos
y máximos de corta establecidos.
CÓDIGO
ESPECIE
VOLUMEN APROVECHABLE
CALCULADO (m3/ha)
VOLUMEN REMANENTE
CALCULADO (m3/ha)
CLB 1,435 4,623
BRU 3,922 2,036
COG 2,940 1,286
BRG 1,314 0,774
HYC 1,439 0,540
DIP 0,724 0,600
PSL 0,359 0,570
VIL 0,397 0,316
CRU 0,153 0,360
OCO 0,207 0,288
VIS 0,178 0,189
TOTAL 13,067 11,581
Fuente: El Autor.
67
Figura 29. Comparación de los volúmenes aprovechables y remanentes calculados de cada especie.
Fuente: El Autor.
Para el caso de los volúmenes esperados, se calcularon aplicando las fórmulas definidas para
cada distribución de probabilidad empleando el método de Strub & Burkhart (1975), tomando los
diámetros mínimos y máximos de corta como puntos de corte en el x que definen el área bajo la
curva.
Tabla 14. Volúmenes aprovechables y remanentes esperados para cada especie de acuerdo con los diámetros
mínimos y máximos de corta establecidos.
CÓDIGO
ESPECIE
VOLUMEN APROVECHABLE ESPERADO
(m3/ha)
VOLUMEN REMANENTE ESPERADO
(m3/ha)
CLB 1,272 4,272
BRU 3,389 2,195
COG 2,709 1,019
BRG 1,104 0,796
HYC 0,709 0,293
DIP 0,565 0,517
PSL 0,262 0,535
VIL 0,303 0,320
CRU 0,090 0,297
OCO 0,278 0,261
VIS 0,136 0,186
TOTAL 10,819 10,691
Fuente: El Autor.
0,000
1,000
2,000
3,000
4,000
5,000
6,000
7,000
CLB BRU COG BRG HYC DIP PSL VIL CRU OCO VIS
Vo
lum
en (
m3/h
a)
Especie
VOLUMEN APROVECHABLE CALCULADO VOLUMEN REMANENTE CALCULADO
68
Figura 30. Comparación de volúmenes aprovechables y remanentes esperados de cada especie.
Fuente: El Autor.
Conforme a los cálculos realizados de volumen, se estima que cerca del 50% del volumen
presente es aprovechable, mientras que lo restante queda como remanente para garantizar la
recuperación del bosque y futuras existencias madereras. Especies como el sande, coco picho,
algarrobo, perillo y sapán son las especies que mayor volumen de madera aprovechable
proporcionan pero así mismo, son las que mayor volumen remanente dejan al bosque (Tabla 13 y
14, Figuras 29 y 30).
6.4.4 Propuestas de manejo forestal para cada especie
Para incentivar mejoras en los rendimientos de las masas forestales de estas especies, Dykstra
(2001) afirma que no basta con aplicar diámetros mínimos y máximos de corta en el marco de las
prácticas de Extracción de Impacto Reducido (EIR) propuestas por FAO & OIMT, las cuales van
orientadas a reducir efectos e impactos ambientales y sociales producto de la explotación
maderera industrial aplicando tecnologías apropiadas para la extracción de la materia prima.
Es importante aplicar tratamientos silviculturales que no sólo se enfoquen en la extracción de
impacto reducido para el cuidado de los árboles remanentes y la extracción sostenible de la
0,000
1,000
2,000
3,000
4,000
5,000
6,000
CLB BRU COG BRG HYC DIP PSL VIL CRU OCO VIS
Vo
lum
en (
m3/h
a)
Especie
VOLUMEN APROVECHABLE ESPERADO VOLUMEN REMANENTE ESPERADO
69
madera, sino también a la protección y conservación de ecosistemas y sus componentes. Muchos
de los esfuerzos realizados para la conservación en el ámbito de la EIR se han enfocado en
minimizar los cambios de las coberturas del dosel, establecer diámetros mínimos de corta,
minimizar los daños en los árboles remanentes y en restringir los procesos de extracción
aplicados en etapas de post-cosecha (Fredericksen & Putz, 2003).
De esta manera, las prácticas silviculturales más allá de buscar mejorar el crecimiento de los
árboles remanentes y su rendimiento volumétrico, debe enfocarse en garantizar la regeneración
del ecosistema para obtener siempre nuevos individuos de especies maderables de importancia
comercial (Lamprecht, 1990; citado por Peña-Claros et al., 2008a). Fredericksen & Putz (2003;
citado por Peña-Claros et al., 2008) sugiere que la aplicación de los tratamientos silviculturales
puede incentivar el aumento de las tasas de crecimiento de los árboles de futuras cosechas
después de una etapa de aprovechamiento. Para estos casos donde las especies estudiadas
corresponden a grupos ecológicos donde sus individuos presentan mayor tolerancia a la sombra,
Peña-Claros et al. (2008, 2008a) sugiere que los siguientes tratamientos silviculturales pueden
asegurar incrementos en dichas especies:
Corte de lianas cercanas a árboles comerciales 6 meses antes de su apeo.
Retención de un 20% de los árboles de las especies con importancia comercial con el
fin de que sirvan como árboles semilleros.
Tala direccionada.
Planificación de la extracción maderera.
Marcado de árboles remanentes que no superen el DMC.
Escarificación del suelo en los claros generados por actividades de apeo.
Las prácticas silviculturales mencionadas se proponen para este caso, debido a que fueron
aplicadas en una zona correspondiente a bosque húmedo tropical con una composición similar a
la observada en el lugar de estudio. Actualmente, en la zona existen caminos de extracción de
madera abiertos por los habitantes campesinos, lo que puede facilitar la planificación de la
extracción maderera. Por otra parte, en el marco del censo arbóreo, cada uno de los árboles
medidos fue marcado con un código establecido según el cuadrante y el número del árbol dado
70
de forma ordinal. De la misma manera, se estableció si el árbol medido podía servir como fuente
semillera en el ecosistema, dadas sus características físicas y fitosanitarias y en caso de fijarse si
debía ser talado, el acompañante de campo recomendaba la dirección apropiada de caída del
mismo, lo cual puede facilitar la realización de las prácticas anteriormente expuestas.
La remoción de las lianas y de individuos dominantes cercanos a árboles de futuras cosechas que
correspondan a especies de importancia comercial garantizan el crecimiento sostenido de los
mismos, aunque es más notorio en especies pioneras durables (Peña-Claros et al., 2008). El
mismo autor muestra que los árboles de futuras cosechas de las especies tolerantes a la sombra
crecieron entre un 50-70% más rápido aplicando tratamientos silviculturales intensivos con
respecto a pioneras durables.
En síntesis, los tratamientos silviculturales son un mecanismo que permiten a los árboles
remanentes de las futuras cosechas incrementar su rendimiento y su crecimiento para así,
dinamizar los lineamientos propuestos en los planes de manejo forestal encaminados a garantizar
rendimientos sostenibles de las masas forestales (Peña-Claros et al., 2008). Dicho esto, se
proponen las medidas mencionadas anteriormente con el objetivo de hacer que los volúmenes
esperados puedan equiparar aquellos reales calculados.
71
7. EVALUACIÓN Y CUMPLIMIENTO DE LOS OBJETIVOS DEL PLAN DE
ACTIVIDADES DE INVESTIGACIÓN
Tabla 15. Evaluación de los objetivos planteados de acuerdo con los resultados presentados.
OBJETIVO GENERAL
Determinar los diámetros mínimos de corta (DMC) para 11 especies de bosque húmedo tropical ubicadas en el
interior de la serranía de San Lucas, bajo jurisdicción de los municipios de San Pablo y Cantagallo, Bolívar,
aplicando modelos de distribución de probabilidad para simular sus distribuciones diamétricas.
OBJETIVOS ESPECÍFICOS RESULTADOS OBTENIDOS
Definir la función de distribución de probabilidad
que mejor se ajusta a la distribución diamétrica de
cada una de las especies estudiadas.
Estadísticos de bondad de ajuste de Anderson-Darling
que determinan el ajuste de una distribución
diamétrica a una función de distribución de
probabilidad y los parámetros que la definen (Tabla
5).
Simular la distribución diamétrica de cada especie
para distintas partes del terreno inventariado
aplicando funciones de probabilidad y software
especializados.
Datos de número de árboles por cuadrante simulados
por medio de la distribución empírica (Ver Anexo 1).
Comparación de los datos reales de número de árboles
por cuadrante con los simulados por medio de la
prueba de χ2 (Ver Anexo 2 y Tabla 6).
Distribuciones diamétricas de los datos reales y
simulados para cada especie (Ver Figuras 17 a 27).
Comparación de las distribuciones diamétricas
obtenidas de los datos reales y simulados empleando
la prueba estadística de χ2 (Ver Tabla 7).
Proyectar los rendimientos de las especies de
acuerdo a las distribuciones diamétricas simuladas.
Valores reales de volumen de madera calculado para
cada especie y volumen esperado aplicando método
de Strub & Burkhart (1975) y las diferencias entre
dichos valores (Ver Tabla 9 y Figura 28).
72
Fuente: El Autor.
8. CONCLUSIONES Y RECOMENDACIONES
La aplicación de la distribución empírica para la simulación del número de árboles por
cuadrante no es viable debido a la variabilidad que existe entre los datos de cada especie
y la frecuencia relativa del número de árboles por cuadrante. Se recomienda para
posteriores estudios verificar el ajuste de esta variable de tipo discreta aplicando métodos
de bondad de ajuste que permitan identificar la distribución de probabilidad discreta a la
que se ajusta la variable para así, simular los datos.
La simulación de diámetros para cada especie partiendo de funciones de probabilidad
ajustadas mediante pruebas de bondad de ajuste de Anderson-Darling es viable
considerando que permite evidenciar la tendencia que mantiene la distribución diamétrica
OBJETIVOS ESPECÍFICOS RESULTADOS OBTENIDOS
Definir prácticas silviculturales adecuadas de
acuerdo a las características ecológicas de las
especies de estudio.
Clasificación de maderas de la especie de acuerdo al
peso y la densidad anhidra (Ver Tabla 10).
Clasificación de gremios ecológicos según la
categoría de peso de la madera (Ver Tabla 11).
Diámetros mínimos y máximos de corta establecidos
para cada especie de acuerdo al gremio ecológico
correspondiente (Ver Tabla 12).
Contraste de volúmenes aprovechables y remanentes
calculados de acuerdo con los diámetros mínimos y
máximos de corta establecidos (Ver Tabla 13 y Figura
29).
Contraste de volúmenes aprovechables y remanentes
esperados, definidos de acuerdo con los diámetros
mínimos y máximos de corta establecidos y aplicando
el método de Strub & Burkhart (1975) (Ver Tabla 14
y Figura 30).
Recomendaciones y sugerencias de manejo
silvicultural propuestas de acuerdo a la literatura.
73
desde un punto de vista probabilístico y aleatorio y los datos que se obtienen de la
simulación no presentan diferencias significativas con respecto a los reales con la
mayoría de los casos donde las distribuciones diamétricas eran regulares y se observaba
una tendencia.
Para los casos donde se presentaron diferencias significativas entre los datos reales de
DAP y los simulados, las diferencias obtenidas se dieron debido a que la distribución
diamétrica real de las especies en cuestión (amargo, caña brava y virola) eran muy
irregulares y la muestra muy pequeña, por lo que se recomienda siempre tomar la mayor
cantidad de mediciones posibles de una variable para generar un modelo ajustado.
La proyección volumétrica mediante el método de Strub & Burkhart (1975) permite
mediante la asociación de la distribución de probabilidad y fórmulas de volumen dentro
de una integral definida, calcular el volumen esperado de un rodal obteniendo de esto una
diferencia relativa del 13,47% de los valores de volumen. Sin embargo, la aplicación de
este método subestima los rendimientos esperados según la distribución de probabilidad
aunque es una buena herramienta para predecir mediante la misma el volumen que se
puede obtener de una clase diamétrica determinada o en distintos límites diamétricos
establecidos por la demanda del mercado. Se recomienda para estudios de proyección de
rendimientos aplicar los modelos de predicción de parámetros (PPM) y los modelos de
recuperación de parámetros (PRM) descritos por Hyink & Moser Jr. (1983).
Las simulaciones del número de árboles por cuadrante y la distribución diamétrica junto
con el cálculo de proyección volumétrica por especie, permitieron determinar los DMC
para cada una de éstas, teniendo en cuenta que se asocian con grupos ecológicos donde el
atributo principal que presentan es la tolerancia a la sombra. Dado que dichas especies
pueden presentar tasas de crecimiento lentas, se les asignan DMC que sean mucho
mayores a la media diamétrica de cada especie (Tabla 12), para garantizar la
disponibilidad de existencias madereras futuras sin comprometer la presencia de la
especie en el ecosistema.
La aplicación de diámetros mínimos y máximos de corta permiten obtener del bosque
cerca del 50% del volumen calculado y esperado. Sin embargo, el volumen esperado que
se obtuvo aplicando el método de Strub & Burkhart (1975) es menor que el volumen real
obtenido, obteniendo una diferencia de volumen de 3,270 m3/ha, que equivale al 13,47%
74
del valor real calculado y un 15,56% del valor esperado estimado mediante la fórmula de
los autores anteriormente mencionados.
Más allá de garantizar la existencia de futuros árboles de cosecha, es importante aplicar
tratamientos silviculturales como los que menciona Peña-Claros et al. (2008, 2008a) con
el objetivo de equiparar las existencias volumétricas esperadas con las reales
incentivando el incremento de las tasas de crecimiento de las especies en cuestión,
considerando que los tratamientos que mencionan los autores, son aplicados a especies
tolerantes a la sombra encontradas en un ecosistema de bosque húmedo tropical similar a
la zona de estudio en la cual fue realizado este trabajo, considerando que dicha aplicación
puede incrementar los rendimientos de dichas especies en un 50-75%.
9. AGRADECIMIENTOS
En primer lugar, quiero agradecer a la Asociación de Madereros de San Pablo y Cantagallo
(ASOMASPACAN) por el apoyo logístico y financiero dado para la realización de este proyecto.
A los ingenieros Fabián Herrera y Diana Giraldo por el apoyo que brindaron al proyecto en la
organización logística del mismo, la toma de información así como todas las sugerencias que
dieron a lo largo de su puesta en marcha.
De la misma manera, le agradezco al ingeniero y docente Robert Leal por la asesoría y el apoyo
que brindó durante el proyecto supervisando cada una de las actividades que se desarrollaba. Fue
una parte importante en este trabajo.
Al ingeniero y docente Orlando Riaño el agradezco por los comentarios y observaciones que
hizo sobre este trabajo para la presentación del mismo.
Quiero expresar mi más sincera gratitud a la comunidad campesina de la vereda Muribá del
municipio de Cantagallo, Bolívar, quienes fueron participes de este proyecto colaborando con la
toma de la información y el sostenimiento del equipo de trabajo en campo.
75
De igual forma, agradezco a mis padres, mi hermano y mis amigos por todo el acompañamiento
y el apoyo que me dieron a lo largo de la etapa universitaria, así como a las bandas musicales
Pink Floyd y Radiohead quienes con su música me acompañaron en la elaboración de este
documento.
Por último, quiero agradecer a los estudiantes, amigos y colegas del proyecto curricular de
ingeniería forestal de la Universidad Distrital que de alguna manera ayudaron en cada una de las
actividades desarrolladas con sus sugerencias, su tiempo y su apoyo moral.
10. REFERENCIAS BIBLIOGRÁFICAS
Alder, D. (1992). Simple methods for calculating minimum diameter and sustainable yield in
mixed tropical forest. En F. R. Miller, & K. L. Adam (Eds.), Wise management of tropical
forests. Proceedings of the Oxford Conference on Tropical Forests. (pp. 189-200). Oxford:
Oxford Forestry Institute, University of Oxford.
Anderson, T. W., & Darling, D. A. (1952). Asymptotic Theory of Certain "Goodness of Fit"
Criteria Based on Stochastic Processes. The Annals of Mathematical Statistics, 23(2), 193-
212. doi:10.1214/aoms/1177729437.
Anderson, T. W., & Darling, D. A. (1954). A Test of Goodness of Fit. Journal of the American
Statistical Association, 49(268), 765-769. doi:10.2307/2281537.
Arroyo, I., Bravo, L. C., Llinás, H., & Muñoz, F. (2014). Distribuciones Poisson y Gamma: Una
Discreta y Continua Relación. Prospectiva, 12(1), 99-107. doi:10.15665/rp.v12i1.156
Banks, J., Carson II, J., Nelson, B. & Nicol, D. (2004). Discrete-Event System Simulation.
Fourth Edition. Pearson Prentice Hall International Series in Industrial and Systems
Engineering.
Batanero, C. (2003). La simulación como instrumento de modelización de probabilidad. Revista
Educación y pedagogía 15(35), 39-54.
BOLFOR (2003). Diámetros Mínimos de Corta en Bosques Tropicales de Bolivia:
Recomendaciones basadas en Investigación Forestal. Proyecto BOLFOR – The
Management Trust, Santa Cruz de la Sierra – Bolivia. 11 p.
76
Budowski, G. (1965). Distribution of tropical American rain forest species in the light of
successional processes. Turrialba, 15(1), 40-42.
Cao-Abad, R. (2002). Introducción a la simulación y a la teoría de colas 1° Edición. Coruña:
NETBIBLO. 224 p. ISBN: 84-9745-017-5.
Choi, B. K. & Kang D. (2013). Modelling and simulation of discrete-event systems. New Jersey:
John Wiley and Sons, Inc. ISBN: 978-1-118-38699-6.
D'Agostino, R. B., & Stephens, M. A. (1986). Goodness-of-fit techniques. New York: M.
Dekker. ISBN: 0-8247-8705-6.
Decreto Nº 1791 de 1996. Ministerio de Medio Ambiente. Régimen de aprovechamiento forestal.
Bogotá D. C., Colombia, 4 de octubre de 1996.
Devore, J. L. (1982). Probability and statistics for engineering and the sciences. Monterrey, CA:
Brooks/Cole Pub. ISBN: 0-534-39933-9.
Dykstra, D. (2001). Ideas antiguas y nuevas sobre la extracción de impacto reducido. Actualidad
Forestal, 9(2), 3-4.
Fearnside, P. M. (1997). Wood density for estimating forest biomass in Brazilian Amazonia.
Forest Ecology and Management, 90, 59-87.
Fredericksen, T. S. (1998). Limitations of low-intensity selection and selective logging for
sustainable tropical forestry. Commonwealth Forestry Review 77:262-266.
Fredericksen, T., Contreras, F., & Pariona, W. (2001).
tropicales de Bolivia. Santa Cruz, Bolivia: Proyecto BOLFOR. 81 p.
Fredericksen, T. S., & Putz, F. E. (2003). Silvicultural intensification for tropical forest
conservation. Biodiversity and Conservation, 12(7), 1445-1453.
doi:10.1023/a:1023673625940
Giles, D. E. (2001). A Saddlepoint Approximation To The Distribution Function Of The
Anderson-Darling Test Statistic. Communications in Statistics: Simulation and
Computation, 30(4), 899-905. doi:10.1081/sac-100107787.
Guevara, H. A. (2001). Propiedades físicomecánicas de la madera. Bogotá D. C.: Universidad
Distrital Francisco José de Caldas - Facultad de Medio Ambiente y Recursos Naturales:
Programa de Ingeniería Forestal. 64 p.
Holdridge, L. R. (1987). Ecología basada en zonas de vida. San José: Instituto Interamericano de
Cooperación para la Agricultura. 216 p. ISBN: 92-9039-131-6.
77
Hyink, D. M., & Moser, J. W., Jr. (1983). A Generalized Framework for Projecting Forest Yield
and Stand Structure Using Diameter Distributions. Forest Science, 29(1), 85-95.
Instituto de Hidrología, Meteorología y Estudios Ambientales (2010). Informe Anual sobre el
Estado del Medio Ambiente y los Recursos Naturales Renovables en Colombia - Bosques
2009. Instituto de Hidrología, Meteorología y Estudios Ambientales. Bogotá D. C., 236 p.
ISBN: 978-958-8067-28-5.
Instituto de Hidrología, Meteorología y Estudios Ambientales (2010a). Leyenda Nacional de
Coberturas de la Tierra. Metodología CORINE Land Cover adaptada para Colombia
Escala 1:100.000. Instituto de Hidrología, Meteorología y Estudios Ambientales. Bogotá
D. C., 72 p. ISBN: 978-958-806729-2.
Instituto Nacional de los Recursos Naturales Renovables y del Ambiente (1970). Estudio de
preinversión para el desarrollo forestal en los valles del Magdalena y del Sinú: Inventario
F “S n S n L ”. Proyecto INDERENA-PNUD/FE-FAO COL 14. p. 44.
Instituto Nacional de Recursos Naturales. (1996). Proyecto PD 95/90 Manejo Forestal del
Bosque Nacional Alexander von Humboldt: Síntesis del Plan Manejo. Lima: Ministerio de
Agricultura - Organización Internacional de Maderas Tropicales.
Instituto Nacional de los Recursos Naturales Renovables y del Ambiente (1989). Compilación de
tablas de volumen para árboles en pie. División administrativa de bosques. 60 p.
Kozak, A., Kozak, R. A., Staudhammer, C. L., & Watts, S. B. (2008). Introductory probability
and statistics: Applications for forestry and natural sciences. Wallingford, UK: CABI.
Lamprecht, H. (1990). Silvicultura en los trópicos: Los ecosistemas forestales y sus especies
arbóreas; posibilidades y métodos para un aprovechamiento sostenido. Deutsche
Gesellschaft für Zusammenarbeit (GTZ) GmbH. Rosdorf: TZ-Verl.-Ges. ISBN: 3-88085-
440-8.
Lastra, J. A. (1987). Compilación de las propiedades físico-mecánicas y usos posibles de 178
maderas colombianas. Bogotá D. C.: Asociación Colombiana de Ingenieros Forestales -
ACIF. 71 p.
Linares, R. (1992). Proyecto silvoindustrial para el manejo de la regeneración natural de 2500
hectareas de bosque de guandal en el bajo río San Juan, Buenaventura (Valle-Colombia).
Bogotá: Maderería Central Ltda. 108 p.
78
Loetsch, F., Zohrer, F., & Haller, K. E. (1973). Forest Inventory. Munich: Blv
Verlagsgesellschaft.
Louman, B. & Stanley S. (2002). Análisis e interpretación de resultados de inventarios forestales.
En L. Orozco, & C. Brumér (Eds.), Inventarios forestales para bosques latifoliados en
América Central. (pp. 216-248). Turrialba: CATIE. ISBN: 9977-57-384-0.
Pegden, C. D., Shannon, R. E., & Sadowski, R. P. (1995). Introduction to simulation using
SIMAN. New York: McGraw-Hill.
Peña-Claros, M., Fredericksen, T. S., Alarcón, A., Blate, G. M., Choque, U., Leaño, C., Licona,
J. C., Mostacedo, B., Pariona, W., Villegas, Z. & Putz, F. E. (2008). Beyond reduced-
impact logging: Silvicultural treatments to increase growth rates of tropical trees. Forest
Ecology and Management, 256, 1458-1467. doi:10.1016/j.foreco.2007.11.013
Peña-Claros, M., Peters, E. M., Justiniano, M. J., Bongers, F., Blate, G. M., Fredericksen, T. S.,
& Putz, F. E. (2008a). Regeneration of commercial tree species following silvicultural
treatments in a moist tropical forest. Forest Ecology and Management, 255, 1283-1293.
doi:10.1016/j.foreco.2007.10.033
Reynolds, M. R., Jr., Burk, T. E., & Huang, W. (1988). Goodness-of-Fit Tests and Model
Selection Procedures for Diameter Distribution Models. Forest Science, 34(2), 373-379.
Sist, P. (2001). La EIR no va a funcionar solamente con un diámetro mínimo de
corta. Actualidad Forestal, 9(2), 5.
Strub, M. R., & Burkhart, H. E. (1975). A Class-Interval-Free Method For Obtaining Expected
Yields From Diameter Distributions. Forest Science, 21(1), 67-69.
Vásquez, A. M., & Ramírez, A. M. (2005). Maderas comerciales en el Valle de Aburrá.
Medellín: Área Metropolitana del Valle de Aburrá. ISBN: 958-33-8520-4. 246 p.
Viloria de la Hoz, J. (2009). Economía y conflicto en el Cono Sur del departamento de Bolívar.
Documentos de trabajo sobre Economía Regional. Cartagena de Indias: Banco de la
República. 109 p. ISSN: 1692-3715.
Walpole, R. E., Myers, R. H., & Myers, S. L. (1999). tica para
ingenieros (6th ed.). México: Prentice Hall. BN: 970-17-0264-6.