001 - Inventario Forestal

ISSN N° 2735-7716
Informe Técnico N° 248
LOS RECURSOS FORESTALES EN CHILE 2021
INVENTARIO
FORESTAL NACIONAL
DE BOSQUES NATIVOS
Y ACTUALIZACIÓN
DE PLANTACIONES
FORESTALES
www.infor.cl
Las fotografías e imágenes incorporadas en tapas o texto de la presente publicación
provienen de archivo institucional o fueron obtenidas o elaboradas durante el desarrollo
de las actividades del trabajo que origina esta publicación.
Informe Técnico N° 248
2 LOS RECURSOS FORESTALES EN CHILE 2021

LOS RECURSOS FORESTALES EN CHILE
2021
INVENTARIO FORESTAL
NACIONAL DE BOSQUES
NATIVOS Y ACTUALIZACIÓN
DE PLANTACIONES
FORESTALES
Autores
Rodrigo Sagardía Parga¹
Carlos Bahamondez Villarroel
Alberto Ávila Campos
René Reyes Gallardo
Gerardo Vergara Asenjo
Colaboradores
Yessenia Aedo Castillo
Luis Barrales Moyano
Marco Barrientos Alarcón
Carlos Büchner Asenjo
Rodrigo Guiñez Olavarría
Felipe Guzmán Vargas
Marjorie Martin Stuven
Juan Carlos Muñoz Baeza
Oscar Peña Ibarra
Yasna Rojas Ponce
Joceline Rose
Mario Uribe Ampuero
INSTITUTO FORESTAL
2021
1 Instituto Forestal, Chile. rsagardia@infor.cl

Instituto Forestal
Sucre 2397 Ñuñoa – Santiago
Chile
F. 56 2 223667115
www.infor.cl
ISSN N° 2735-7716
Registro de Propiedad Intelectual N°2022-A-6051
Se autoriza la reproducción parcial de esta

publicación siempre y cuando se efectúe la cita
correspondiente:
Sagardía, Rodrigo; Bahamondez, Carlos; Ávila,

Alberto; Reyes, René y Vergara, Gerardo,
2021. Los Recursos Forestales en Chile 2021.
Inventario Forestal Nacional de Bosques Nativos y
Actualización de Plantaciones Forestales. Instituto
Forestal, Chile. Informe Técnico N° 248. p. 196.

ÍNDICE
CAPÍTULO I
ASPECTOS METODOLÓGICOS 09
INTRODUCCIÓN 10
ASPECTOS METODOLÓGICOS DEL INVENTARIO FORESTAL NACIONAL 11
Aspectos teóricos relativos a los inventarios 11
Aplicación del concepto de inventario continuo 13
El Inventario Forestal Nacional 14
Muestra de individuos 14
Muestra de parcela 15
Muestras a nivel del conglomerado 16
Variables medidas en el Inventario Forestal Nacional 17
Variables del entorno 17
Variables de la parcela 17
Variables del suelo 20
Variables de regeneración 20
Variables asociadas a árboles individuales 21
Variables de mortalidad 22
Variables socioeconómicas y culturales 22
Procesamiento de los datos y generación de resultados 23
Procesamiento a nivel de árboles 23
Procesamiento a nivel de parcelas 25
Procesamiento a nivel de conglomerados 30
Procesamiento a nivel de la población 35
Procesamiento para la estimación de existencias en biomasa y carbono 37
Biomasa de árboles muertos en pie y residuos gruesos 40
Método de actualización del Programa de Inventario de Plantaciones
Forestales - Pequeños y Medianos Propietarios (PYMP) 42
Elaboración de coberturas cartográficas digitales 43
Determinación de error e intervalos de confidencia 43
Clasificación orientada a objetos como apoyo a labores de fotointerpretación 45
REFERENCIAS 51
CAPÍTULO II
LOS RECURSOS FORESTALES DE PLANTACIONES EN CHILE 52
PROGRAMA DE ACTUALIZACIÓN DE PLANTACIONES FORESTALES 53

INVENTARIO DASOMÉTRICO-AMBIENTAL DE LAS PLANTACIONES DE LA PEQUEÑA Y MEDIANA PROPIEDAD FORESTAL (PYMP) 55
EL RECURSO PLANTACIONES FORESTALES EN EL PAÍS 57
EL RECURSO PLANTACIONES FORESTALES POR REGIONES 61
Región de Coquimbo 61
Región de Valparaíso 63
INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 5

Región Metropolitana 66
Región de O’Higgins 67
Región del Maule 70
Región de Ñuble 72
Región del Bío Bío 74
Región de La Araucanía 77
Región de Los Ríos 79
Región de Los Lagos 81
Región de Aysén 84
INVENTARIO DASOMÉTRICO EN PLANTACIONES DE LA PEQUEÑA Y MEDIANA PROPIEDAD (PYMP) 85
CAPÍTULO III
INVENTARIO DE BOSQUE NATIVO 94
INTRODUCCIÓN 95
RESUMEN 95
EXISTENCIAS TOTALES POR REGIÓN 99
Macrorregión Norte 99
Región de Coquimbo 99
Región de Valparaíso 100
Región Metropolitana 100
Región de O’Higgins 101
Región del Maule 101
Región del Biobío 105
Región de La Araucanía 109
Región de Los Ríos 112
Región de Los Lagos 115
Región de Aysén 120
Región de Magallanes 125
CAPÍTULO IV
EXISTENCIAS DE CARBONO 130
INTRODUCCIÓN 131
EXISTENCIAS DE tCO2-eq A NIVEL REGIONAL 131
EXISTENCIAS DE tCO2-eq A NIVEL PROVINCIAL 132
Existencias Provinciales Región del Maule 132
Existencias Provinciales Región del Biobío 132
Existencias Provinciales Región de La Araucanía 132
Existencias Provinciales Región de Los Ríos 133
Existencias Provinciales Región de Los Lagos 133
Existencias Provinciales Región de Aysén 133
Existencias Provinciales Región de Magallanes 134
CAPÍTULO V
ASPECTOS SOCIOECONÓMICOS 135
INTRODUCCIÓN 136

MODELO TEÓRICO 137
Decisión de utilizar el bosque a partir de una percepción sesgada de utilidad 137
Integrando las dimensiones biofísica y social del SIMEF 140
MÉTODO 143
RESULTADOS 144
Distribución de la muestra 144
Cambios observados con respecto al tipo de propietario y el tomador de decisión 145
Cambios en el uso del suelo de las explotaciones 146
Cambios en el subsistema agrícola 149
Subsistema Forestal Bosque Nativo 150
Subsistema Forestal Plantaciones Forestales 151
Subsistema Pecuario 154
Actividades extraprediales 155
DISCUSIÓN Y CONCLUSIONES 157
Fortalecer el vínculo entre INFOR y los tomadores de decisión 157
Cambios en la toma de decisión y en el tamaño y uso del suelo de las explotaciones 158
Cambios en los sistemas productivos e impactos sobre el bosque 160
REFERENCIAS 162
CAPÍTULO VI
BIODIVERSIDAD 163
ANTECEDENTES TÉCNICO-METODOLÓGICOS 164

Definición de las Unidades de Biodiversidad 166
Levantamiento de Datos de Biodiversidad 168
Metodologías para el Muestreo de Biodiversidad 170
Vegetación, Flora y Suelo 171
Fauna de Vertebrados 175
Artrópodos 178
Conservación de los Materiales Colectados 180
Determinación taxonómica de los materiales colectados 181
Base de Datos 181
Estimación de la riqueza y abundancia de la fauna de artrópodos terrestres 181
RESULTADOS 182
Identificación de Conglomerados 183
Abundancia y riqueza de artrópodos terrestres 183
Principales hallazgos y nuevas especies 186
REFERENCIAS 187
APÉNDICES 191
Apéndice 1. Conglomerados ubicados en provincia del Elqui (Región de Coquimbo) 191
Apéndice 2. Conglomerados ubicados en provincia del Limarí (Región de Coquimbo) 192
Apéndice 3. Conglomerados ubicados en provincia del Choapa (Región de Coquimbo) 193
Apéndice 4. Fotografías de artrópodos registrados en los sitios de estudio (conglomerados) 194
RECONOCIMIENTOS 196

CAPÍTULO I
ASPECTOS
METODOLÓGICOS
INTRODUCCIÓN
El presente documento resume los aspectos técnicos del procesamiento de los datos de terreno levantados en
el marco del Inventario Forestal Nacional de Chile. Este inventario se enmarca en el Programa de Monitoreo de
Ecosistemas Forestales del Instituto Forestal (INFOR) y constituye la herramienta estadística que provee de datos e
información respecto del estado y condición del recurso comprendido en los ecosistemas forestales.
El inventario constituye una iniciativa única en su género del Ministerio de Agricultura a través del diseño, implementación
y operación del Instituto Forestal, y comprende un diseño estadístico orientado a cubrir las necesidades de datos e
información asociadas a los diversos procesos internacionales que monitorean las acciones de los países hacia
un desarrollo sustentable. Además, se basa en una conceptualización jerárquica de los ecosistemas y su diseño
corresponde a un enfoque multifuente, multinivel y multirecursos, cubriendo así un amplio espectro de interrogantes
respecto de los ecosistemas.
Se entregan en este documento datos resúmenes que buscan describir el estado y condición de los recursos
comprendidos en los ecosistemas forestales. Estos datos constituyen una parte muy básica de la información
contenida en base de datos, la cual es por su parte una fuente de información de enorme potencial de análisis.
10 CAPÍTULO I: ASPECTOS METODOLÓGICOS

ASPECTOS METODOLÓGICOS DEL
INVENTARIO FORESTAL NACIONAL
Aspectos Teóricos Relativos a los Inventarios
La necesidad de incorporar a los procesos productivos los recursos naturales renovables en diversos países proviene
de la búsqueda de fuentes de bienes y servicios en beneficio de la sociedad toda. Normalmente, los recursos
forestales en diversas regiones del mundo alcanzan grandes extensiones de terreno, involucrando gran cantidad de
superficies, particularidad que las hace difíciles de medir dado los niveles de costo involucrados. En este sentido,
muchas disciplinas, entre ellas la forestal, han recurrido a la teoría de muestreo, la cual sustenta un conjunto de
esquemas destinados a estimar parámetros de la población completa sobre la base de visitar una porción de la
población (Loetsch y Haller, 1964).
Uno de los primeros pasos ante cualquier caracterización de algún fenómeno de interés, corresponde a la definición
de la población, la cual para ser reconocida como tal debe contener individuos de la misma clase y sus diferencias
entre ellos ser manifiestas por la variación de alguna variable en particular (por ejemplo, volumen). Una población
puede comprender como individuos a los árboles o puede ser definida como una cierta área de terreno con un valor
de atributo asociado (por ejemplo, volumen/ha).
Los esquemas de muestreo que proveen la forma en la cual la muestra va a ser recolectada desde la población se
dividen en 4 esquemas básicos:
1. Distribución de la muestra en forma completamente aleatoria sobre los límites definidos de la población
2. Distribución de la muestra en subpoblaciones definidas para la población objetivo (muestra estratificada)
3. Distribución de la muestra en conglomerados
4. Distribución de la muestra en forma sistemática
En general estos esquemas de selección de muestra se asumen dependiendo de las características asociadas a
la población y de los objetivos del inventario. Así, para aquellos casos como los inventarios de carácter operativo,
los cuales involucran rodales que deben ser cuantificados, recurren generalmente a esquemas de selección de la
muestra por métodos de aleatorización o aleatorios restringidos a estratos de la población, esta decisión se hace en
forma informada respecto a las características propias del sector que contiene los recursos, como son topografía
(pendientes, altitud) y accesos las cuales determinan o eliminan a priori ciertos esquemas muestrales, favoreciendo
otros.
Los aspectos anteriores definen un elemento clave dentro del diseño muestral que tiene relación con el uso de
información auxiliar en apoyo al proceso de definición de la muestra y del muestreo.
Si bien los esquemas de muestreo 1 y 2 son los más recomendables desde el punto de vista de darle probabilidad
de aparecer a todas las unidades por igual, estos esquemas no se prestan adecuadamente a la hora de plantear
inventarios que pretenden caracterizar grandes áreas, dado que el aspecto de localización aleatoria puede jugar
en contra de los aspectos de costo y eficiencia de los recursos. En este sentido, en grandes áreas de millones de
hectáreas, se recurre a esquemas que permiten concretamente aprovechar el diseño geométrico de localización de

muestras, en forma tal que se puedan prever los costos asociados en la mejor forma posible, así la distribución de
la muestra en la población en forma sistemática suele ser el enfoque más apropiado para asegurar la eficiencia del
presupuesto asignado.
El sentido de uso eficiente del presupuesto se relaciona tanto con los aspectos de mejorar la planificación en terreno,
como con los aspectos de aporte de nueva información al inventario. En este contexto se suelen desarrollar estudios
de autocorrelación o autocovarianza entre unidades muestrales de forma de definir los distanciamientos más
apropiados entre unidades muestrales para evitar el medir en una unidad muestral valores redundantes ya informados
por otra unidad cercana. Este efecto es más riesgoso en esquemas muestrales completamente aleatorios ya que
permiten que una unidad muestral este muy cerca de la otra, lo cual supone aumentar la probabilidad de redundar en
información.
Los estudios de autocovarianza o autocorrelación son relativamente nuevos en el contexto de los inventarios
forestales. Matern (1960) fue el primer investigador forestal que aplicó análisis de estadística espacial para la
definición de esquemas muestrales, tomando en consideración en especial aquellos tópicos relativos a la forma
óptima de la unidad muestral en particular, esto es, ¿debe ser la unidad muestral que define la población cuadrada,
rectangular, circular, hexagonal u otra? Interrogantes como estas, asociadas al tema de cuáles son las distancias
óptimas de localización de una muestra en terreno bajo un esquema de distribución sistemática, son resueltas por
medio de los análisis de autocovarianza para una determinada variable de estado de rodal (generalmente volumen/
ha). Bahamóndez y Martin (com. pers.) determinaron para bosques de renovales de Nothofagus obliqua y Nothofagus
alpina, que la distancia óptima para evitar autocorrelación en las estimaciones de inventario corresponde a 5 km en
el sentido Este-Oeste y 7 km en el sentido Norte-Sur. A este objeto, utilizaron apoyo de material satelital y parcelas de
terreno inventariadas por INFOR-JICA en 1992 y apoyo de nuevas parcelas levantadas en 1994-95. El extrapolar estas
distancias a otros tipos forestales, cuya variabilidad es mucho más alta que los renovales, permite asegurar que una
malla sistemática de estas características en otros tipos forestales es segura y eficiente.
Otro de los aspectos críticos en los diseños de los inventarios se relaciona con la definición de la unidad muestral,
unidades fijas o variables, de cierta forma y tamaño, combinadas o simples, suelen ser algunas de las variadas
opciones disponibles. El diseño de la unidad muestral depende principalmente del objetivo del inventario, así cuando
la meta es cuantitativa propiamente tal (típico muestreo con objetivos meramente madereros) una muestra de
radio variable resulta apropiada ya sea combinada o simple, ya que esta alternativa pondera más los individuos de
acuerdo a su tamaño (probabilidad proporcional al tamaño). Sin embargo, las necesidades de inventario de hoy en día
difieren del esquema clásico de contestar solo preguntas de existencias madereras y en este sentido las parcelas o
unidades muestrales de área fija son más relevantes porque le dan oportunidad de aparecer en el muestreo a todos
los individuos independiente de su tamaño (Scheuder y Geissler, 1999). Muestras de área fija son lamentablemente
difíciles de levantar en terreno y los rendimientos dependen marcadamente del tipo de bosque que se muestrea y sus
características de tránsito y acceso, además la forma de la parcela tiene influencia en el planteamiento en terreno y
sus posibilidades de incluir errores en las mediciones. En este respecto se ha demostrado que la mejor forma teórica
para una parcela muestral es la forma circular de un cierto radio (Matern, 1960). En bosques nativos como los de
Chile, este tipo de parcelas no ha sido ampliamente utilizado debido a los aspectos topográficos, la dificultad de
tránsito en su instalación, medición y corrección, en especial en pendientes fuertes, ya que un círculo en pendiente se
comporta con radios variables generando una forma elipsoidal más que circular. Sin embargo, este problema ha sido
solucionado por la vía de generar círculos cuya área es equivalente a aquella de la elipse que la pendiente produciría.
En Chile ha sido tradicional el uso de parcelas de muestreo en formas cuadradas y rectangulares, acumulando una
superficie de 1000 m², en una unidad simple o en conglomerados de unidades rectangulares de 20 x 50 m.
El país ha experimentado intentos de aplicación de inventarios permanentes de sus bosques desde la década del

1980, aunque un importante esfuerzo pionero en este tema lo dio la Corporación de Fomento de la Producción en
1944-45 al financiar, en cooperación con el Servicio Forestal del Departamento de Agricultura de los Estados Unidos,
el “Forest Resources of Chile, as a base for industrial expansion”, también conocido como la Misión Haig (Haig et
al., 1946). Este inventario fue el primero en su clase en Chile y Latinoamérica, y fue el primero en utilizar material
fotográfico aéreo en este tipo de actividad. Sus resultados arrojaron cifras de 16 millones de hectáreas de superficies
de bosques nativos en Chile.
Lamentablemente, esta iniciativa no fue objeto de seguimiento en el sentido de mantener el inventario en el tiempo
permitiendo bajo esquema de inventario continuo monitorear el recurso y sus tendencias. Como resultado de esto,
el recurso fue degradado y sobrexplotado sin que necesariamente la comunidad nacional, se diera cuenta de ello,
produciendo daños en la calidad y estructura de productos que se ven hoy en día en los bosques del país. Cox (1980)
propone un esquema de inventario continuo para los bosques nativos chilenos en un sistema de dos fases sobre
malla sistemática, con unidades muestrales rectangulares de 20 x 50 m dispuestas en el sentido de Norte a Sur en
su lado más largo y separadas por 20 metros entre sus extremos. Esta iniciativa fue financiada por el Programa de
las Naciones Unidas para el Desarrollo PNUD, en su etapa de propuesta, y nunca fue implementada. En 1991-92 el
Instituto Forestal propone un inventario en bosque nativo orientado a proveer información para el manejo forestal a
fondos concursables FONDEF de CONYCIT, sin lograr financiamiento. En 1995-96 el Instituto Forestal, con apoyo del
Instituto de Investigaciones Forestales de Finlandia (Metsätutkimuslaitos, METLA) y el Servicio Forestal de British
Columbia, Canadá, proponen ante CORFO a fondos concursables FONSIP, el proyecto “Inventario Forestal Permanente
e Indicadores de Sustentabilidad”, sin lograr financiamiento, y el diseño propuesto es la base del actual diseño muestral
definido por el proyecto “Caracterización productiva de los recursos forestales nativos de las regiones IX y X”.
Por último, en 1996 la Corporación Nacional Forestal (CONAF) y la Comisión Nacional de Medio Ambiente (CONAMA),
ejecutan en el marco del proyecto Catastro un inventario extensivo, el cual tuvo como objetivo el estimar las existencias
a nivel de país de los recursos forestales nativos, y ser base para el establecimiento del inventario forestal continuo
en Chile. Este inventario fue ejecutado por personal de la Universidad Austral de Chile, y sus resultados no han sido
editados al público, su diseño es similar al propuesto por Cox (1980), con variaciones en aspectos de forma y número
de unidades de parcelas del conglomerado.
Hoy el Inventario Forestal Nacional de Chile comprende el concepto de inventario continuo bajo un diseño estadístico
bi-etápico en conglomerados de tres parcelas circulares concéntricas de área equivalentes de 500 m² cada una,
distribuidos en malla sistemática de 5 x 7 km, se asume una población infinita en las dos etapas y el carácter del
inventario es de multifuente, multirecursos y multinivel.
Aplicación del Concepto de Inventario Continuo
El concepto de inventario continuo involucra no solo las variables de estado del bosque como volumen, área basal,
densidad y otras, sino que también incluye el factor tiempo, esto supone determinar cambios en los bosques que
afectan la calidad y distribución de productos del bosque y determinar el período de tiempo en el que interesa reflejar
la nueva información respecto del bosque. Así, cuando se está interesado en las tendencias del cambio de los
recursos boscosos en el tiempo, el diseño de muestreo debe ser capaz de adaptarse a estas de forma eficiente y
sólida. A objeto de lograr estas mediciones repetidas, lo usual es utilizar parcelas de muestreo permanentes, las que,
aseguran que la estimación del cambio sea comparable en forma directa. Esta característica a su vez permite el uso
de regresiones entre datos de sucesivas mediciones y se aplica el concepto de muestreo en ocasiones sucesivas.

En concreto, el Inventario Forestal Nacional se basa en:
• Generación de primer ciclo de mediciones (línea base) de puntos geográficamente permanentes de muestreo
la que alcanza hoy a cubrir 9,38 millones de hectáreas de bosques nativos comprendidos entre las regiones de
Coquimbo a Magallanes completados en período 2001- 2010.
• Inicio del segundo ciclo de mediciones de base anual al año 2011 bajo el sistema de reemplazo parcial con apoyo
de proyección de crecimiento. El ciclo de mediciones y proyección se hace agrupando áreas de aproximadamente
3,36 millones de hectáreas por año en ciclos de 4 años.
El tratamiento estadístico de estas muestras corresponde a la combinación de muestreo con reemplazo parcial y
proyección de crecimiento basado en matrices de transición por tipo forestal en combinación con filtro de Kalman,
para detalles metodológicos (ver punto Métodos de Actualización del Inventario Forestal Nacional).
El Inventario Forestal Nacional
El diseño asociado al levantamiento de datos de monitoreo biofísico efectuado en terreno se detalla a continuación.
Muestra de Individuos
Los árboles, de acuerdo con su tamaño, tienen una probabilidad de ser seleccionados. De esta forma los árboles que
tienen un tamaño mayor o igual a 25 centímetros de diámetro a la altura del pecho (DAP a una altura de 1,3 m) se
miden en las parcelas de 500 m², los árboles de DAP mayor o igual a 8 cm se miden dentro de las parcelas de 122 m²,
y los árboles mayores a 4 cm en DAP se miden dentro de parcelas de 12,6 m². Todas estas parcelas son organizadas
en forma concéntrica como se muestra en la Figura 1.
12,6 m²
122,7 m²
500 m²
Figura 1
PARCELA CIRCULAR CONCÉNTRICA DE ÁREA EQUIVALENTE

A todos los árboles se les identifica la especie, se mide su DAP, espesor de corteza y diámetro de copa. Se estima
su estado sanitario y se reconocen los posibles tipos de daños o enfermedades y agentes causantes. Cada árbol es
posicionado dentro de un croquis, estimando su ubicación relativa. Cada árbol es observado en busca de la presencia
de nidos o madrigueras. Se describe su vigor de acuerdo con la apariencia de su copa.
De todos los árboles contenidos en las respectivas parcelas se selecciona una submuestra de donde se obtienen
mediciones más detalladas que incluyen la medición de la altura total del árbol, altura donde se inicia la copa, la altura
del tocón y la altura a un tercio de la altura total, diámetro del árbol al inicio de su copa y el diámetro al tercio de la
altura total. A algunos árboles se les extrae un tarugo a 1,3 metros del suelo, para la estimación del crecimiento, a
través del conteo del número de anillos.
Muestra de Parcela
Dentro de cada parcela del conglomerado se sitúan 3 subparcelas de 1 m² cada una, cuyo objetivo es medir toda la
vegetación presente, así como la regeneración de los árboles, según se muestra en verde, en la Figura 2.
N
12,62 m
0,56 m
290º 50º
2,0 m
6,25 m 170º
Figura 2
MUESTRAS DE REGENERACIÓN Y VEGETACIÓN
En cada parcela se establece un muestreo en transectos para cuantificar los residuos leñosos gruesos (T1) y los
residuos leñosos finos (T2) como se presentan en la siguiente figura en color rojo. Los residuos gruesos se miden en
todo el trayecto entre unidades circulares concéntricas como se destaca en Figura 3.

N
12,62 m
0,56 m
290º T2 50º
2,0 m
T1
6,25 m 170º
Figura 3
TRANSECTOS DE RESIDUOS LEÑOSOS Y MORTALIDAD
La medición de los residuos, así como también la de los árboles muertos se relaciona con el hábitat que este representa
para la fauna y microfauna y también con la cantidad de combustible presente en el bosque y el ciclo de los nutrientes.
Los residuos gruesos se refieren a ramas y troncos de árboles y arbustos que tengan un diámetro de intersección con
el transecto mayor o igual a 10 cm.
A nivel de parcela se registra también la descripción del manejo, si es que procede (tipo, intensidad), estado de
desarrollo, forma de establecimiento.
Se incluyen variables topográficas como pendiente, forma de la pendiente y la exposición. Signos de pastoreo,
presencia de agua, presencia de erosión y características del drenaje. Presencia de flora en peligro de extinción y
presencia de fauna. Si existen obras civiles también se detalla su descripción.
Muestras a Nivel de Conglomerado

A nivel de conglomerado se hace la muestra de suelo, que se toma en la parcela N°1 del conglomerado. Las variables
de suelo consideradas incluyen color, pH, profundidad de suelo (si es menor que un mínimo), profundidad de humus y
hojarasca, textura, estructura, pedregosidad y condición de humedad, presencia de moteados, presencia de lombrices
y raíces y también de micorrizas.
Todas estas observaciones se detallan a nivel de observaciones de campo.
Para cada conglomerado se realizan descripciones generales reflejando lo observado en cada una de las 3 parcelas
establecidas y también lo observado en el trayecto a las parcelas, estas se relacionan con el grado de intervención
antrópica, la presencia de obras civiles, la degradación y el estado evolutivo.

También se observa la presencia de agua en los alrededores y también fauna o flora en peligro de extinción que esté
fuera de las parcelas.
Variables Medidas en el Inventario Forestal Nacional
El inventario nacional incluye la medición de las variables que se describen a continuación.
Variables del Entorno

Las variables del entorno corresponden a variables que caracterizan el entorno general del conglomerado (Cuadro 1).
Cuadro 1
DESCRIPCIÓN DE LAS VARIABLES DEL ENTORNO
VARIABLE DESCRIPCIÓN
Se considerará un esquema de descripción de degradación desde el punto de vista

Degradación
productivo.
Estado evolutivo Se describirá el estado evolutivo dominante del rodal incluido en la muestra.
Grado de intervención Se describirán los efectos visibles de la intervención del hombre sobre el recurso,
antrópica cualquiera que esta sea: Manejo, Pastoreo, Incendios, Producción de carbón o leña, otras.
Se describirán la presencia y clase de obras civiles incluidas en y en las inmediaciones al

Obras civiles
punto de muestra.
Visibilidad Se clasificará la visibilidad desde el punto de vista de la belleza escénica.
Agua Se describirá la presencia de cuerpos de agua en la parcela su origen y clase si es posible.
La observación de la flora en el entorno estará enfocada a la presencia de especies

vulnerables, raras o en peligro según listado de los procesos de clasificación del
Flora
Reglamento para la Clasificación de Especies Silvestres (RCE), impulsado por el Ministerio
de Medio Ambiente.
Se describirá por medio de presencia/ausencia la fauna existente en el punto de muestra

Fauna y si es posible una identificación. Observación indirecta como presencia de fecas, rastros,
o sonidos serán utilizados también como fuente de apoyo al registro.
Variables de Parcela
Las variables observadas en este nivel se miden al interior del área definida como parcela.

Cuadro 2
DESCRIPCIÓN DE LAS VARIABLES DE LA PARCELA
Identificación de la Identificar el número de la parcela, el número del conglomerado al que pertenece y la

unidad brigada a cargo de los datos.
Accesibilidad Definir la ruta de llegada al punto mediante parámetros de Distancia, Tiempo, Altitud.
Pendiente El cálculo de la pendiente permite establecer con precisión la parcela. Para ello se
debe identificar en el terreno y sobre el punto centro de la parcela la dirección en que
la pendiente es más fuerte (dirección de la pendiente predominante). La estimación
de la pendiente es en porcentaje.
Coordenadas Corresponde a las coordenadas de ubicación con proyección UTM, utilizando el

sistema geodésico de coordenadas WGS84.
Manejo Tipo
Raleo a Desecho
Raleo Comercial
Tala Rasa
Árbol Semillero
Preparación de Suelo
Corta en Faja
Árbol Futuro
Control de Malezas
Fertilización
Intensidad del Manejo
Sin Manejo
Ligero
Moderado
Fuerte
Tipo de Monte
Monte Alto
Monte Bajo
Monte Medio
Establecimiento Determina el origen del bosque en su mecanismo de establecimiento.
Estado de desarrollo Brinzal

Monte Bravo Bajo
Monte Bravo Alto
Latizal
Fustal
Exposición Descripción de la ladera de exposición de la parcela.
Forma de la pendiente Cóncava, plana o convexa.
Relieve
Tipos de caminos Temporal, ripiado, asfalto, carretera.

de acceso

Viene de la página anterior.
Erosión Tipo de Erosión

No evidente
Laminar
De Deslizamiento
Cárcavas en “V”.
De Zanjas
Grado de Erosión
Ligera
Moderada
Severa
Extrema
Tipo de ganado Descripción del tipo de ganado que suele pastorear en el área de la parcela.
Intensidad del pastoreo No evidente, Ligera, Moderada, Severa.
Flora La flora en la parcela se evalúa a nivel del sotobosque, a nivel de la cobertura

del suelo y a nivel de la presencia de especies raras, vulnerables o en peligro de
extinción.
Tipo de sotobosque El sotobosque se considera a todos aquellos arbustos o matorrales por debajo del
dosel arbóreo. El cual puede ser leñoso o no leñoso.
Densidad del Estimar porcentaje del suelo de la parcela cubierto por sotobosque.
sotobosque
Flora del suelo Observar si el piso de la parcela presenta hierbas, pasto, helechos o enredaderas o si
está desnudo.
Densidad de flora del Porcentaje del piso de la parcela cubierto por la flora del suelo.
suelo
Agua Caudal
Estero
Canal de Regadío
Riachuelo
Río
Vertiente
Embalse
Tranque
Laguna y lagos
Frecuencia
Permanente
Temporal
Fauna Tipo y Frecuencia.

Registro del tipo de fauna, su especie y cantidad.
Obras civiles Si existen obras civiles al interior de la parcela deberán ser identificadas y descritas.

Variables del Suelo
Cuadro 3
DESCRIPCIÓN DE LAS VARIABLES DEL SUELO
Profundidad del Suelo Solo horizonte A mezcla de material orgánico y mineral.
Profundidad de La parte de la hojarasca (litera o mantillo) del horizonte orgánico del material que ha
Hojarasca caído recientemente y donde aún se pueden identificar los órganos (horizonte Aoo).
Este horizonte, del horizonte orgánico, es aquel de material totalmente descompuesto,

donde toman lugar los procesos de humificación. Es de color café a café oscuro,
Profundidad del Humus
constituido por sustancias amorfas más o menos resistentes, originada por la
descomposición de los restos vegetales y animales (horizonte O).
pH o Reacción del Mide la acidez o alcalinidad del suelo a través de la medición de la concentración del
Suelo ion hidrógeno.
Grado de Cobertura de El grado o porcentaje de cobertura de Copas corresponde a la proporción del suelo
Copas cubierta por la copa de los árboles.
Como aproximación a las características del suelo y su origen y madurez el color se

Color clasificará por medio de la Tabla de Colores Munsell y que clasifica el color en base a 3
variables básicas Matiz, Brillo y Croma.
Se clasificará la textura en las siguientes clases: Arenosa, Franca, Limosa y

Textura
combinaciones de las mismas.
Sin estructura
Laminar
Estructura Prismática
En bloques
Granular
Tres condiciones básicas se aplicarán para esta variable, Seco, Húmedo y Saturado
Condición de Humedad
dependiendo de las condiciones iniciales de medición.
Determinar la presencia o ausencia de lombrices (principalmente) ya que ellos cumplen

importantes funciones trasladando los residuos vegetales hacia el interior del suelo
Fauna del Suelo
o incorporándolos a él. Se aplicará en forma de variables binaria como: Presencia /
Ausencia y adicionalmente, conteo por unidad de área.
Variables de Regeneración
La regeneración, o las variables asociadas a la parcela de regeneración, permite estimar cuál será la composición y
calidad de los bosques futuros.
La regeneración se mide por conteo dentro de la parcela de área 1 m2. En ella se distinguen 4 estratos según altura:
Estrato 1: 0 – 0,5 m
Estrato 2: 0,51 – 1,0 m
Estrato 3: >1,01 m y < 1,3m
Estrato 4: >1,3 y DAP <4.0 cm
En cada estrato se debe identificar por especie, el número de plantas que están contenidas en la parcela.

Variables Asociadas a Árboles Individuales
Estas variables corresponden a las que se miden u observen sobre cada individuo seleccionado dentro de las parcelas
para aquellos individuos con DAP mayor o igual a 8 cm.
Cuadro 4
DESCRIPCIÓN DE LAS VARIABLES ASOCIADAS A ÁRBOLES INDIVIDUALES
Especie Se deberá registrar la especie a la que pertenece el árbol.
DAP Diámetro a la altura del pecho (a 1.3 m).
Diámetro al tocón. Diámetro al nivel del tocón (0,3 a 0,5 m).
Diámetro a 1/3 de la Diámetro del fuste a 1/3 de la altura total orientado a cálculo del volumen si no tiene
altura total función de volumen.
Diámetro al inicio de Medición del diámetro a la altura del inicio de la copa viva.
Copa.
Diámetro de Copa. Se refiere al diámetro de la copa en los ejes Norte – Sur y Este – Oeste.
Espesor corteza 1 y Dos mediciones de espesor de corteza a la altura del DAP.

espesor corteza 2
Altura comercial Altura a un índice de utilización definido durante el proyecto.
Altura total Medición de la altura total del árbol hasta el ápice de la copa.
Calidad Clasificación de calidad del árbol desde el punto de vista de su estado general, sanidad y
forma. (3 clases)
Forma Recta, Bifurcada, Curvada, Torcida, Multifustal. Inclinado,
Árbol Nido Variable binaria de presencia/ausencia de nidos asociados a fauna.
Posición en el dosel Descripción en clases respecto a su posición en el estrato de altura.
Crecimiento Tarugos de incremento para adelantar el crecimiento de los últimos 6 años en una
submuestra de árboles.
Variables de copa Clasificación respecto de la apariencia de la copa (Normal, Angosta, Ancha, Asimétrica,
Simétrica, Incompleta) y su estado sanitario (Sana, Atacada, Dañada).
Sano
Estado Sanitario Enfermo
Dañado
Agente Causante Insecto Taladrador, Defoliador, Minador, Agallas, Fuego, Viento, Sequía, Heladas, Cancros,
Ganado, Personas, Hongos, Anegamiento, Otros.
Zona y Tipo de Daño o Ninguna, General, Fuste, Raíces, Follaje, Brotes, Quebraduras, Quemadura, Marchitez,
Enfermedad Manchas, Muerte apical, Perforaciones, Resinosis, Clorosis, Lanosidad, Otros.
Describe el grado de daño o enfermedad presentado por el árbol o por la zona dañada
Intensidad del árbol. Estos son:
No evidente, Ligero, Moderado, Severo, Muerte, Masivo.

Variables de Mortalidad
La medición de los árboles muertos en la parcela permite la estimación del volumen total producido en el sitio,
la calidad y cantidad del mismo por unidad de superficie y el tipo de producto. Permite calcular el crecimiento al
momento del monitoreo. Para esos efectos es importante evaluar tanto en términos del volumen, como del área
basal y del número de árboles el valor de la mortalidad en la parcela. Con ese objetivo sobre los árboles muertos se
identifica, en la medida que sea posible:
Cuadro 5
DESCRIPCIÓN DE LAS VARIABLES DE MORTALIDAD
Especie Identifica la especie.
Causa Identificación de la causa de muerte.
DAP Medición de tamaño para estimación de volumen. Se mide a 1,3 metros de largo si el
árbol está caído.
Diámetro al Tocón Tamaño al diámetro del tocón o al diámetro superior visible.
Diámetro sección Diámetro a la altura o largo superior para propósitos de cubicación.

superior y altura
Diámetro de Medición del diámetro de intersección de árbol caído con línea de muestreo.
intersección
Largo Medición de largo del árbol caído en metros.
Forma Estimación de la forma original del individuo en lo posible.
Variables Socioeconómicas y Culturales

Las variables socioeconómicas y culturales se consideran a partir del segundo ciclo de medición (2015-2019).
Cuadro 6
DESCRIPCIÓN DE LAS VARIABLES SOCIOECONÓMICAS Y CULTURALES
Área de relevancia Comprende una descripción e identificación de un área bajo muestreo que presenta
religiosa una importancia religiosa para comunidades locales u otras.
Tenencia de la tierra Tipo de tenencia de la tierra.
Grupo familiar Identifica o relaciona el grupo beneficiario de los recursos comprendidos en la

asociado al recurso muestra.
Número de personas
dependientes del Cuantificación de las personas directamente relacionadas a algún producto del
bosque o recurso bosque o usufructo del espacio del mismo (hongos, bayas, ganado, etc.).
asociado al bosque

Área de importancia Área que por sus características presenta relevancia en la cultura local. (ej. Áreas de
cultural y recreacional reuniones, deportivas etc.).
Rango de ingreso del Caracterización del ingreso económico del grupo familiar.
grupo familiar
Actividad económica Identificación de la actividad principal del grupo familiar, indica grado de dependencia
principal del grupo del bosque.
familiar
Presencia de
plantaciones Define si existen en las cercanías plantaciones forestales.
forestales cercanas
Otras Otras a definir según énfasis del estudio.
Procesamiento de los Datos y Generación de Resultados
Procesamiento a Nivel de Árboles

Una vez que los datos básicos del inventario se encuentran en Base de Datos debidamente validados y corregidos, se
inicia el siguiente conjunto de cálculos por individuo.
- Cálculo de Relación DAP-Altura
Para aquella sub-muestra definida en la parcela de acuerdo al procedimiento descrito en el Manual de Operaciones
en Terreno, se debe estimar la relación DAP-Altura total a objeto de completar con estimaciones de esta a aquellos
individuos que no fueron medidos en terreno.
La relación se ajusta por Mínimos Cuadrados a algunos de los modelos siguientes o variaciones de los mismos:
H = a + bDAP + cDAP2
1
H = a+b
DAP
1
ln H = a + b
DAP
Donde:
H Altura total (m)
DAP Diámetro a la altura del pecho (cm)
a, b Coeficientes

- Cálculo de Volumen Cúbico Individual Bruto
Una vez determinadas las alturas estimadas para aquellos individuos no medidos en terreno, se procede a estimar
el volumen cúbico por individuo en metros cúbicos sólidos sin corteza (m³ssc) a partir de algunas de las funciones
de volumen descritas en la literatura, u otra tabla de volumen local disponible. Se utiliza en lo posible una función de
volumen por especie.
No obstante lo anterior, se ha implementado un sistema de validación de funciones de forma de asegurar que las
estimaciones sean adecuadas, según el procedimiento descrito por Martin (com. pers.). Este procedimiento consiste
en utilizar las lecturas de diámetro a 1/3 de la altura total, el diámetro al inicio de copa y altura al inicio de la copa, para
por la vía de la estimación de B-Splines calcular un volumen estimado según la integral numérica del B-Spline definida
este método ha permitido utilizar funciones de volumen de otras especies en aquellos individuos de aquellas especies
que carecen de funciones o presentan funciones cuya población de origen no corresponde con la población definida
por los datos medidos.
- Cálculo del Volumen Cúbico Individual Neto
El cálculo del volumen neto individual comprende a la simple asignación de volumen neto para aquel individuo que
cumpla con los requisitos de calidad de forma, sanidad y daño especificados como tipo 1 en el Manual de Operaciones
de Terreno y descritos como atributos en la Base de Datos.
- Cálculo del Volumen Cúbico Individual de Desechos
Para aquellos individuos muertos o porciones de individuos yacentes en el suelo o aún en pie, se evalúa el volumen de
desecho de acuerdo con la aproximación de Smalian o estimación directa para muestreo en línea para los individuos
sobre el suelo, y según estimación por función de volumen definida para la especie y conglomerado para aquellos
individuos aún en pie.
- Cálculo del Crecimiento Anual Periódico Individual
El método de estimación para el incremento anual periódico individual (Husch et al., 1982) utilizado, consiste en la
regresión por Mínimos Cuadrados Ordinarios por parcela de los incrementos reales contra el Diámetro a la Altura del
Pecho de los individuos con sub-muestra de acuerdo al modelo general o variaciones de este:
incrementoij =a i +bi DAPij +errori
Donde:
aj, bj Coeficientes de regresión para la parcela i.
DAPij Diámetro a la Altura del Pecho c/c del árbol i de la submuestra en parcela j.
incrementoij Incremento medio en Diámetro a la altura del Pecho c/c para el árbol i de la
parcela j.
Resultados para cada una de las j regresiones se aplican a cada individuo de la muestra que carece de medición de
incremento.

Procesamiento a Nivel de Parcelas
Al completar las estimaciones de árboles individuales, se utilizan aquellas variables que tienen relevancia para la
estimación de las existencias, a partir de las parcelas que componen el conglomerado.
- Estimación de Número de Árboles Totales por Hectárea
Para estimar el número de árboles total por hectárea definido por cada parcela se aplica el factor de expansión relativo
al tamaño de cada círculo concéntrico dentro de la parcela por la siguiente fórmula:
Narb / ha= f 12.62 *n12.62 + f 6.25 *n 6.25 + f 2.0 *n 2.0 + f 0.56 *n 0.56
Donde, el subíndice representa el radio de la parcela concéntrica, f el factor de expansión y n el número de individuos
contabilizados en esa parcela concéntrica. Para el caso de árboles cubicables se consideran en esas clases y formulas
con los factores f2.0 y f0.56 iguales a cero.
- Por Especie
Para el caso del cálculo del número de árboles totales por hectárea por especie, estimados a partir de las parcelas
concéntricas, se aplica la misma fórmula desagregando n de la parcela concéntrica en las diversas especies como:
Narb / ha especie = f 12.62 *(n sp,12.62 ) + f 6.25 *(n sp,6.25) + f 2.0 *(n sp,2.0) + f 0.56 *(n sp,0.56 )
con,
S especie Narb / haespecie =Narb / ha
- Por Clase de Calidad
Para el cálculo del número de árboles por hectárea por clase de calidad similarmente la desagregación de n por clases
de calidad se aplica:
Narb / hacalidad = f 12.62(n cal,12.62) + f 6.25 (n cal,6.25)
con,
S calidad
Narb / hacalidad = f 12.62*(n 12.62 )+ f 6.25*(n 6.25 )
La suma de árboles por clase de calidad es igual al total de árboles por hectárea mayores a 8,0 cm de DAP.

- Por Grado de Ataque o Daño Sanitario
El número de árboles por hectárea que presenta daño o ataque de enfermedades según clasificación descrita en el
Manual de Operaciones en Terreno, se calcula según:
Narb / hadaño = f 12.62*(n daño,12.62 ) + f 6.25 *(n daño,6.25 )
con,
S daño
Narb / hadaño = f 12.62*(n 12.62 )+ f 6.25*(n 6.25 )
La suma de árboles por tipo de daño es igual al total de árboles por hectárea mayores a 8.0 cm de DAP.
- Estimación del Área Basal por Hectárea
La estimación del área basal por hectárea a nivel de parcela se calcula como:
n12.62 n6.25
AreaBasal / ha = f 12.62 Si=1
gi + f 6.25 Sg
i=1
i
Donde:
nk Número de árboles en la parcela concéntrica de radio k,
gi Área Basal del árbol individual
(g = π/4*(DAP2))
- Por Especie
La estimación del área basal por especie por hectárea a nivel de parcela es:
n12.62 n6.25
AreaBasal / ha especie = f sp,12.62 Si=1
gsp,i + f sp, 6.25 Sg i=1
sp,i
con,
S especie AreaBasal / ha especie =AreaBasal / ha
n12.62 n6.25
AreaBasal / ha calidad = f 12.62 S
i=1
gcal, i + f 6.25 Sg
i=1
cal, i

con,
S calidad AreaBasal / ha calidad =AreaBasal / ha
n12.62 n6.25
AreaBasal / ha daño = f daño12.62 S i=1
gdaño, i + f 6.25 Sg
i=1
daño, i
con,
S daño AreaBasal / ha daño =AreaBasal / ha
- Estimación del Volumen Cúbico Bruto por Hectárea por Parcela
A objeto de estimar los volúmenes cúbicos brutos por hectárea a nivel de las parcelas se aplican las siguientes
expresiones:
n12.62 n6.25
VolB / ha = f 12.62 Si=1
vi + f 6.25 Sv
i=1
i
Donde:
vi Volumen de árbol individual en m³ssc de acuerdo con función de volumen sólido para árboles cubicables y para
la especie.
- Por Especie
n12.62 n6.25
VolB / ha especie = f sp,12.62 S
i=1
vsp,i + f sp, 6.25 Sv i=1
sp,i
con,
S especie VolB / ha especie =VolB / ha
n12.62 n6.25
VolB / ha calidad = f 12.62 S
i=1
vcal, i + f 6.25 Sv
i=1
cal, i

con,
S calidad VolB / ha calidad =VolB / ha
n12.62 n6.25
VolB / ha daño = f daño12.62 Si=1
vdaño, i + f 6.25 Sv
i=1
daño, i
con,
S daño VolB / ha daño =VolB / ha
- Estimación del Volumen Cúbico Neto por Hectárea
El volumen cúbico neto por hectárea en pie comprende la suma de los volúmenes individuales descontadas las
pérdidas por calidad y sanidad de acuerdo a factores de perdidas fp definidos por especie o grupos de especies o por
zona geográfica.
n12.62 n6.25
VolN / ha = f 12.62 Si=1
fp*vi + f 6.25 S fp*v
i=1
s
- Por Especie
n12.62 n6.25
VolN / ha especie= f sp,12.62 Si=1
fp*vi + f 6.25 S fp*v
i=1
s
con,
S especie VolN / ha especie =VolN / ha
- Estimación del Volumen de Valor por Hectárea
El volumen de material de valor por hectárea en pie a nivel de la parcela se estima como volumen neto de aquellos
individuos mayores a 25 cm en DAP.
n12.62 n6.25
VolAS / ha = f 12.62 Si=1
vasi,1 + f sp,6.25 S vas
i=1
i,1
Donde:
vasi,1 Volumen de valor del individuo i de calidad 1 y sanidad 1, de acuerdo con Manual de Operaciones de Terreno

- Estimación del Volumen de Valor por Especie por Hectárea
El volumen de valor por hectárea por especie en pie a nivel de la parcela se estima como:
n12.62 n6.25
VolAS / ha especie = f sp, 12.62 Si=1
vassp,i + f sp,6.25 S vas
i=1
sp,i
con,
S especie VolAS / ha especie =VolAS / ha
- Estimación de la Altura Media
La estimación de la altura media de la parcela se realiza por medio de la aplicación de la media ponderada de las
alturas estimadas por los factores de expansión correspondientes a los diámetros de las alturas determinadas para
cada árbol de la parcela.
{ f12.62* Si (HT12.62,i)+ f 6.25* Si (HT6.25,i)}

1
HTMedia=
SN k k
Donde:
HTk,i Altura del individuo i en la parcela concéntrica de radio k
Nk Número de individuos/ha asociados a parcela concéntrica de radio k
- Estimación del Crecimiento Periódico por Hectárea
Para la estimación del crecimiento se recurre al procedimiento de extracción de tarugos por medio de taladros de
incremento según lo descrito en el Manual de Operaciones en Terreno y el cálculo de las relaciones funcionales
lineales descritas en punto anterior (Ver Cálculo del Crecimiento Periódico individual).
- Estimación del Crecimiento Periódico en Clases de Diámetro
nclaseDAP
Scap
i=1
i
CAPclaaseDAP=
nclaseDAP

- Estimación del Crecimiento en Área Basal por Hectárea en un Período “P”
El cálculo del crecimiento anual periódico en Área Basal por hectárea se estima como:
{
CAB / haP= 1
Π
f
P 4 12.62 {S
n12.62
i=1
(DAPi,p-P*CAPi,claseDAP)2 +
n12.62
S(DAP
i=1
)2 +
i,p0
{
1 Π f
P 4 6.25 {S
n6.25
i=1
(DAPi,p-P*CAPi,claseDAP)2 +
n6.25
S(DAP
i=1
)2
i,p0
Donde:
P Período en años
P0 Inicio del período
- Estimación del Crecimiento Anual Periódico en Volumen Bruto por Hectárea
Para la estimación del crecimiento en volumen se requiere de la concurrencia de tablas de volumen local por especie.
En caso de no contar con dichas funciones se calcula el volumen individual al tiempo p0 = t-p, utilizando las funciones
de volumen generales a un p<=4 años, a objeto de aplicar de esta forma las relaciones DAP-Altura estimadas a partir
del inventario para cada parcela/conglomerado/especie.
Una vez estimados estos volúmenes se estima el crecimiento anual periódico por hectárea en volumen bruto como:
{ {
CAPVOL / haP= 1 f12.62
P {S
n12.62
i=1
(vi,p)
n12.62
Si=1
(vi,p0) + f6.25
{S
n6.25
i=1
(vi,p)2
n6.25
S(v
i=1
)
i,p0
Procesamiento a Nivel de Conglomerados

La estimación de las diversas variables por Conglomerado se realiza por medio de la aplicación de promedios para
aquellas unidades que caen en terrenos forestales.
- Estimación del Número de Árboles por Hectárea
El número de árboles por hectárea que caracteriza al conglomerado es:
NarbCong / ha = S Narbj j
J
j Índice de parcela en terrenos forestales.

J Número total de parcelas del conglomerado que pertenece a terreno forestal

- Estimación del Número de Árboles por Hectárea por Especie
A nivel de conglomerado el valor medio de número de árboles por hectárea por especie es:
NarbCong / ha especie = S Narb

j especie, j
J
Donde:
S NarbCong / ha especie = NarbCong / ha
- Estimación del Número de Árboles por Hectárea por Clase de Calidad
A nivel de conglomerado el número de árboles por clase de calidad se estima de acuerdo con:
NarbCong / ha calidad = S Narb

j calidad, j
J
Donde:
S NarbCong / ha calidad = NarbCong / ha
- Estimación del Número de Árboles por Hectárea por Grado de Ataque o Daño Sanitario
El número de árboles por grado de ataque o daño por hectárea se calcula como:
NarbCong / ha daño = S Narb

j daño, j
J
Donde:
S NarbCong / ha daño = NarbCong / ha
- Estimación del Área Basal por Hectárea
La estimación del área basal por hectárea a nivel del conglomerado se calcula como:
ABCong / ha = S AB
j j
J

- Estimación del Área Basal por Hectárea por Especie
La estimación del área basal por especie por conglomerado se da por la expresión siguiente:
ABCong / ha especie = S AB j especie, j

J
Donde:
S ABCong / ha especie = ABCong / ha
- Estimación del Área Basal por Hectárea por Clase de Calidad
La estimación por clase de calidad por conglomerado en área basal se calcula por:
ABCong / ha calidad = S AB j calidad, j

J
Donde:
S ABCong / ha calidad = ABCong / ha
- Estimación del Área Basal por Hectárea por Grado de Ataque o Daño Sanitario
El área basal por conglomerado de daño por hectárea se calcula como:
ABCong / ha daño = S AB j daño, j

J
Donde:
S ABCong / ha daño = ABCong / ha
- Estimación del Volumen Cúbico Bruto por Hectárea
La estimación del volumen bruto sólido sin corteza que caracteriza al conglomerado se calcula como:
VCong / ha = SV j j
J

- Estimación del Volumen Cúbico Bruto por Hectárea por Especie
La estimación del Volumen bruto sólido sin corteza que caracteriza al conglomerado se calcula como:
VCong / ha especie = SV j especie, j

J
Donde:
S VCong / ha especie = VCong / ha
- Estimación del Volumen Cúbico Bruto por Hectárea por Clase de Calidad
VCong / ha calidad = SV j calidad, j

J
Donde:
S VCong / ha calidad = VCong / ha
- Estimación del Volumen Cúbico Bruto por Hectárea por Grado de Ataque o Daño Sanitario
VCong / ha daño = SV j daño, j

J
Donde:
S VCong / ha daño = VCong / ha
- Estimación del Volumen Cúbico Neto por Hectárea
El Volumen cúbico neto en cada conglomerado se estima como:
VNCong / ha = S VolN
j j
J
- Estimación del Volumen Cúbico Neto por Hectárea por Especie
VNCong / haespecie = S VolN

j especie, j
J

Donde:
S VNCong / ha especie = VNCong / ha
- Estimación del Crecimiento Anual Periódico en Clases de Diámetro
El cálculo del crecimiento anual periódico en clases de diámetro a nivel de conglomerado se realiza según la siguiente
expresión:
Scap
j=1
j,claseDap
CAPCongclaaseDAP =
J
- Estimación del Crecimiento Anual Periódico en Área Basal por Hectárea
El cálculo del crecimiento anual periódico en área basal por ha en el conglomerado se calcula por medio de:
SCAB
j=1
j
CABCong =
J
- Estimación del Crecimiento Anual Periódico en Volumen por Hectárea
SCAPVol
j=1
j
CVOLCong =
J
- Estimación de las Existencias Volumétricas en Residuos Gruesos por Hectárea
1,2331
T=
L SD i
2
i
con,
T Volumen (m³/ha)
L Largo transecto con pendiente corregida (m)
D Diámetro de intersección (cm)

Procesamiento a Nivel de la Población
A partir de las unidades muestrales definidas en el diseño muestral y del número definitivo medido en la toma de datos
de terreno, se procede calcular algunos estadígrafos que reflejan la calidad de la estimación por la vía de describir la
incertidumbre estadística asociada a los estimados.
Así los estimados de las existencias volumétricas en m³ssc de la población definida según los párrafos anteriores
son:
- Cálculo de la Media Total y Existencias Totales
µ= S mn
Vij
MN
Donde:
µ Media total estimada en m³ssc por hectárea
Vj Volumen cúbico sólido en pie de la parcela i (i=1, N) del conglomerado j={1,M}
- Cálculo de la Varianza de la Media Total
La varianza muestral de la media total se estima como un muestreo clásico en dos etapas para una población infinita
de acuerdo con:
S n (v µ)
j
j i
2
Var (µ) =
M
Snj
j (m-1)
Donde:
vi Volumen medio por hectárea del conglomerado j en m³ssc.
µ Volumen medio total del área de estudio ambas regiones
nj Número de parcelas secundarias del conglomerado j
m Número total de unidades primarias
con,
M
S

nj
j
m nj

- Cálculo del Error Asociado a la Media Total
El cálculo del error de la media total y por ende de las existencias estimadas se calcula como:
Error (µ) = tg S
con,
Error(µ) Error absoluto de la media total en m³ssc.

S Desviación estándar de la media en m³ssc.
De forma similar, las expresiones anteriores se aplican para esquemas más desagregados de estimación como cálculo
de las existencias a nivel regional, provincial, por tipo forestal, por ejemplo, y sus respectivos errores muestrales.
- Resultados Tabulares de Variables Cuantitativas-Tablas de Existencias
Una de las expresiones más útiles para describir el estado y condición cuantitativa de los bosques es la tabla de
existencia, la cual describe las diversas variables de estado de rodal desglosándolas en valores por clase diamétrica.
Estas tablas representan para cada clase de diámetro sus respectivos:
- Número de árboles medio por hectárea por clase de diámetro

- Volumen medio por hectárea por clase de diámetro
- Altura media por clase de diámetro
- Crecimiento anual periódico medio por clase de diámetro
El procedimiento de cálculo para la elaboración de estas tablas se basa en las siguientes expresiones:
- Número de Árboles Medio por Hectárea por Clase de Diámetro
N/haclaasedap = S
claasedap
N/haclasedap, i, j
j
con,
N/haclasedap,i,j Número de árboles i en la clase de diámetro clasedap en el conglomerado j

J Número de conglomerados totales.
- Volumen Medio por Hectárea (m³ssc) por Clase de Diámetro
V/haclaasedap = S
claasedap
V/haclasedap, i, j
j

con,
V/haclasedap,i,j Volumen i en la clase de diámetro clasedap en el conglomerado j

- Altura Media (m) por Clase de Diámetro
HTclaasedap = S claasedap
HTclasedap, i, j
j
con,
HTclasedap,i,j Altura i en la clase de diámetro clasedap en el conglomerado j

- Crecimiento Anual Periódico Medio por Hectárea en Volumen Sólido (m³ssc/ha/año)
CAPVolclaasedap = S claasedap
CAPVolclasedap, i, j
j
con,
CAPVolclasedap,i,j Crecimiento anual periódico i en la clase de diámetro clasedap en el conglomerado j

Procesamiento para la Estimación de Existencias en Biomasa y Carbono

El carbono se acumula en la biomasa del ecosistema forestal y la biomasa es definida como el peso, o estimación
equivalente, de materia orgánica que existe en un determinado ecosistema forestal. Se reconocen cinco diferentes
depósitos donde se acumula el carbono en el ecosistema forestal (IPCC, 1996):
- En la biomasa sobre el suelo, que considera los árboles, la vegetación arbustiva y la vegetación herbácea.
- En la biomasa bajo el suelo, que se refiere a las raíces de la vegetación del ecosistema estudiado, tanto de los
árboles como del sotobosque.
- En la hojarasca, que es la capa de material orgánico (hojas, ramillas, semillas, etc.) no descompuesto y cuyas
formas se pueden reconocer a simple vista.
- Árboles muertos en pie, y troncos los caídos
- En el suelo, el cual es considerado por IPCC (1996) hasta una profundidad de 30 cm, debido a que el cambio de
uso de la tierra tiene un mayor efecto en los estratos superiores.
En el inventario se consideran los componentes:
- Biomasa viva sobre el suelo

- Biomasa de árboles muertos en pie y residuos gruesos sobre el suelo

Los otros componentes no son estimados para determinar la biomasa y el contenido de carbono, en algunos casos
por ser de difícil estimación (caso del suelo) y en otros por ser de baja influencia en el total (caso hojarasca, ramillas).
Para el caso de raíces se estima por factores de biomasa publicados en literatura (Gayoso et al., 2002).
- Biomasa Sobre el Suelo
- Con Funciones de Biomasa
Se utilizaron funciones de biomasa total individuales para especies nativas de acuerdo con el trabajo desarrollado por
Gayoso et al. (2002) (Cuadro 7). Estas funciones de biomasa se aplicaron a nivel de árbol individual.
Cuadro 7
FUNCIONES DE BIOMASA POR ESPECIE
PARÁMETROS
MODELO ESPECIE DAP
A B C
Canelo (DW) 52 > DAP > 6 -5,73651 3,25257 0,07943
Coigüe (ND) 105 > DAP > 6 -577,329 6,11716 0,02752
a + EXP (b +c * DAP) Coigüe Chiloé (NN) 47 > DAP > 12 -146,927 4,76702 0,05591
Tineo (WT) 91 > DAP > 6 -170,119 5,23563 0,03876
Raulí (NA) 66 > DAP > 5 -441,440 5,84538 0,03211
95 > DAP > 5 -1,44454 2,23634

Ulmo (EC)
70 > DAP > 5 -1,45875 2,23536
Avellano (GA) 27 > DAP > 6 -1,84774 2,23221

EXP (a + b * LN (DAP))
Tepa (LP) 74 > DAP > 6 -0,88067 2,00017
Mañío macho (PN) 55 > DAP > 5 -0,49120 1,90639
Mañío hembra (SC) 54 > DAP > 7 -0,2277 1,77378
a + b * DAP² Roble (NO) 72 > DAP > 5 -27,8703 0,59063
EXP (a + b * DAP) Luma (AL) 22 > DAP > 5 2,15765 0,16039

(Gayoso et al., 2002)
- Biomasa a Partir del Volumen
Al carecer de funciones de biomasa, la biomasa se calculó a partir del volumen bruto fustal y después se expandió
este valor para considerar toda la biomasa aérea. De tal forma que:
Biomasa aérea (t/ha) = VC * D * FEB

Donde:
VC Volumen bruto fustal (m³/ha) de árboles con DAP ≥ 4 cm
D Densidad básica de la madera (Contenido humedad 12 %) (t/m³)
FEB Factor de expansión de biomasa (biomasa aérea seca/biomasa aérea comercial)
Para la determinación del volumen bruto se consideraron los árboles con DAP mayores a 4 cm y las densidades
básicas de acuerdo con el cuadro 8. En aquellos casos donde no fue posible identificar la especie se usó una densidad
básica de 0,5 t/m³, según lo describe IPCC (1996).
El factor de expansión utilizado para la estimación de la biomasa total aérea fue 1,75 de acuerdo con la metodología
propuesta por IPCC (1996).
Cuadro 8
DENSIDADES BÁSICAS POR ESPECIE
Densidad básica
Especie Nombre común N Fuente
(kg/m³)
Araucaria araucana Araucaria 483,0 Pérez (1983)

Gevuina avellana Avellano 506,7 90 Gayoso (2002)
Drimys winteri Canelo 431,2 48 Gayoso (2002)
Nothofagus dombeyi Coigüe 504,2 316 Gayoso (2002)
Laurelia sempervirens Laurel 447,2 12 Gayoso (2002)
Persea lingue Lingue 464,3 20 Gayoso (2002)
Saxegothea conspicua Mañío hembra 547,0 11 Gayoso (2002)
Citronella mucronata Naranjillo 460,1 Gayoso (2002)
Embotrium coccineum Notro 474,4 Gayoso (2002)
Aextoxicon punctatum Olivillo 487,9 12 Gayoso (2002)
Sophora microphylla Pelú 488,0 Gayoso (2002)
Cryptocarya alba Peumo 460,1 Gayoso (2002)
Lomatia hirsuta Radal 474,4 Gayoso (2002)
Nothofagus alpina Raulí 507,6 68 Gayoso (2002)
Nothofagus obliqua Roble 461,4 259 Gayoso (2002)
Laureliopsis philippiana Tepa 438,2 273 Gayoso (2002)
Weinmannia trichosperma Tineo 540,8 146 Gayoso (2002)
Dasyphyllum diacanthoides Trevo 652,7 12 Gayoso (2002)
Eucryphia cordifolia Ulmo 546,9 379 Gayoso (2002)
Lomatia dentata Avellanillo 474,4 Gayoso (2002)
Nothofagus antarctica Ñirre 464,0 Pérez (1983)
Luma apiculata Arrayán 799,1 Gayoso (2002)

Densidad básica
Especie Nombre común N Fuente
(kg/m³)
Amomyrtus luma Luma 764,5 12 Gayoso (2002)
Rhaphithamnus spinosus Arrayán macho 435,8 Gayoso (2002)
Myrceugenia exsucca Pitra 799,1 Gayoso (2002)
Caldcluvia paniculata Tiaca 555,0 Pérez (1983)
Aristotelia chilensis Maqui 331,0 Pérez (1983)
Maytenus boaria Maitén 474,4 Gayoso (2002)
Tepualia stipularis Tepú 799,1 Gayoso (2002)
Amomyrtus meli Meli 799,1 Gayoso (2002)
Escallonia spp. Escallonia spp. 710,0 Pérez (1983)
Ovidia pillo-pillo Pillo pillo 331,0 Pérez (1983)
Lomatia ferruginea Fuinque 474,4 Gayoso (2002)
Podocarpus nubigena Mañío macho 513,2 54 Gayoso (2002)
Azara integrifolia Corcolén 474,4 Gayoso (2002)
Fitzroya cupressoides Alerce 405,0 Pérez (1983)
Austrocedrus chilensis Ciprés de la cordillera 424,0 Pérez (1983)
Blepharocalyx cruckshanksii Temu 799,1 Gayoso (2002)
Pilgerodendron uviferum Ciprés de las guaitecas 405,0 Pérez (1893)
Crinodendron hookerianum Chaquihue, Polizón 435,8 Gayoso (2002)
Fuchsia magellanica Chilco 710,0 Pérez (1983)
Maytenus magellanica Leña dura 799,1 Gayoso (2002)
Myrceugenia planipes Picha-Picha 799,1 Gayoso (2002)

(Gayoso et al., 2002)
- Biomasa de Árboles Muertos en Pie y Residuos Gruesos
- Árboles Muertos en Pie
Para la determinación de la biomasa de los árboles muertos en pie se consideró el volumen y densidad de la especie,
según la fórmula:
Biomasa árbol muerto en pie (t/ha) = V *D
Donde:
V Volumen según Smalian (m³/ha)
D Densidad aparente (t/m³)
Para los valores de densidad se consideraron los del Cuadro 8, al no reconocer la especie se utilizó una densidad
aparente de 0,5 t/ha según lo recomendado por IPCC (1996).

- Residuos Gruesos
Los residuos gruesos se definen como todos los residuos con diámetros ≥ 10 cm. Para la determinación de la biomasa
de los residuos gruesos se utilizó el volumen y la densidad y se consideró un factor de descuento según el grado de
descomposición del residuo.
Biomasa de residuos gruesos (t/ha) = V * D * FD
Donde:
V Volumen según fórmula de Smalian (m³/ha)
D Densidad básica (t/m³)
FD Factor de descuento por descomposición
La densidad básica se obtuvo del Cuadro 8 cuando fue posible identificar la especie, al carecer de dicha identificación
se consideró una densidad promedio de 0,5 t/m³ (IPCC, 1996).
Para el factor de descuento de descomposición se consideró la información generada por el proyecto FONDEF
D98I1076, donde en un estudio de residuos de bosque nativo se establecieron 3 categorías de descomposición
(Schlegel et al., 2001).
Por otra parte, el Inventario utiliza 5 categorías de descomposición (Cuadro 9) para rescate en terreno y para poder
utilizar la información del proyecto FONDEF se asimilaron en las tres categorías como aparece en el Cuadro 10.
Cuadro 9
CLASES DE DESCOMPOSICIÓN DE RESIDUOS GRUESOS
INTEGRIDAD TEXTURA PORCIONES COLOR RAÍCES RAMAS

CLASE ESTRUCTURAL DEGRADADAS MADERA INVASORAS Y RAMILLAS
Intacta, sin Existen ramas y

Troza sana intacta degradación sin Color original Ausentes ramillas presentes
1
y reciente cuerpos frutales aun en troza, corteza
visibles de hongos aun firme y pegada
Mayoritariamente
intacta, medula Existen ramas y
parcialmente blanda, muchas de las
inicio de degradación, Color original Ausente ramillas ya no
2 Sana
pero no puede existen, corteza
arrancarse a mano pelada en algunas
desnuda porciones
Xilema sano (troza La médula se

encuentra ausente o Color original Solo xilema Las ramas no se
3 capaz de soportar su
se puede arrancar vía a café rojizo sueltan a nivel del
propio peso)
manual cuello
Xilema descompuesto Piezas en forma de

4 troza no soporta su bloque, blandas, su Café claro a Presencia total Las ramas se
propio peso, pero puede hundir una rojizo de raíces sueltan solas
mantiene su forma pieza metálica
5 Ninguna pieza Blanda, polvorienta Café Rojizo a Presencia total Uniones de ramas
mantiene su forma cuando está seca café oscuro de raíces degradadas

Cuadro 10
CATEGORÍAS DE DESCOMPOSICIÓN Y PORCENTAJE DE DESCUENTO DE DENSIDAD BÁSICA
Categoría
Categoría
descomposición Densidad básica % de densidad
Descomposición descomposición
(Proyecto FONDEF (t/m³) básica
Inventario
D98I1076)
1 Baja degradación 0,49 - 0,52 100 1a2
2 Degradación Media 0,28 - 0,37 65 3
3 Alta degradación 0,14 - 0,26 40 4a5
- Contenido de Carbono y CO2 Equivalente
Después de determinar la biomasa de los árboles vivos y la biomasa de árboles muertos y residuos gruesos, se
calculó la cantidad de carbono almacenado.
Para esto se utilizó como base el trabajo realizado por el proyecto FONDEF, el cual determinó el contenido de carbono
considerando especies de los Tipos Forestal es Siempreverde y Roble-Raulí-Coihue, se utilizó el valor promedio de
contenido total de carbono que fue 49,64% (Gayoso et al., 2002). Las respectivas biomasas se multiplicaron por este
factor obteniéndose el contenido de carbono.
Carbono de biomasa (t/ha) = Biomasa (t/ha) * 0,4964
En el caso de la representación del contenido de Carbono como CO2 equivalente, se corrige la expresión anterior por
44/12.
Método de Actualización del Programa de Inventario de Plantaciones

Forestales - Pequeños y Medianos Propietarios (PYMP)
El Instituto Forestal (INFOR) ha venido realizando desde los años 80 la labor de actualización de plantaciones de
especies exóticas de las diversas regiones en el país. Como producto principal de estas actualizaciones se entrega
tradicionalmente una cartografía de base 1:50.000 del Instituto Geográfico Militar con los polígonos de rodales de
las diversas especies exóticas forestales, principalmente pino radiata (Pinus radiata D. Don) y eucaliptos (Eucalyptus
globulus Labill y Eucalyptus nitens H. Deane & Maiden), con atributos en base de datos abarcando superficie en
hectáreas por rodal, edad de plantación y eventualmente algunos atributos dasométricos como área basal, número
de árboles por hectárea y alturas.
Se entiende como rodal de plantación aquella formación boscosa que se caracteriza por una cobertura de más del
75% del suelo cuyos individuos obedecen a un sistema de establecimiento por plantación o regeneración vegetativa
bajo manejo y que comparten una misma edad o rango de edad de no más de 2 temporadas (cubriendo casos de
replante) y un espaciamiento regular. Toda esta información es manejada y administrada en un sistema geográfico de
información (SIG) institucional y su resolución espacial alcanza 5 ha.
Desde sus inicios (1980) la metodología de actualización de INFOR se ha basado en el análisis exhaustivo de las

carpetas prediales originadas y administradas por la Corporación Nacional Forestal (CONAF), ente encargado de las
regulaciones asociadas a las actividades forestales en el territorio nacional. Adicionalmente, la metodología involucra
una componente de fotointerpretación en material diverso de acuerdo a disponibilidad de recursos principalmente
financieros, desde fotografías de escala grande (1:20.000, 1:30.000 con costos actualmente de decenas de millones
de pesos) a imágenes satelitales de resolución espacial media y fina (tamaño de píxel de 30x30 m a 5x5 m), y
también una componente de visitas a terreno de corrección y validación de los puntos dudosos arrojados por la
fotointerpretación del material.
El presente informe detalla la metodología actualmente en uso con énfasis en la incorporación de nuevas técnicas
tendientes a facilitar las labores de fotointerpretación, específicamente en lo que respecta a la detección de
plantaciones jóvenes, con edades de plantación inferiores a los tres años a partir de imágenes satelitales de alta
resolución.
El objetivo general del programa de Inventario de Plantaciones Forestales es el de crear y mantener en forma continua
información sobre el estado y condición de los recursos de plantaciones forestales, por la vía del procesamiento y
análisis de datos recolectados en forma periódica.
En el caso específico de este informe, el objetivo es documentar el método de actualización utilizado por INFOR,
con énfasis en la incorporación de nuevas técnicas orientadas a objetos para la clasificación semiautomatizada
de imágenes. El propósito subyacente es el de generar nuevos esquemas piloto que guíen y faciliten la etapa
de fotointerpretación de imágenes que tradicionalmente ha realizado INFOR como parte de la actualización de
plantaciones de especies exóticas pertenecientes a pequeños y medianos propietarios.
- Elaboración de Coberturas Cartográficas Digitales

La metodología utilizada por INFOR para la actualización de superficies de plantaciones forestales pertenecientes a
pequeños y medianos propietarios involucra un desarrollo en varias etapas donde se suman fuentes de información
de distintos orígenes y escalas para generar cartografía y valores estimados de superficie de plantaciones presentes
por cada región, los cuales van asociados a medidas de error en su estimación.
Se realiza una recopilación de información a nivel regional partiendo de las carpetas prediales que mantiene CONAF,
cuya cartografía en papel es luego georeferenciada y llevada a un marco común. Esta información se digitaliza para
su incorporación en un sistema de información geográfico, donde se incorporan todos los polígonos de superficies
reportadas; al momento del orden de las decenas de cientos para todo el país.
Además de la digitalización de información de las carpetas prediales, se realiza como complemento un trabajo de
fotointerpretación de imágenes provenientes de capturas de sensores satelitales y/o fotografías aéreas a distintas
escalas, requiriendo para ello de personal altamente calificado con años de experiencia en el rubro. Las imágenes
utilizadas en esta labor están supeditadas a disponibilidad y limitaciones de tipo presupuestario, haciendo necesario
priorizar las adquisiciones. Ello redunda en la necesidad de cuidar la asignación de recurso, dando preferencia a
aquellas zonas con mayor probabilidad de cambios o para las que no se hubiese contado con información en períodos
anteriores.
- Determinación de Error e Intervalos de Confidencia

Debido a la dificultad de contar con imágenes cubriendo la totalidad de las áreas de interés donde se ubican las
plantaciones de pequeños y medianos propietarios, se hace relevante el poder contar con una estimación de las
superficies de plantaciones, así como del error de la estimación y los intervalos de confianza asociados a este.

Con este fin se recurre a la aplicación e implementación de un esquema de muestreo en cuadrantes aleatorizados
restringidos, sustentado en los siguientes supuestos:
1. Los errores definidos en superficies se distribuyen como Poisson con media y varianza lA, donde l es la intensidad
de los errores por unidad de superficie y A el área de estudio.
2. Se asume que los errores tienen igual probabilidad de aparecer en toda la región y que son generados por el
proceso estocástico dominado por l; este supuesto, puede variar si se reconoce en los datos una tendencia
espacial de los errores.
3. Si la unidad muestral utilizada para la determinación de los errores es definida bajo un mecanismo de aleatorización,
los estimadores resultantes pueden ser considerados como representativos de toda la población.
Donde el estimador del error y sus variables componentes corresponden a:
yi : Superficie de diferencias del cuadrante “i”

zi : Superficie efectiva/estimada del cuadrante “i”
R : Tasa promedio de error por unidad de área,
Sy i=1,n
i
R=
Sz i=1,n
i
Según esta expresión, se considera que la estimación insesgada del error en superficie asociado al método empleado
por INFOR es igual a: R*A, donde A corresponde a la superficie total de terceros estimada según método de INFOR.
Es importante considerar el estimador de la varianza del error total de la estimación. Para ello, se asume que los
errores tienden a presentarse más bien agregados que completamente aleatorios en su distribución espacial, por ello
el estimador aproximado de la varianza de las diferencias totales es:
n n n
var (RA) =
N (N-n)
n(n-1) (S i=1
yi2 + R2 S
i=1
zi2 - 2R Sz y
i=1
i i
(
con:
yi : Superficie diferencia del cuadrante “i”
zi : Superficie efectiva o estimada del cuadrante “i”
R : Tasa promedio de error por unidad de área,
A : Superficie total de terceros según INFOR
Así el intervalo de confianza del estimado total se puede aproximar como:
var (RA)
Intervalo Confianza estimador total: R tn ha.
n
Deducible de esta expresión, se encuentra el error del muestreo o confiabilidad estadística del estimado poblacional
debido a la aplicación del muestreo.

El esquema general del proceso de actualización de plantaciones para PYMP descrito se puede apreciar en la Figura
Nº4.
Muestreo
Terreno
Cobertura
Plantaciones
Histórica
Superficie Fotointerpretación
Carpetas Digitalización Plantación Superficies
Prediales Terceros Plantaciones
Cobertura
Plantaciones
Empresas
Imágenes Determinación Imágenes

Satelitales, Error Estimación Satelitales,
Aéreas Superficies Aéreas
CÁLCULO ERROR Muestreo

Terreno
Figura 4
MÉTODO DE ACTUALIZACIÓN SUPERFICIE PLANTACIONES PYMP
Clasificación Orientada a Objetos como Apoyo a Labores de

Fotointerpretación
Como se mencionó, INFOR recurre a imágenes de sensores remotos de diversas fuentes para apoyar el trabajo
de detección de plantaciones en manos de terceros. Las imágenes utilizadas con mayor frecuencia han sido las
provenientes de los instrumentos OLI, ETM+ y TM a bordo de plataformas LANDSAT, los satélites SENTINEL-2, ASTER,
a bordo del satélite ALOS (10m) de la agencia espacial japonesa, así como imágenes de alta resolución de proveedores
comerciales de información geoespacial (RapidEye, SPOT, WorldView, Geoeye, FASAT-C, etc.).
El uso de material satelital y el incremento de su resolución tiene ventajas; una de ellas relativa a la potencial detección
más temprana de plantaciones jóvenes y una delimitación más precisa de las superficies. Sin embargo, este aumento
a su vez ha significado un incremento en la carga de trabajo de fotointerpretación, si se consideran superficies de
procesamiento equivalentes. Ello hace necesario el empleo de otras técnicas de apoyo que ayuden a automatizar
partes del proceso utilizado a la fecha.
El uso de técnicas tradicionales de clasificación supervisadas, que podrían ayudar a resolver este problema, es
normalmente insuficiente. Ello porque el incremento en resolución espacial de los sensores remotos normalmente
va asociado a una menor disponibilidad de bandas espectrales, de las cuales dependen estrechamente estos
clasificadores para su funcionamiento. A esto se agrega una mayor varianza en los valores de las bandas espectrales
disponibles. Ambos factores mencionados hacen que los niveles de error obtenidos con este tipo de aproximación

no sean los ideales; por lo que se hace necesario recurrir a otras fuentes de información y hacer uso de conocimiento
sobre aspectos que permitan una mejor diferenciación de las áreas de interés.
En este sentido la clasificación de imágenes orientada a objetos se ve como una alternativa interesante para facilitar
el procesamiento de estas, al posibilitar la incorporación de información desde fuentes con resoluciones o escalas
diversas, así como al permitir el trabajo con capas de tipo no solo raster sino también vectoriales e información
temática. Sin embargo, la característica más importante de este tipo de clasificación consiste en un cambio de
paradigma (Kumar, 2007), donde en vez de trabajar con pixeles se trabaja con grupos de ellos en forma de objetos, los
que presentan distintos atributos aparte de los espectrales y operan en un contexto jerarquizado (Figura 5).
Imagen Completa
Superobjeto Nivel de Objeto
Vecino Objeto Vecino Nivel de Objeto
Subobjeto Nivel de Objeto
Nivel de Pixel
Figura 5
JERARQUÍA DE OBJETOS DE IMAGEN Y VÍNCULOS ENTRE OBJETOS
- Ventajas y Desventajas de la Clasificación Orientada a Objetos

En líneas generales, las ventajas de un enfoque orientado a objeto serían las siguientes (Kumar, 2007):
• Aprovecha todas las dimensiones de la detección remota, incluyendo la:

· Espectral
· Espacial (área, longitud, dirección)
· Morfológica (parámetros de forma, textura)
· Contextual (relación respecto de los vecinos)
· Temporal

• Incorpora técnicas y métodos probados en el campo del análisis de imágenes; como clasificadores supervisados,
lógica difusa (fuzzy logic) y clasificaciones basadas en reglas
• Incorpora parte de la funcionalidad de sistemas de información geográficos respecto de clasificaciones temáticas,

como el uso de información auxiliar, mediciones de distancia, etc.
• Es capaz de extraer elementos de la misma imagen a escalas diferentes (Kampouraki, et al., 2008; Kumar, 2007)
Resumiendo, este tipo de clasificación permite la incorporación de conocimiento desde diversas fuentes de datos e
información, aplicada a objetos situados en distintos niveles, manteniendo conexiones jerárquicas entre los distintos
niveles y relaciones entre objetos.
Como cualquier técnica, el enfoque orientado a objetos tiene también desventajas, entre las que se pueden contar las
siguientes:
• Identificar objetos de imagen y no objetos reales, así como fusionar objetos reales debido a confusión espectral
(Kampouraki, et al., 2008)
• Requerir idealmente de un conocimiento profundo de los elementos que se desean clasificar y su problemática
• Ser usualmente más costosa en términos de tiempo requerido para llegar a resultados satisfactorios
• Requerir de mucha visión y experiencia para la elaboración de reglas fácilmente adaptables a situaciones y
escenarios variables
• Ser potencialmente menos transferible y replicable, por ende, menos transparente
- Propuesta Operacional de Clasificación Orientada a Objetos

para Detección de Plantaciones Jóvenes
Durante la fotointerpretación de imágenes para determinación de plantaciones forestales de exóticas pertenecientes

a terceros, una de las dificultades es la detección temprana de estas superficies. Plantaciones inferiores a los tres
años de edad usualmente son difíciles de discernir, ya que por sus características tienden a confundirse con zonas de
uso agrícola o de regeneración natural de especies nativas tras cosecha.
La detección, individualización y clasificación de estas zonas ambiguas, ralentizan el trabajo de interpretación. Por
ello, es deseable contar con técnicas de clasificación parcial o totalmente automatizadas que permitan preseleccionar
estas zonas de duda para su posterior evaluación por operadores expertos y eventual marcación para verificación en
terreno.
A continuación, se describe una propuesta preliminar para la detección de estas zonas, incorporando no solo
información espectral sino de conocimiento de los elementos que se desea detectar y cuyo diagrama de flujo general
se puede apreciar en la Figura 6.

NIVEL 1
Segmentación
Imagen
Identificación
Candidatos
Áreas Clasificación Clasificación

entrenamiento NN Final
Determinación
Generación Error
Matriz Errores Clasificación
Identificación Asignación
Preliminar Clases
Candidatos
Áreas
Verificación
NIVEL 2
Segmentación
Subconjunto
NIVEL 3
Segmentación Clasificación
Resolución Árboles aislados Filtros
Múltiple (NN+Filtros)
Áreas
entrenamiento
Figura 6
DIAGRAMA DE FLUJO PARA IDENTIFICACIÓN CANDIDATOS PLANTACIÓN JOVEN
- Segmentación Inicial de Imágenes

El procedimiento de clasificación orientada a objetos partió por la segmentación de imágenes satelitales utilizando un
algoritmo de resolución múltiple, donde en base a información espectral de las imágenes, junto a factores de forma
y compacidad se originaron polígonos, dividiendo las escenas en áreas o zonas más o menos homogéneas. Los
parámetros aquí utilizados se generaron a partir de pruebas de segmentación sobre múltiples imágenes, empleando
un esquema iterativo de prueba y error hasta dar con valores satisfactorios para la escala de clasificación requerida.

Los valores de entrada utilizados en la segmentación son específicos, dependiendo de factores como: tipo de sensor
utilizado, número de bandas espectrales disponibles, resolución espectral, resolución espacial y contexto en que se
realiza la segmentación.
Así por ejemplo, los parámetros antes mencionados no serán aplicables a imágenes provenientes de sensores con
resolución espacial divergente; o incluso en el caso del mismo sensor, para regiones que cuenten con tamaño y forma
de los elementos a identificar que ostenten características muy diferentes.
- Clasificación con Técnica de Vecino más Cercano
Una vez realizada la primera segmentación de las escenas, se procedió a clasificar las imágenes en ocho clases
generales (agrícola, bosque nativo, candidato a plantación joven, cuerpo de agua, nube, plantación forestal, zona
edificada y sin clasificación) utilizando para ello un algoritmo de vecino más cercano (Richards y Jia, 2006; Liu y
Mason, 2009). Con este propósito se seleccionaron mediante técnicas de fotointerpretación zonas de entrenamiento
para todas las clases, con excepción de las candidatas a plantación joven. Para fines prácticos, estas muestras fueron
consideradas como verdad de campo.
Para el caso de las zonas candidatas a plantación joven en cambio, se tomaron polígonos para los que efectivamente
se tenía registro de pertenecer a esta categoría y este conjunto fue dividido en dos partes. Una porción se destinó al
entrenamiento del algoritmo de clasificación, en tanto que los remanentes fueron reservados para la verificación de
los resultados de la clasificación final. Se optó por esta vía al no disponer de tiempo suficiente como para realizar una
campaña de terreno con este objetivo.
La clasificación utilizó entonces elementos provenientes de la lógica difusa para definir umbrales de pertenencia. Ellos
a la postre definen la asignación de una superficie u objeto a las clases respectivas. Para la presente clasificación,
este umbral fue establecido en un 60%. Así, todos los objetos cuyo valor de pertenencia a la clase fuesen menores a
este umbral, automáticamente fueron asignados a la clase “sin clasificación”.
- Identificación Candidatos y Segmentación Subconjunto Clasificación
A partir de la clasificación antes mencionada, se identificaron las superficies preliminares candidatas a tener
plantaciones forestales jóvenes, con edades menores a tres años. Sobre este subconjunto se aplicó otra segmentación
análoga a la inicial, pero más detallada, orientada a la detección y extracción de características adicionales. Ello se
hizo con miras a la posterior eliminación de errores de clasificación e incremento subsecuente en la confiabilidad de
la clasificación a servir de guía para los fotointérpretes.
- Reclasificación Candidatos en Base a Conocimiento

Los objetos obtenidos de la segmentación del paso anterior fueron utilizados en el proceso de detección de árboles
aislados, uno de los indicadores característicos de zonas con tipo de uso agrícola-ganadero. Con este fin se empleó
nuevamente una clasificación de tipo vecino más cercano, esta vez con un umbral de clasificación de 70%. Dicha
clasificación fue complementada mediante la inclusión de otras variables como área de copa de árbol individual,
índice de forma y otras variables relativas a la forma típica de los elementos a detectar.
Para el establecimiento de valores umbral de las variables, se optó por realizar una muestra de imágenes de referencia
que sirvieron para acotar dichos parámetros, proceso que contempló la revisión y ajuste iterativo de los mismos.

Finalmente, con ambos elementos, clasificador por vecino más cercano y parámetros morfológicos y espaciales, se
detectó la presencia de árboles aislados.
Una vez obtenido los números de árboles presentes a nivel de superobjeto (polígono base de clasificación), se
reasignaron las clases de las áreas potenciales de contener plantaciones jóvenes a tres categorías: agrícola, candidato
a plantación joven y áreas sin clasificar. Este resultado fue incorporado en la clasificación ya existente para el nivel 1,
donde efectivamente se sobrescribió la clase original de candidatos a plantación joven. Con esto no solo se esperó
reducir errores de clasificación, sino también reducir el número total de polígonos necesarios de evaluar durante la
fase de fotointerpretación tradicional utilizada por el método INFOR.
- Identificación Final de Candidatos y Fotointerpretación Asistida,

Determinación de Errores de Clasificación
Finalmente, el resultado de la clasificación es exportado a formato vectorial para servir de guía en el proceso de
fotointerpretación, a la vez que se realizó una determinación de los errores de clasificación utilizando una matriz de
confusión, de manera de tener una indicación general del comportamiento de la clasificación. Una vez verificadas en
terreno las áreas bien clasificadas se procede a verificar aquellas áreas que resultaron mal clasificadas y se les asigna
clase por operador de fotointerpretación.

REFERENCIAS
Cox Z. F., 1980. Inventario forestal nacional permanente de bosque nativo. Diseño y manual de instrucciones. Proyecto
CONAF/PNUD/FAO FAO:DP/CHI/76/003, Doc.Trabajo Nº33. Santiago de Chile.
Gayoso, J.; Guerra, J y Alarcón, D., 2002. Contenido de carbono y funciones de biomasa en especies nativas y exóticas.
En: Medición de capacidad de captura de carbono en bosques de Chile. Proyecto FONDEF D98I1076. Universidad
Austral de Chile, Valdivia. 157 p.
Haig, I. T.; Teesdale, L. V.; Briegleb, P.; Payne, B.; Haertel, M., 1946. Forest resources of Chile as a Basis for industrial
expansion. USDA Forest Service, Washington.
Husch, B.; Miller, C. I. y Beers, T. W., 1982. Forest Mensuration. John Wiley & Sons, New York. 402 p.
IPCC, 1996. Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories. Volume 3, Greenhouse Gas
Inventory Reference Manual. Intergovernmental Panel on Climate Change London.
Kampouraki, M.; Wood, G. A. and Brewer, T. R., 2008. Opportunities and limitations of object-based image analysis
for detecting urban impervious and vegetated surfaces using true-colour aerial photography. En: Object Based Image
Analysis. Springer. Pp 555-569.
Kumar, N., 2007. Multispectral Image Analysis Using the Object-Oriented Paradigm. CRC Press. 206pp.
Liu, J. G. and Mason, P., 2009. Essential Image Processing and GIS for Remote Sensing. Wiley Blackwell. 462pp.
Loetsch and Haller, 1964. Forest Inventory: Statistics of forest inventory and information from aerial photographs. Vol.
1. BLV Verlagsgesellschaft, München.
Matern, B., 1960. Spatial Variation. Stochastic models and their application to some problems in forest survey and
other sampling investigations
Pérez V., 1983. Manual de propiedades físicas y mecánicas de maderas chilenas. Santiago, Chile. Proyecto CONAF/
PNUD/FAO-CHI 76/003. Documento de Trabajo Nº 47. 451 p.
Richards, J. and Jia, X., 2006. Remote Sensing Digital Image Analysis – An Introduction. 4th Ed. Springer Verlag.
455pp.
Schlegel, B.; Gayoso, J.; Guerra, J., 2001. Manual de procedimientos para inventarios de carbono en ecosistemas
forestales. In: Medición de capacidad de captura de carbono en bosques de Chile. Proyecto FONDEF D98I1076.
Universidad Austral de Chile, Valdivia. 15 p.
Scheuder, H. T. y Geissler, P.H., 1999. Plot Designs for Ecological Monitoring of Forest and Range. En: USDA Forest
Service Proceedings RMRS-P-12. Pp 180-185.North American Science Symposium, Mexico.

CAPÍTULO II
ACTUALIZACIÓN
DE PLANTACIONES
FORESTALES
52 CAPÍTULO II: ACTUALIZACIÓN DE PLANTACIONES FORESTALES

LOS RECURSOS FORESTALES DE
PLANTACIONES EN CHILE
Dentro del marco de trabajo del Programa de Monitoreo de Ecosistemas Forestales del Instituto Forestal (INFOR)
se encuentra el Inventario Forestal Nacional. Bajo este concepto y herramienta estadística, se ubica el Programa de
Actualización Permanente de Plantaciones Forestales de INFOR, el cual es uno de los proyectos más antiguos del
Instituto Forestal y cuyos orígenes se remontan a 1980.
Este programa, se sustenta en dos pilares fundamentales: El seguimiento de la cobertura de plantaciones forestales
del país (actualización) y el inventario dasométrico-ambiental de las plantaciones de la Pequeña y Mediana Propiedad
forestal (PYMP).
PROGRAMA DE ACTUALIZACIÓN
DE PLANTACIONES FORESTALES
La actualización de superficies de plantaciones en pie a diciembre de 2020, se desarrolló durante el año 2021.
Una de las entradas de información del programa se produce a través del convenio de colaboración entre INFOR y
empresas forestales asociadas a la Corporación Chilena de la Madera (CORMA), en virtud del cual estas empresas
aportan información patrimonial de plantaciones en formato acordado en conjunto con INFOR, información que
constituye una fuente de alta importancia, al proveer los antecedentes directos sobre el patrimonio y los terrenos bajo
administración de las empresas forestales más relevantes del país, que concentran y explican la mayor participación
de la superficie de plantaciones a nivel nacional. Las siguientes empresas forestales participaron en el proceso de
actualización 2020:

• Forestal Arauco S.A.
• Forestal Mininco S.A.
• Hancock SpA
• Forestal Tregualemu SpA
• Agrícola y Forestal Agua Buena I Ltda.
• Agrícola y Forestal Agua Buena III Ltda.
• Agrícola y Forestal Lincoyán I Ltda.
• Agrícola y Forestal Lincoyán III Ltda.
• Forestal El Astillero Ltda.
• Forestal Aurora SpA
• Lago Lanalhue SpA
Otra entrada importante de información al programa es aquella correspondiente a los Pequeños y Medianos
Propietarios forestales (PYMP), grupo conformado tanto por personas naturales como por aquellas empresas que no
están en convenio y cuya información es compilada y procesada por INFOR.

En la actualización de plantaciones de PYMP, INFOR utiliza múltiples fuentes de datos e información, como las bases
de datos de plantaciones de la Corporación Nacional Forestal (CONAF), imágenes satelitales, muestreo de verificación
de terreno e información histórica.
En el año 2021 se realizaron muestreos regionales para comprobar el nivel de cumplimiento de las reforestaciones
de PYMP, expresadas en información provista por CONAF. También se complementó información sobre tipos de
propietarios, gracias a trabajo en colaboración con CIREN, entre las regiones de Coquimbo y Los Lagos.
Las imágenes multiespectrales que se utilizaron como base en el período para este propósito corresponden al sensor
del satélite Sentinel, cuyas bandas espectrales fueron realzadas a una resolución espacial de 10 x 10 m haciendo uso
de su banda pancromática. Estas imágenes fueron procesadas para detectar los cambios temporales ocurridos en las
plantaciones forestales de PYMP; así se analizan las ganancias, es decir desarrollo de cobertura forestal en sectores
originalmente desprovistos de cobertura arbórea y las pérdidas, que corresponden a la pérdida de cobertura arbórea
producida por cosechas, incendios u otros factores. De forma complementaria, se recurrió a material satelital de alta
resolución para asistir en la comprobación de superficies cubiertas por plantaciones jóvenes, más difíciles de detectar
con material de resolución media.
La información es estructurada en una base de datos común, tanto para empresas como para pequeños y medianos
propietarios forestales, tal como se muestra en la Figura 1.
TERRENO TABLAS
BD
IMÁGENES DIGITALIZACIÓN / PLANTAC. DOCUMENTOS
REGIONALES
SR CLADIFICACIÓN PYMP REPORTES
PL. FOREST.
CARTOGRAFÍA
CARPETAS DIGITAL
CONAF
PLANTAC.
EMPRESAS
Figura 1
ESQUEMA DE TRABAJO. ACTUALIZACIÓN DE PLANTACIONES FORESTALES
Finalmente, los resultados obtenidos se traducen en documentos, reportes y cartografía de plantaciones actualizada,
información que se publica en la red institucional.

INVENTARIO DASOMÉTRICO-AMBIENTAL
DE LAS PLANTACIONES DE LA PEQUEÑA Y
MEDIANA PROPIEDAD FORESTAL (PYMP)
Además de la información de superficie de plantaciones, durante los años 2010 y 2011, se realizó un inventario a
las plantaciones de Pinus radiata de PYMP, en la región del Biobío; y se repasaron algunos puntos de muestreo de
las regiones del Biobío y Araucanía, correspondientes principalmente al género Eucalyptus; esto para conocer las
existencias volumétricas de las principales especies plantadas en el país por parte de este segmento de propietarios
(PYMP). Las plantaciones de pino fueron estratificadas por edad en clases cada cinco años, en tanto para Eucalyptus
las clases utilizadas fueron cada tres años (Cuadros 1 y 2, respectivamente). En ambos casos, la primera clase de
edad no fue considerada en el inventario.
Cuadro 1
CLASES DE EDAD PARA Pinus radiata PYMP
Especie Código Clase Clase Edad (años)
2 6-10
3 11-15
Pinus radiata
4 16-20
5 >= 21
Cuadro 2
CLASES DE EDAD PARA Eucalyptus PYMP
Especie Código Clase Clase Edad (años)
7 4-6
Eucalyptus 8 7-9
9 >= 10
Se levantaron datos de 70 unidades muestrales durante el año 2017, asociadas a las regiones del Maule y Biobío.
Estas unidades muestrales se distribuyeron en forma proporcional al tamaño del estrato y fueron seleccionadas al
azar. Cada punto muestral corresponde según diseño a un conglomerado de tres parcelas de radio variable donde
este arreglo de tres parcelas se considera una unidad de registro y no una unidad estadística. El método de radio
variable se utiliza aquí, en combinación con el método punto planta, geométricamente distribuidas en forma de V, con
una distancia de 30 m entre centros de parcelas, tal como se aprecia en la Figura 2.
Las parcelas son de radio variable (Bitterlich), donde la submuestra de altura se selecciona por el esquema muestral
punto-planta de sexto orden, es decir, se midió la distancia al sexto árbol más cercano del centro de la parcela y
posteriormente se midieron las variables DAP-Altura en los seis árboles más cercanos.

Parcela Parcela
Nº1 Nº2
2 5 1 2
6
3 30 m 3 6
5
4 1
4
m
30
30
m 5
4 2
1
3
6
Parcela
Nº3
Figura 2
FORMA DEL CONGLOMERADO (DIÁMETRO DE CÍRCULOS ES SOLAMENTE REFERENCIAL)
En la parcela N° 1 se establecieron 3 subparcelas de vegetación de 1 m², 2 m² y 3 m², su distribución se muestra en

la Figura 3.
N
1m
1m
2m 3m
1m 1m
Calicata
Figura 3
SUBPARCELAS DE VEGETACIÓN

En la primera parcela del conglomerado, se realiza también una calicata de 50 cm de profundidad para la descripción
del suelo, considerando aspectos de estructura, textura, color, pH, erosión, entre otras variables.
La planificación del inventario consideró un sorteo aleatorio restringido con al menos tres puntos de reemplazo, para
cada unidad muestral seleccionada. Los criterios utilizados para la ubicación de estos puntos de reemplazo fueron
que correspondan a la misma especie, también que sea de igual clase de edad y en lo posible esté ubicado a menos
de 8 km del punto originalmente seleccionado.
Dentro de los materiales relevantes utilizados en el inventario destaca el uso de capturadores de datos, hipsómetros
Vertex (medición de alturas), GPS, huinchas diamétricas, dendrómetros digitales, calibrador de corteza, entre otros.
RESULTADOS
EL RECURSO PLANTACIONES FORESTALES EN EL PAÍS
Los cuadros detallados a continuación describen las existencias en superficie de la cobertura de las plantaciones
forestales del país a diciembre del 2020. Las plantaciones forestales del país alcanzaron 2,329 millones de hectáreas,
lo que implica un incremento en la superficie de plantaciones en pie de 8.264 ha, respecto del año anterior.
En cuanto a las especies más plantadas en Chile, Pinus radiata presenta una disminución de superficie de 6.026 ha, en
comparación con el año 2019. Eucalyptus globulus aumentó en 4.450 ha; y Eucalyptus nitens incrementó su superficie
en 6.219 ha, respecto del año anterior.
El detalle de estas plantaciones por región y las principales especies se desglosa en el Cuadro 3.

Cuadro 3
SUPERFICIE DE PLANTACIONES FORESTALES SEGÚN ESPECIE Y REGIÓN
DICIEMBRE 2020
ESPECIE
TOTAL
Atriplex Eucalyptus Eucalyptus Eucalyptus Pinus Pinus Pseudotsuga
Región Otras
spp globulus nitens híbrido* ponderosa radiata menziesii
(ha)
Coquimbo 54.656 2.663 0 0 0 0 0 17.578 74.897
Valparaíso 0 35.812 0 0 0 5.969 0 1.038 42.818
Metropolitana 0 5.123 0 0 0 17 0 387 5.527
O'Higgins 0 44.616 20 0 0 58.363 0 1.538 104.538
Maule 0 52.751 2.767 264 0 360.407 55 3.084 419.328
Ñuble 0 69.679 18.022 5.750 0 192.085 29 971 286.536
Biobío 0 184.290 97.949 17.019 394 329.566 169 4.085 633.471
Araucanía 0 143.445 73.228 5.122 2.547 244.969 8 046 2.679 480.035
Los Ríos 0 21.380 58.571 6.290 3 87.829 3 859 2 570 180.502
Los Lagos 0 25 416 29.521 1.048 237 14.221 1.027 506 71.975
Aysén 0 0 7 0 18.627 0 3.480 7.778 29.893
Total ha 54.656 585.176 280.086 35.492 21.808 1.293.426 16.665 42.212 2.329.521
* Corresponde a plantaciones realizadas con el híbrido Eucalyptus nitens x Eucalyptus globulus, las que se distribuyen entre las regiones de Maule y Los Lagos.
En el caso de las plantaciones de la especie Pinus radiata, y las del género Eucalyptus (incluyendo todas las especies
pertenecientes a este género), las superficies por tipo de propietario definidos en este estudio (Empresas en convenio
y PYMP) y por regiones se describen en Cuadro 4.
Se aprecia que las plantaciones de Pinus radiata están concentradas en las Empresas en convenio (71,2%). En tanto,
para las del género Eucalyptus la situación es inversa, perteneciendo la mayoría a pequeños y medianos propietarios
forestales (60,8%).

Cuadro 4
SUPERFICIE DE PLANTACIONES FORESTALES SEGÚN ESPECIE Y REGIÓN
DICIEMBRE 2020
Pinus radiata Eucalyptus
Región E. convenio PYMP E. convenio PYMP
(ha)
Coquimbo 0,0 0,4 0,0 2.751,5
Valparaíso 0,0 5.968,6 0,0 36.263,1
Metropolitana 0,0 17,0 0,0 5.207,4
O'Higgins 4.834,9 53.528,5 38,8 44.613,0
Maule 223.490,5 136.916,5 10.906,2 44.988,9
Ñuble 143.608,0 48.476,6 29.772,7 63.769,0
Biobío 272.451,8 57.114,5 188.567,8 112.289,2
Araucanía 187.358,2 57.610,4 70.805,4 151.374,1
Los Ríos 80.735,0 7.093,6 40.698,3 46.188,2
Los Lagos 8.672,8 5.548,6 13.682,7 42.512,4
Aysén 0,0 0,0 2,9 5,0
Total 921.151,2 372.274,7 354.474,8 549.961,8
Respecto de las superficies plantadas en los últimos seis años por tipo de propietario y especie, que se encontraban
en pie a diciembre de 2020, se aprecia un fuerte incremento de pino, de empresas en convenio, en los años posteriores
a los grandes incendios de 2017, para volver en 2020 a las tasas usuales. En cambio, la superficie de pino radiata
de PYMP presentó una baja significativa en 2020. En el caso de Eucalyptus globulus de PYMP presentan una caída
el último año, pero en el total casi triplica la superficie de las empresas en convenio, las que siguen la tendencia a
la disminución de los últimos años. La situación de la superficie plantada con Eucalyptus nitens, para el caso de
empresas en convenio, presenta aumento importante en dos últimos años, y en total corresponde a más del doble de
superficie que la plantada por PYMP en los últimos seis años; tal como se detalla en Cuadro 5.

Cuadro 5
SUPERFICIE POR ESPECIE Y TIPO DE PROPIETARIO
ÚLTIMOS SEIS AÑOS
Pinus radiata Eucalyptus globulus Eucalyptus nitens

Total
Región E. convenio PYMP E. convenio PYMP E. convenio PYMP
(ha)
2015 35.168,2 10.643,1 11.645,2 25.066,3 10.625,5 5.563,1 98.711,5
2016 37.397,2 11.321,7 10.034,0 22.436,8 9.477,8 4.585,3 95.252,8
2017 46.354,3 15.185,5 8.931,3 24.376,6 9.308,1 5.163,8 109.319,5
2018 59.725,4 29.927,0 9.278,1 30.945,0 10.187,1 5.556,8 145.619,3
2019 54.841,0 13.965,8 6.358,8 26.738,8 16.655,2 4.858,6 123.418,3
2020 36.940,1 7.489,3 2.514,4 13.993,7 15.380,3 4.142,4 80.460,1
Total 270.426,3 88.532,3 48.761,8 143.557,2 71.634,0 29.870,0 652.781,6

EL RECURSO PLANTACIONES
FORESTALES POR REGIONES
Tal como se explicó anteriormente, los cuadros presentados a continuación comprenden el resumen de resultados
generado a partir de la actualización de superficies a diciembre de 2020.
- Región de Coquimbo
La región de Coquimbo registra un total de 74.897 ha de plantaciones, con predominancia de los géneros Atriplex y
Acacia (Cuadro 6).
Cuadro 6
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE COQUIMBO
Atriplex spp. Acacia saligna E. globulus Otras Total

Comuna
(ha)
La Serena 7,0 379,3 423,0 704,4 1.513,7
La Higuera 38,9 337,1 19,5 13,1 408,5
Coquimbo 13.760,1 3.897,1 281,8 452,2 18.391,2
Andacollo 442,1 6,8 8,4 36,0 493,3
Vicuña 4,2 4,2 46,3 39,9 94,6
Paiguano 0,0 0,8 0,0 2,6 3,4
Prov. Elqui 14.252,3 4.625,4 779,0 1.248,1 20.904,8
Ovalle 13.320,9 4.661,0 789,7 551,8 19.323,5
Monte Patria 1.040,5 0,0 141,8 624,3 1.806,6
Punitaqui 924,0 430,0 110,3 154,3 1.618,6
Combarbalá 229,4 113,2 8,7 185,4 536,7
Río Hurtado 60,5 54,4 31,4 54,2 200,5
Prov. Limarí 15.575,3 5.258,6 1.081,9 1.570,1 23.485,9
Illapel 1.970,3 627,4 172,0 294,6 3.064,4
Salamanca 1,4 58,9 33,3 123,5 217,0
Los Vilos 9.155,9 615,0 498,1 135,1 10.404,1
Canela 13.700,5 2.271,7 98,5 749,7 16.820,5
Prov. Choapa 24.828,1 3.573,0 801,9 1.303,0 30.506,0
Total 54.655,7 13.457,0 2.662,9 4.121,2 74.896,7

Las plantaciones de Atriplex corresponden al 73% de la superficie de plantaciones, en la región de Coquimbo. Acacia
saligna (18%) y Eucalyptus globulus (3%) son las otras especies que destacan en esta región.
La distribución de años de plantación por especies se detalla en el Cuadro 7.
Cuadro 7
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE COQUIMBO
Atriplex spp. Acacia saligna E. globulus Otras Total

Año
(ha)
S/I* 223,2 0,0 9,8 0,0 233,1
<2000 41.814,4 1.220,2 1.504,2 1.691,9 46.230,7
2000 2.795,0 79,9 46,2 84,3 3.005,3
2001 1.844,7 398,5 79,7 152,3 2.475,3
2002 2.221,0 2.146,6 35,7 196,5 4.599,9
2003 1.528,4 1.979,4 21,3 147,3 3.676,4
2004 1.229,5 2.343,2 52,6 620,8 4.246,2
2005 393,0 2.336,3 35,5 615,4 3.380,2
2006 529,0 2.097,1 64,3 110,1 2.800,5
2007 28,8 684,8 59,5 295,4 1.068,5
2008 529,3 150,9 62,3 137,9 880,4
2009 378,2 20,1 217,2 55,6 671,1
2010 937,6 0,0 158,0 0,0 1.095,6
2011 203,4 0,0 28,1 3,5 235,0
2012 0,0 0,0 75,7 0,0 75,7
2013 0,0 0,0 52,4 0,0 52,4
2014 0,0 0,0 2,6 0,0 2,6
2015 0,0 0,0 54,4 10,1 64,5
2016 0,0 0,0 53,1 0,0 53,1
2017 0,0 0,0 48,5 0,0 48,5
2018 0,0 0,0 1,7 0,0 1,7
2019 0,0 0,0 0,0 0,0 0,0
2020 0,0 0,0 0,0 0,0 0,0
Total 54.655,7 13.457,0 2.662,9 4.121,2 74.896,7

(*) S/I: Sin Información de año de plantación
En esta región se detectó cambio de uso del suelo a urbano de 17,8 ha.

- Región de Valparaíso
La región de Valparaíso contabiliza 42.818 ha de plantaciones forestales a diciembre de 2020, esto es 678 ha menos
que el año anterior.
En la región predominan las plantaciones con la especie Eucalyptus globulus, que representan el 83,6% de la superficie
regional de plantaciones en pie.
Cuadro 8
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE VALPARAÍSO
Pinus radiata E. globulus Otras Total

Comuna
(ha)
La Ligua 266,9 850,0 427,1 1.544,0
Cabildo 0,0 8,8 0,0 8,8
Zapallar 24,1 630,7 19,0 673,8
Papudo 84,4 177,2 444,8 706,4
Prov. Petorca 375,5 1.666,6 890,9 2.932,9
Valparaíso 1.667,5 4.875,8 43,5 6.586,7
Viña del Mar 115,5 87,9 0,0 203,4
Casablanca 2.099,0 7.162,4 2,6 9.264,0
Quintero 28,2 812,0 0,0 840,2
Puchuncaví 92,9 1.873,4 0,0 1.966,3
Concón 72,4 347,9 2,2 422,5
Prov. Valparaíso 4.075,5 15.159,3 48,3 19.283,1
Villa Alemana 0,0 33,3 0,0 33,3
Quilpué 15,7 1.078,6 0,0 1.094,3
Limache 0,0 1.348,2 0,0 1.348,2
Olmué 0,0 79,4 8,6 88,0
Prov. Marga Marga 15,7 2.539,5 8,6 2.563,8
San Antonio 241,2 3.219,1 10,8 3.471,0
Santo Domingo 443,5 4.673,8 22,9 5.140,3
Cartagena 43,0 3.061,9 0,0 3.105,0
El Tabo 129,5 3.219,8 0,0 3.349,3
El Quisco 328,9 803,3 0,0 1.132,2


Comuna
(ha)
Algarrobo 309,3 1.191,0 47,8 1.548,2
Prov. San Antonio 1.495,5 16.168,9 81,5 17.745,9
Quillota 2,8 59,4 0,0 62,2
Nogales 0,0 27,0 0,0 27,0
Hijuelas 3,7 58,0 0,0 61,7
La Calera 0,0 2,7 0,0 2,7
Prov. Quillota 6,5 147,2 0,0 153,6
Panquehue 0,0 37,3 0,0 37,3
Catemu 0,0 58,1 0,0 58,1
Llaillay 0,0 20,4 0,0 20,4
Prov. San Felipe 0,0 115,9 0,0 115,9
Calle Larga 0,0 14,5 0,0 14,5
San Esteban 0,0 0,0 8,3 8,3
Prov. Los Andes 0,0 14,5 8,3 22,8
Total 5.968,6 35.811,8 1.037,6 42.818,0

Cuadro 9
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE VALPARAÍSO

Año
(ha)
<2000 3.480,6 2.144,6 457,9 6.083,1
2000 430,7 1.350,3 37,8 1.818,8
2001 280,2 1.100,4 9,7 1.390,3
2002 214,3 982,1 28,3 1.224,7
2003 176,3 1.243,5 77,8 1.497,6
2004 113,5 2.412,5 113,6 2.639,7
2005 138,5 1.961,5 135,4 2.235,4
2006 73,4 2.021,0 0,0 2.094,4
2007 277,8 1.647,3 0,0 1.925,2
2008 59,4 984,9 18,0 1.062,3
2009 102,8 1.684,3 0,0 1.787,1
2010 128,9 3.298,8 43,0 3.470,8
2011 87,8 2.733,2 63,3 2.884,3
2012 58,3 2.844,0 25,1 2.927,5
2013 97,5 1.099,6 0,0 1.197,0
2014 11,5 1.661,7 2,0 1.675,2
2015 108,4 1.300,6 0,0 1.409,0
2016 70,5 1.641,7 0,0 1.712,2
2017 31,4 1.270,7 13,2 1.315,3
2018 2,8 688,5 0,0 691,3
2019 0,0 923,6 0,0 923,6
2020 24,0 817,1 12,2 853,3
Total 5.968,6 35.811,8 1.037,6 42.818,0
La superficie de edades jóvenes corresponde principalmente a reforestaciones con la especie Eucalyptus globulus
(monte bajo).
Se detectó cambio de uso del suelo a uso urbano (parcelas) en PYMP en 279,7 ha.

- Región Metropolitana
Esta región acumula 5.527 hectáreas de plantaciones forestales, 82 ha menos que el año anterior. La actividad forestal
de la región se concentra en la provincia de Melipilla (75% de la superficie).
Eucalyptus globulus es la principal especie plantada en la región Metropolitana (93%).
Cuadro 10
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN METROPOLITANA

Comuna
(ha)
Recoleta 0,0 287,3 0,0 287,3
Pudahuel 0,0 29,9 109,0 138,9

Prov. Santiago 0,0 317,2 109,0 426,2
Colina 0,0 152,1 0,0 152,1
Lampa 0,0 9,3 0,0 9,3
Tiltil 0,0 418,0 73,2 491,2
Prov. Chacabuco 0,0 579,4 73,2 652,6
Puente Alto 0,0 4,4 0,0 4,4
San José de Maipo 12,4 17,6 0,0 30,0
Pirque 0,0 22,9 0,0 22,9
Prov. Cordillera 12,4 44,9 0,0 57,3
Buin 0,0 7,2 0,0 7,2
Paine 0,0 47,2 5,3 52,5
Prov. Maipo 0,0 54,4 5,3 59,7
Melipilla 0,6 345,9 15,2 361,8
María Pinto 0,0 16,9 0,0 16,9
Curacaví 0,0 112,1 0,0 112,1
Alhué 0,0 23,3 111,2 134,5
San Pedro 4,0 3.470,3 68,2 3.542,5
Prov. Melipilla 4,6 3.968,5 194,7 4.167,8
Talagante 0,0 49,4 0,0 49,4
Isla de Maipo 0,0 82,8 4,9 87,8
El Monte 0,0 26,4 0,0 26,4
Prov. Talagante 0,0 158,6 4,9 163,5
Total 17,0 5.122,9 387,1 5.527,0

Cuadro 11
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN METROPOLITANA

Año
(ha)
<2000 16,3 397,7 13,4 427,5
2000 0,0 68,0 0,0 68,0
2001 0,0 77,4 0,0 77,4
2002 0,0 82,4 25,9 108,4
2003 0,0 83,9 0,0 83,9
2004 0,0 95,2 14,1 109,3
2005 0,0 109,6 25,2 134,8
2006 0,0 65,8 0,0 65,8
2007 0,0 214,9 77,1 292,1
2008 0,6 607,8 131,2 739,7
2009 0,0 221,4 55,5 276,9
2010 0,0 242,5 39,6 282,2
2011 0,0 374,1 0,0 374,1
2012 0,0 339,4 0,0 339,4
2013 0,0 314,8 0,0 314,8
2014 0,0 231,3 0,0 231,3
2015 0,0 465,9 0,0 465,9
2016 0,0 425,9 0,0 425,9
2017 0,0 234,8 0,0 234,8
2018 0,0 93,8 0,0 93,8
2019 0,0 229,4 4,9 234,4
2020 0,0 146,6 0,0 146,6
Total 17,0 5.122,9 387,1 5.527,0
En la región Metropolitana, se registraron 4,6 hectáreas de PYMP, que cambiaron a otros usos del suelo.
- Región de O’Higgins
La región de O’Higgins presentó un total regional de 104.538 ha de plantaciones forestales, 2.548 ha menos que el
año anterior.
En la región predomina Pinus radiata con 56,8% de la superficie plantada.

Cuadro 12
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE O´HIGGINS
Pino radiata E. globulus E. nitens Otras Total

Comuna
(ha)
Machalí 0,0 41,1 0,0 0,0 41,1

Graneros 52,4 57,6 0,0 2,3 112,4
Mostazal 0,0 240,5 0,0 3,9 244,5
Doñihue 0,0 19,2 0,0 30,3 49,5
Coltauco 0,0 30,2 0,0 652,0 682,2
Codegua 0,0 160,2 0,0 0,0 160,2
Peumo 0,0 18,7 0,0 3,4 22,1
Las Cabras 74,5 305,2 0,0 17,7 397,4
San Vicente 0,0 85,7 0,0 8,6 94,2
Pichidegua 0,0 29,1 0,0 0,0 29,1
Rengo 0,0 186,3 0,0 5,7 192,0
Requinoa 0,0 295,6 0,0 34,3 329,9
Olivar 0,0 0,0 0,0 0,5 0,5
Malloa 0,0 43,6 0,0 12,5 56,1
Coinco 0,0 9,5 0,0 463,6 473,1
Quinta Tilcoco 0,0 12,1 0,0 8,2 20,3
Prov. Cachapoal 127,0 1.534,6 0,0 1.243,0 2.904,6
San Fernando 1.403,2 140,4 13,7 1,5 1.558,9
Chimbarongo 13,9 129,5 0,0 0,0 143,4
Nancagua 0,0 18,4 0,0 0,0 18,4
Placilla 0,0 26,7 0,0 1,6 28,3
Santa Cruz 957,7 309,1 0,0 0,0 1.266,8
Lolol 3.896,9 3.053,6 0,0 21,3 6.971,8
Palmilla 49,8 0,0 0,0 49,8
Peralillo 305,3 551,9 0,0 0,0 857,2
Chépica 2.889,3 313,5 0,0 27,4 3.230,2
Pumanque 2.118,0 3.773,2 0,0 2,2 5.893,4
Prov. Colchagua 11.584,3 8.366,1 13,7 54,1 20.018,2
Pichilemu 20.970,6 11.533,0 6,7 141,4 32.651,7
Navidad 601,2 3.148,6 0,0 0,0 3.749,7
Litueche 4.491,0 5.540,5 0,0 56,3 10.087,9
La Estrella 1.052,2 1.133,4 0,0 9,0 2.194,6
Marchigüe 7.138,8 5.343,1 0,0 0,0 12.482,0
Paredones 12.398,2 8.016,7 0,0 34,0 20.449,0
Prov. Cardenal Caro 46.652,1 34.715,3 6,7 240,7 81.614,9
Total 58.363,4 44.616,1 20,4 1.537,8 104.537,7

Cuadro 13
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE O´HIGGINS

Año
(ha)
<2000 8.955,0 976,5 13,7 182,6 10.127,9
2000 4.041,9 2.169,4 0,0 59,6 6.270,9
2001 2.502,0 427,3 0,0 12,0 2.941,3
2002 2.440,4 832,4 0,0 48,9 3.321,7
2003 1.809,4 1.173,3 0,0 9,5 2.992,2
2004 1.424,3 1.150,0 0,0 51,4 2.625,7
2005 1.753,0 2.005,0 0,0 43,1 3.801,1
2006 1.309,3 1.187,4 0,0 31,5 2.528,2
2007 1.679,9 2.630,8 0,0 87,1 4.397,7
2008 1.985,2 3.699,5 0,0 237,2 5.921,9
2009 2.217,9 4.334,1 0,0 174,2 6.726,2
2010 4.288,1 2.962,0 0,0 265,2 7.515,3
2011 1.402,2 2.158,9 0,0 70,3 3.631,4
2012 2.412,5 3.892,7 6,7 40,7 6.352,6
2013 2.233,8 2.030,7 0,0 44,9 4.309,4
2014 1.775,4 1.843,3 0,0 29,6 3.648,3
2015 896,9 1.431,2 0,0 17,3 2.345,4
2016 887,6 1.120,6 0,0 3,0 2.011,1
2017 2.986,0 2.425,2 0,0 0,9 5.412,1
2018 5.299,1 4.746,4 0,0 100,3 10.145,7
2019 4.835,0 1.398,5 0,0 13,8 6.247,3
2020 1.228,6 21,0 0,0 14,7 1.264,2
Total 58.363,4 44.616,1 20,4 1.537,8 104.537,7
Se detectaron 396,3 ha que cambiaron del uso plantaciones forestales, principalmente al uso agrícola, pertenecientes
a PYMP.

- Región del Maule
La región del Maule presentó 419.328 ha de plantaciones a diciembre del 2020, esto es 3.198 ha más que el período
anterior. Se destaca la provincia de Talca, que concentra el 42% de la superficie regional de plantaciones forestales.
Predomina en la región Pinus radiata con el 86% de la superficie plantada. Las plantaciones de Pinus radiata se
incrementaron en 3.863 hectáreas respecto del año 2019. En tanto, la superficie de Eucalyptus globulus disminuyó en
386 ha.
Cuadro 14
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DEL MAULE

Comuna
(ha)
Curicó 1.400,9 276,1 0,0 0,0 1.676,9
Teno 108,3 95,2 0,0 0,0 203,5
Romeral 1.740,6 137,9 12,8 0,0 1.891,3
Rauco 320,5 39,9 0,0 0,0 360,4
Licantén 9.155,3 1.257,0 0,0 0,0 10.412,3
Vichuquén 12.931,8 4.536,1 0,0 98,5 17.566,4
Hualañé 14.784,3 1.099,4 0,0 7,9 15.891,6
Molina 4.280,7 497,5 255,7 4,4 5.038,3
Sagrada Familia 4.993,0 90,5 0,0 0,0 5.083,5
Prov. Curicó 49.715,4 8.029,6 268,4 110,7 58.124,2
Talca 80,4 89,5 0,0 15,5 185,4
San Clemente 12.897,8 1.081,2 1.008,6 51,1 15.038,7
Pelarco 3.600,7 743,3 330,9 1,8 4.676,8
Río Claro 3.285,9 646,5 164,2 10,6 4.107,2
Pencahue 23.139,6 1.113,8 5,6 12,7 24.271,7
Maule 493,3 87,1 0,0 0,0 580,4
Curepto 34.928,8 1.840,7 8,4 23,6 36.801,5
Constitución 54.436,0 7.163,2 0,0 426,1 62.025,4
Empedrado 25.337,1 718,8 0,0 519,3 26.575,2
San Rafael 356,5 327,3 230,3 1,0 915,1
Prov. Talca 158.556,1 13.811,4 1.748,1 1.061,6 175.177,3
Linares 5.587,5 958,2 0,0 6,2 6.551,9
Yerbas Buenas 139,1 320,6 217,5 0,7 677,9


Comuna
(ha)
Colbún 3.489,6 954,3 169,0 28,8 4.641,7
Longaví 15.924,5 573,2 181,3 25,7 16.704,7
Parral 18.137,1 1.071,7 112,0 127,8 19.448,6
Retiro 3.218,4 3.184,8 32,8 1.698,5 8.134,5
Villa Alegre 6,9 118,2 0,0 1,4 126,4
San Javier 27.485,9 1.791,2 0,0 120,2 29.397,3
Prov. Linares 73.988,9 8.972,1 712,7 2.009,3 85.683,0
Cauquenes 49.993,4 14.759,7 36,8 107,2 64.897,2
Pelluhue 9.975,1 3.822,9 0,0 91,6 13.889,6
Chanco 18.178,0 3.355,5 1,2 22,3 21.557,0
Prov. Cauquenes 78.146,6 21.938,1 38,1 221,1 100.343,8
Total 360.407,0 52.751,3 2.767,3 3.402,7 419.328,3

Cuadro 15
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DEL MAULE

Año
(ha)
<2000 47.069,9 997,1 153,6 802,6 49.023,2
2000 8.099,7 387,5 0,0 49,1 8.536,2
2001 8.333,0 493,4 0,0 135,7 8.962,0
2002 8.957,2 695,9 22,0 35,9 9.711,0
2003 9.414,1 1.510,9 0,0 65,4 10.990,4
2004 13.311,2 1.456,2 63,0 99,9 14.930,4
2005 14.030,2 3.361,6 2,0 73,2 17.467,0
2006 15.097,8 2.483,7 101,1 32,6 17.715,2
2007 14.347,8 4.177,0 156,0 32,0 18.712,8
2008 12.514,2 2.465,8 32,8 82,1 15.094,9
2009 13.015,1 2.887,2 35,8 13,2 15.951,3
2010 11.000,3 2.250,0 238,3 108,6 13.597,1
2011 9.463,9 2.528,2 364,5 129,4 12.486,0
2012 10.730,4 3.973,5 344,9 54,1 15.102,9
2013 10.253,2 1.839,0 270,5 66,6 12.429,4
2014 12.492,4 3.246,4 598,4 285,8 16.623,1
2015 11.757,1 2.098,1 0,0 179,2 14.034,4
2016 13.958,2 1.968,7 0,0 353,0 16.280,0
2017 26.780,5 4.533,1 123,3 315,0 31.751,9
2018 44.072,7 4.306,9 0,0 256,6 48.636,2
2019 28.518,8 3.428,6 217,5 134,9 32.299,8
2020 17.189,3 1.662,4 43,4 98,1 18.993,1
Total 360.407,0 52.751,3 2.767,3 3.402,7 419.328,3
Se registraron 283,1 ha de plantaciones pertenecientes a PYMP, que cambiaron a otros usos del suelo (agrícola y
urbano) en esta región.
- Región de Ñuble
La región de Ñuble totalizó 286.536 ha de plantaciones forestales en el año 2020, esto es 8.882 ha más que al año
anterior.

Las provincias del Itata y Diguillín concentran mayor superficie de Pinus radiata. Mientras que Eucalyptus globulus
tiene el 53% de su superficie regional en la provincia de Itata. En las provincias de Punilla y Diguillín, se concentran las
plantaciones con Eucalyptus nitens.
Respecto del año anterior, la superficie en pie de Pinus radiata se incrementó en 4.452 ha; mientras que la de Eucalyptus
globulus subió en 2.450 ha, y la de Eucalyptus nitens aumentó en 1.383 ha.
Cuadro 16
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE ÑUBLE

Comuna
(ha)
Chillán 4.264,7 2.021,2 6,8 164,7 6.457,5
Pinto 3.049,8 934,6 1.017,5 217,4 5.219,3
Bulnes 1.673,5 2.781,6 149,0 19,3 4.623,4
San Ignacio 2.319,2 946,6 255,9 8,0 3.529,8
Quillón 4.433,4 5.157,6 0,4 116,3 9.707,7
Yungay 22.162,8 399,0 3.984,8 635,7 27.182,4
Pemuco 23.495,5 1.214,9 849,2 662,4 26.222,0
El Carmen 5.918,0 999,1 1.857,2 101,1 8.875,4
Chillán Viejo 4.654,6 3.891,8 6,3 7,7 8.560,4
Prov. Diguillín 71.971,6 18.346,4 8.127,1 1.932,7 100.377,9
Quirihue 19.122,9 7.136,5 77,7 276,5 26.613,6
Ninhue 10.647,7 5.270,1 2,3 12,5 15.932,6
Portezuelo 7.779,9 2.281,0 3,0 60,1 10.124,0
Cobquecura 14.979,7 9.928,8 296,4 863,0 26.067,8
Trehuaco 7.994,1 3.449,2 68,9 258,3 11.770,4
Ranquil 5.819,5 2.653,1 119,4 23,1 8.615,0
Coelemu 8.600,2 6.382,4 228,8 1.311,0 16.522,4
Prov. Itata 74.944,0 37.101,0 796,4 2.804,4 115.645,8
Coihueco 22.551,7 2.017,8 5.664,4 1.086,3 31.320,3
San Carlos 5.988,9 3.477,5 283,3 49,9 9.799,6
Ñiquén 3.779,8 1.664,6 500,8 382,1 6.327,3
San Fabián 5.337,3 319,7 2.540,6 492,1 8.689,6
San Nicolás 7.511,3 6.752,4 109,6 2,2 14.375,5
Prov. Punilla 45.169,0 14.231,9 9.098,7 2.012,7 70.512,3
Total 192.084,6 69.679,3 18.022,2 6.749,9 286.536,0

Cuadro 17
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE ÑUBLE

Año
(ha)
<2000 18.470,9 555,1 68,3 326,1 19.420,5
2000 6.162,4 286,5 7,8 62,1 6.518,8
2001 4.041,1 565,8 45,1 16,7 4.668,8
2002 6.344,6 517,4 1,6 32,2 6.895,7
2003 6.891,3 943,8 77,1 38,7 7.950,9
2004 6.770,4 2.188,4 192,8 15,7 9.167,2
2005 7.551,0 3.497,9 191,3 3,1 11.243,2
2006 8.642,9 3.848,1 561,0 35,7 13.087,7
2007 8.966,6 3.954,9 301,9 2,3 13.225,7
2008 10.222,3 1.767,4 433,4 15,5 12.438,6
2009 9.377,8 4.274,2 703,0 38,0 14.393,2
2010 10.337,7 3.035,1 1.326,5 190,8 14.890,2
2011 7.566,6 3.641,4 1.545,4 23,8 12.777,1
2012 10.695,7 4.585,7 2.097,5 35,3 17.414,2
2013 9.318,4 4.938,9 1.917,9 74,0 16.249,2
2014 7.044,2 3.498,7 1.557,6 53,1 12.153,6
2015 8.254,1 5.149,2 1.530,0 572,8 15.506,2
2016 6.906,0 5.392,6 818,0 1.019,9 14.136,6
2017 7.656,2 3.727,5 588,7 1.226,0 13.198,5
2018 11.900,2 4.024,6 830,8 1.677,8 18.433,4
2019 12.062,0 5.034,2 2.326,1 665,3 20.087,6
2020 6.902,2 4.251,8 900,7 624,7 12.679,4
Total 192.084,6 69.679,3 18.022,2 6.749,9 286.536,0
En cuanto a cambio de uso del suelo, 1.226,4 ha dejaron de tener plantaciones forestales PYMP, para cambiar
mayoritariamente a uso urbano (parcelaciones).
- Región del Biobío

La región del Biobío concentra mayor superficie de plantaciones a nivel nacional, con 633.471 ha, pero disminuye en
1.183 ha respecto del año anterior.

La provincia del Biobío destaca como la de mayor superficie plantada en la región (46%), y también donde se
concentran plantaciones de Pinus radiata y Eucalyptus nitens. Las plantaciones de Eucalyptus globulus, se concentran
en la provincia de Arauco (49%).
La superficie total plantada con Pinus radiata disminuyó en 9.687 ha, respecto del año anterior, en cambio la de
Eucalyptus globulus se incrementó en 1.016 ha y Eucalyptus nitens aumentó en 5.130 ha.
Cuadro 18
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DEL BIOBÍO

Comuna
(ha)
Concepción 2.894,6 3.813,0 27,9 523,2 7.258,7
Penco 1.241,4 2.765,1 31,9 338,3 4.376,7
Hualqui 11.764,9 6.909,3 578,1 339,1 19.591,4
Florida 8.866,4 8.840,9 261,2 1.442,1 19.410,7
Tomé 7.442,1 13.276,5 269,7 1.954,8 22.943,1
Talcahuano 239,4 1.055,0 0,0 0,0 1.294,3
Coronel 5.088,3 5.015,2 696,2 383,8 11.183,5
Lota 1.503,2 3.594,3 348,2 128,2 5.573,7
Santa Juana 13.629,8 10.579,9 4.582,8 441,6 29.234,2
Chiguayante 234,0 863,8 14,1 0,0 1.111,9
San Pedro de la Paz 2.424,2 919,4 88,1 53,5 3.485,3
Hualpén 76,4 365,5 0,0 0,0 441,9
Prov. Concepción 55.404,7 57.997,9 6.898,2 5.604,7 125.905,5
Arauco 12.358,1 21.377,0 2.757,8 859,0 37.351,8
Curanilahue 30.173,1 15.383,2 12.703,2 2.526,4 60.785,9
Lebu 7.508,4 15.320,6 2.380,1 393,4 25.602,5
Los Álamos 12.240,4 8.190,1 315,9 759,4 21.505,8
Cañete 15.912,1 9.400,6 2.247,1 157,4 27.717,2
Contulmo 10.254,7 13.219,4 418,2 53,4 23.945,7
Tirúa 10.373,1 6.846,1 237,7 13,6 17.470,5
Prov. Arauco 98.819,9 89.737,0 21.059,9 4.762,5 214.379,3
Los Ángeles 30.479,0 2.706,0 1.778,4 357,3 35.320,7
Santa Bárbara 12.907,4 823,8 14.250,6 376,5 28.358,4


Comuna
(ha)
Laja 9.932,0 2.773,4 757,5 551,2 14.014,2
Quilleco 29.378,9 1.015,6 8.502,1 289,7 39.186,2
Nacimiento 9.631,8 11.573,4 9.513,0 3.104,3 33.822,5
Negrete 353,0 1.264,9 579,5 519,6 2.717,0
Mulchén 27.416,9 10.833,7 20.344,2 4.770,1 63.364,9
Quilaco 9.081,3 722,9 5.277,7 408,1 15.490,0
Yumbel 15.823,2 3.221,3 135,9 240,4 19.420,9
Cabrero 16.506,5 938,7 444,6 91,7 17.981,5
San Rosendo 3.292,6 441,0 30,6 21,4 3.785,7
Tucapel 9.041,0 163,2 7.822,8 313,9 17.340,9
Antuco 1.141,6 76,8 446,0 240,5 1.904,8
Alto Bío Bío 356,4 0,0 108,0 14,6 479,1
Prov. Biobío 175.341,7 36.554,6 69.990,9 11.299,3 293.186,5
Total 329.566,3 184.289,5 97.948,9 21.666,6 633.471,3
Cuadro 19
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DEL BIOBÍO

Año
(ha)
<2000 52.033,7 10.471,1 2.803,3 2.420,8 67.728,8
2000 13.268,0 3.456,1 454,9 100,5 17.279,6
2001 9.877,1 4.385,6 268,6 1,5 14.532,8
2002 10.743,7 4.492,8 249,0 26,0 15.511,5
2003 15.885,0 4.508,2 548,7 81,1 21.023,0
2004 16.356,4 4.025,5 500,1 97,0 20.978,9
2005 16.799,4 5.446,4 821,7 125,0 23.192,4
2006 16.786,5 6.250,0 1.703,0 86,0 24.825,5
2007 17.490,0 7.698,4 2.904,2 93,4 28.186,1
2008 16.554,9 5.888,5 8.036,2 148,0 30.627,6
2009 14.204,6 6.098,4 8.073,1 175,9 28.551,9


Comuna
(ha)
2010 12.770,0 6.585,5 6.586,0 106,7 26.048,1
2011 11.425,7 9.158,2 7.735,3 159,3 28.478,5
2012 9.452,8 11.844,5 7.396,3 266,3 28.959,9
2013 10.073,8 12.218,5 6.895,8 154,1 29.342,1
2014 10.063,8 14.649,6 5.248,6 213,2 30.175,2
2015 11.466,0 12.858,7 5.427,2 586,9 30.338,7
2016 13.711,8 10.866,2 5.365,1 1.048,3 30.991,4
2017 11.236,9 12.067,8 6.221,8 3.447,2 32.973,7
2018 17.298,4 14.568,3 4.621,8 5.710,7 42.199,1
2019 12.983,0 11.728,4 7.444,5 3.697,2 35.853,2
2020 9.084,8 5.023,1 8.643,8 2.921,5 25.673,2
Total 329.566,3 184.289,5 97.948,9 21.666,6 633.471,3
Se detectaron 2.352,3 ha, pertenecientes a PYMP, que cambiaron a otros usos del suelo, en la región.
- Región de La Araucanía
Esta región contabiliza 480.035 hectáreas de plantaciones forestales al año 2020, lo que es 544 más que el año
anterior.
Respecto del año anterior las plantaciones de Eucalyptus globulus y Pinus radiata presentaron una disminución de
2.449 ha y 814 ha, respectivamente.
Eucalyptus nitens presentó un incremento total de 3.545 ha respecto del año 2019.
Cuadro 20
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE LA ARAUCANÍA

Comuna
(ha)
Angol 17.020,3 16.552,8 8.772,2 1.238,8 43.584,1
Purén 3.470,7 7.958,6 147,4 12,6 11.589,3
Los Sauces 13.276,8 23.152,4 1.069,9 297,0 37.796,1
Renaico 1.001,3 3.536,6 3.407,8 602,3 8.547,9


Comuna
(ha)
Collipulli 23.565,1 5.122,1 15.302,4 1.912,2 45.901,7
Ercilla 5.777,3 3.384,4 4.741,9 22,2 13.925,9
Traiguén 9.380,5 11.669,8 1.655,6 741,2 23.447,2
Lumaco 29.892,0 14.986,8 321,2 124,7 45.324,7
Victoria 10.944,8 231,6 8.092,5 58,8 19.327,7
Curacautín 1.339,2 143,9 6.431,6 248,9 8.163,7
Lonquimay 2,8 15,8 0,0 2.326,2 2.344,8
Prov. Malleco 115.670,9 86.754,7 49.942,6 7.584,9 259.953,1
Temuco 5.399,4 2.168,7 370,1 157,7 8.095,9
Vilcún 5.658,4 527,9 2.840,4 1.077,5 10.104,3
Freire 1.656,6 608,9 578,3 361,3 3.205,1
Cunco 10.766,0 718,0 4.407,8 232,4 16.124,1
Lautaro 7.034,7 2.918,9 4.682,3 288,0 14.923,9
Perquenco 756,7 905,1 241,0 0,0 1.902,8
Galvarino 7.877,2 9.425,3 532,1 31,4 17.866,0
Nueva Imperial 6.080,5 7.398,9 436,8 34,1 13.950,3
Carahue 29.081,8 6.421,4 1.115,9 622,9 37.242,1
Saavedra 586,5 1.228,2 0,0 0,0 1.814,7
Pitrufquén 1.049,4 2.555,5 306,2 16,8 3.927,9
Gorbea 12.766,9 5.210,7 543,4 166,2 18.687,2
Toltén 15.495,5 5.110,8 1.699,1 616,6 22.922,0
Loncoche 11.679,0 3.412,1 3.684,2 1.518,8 20.294,1
Villarrica 1.214,4 292,6 659,4 5.280,6 7.447,0
Pucón 146,3 27,4 280,6 280,3 734,6
Melipeuco 2.751,6 0,0 127,6 53,8 2.933,0
Curarrehue 8,3 0,0 23,9 9,0 41,2
Teodoro Schmidt 2.816,2 1.065,9 386,2 14,7 4.283,0
Padre Las Casas 1.615,5 609,3 137,4 1,8 2.364,0
Chol Chol 4.856,8 6.085,1 232,7 44,6 11.219,1
Prov. Cautín 129.297,7 56.690,7 23.285,2 10.808,5 220.082,1
Total 244.968,6 143.445,4 73.227,7 18.393,4 480.035,2

Cuadro 21
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE LA ARAUCANÍA

Año
(ha)
<2000 50.023,7 4.757,6 3.653,9 5.459,9 63.895,1
2000 7.947,1 3.241,6 567,2 1.064,5 12.820,4
2001 6.800,0 1.931,1 625,7 13,6 9.370,5
2002 7.085,9 2.185,8 433,5 123,1 9.828,3
2003 6.968,1 4.006,3 1.361,5 344,5 12.680,3
2004 9.500,9 4.411,7 658,0 208,2 14.778,9
2005 11.345,3 10.682,2 1.341,0 727,7 24.096,2
2006 11.378,8 9.231,4 887,2 751,7 22.249,2
2007 10.778,3 5.207,5 1.294,2 527,6 17.807,5
2008 10.548,1 6.631,2 2.522,1 440,5 20.141,9
2009 8.429,8 6.659,7 5.730,3 359,2 21.178,9
2010 9.885,4 9.036,1 5.761,7 443,5 25.126,8
2011 8.623,9 7.347,6 4.799,7 248,3 21.019,4
2012 9.351,6 9.225,2 3.874,1 590,0 23.040,9
2013 8.886,9 6.739,0 4.478,9 294,5 20.399,3
2014 8.578,4 7.266,6 4.802,7 304,1 20.951,7
2015 10.925,0 10.071,0 4.545,8 423,2 25.964,9
2016 10.375,1 8.745,0 4.079,6 1.222,0 24.421,6
2017 9.762,5 6.380,8 3.415,9 1.628,5 21.187,7
2018 9.542,5 9.103,5 5.871,7 1.388,0 25.905,6
2019 9.250,0 7.741,7 6.376,8 1.299,1 24.667,6
2020 8.981,2 2.842,8 6.146,6 531,8 18.502,4
Total 244.968,6 143.445,4 73.227,7 18.393,4 480.035,2
Se registraron 2.135 ha, pertenecientes a PYMP, que cambiaron a otros usos del suelo en la región.
- Región de Los Ríos

Esta región presentó 180.502 hectáreas de plantaciones forestales a diciembre 2020, 1.907 menos que el año anterior.

La provincia de Valdivia concentra el 77% de las plantaciones forestales de la región de Los Ríos. Las plantaciones
de Pinus radiata representan el 48% de la superficie plantada en la región y en segundo lugar las de Eucalyptus nitens
(32%).
Cuadro 22
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE LOS RÍOS

Comuna
(ha)
Valdivia 12.679,7 2.691,0 5.242,8 1.473,8 22.087,2
Mariquina 18.259,8 3.888,0 7.918,4 3.487,1 33.553,3
Lanco 6.259,4 1.969,8 2.418,1 1.360,9 12.008,2
Los Lagos 12.217,7 2.079,8 8.941,6 1.245,8 24.485,0
Corral 3.430,6 2.479,0 5.255,0 443,5 11.608,1
Máfil 9.682,0 1.049,4 3.662,2 272,7 14.666,4
Panguipulli 1.126,7 404,1 3.169,0 1.789,8 6.489,5
Paillaco 6.559,3 1.455,9 6.461,8 510,1 14.987,1
Prov. Valdivia 70.215,1 16.017,1 43.068,9 10.583,8 139.885,0
Futrono 335,7 277,4 1.221,7 304,3 2.139,1
La Unión 17.100,9 4.985,2 10.763,6 1.775,0 34.624,7
Río Bueno 38,5 70,1 2.797,5 40,2 2.946,3
Lago Ranco 138,3 30,2 719,8 19,0 907,2
Prov. Ranco 17.613,4 5.362,9 15.502,5 2.138,5 40.617,4
Total 87.828,6 21.380,0 58.571,4 12.722,3 180.502,3

Cuadro 23
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE LOS RÍOS

Año
(ha)
<2000 29.454,8 5.806,0 5.518,1 3.430,4 44.209,2
2000 2.882,0 1.482,9 1.428,0 304,2 6.097,2
2001 1.894,2 656,8 1.292,2 117,9 3.961,2
2002 2.021,8 908,2 1.193,1 200,2 4.323,3
2003 2.905,3 1.401,6 1.335,6 23,5 5.665,9
2004 2.487,4 915,9 1.433,1 66,6 4.903,0
2005 2.400,7 706,6 2.483,5 67,3 5.658,2

2006 3.133,4 846,7 2.682,6 239,4 6.902,1
2007 3.445,1 334,1 2.867,0 83,2 6.729,4
2008 3.811,6 417,7 2.892,2 56,0 7.177,6
2009 4.341,6 884,7 3.343,2 137,3 8.706,8
2010 4.070,3 742,8 3.221,6 681,7 8.716,4
2011 4.364,6 369,6 2.489,7 159,6 7.383,6
2012 3.430,9 419,9 2.948,2 73,6 6.872,7
2013 3.795,4 690,1 3.017,1 202,8 7.705,4
2014 3.886,3 270,6 1.886,9 206,2 6.249,9
2015 2.215,2 1.382,0 2.987,9 121,3 6.706,4
2016 2.155,8 702,1 3.188,2 236,8 6.282,8
2017 2.362,0 610,6 2.933,1 1.178,3 7.084,1
2018 1.174,7 674,3 3.050,2 1.906,9 6.806,0
2019 757,2 686,4 3.177,2 1.727,7 6.348,5

2020 838,1 470,4 3.202,8 1.501,4 6.012,7
Total 87.828,6 21.380,0 58.571,4 12.722,3 180.502,3
Se detectaron 1.047,5 ha de PYMP que cambiaron de plantaciones forestales a otros usos del suelo.
- Región de Los Lagos

La región de los Lagos presenta un total de 71.975 hectáreas de plantaciones forestales con un incremento de 2.188
ha respecto del año anterior. En la provincia de Osorno, se concentra el 67% de la superficie regional de plantaciones
forestales.
Eucalyptus nitens es la especie más importante en términos de superficie (41%) en la región seguida por Eucalyptus
globulus (35%).

Respecto del año anterior, en esta región las plantaciones de Eucalyptus globulus se incrementaron en 3.685 ha y
Pinus radiata en 421 ha. En tanto la superficie de Eucalyptus nitens disminuyó en 2.145 ha.
Cuadro 24
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE LOS LAGOS

Comuna
(ha)
Osorno 1.108,9 1.797,6 740,4 81,2 3.728,1
San Pablo 2.053,3 1.445,7 1.080,8 426,3 5.005,9
Puerto Octay 182,1 129,1 8.296,5 104,3 8.711,9
Puyehue 56,7 110,1 14,7 50,9 232,4
Río Negro 3.658,2 2.046,8 3.268,0 273,7 9.246,7
Purranque 899,4 5.216,7 3.409,3 426,6 9.951,9
San Juan 5.338,4 2.478,2 3.042,9 791,2 11.650,7
Prov. Osorno 13.296,9 13.224,0 19.852,6 2.154,2 48.527,7
Puerto Montt 23,1 578,0 386,1 68,8 1.056,0
Cochamó 0,6 15,4 2,9 18,8
Puerto Varas 32,9 77,6 697,0 258,8 1.066,3
Fresia 614,0 8.970,8 1.201,3 99,3 10.885,4
Frutillar 68,0 164,8 57,3 290,0
Llanquihue 5,3 36,5 6,4 0,0 48,2
Maullín 72,1 935,4 984,0 16,9 2.008,5
Los Muermos 22,1 1.176,2 130,6 20,6 1.349,6
Calbuco 13,7 171,3 2.044,7 2,0 2.231,8
Prov. Llanquihue 851,8 12.110,6 5.465,6 526,6 18.954,5
Castro 0,0 0,0 150,5 71,4 221,9
Chonchi 5,7 5,9 239,5 1,7 252,8
Queilén 0,0 3,4 60,3 0,0 63,7
Quellón 0,0 0,0 138,9 8,3 147,2
Ancud 67,1 64,8 2.724,0 9,4 2.865,3
Quemchi 0,0 6,3 241,6 0,4 248,4
Dalcahue 0,0 0,0 647,9 44,7 692,6
Prov. Chiloé 72,8 80,4 4.202,6 136,0 4.491,8
Hualaihué 0,0 1,3 0,0 0,0 1,3
Prov. Palena 0,0 1,3 0,0 0,0 1,3
Total 14.221,4 25.416,3 29.520,8 2.816,8 71.975,3

Cuadro 25
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE LOS LAGOS

Año
(ha)
<2000 4.414,1 1.000,6 1.718,3 647,3 7.780,4
2000 272,5 823,4 350,8 199,1 1.645,8
2001 133,8 183,0 442,6 4,2 763,6
2002 288,7 275,3 586,8 6,7 1.157,4
2003 530,5 310,9 358,3 24,4 1.224,1
2004 547,5 258,9 609,3 53,8 1.469,5
2005 729,5 545,3 604,3 63,3 1.942,4
2006 894,0 550,2 1.496,4 187,5 3.128,1
2007 423,9 608,1 4.960,5 35,7 6.028,3
2008 866,3 759,5 3.120,8 192,4 4.938,9
2009 1.063,6 1.464,4 2.144,8 73,9 4.746,7
2010 500,3 2.154,7 1.844,7 32,7 4.532,4
2011 248,2 1.322,7 1.208,3 4,8 2.783,9
2012 254,2 2.206,5 1.053,8 141,5 3.655,9
2013 256,9 1.240,4 964,1 12,9 2.474,2
2014 286,8 1.033,2 631,4 9,8 1.961,2
2015 188,7 1.900,4 1.697,8 17,1 3.804,0
2016 653,9 1.555,0 612,2 11,5 2.832,6
2017 724,2 2.008,9 1.189,0 78,5 4.000,6
2018 362,1 2.015,1 1.369,5 484,2 4.230,9
2019 400,8 1.926,9 1.971,6 243,4 4.542,8
2020 181,1 1.273,0 585,4 292,2 2.331,8
Total 14.221,4 25.416,3 29.520,8 2.816,8 71.975,3

- Región de Aysén
En total se registraron 29.893 hectáreas con plantaciones forestales, 74 menos en comparación con el año 2019.
La provincia de Coyhaique, es la que reúne la mayor superficie de plantaciones forestales de la región (65%) y la
comuna de Coyhaique es la mayor superficie plantada.
Pinus ponderosa es la principal especie plantada en la región de Aysén (62%), seguida de Pinus contorta (17%) y
Pseudotsuga menziesii (12%).
Esta situación está marcada principalmente por la casi nula superficie plantada en los últimos años.
Cuadro 26
SUPERFICIE DE PLANTACIONES POR COMUNA Y ESPECIE. REGIÓN DE AYSÉN
Pinus ponderosa Pinus contorta P. menziesii Otras Total

Comuna
(ha)
Aysén 781,3 45,0 2.304,7 14,3 3.145,3
Cisnes 0,0 0,0 346,2 11,2 357,4
Prov. Aysén 781,3 45,0 2.650,9 25,4 3.502,7
Chile Chico 957,2 198,4 77,9 246,2 1.479,7
Río Ibañez 2.197,1 114,2 44,4 219,8 2.575,5
Prov. Gen. Carrera 3.154,3 312,6 122,4 465,9 4.055,2
Cochrane 1.528,0 859,0 1,9 548,3 2.937,2
O'Higgins 16,3 0,0 1,0 0,0 17,3
Prov. Capitán Prat 1.544,3 859,0 2,9 548,3 2.954,5
Coyhaique 12.675,8 3.788,0 621,1 1.582,6 18.667,5
Lago Verde 471,7 90,3 82,9 68,4 713,3
Prov. Coyhaique 13.147,5 3.878,3 704,0 1.651,0 19.380,8
Total 18.627,4 5.095,0 3.480,2 2.690,7 29.893,2

Cuadro 27
SUPERFICIE DE PLANTACIONES POR ESPECIE Y AÑO DE PLANTACIÓN. REGIÓN DE AYSÉN
Pinus ponderosa Pinus contorta P. menziesii Otras Total

Año
(ha)
S/I * 1.619,2 1.066,0 154,7 1.585,0 4.424,9
<2000 8.315,3 2.827,4 2.445,4 910,2 14.498,3
2000 917,1 31,3 202,7 0,0 1.151,2
2001 1.398,5 16,6 66,4 55,4 1.536,9
2002 750,9 35,2 375,7 21,5 1.183,4
2003 932,9 160,5 169,5 0,0 1.262,9
2004 1.381,5 269,7 1,9 0,0 1.653,1
2005 505,6 0,2 10,2 39,0 554,9
2006 1.238,2 75,8 53,7 35,0 1.402,7
2007 604,7 306,8 0,0 6,1 917,6
2008 370,2 172,9 0,0 13,0 556,0
2009 350,8 100,3 0,0 25,6 476,8
2010 183,6 32,2 0,0 0,0 215,8
2011 6,7 0,0 0,0 0,0 6,7
2012 0,0 0,0 0,0 0,0 0,0
2013 0,0 0,0 0,0 0,0 0,0
2014 0,0 0,0 0,0 0,0 0,0
2015 0,0 0,0 0,0 0,0 0,0
2016 0,0 0,0 0,0 0,0 0,0
2017 52,1 0,0 0,0 0,0 52,1
2018 0,0 0,0 0,0 0,0 0,0
2019 0,0 0,0 0,0 0,0 0,0
2020 0,0 0,0 0,0 0,0 0,0
Total 18.627,4 5.095,0 3.480,2 2.690,7 29.893,2
INVENTARIO DASOMÉTRICO EN PLANTACIONES

DE LA PEQUEÑA Y MEDIANA PROPIEDAD (PYMP)
Las existencias volumétricas de las plantaciones de la PYMP se estiman como parte del programa de Actualización
Permanente de Plantaciones forestales. El conocimiento de los rendimientos esperados por hectárea de estas
plantaciones es un dato de alto interés en el contexto de la evaluación retrospectiva de instrumentos de política de

fomento forestal desde el sector público, resultando también importante el conocimiento de la oferta desde este
sector para la industria forestal del país desde el punto de vista de la planificación estratégica del recurso.
En los cuadros siguientes se presentan los resultados de las existencias volumétricas a nivel regional para las
especies bajo inventario. Estos resultados se basan en el volumen promedio de todos los conglomerados de la región.
Cuadro 28
VOLUMEN POR ESPECIE REGIÓN DEL MAULE
Especie Volúmen Medio (m³/ha) Superficie (ha) Volumen Región (m³)
Pinus radiata* 132,53 113.819,3 15.084.472
Eucalyptus globulus* 97,64 26.555,2 2.592.850
Cuadro 29
VOLUMEN POR ESPECIE REGIÓN DEL BIOBÍO
Pinus radiata* 132,53 113.819,3 15.084.472
En la región del Biobío hubo solo dos puntos seleccionados de Eucalyptus nitens, por lo tanto se descartaron por ser
poco representativos.
Cuadro 30
VOLUMEN POR ESPECIE REGIÓN DE LA ARAUCANÍA
Pinus radiata* 254,11 43.743,6 11.115.686
Eucalyptus nitens* 268,64 8.496,8 2.282.580
Los resultados que se presentan a continuación corresponden a los valores medios de los conglomerados, por clase
de edad y especie.
En el caso de la región del Maule se describen en Cuadros 31 al 34 las variables de estado de rodal para las clases de
edad seleccionadas de la especie Pinus radiata.
* Datos actualizados durante año 2011

Cuadro 31
VOLUMEN Pinus radiata, PYMP REGIÓN DEL MAULE
Clase Edad (años) Volúmen (m³/ha) Superficie (ha) Volumen Región (m³)
6-10 14,72 36.539,1 537.856
11-15 103,17 24.336,4 2.510.786
16-20 190,08 32.359,2 6.150.837
>=21 285,88 20.584,6 5.884.725
Total 15.084.204
Error de estimación volumen 27,0 %
Cuadro 32
DENSIDAD Pinus radiata, PYMP REGIÓN DEL MAULE
Clase Edad (años) Densidad (árb/ha) Superficie (ha) Volumen Región (m³)
6-10 1399,18 36.539,1 51.124.778
11-15 765,15 24.336,4 18.620.996
16-20 762,19 32.359,2 24.663.858
>=21 956,41 20.584,6 19.687.317
Total 114.096.949
Cuadro 33
ÁREA BASAL Pinus radiata, PYMP REGIÓN DEL MAULE
Clase Edad (años) Área Basal (m²/ha) Superficie (ha) Volumen Región (m³)
6-10 12,50 36.539,1 456.739
11-15 21,11 24.336,4 513.741
16-20 22,89 32.359,2 740.702
>=21 27,22 20.584,6 560.313
Total 2.271.495
Cuadro 34
ALTURA DOMINANTE Pinus radiata, PYMP REGIÓN DEL MAULE
Clase Edad (años) Altura (m) Superficie (ha)
6-10 8,07 36.539,1
11-15 15,72 24.336,4
16-20 19,75 32.359,2
>=21 22,16 20.584,6

Alternativamente, para la región del Maule se describen en Cuadros 35 al 38 las variables de estado de rodal para las
clases de edad seleccionadas de la especie Eucalyptus globulus.
Cuadro 35
VOLUMEN E. globulus, PYMP REGIÓN DEL MAULE
4-6 42,77 16.287,1 696.599
7-9 109,86 4.307,4 473.211
>=10 238,76 5.960,8 1.423.201
Total 2.593.011
Error de estimación en volumen 27,8 %
Cuadro 36
DENSIDAD E. globulus, PYMP REGIÓN DEL MAULE
4-6 1.193,93 16.287,1 19.445.657
7-9 1.079,91 4.307,4 4.651.604
>=10 932,66 5.960,8 5.559.400
Total 29.656.661
Cuadro 37
ÁREA BASAL E. globulus, PYMP REGIÓN DEL MAULE
4-6 11,07 16.287,1 180.298
7-9 18,22 4.307,4 78.481
>=10 26,00 5.960,8 154.981
Total 413.760
Cuadro 38
ALTURA DOMINANTE E. globulus, PYMP REGIÓN DEL MAULE
4-6 12,99 16.287,1
7-9 19,45 4.307,4
>=10 29,39 5.960,8

Para la región del Biobío se describen en Cuadros 39 al 42 las variables de estado de rodal para las clases de edad
seleccionadas de la especie Pinus radiata.
Cuadro 39
VOLUMEN Pinus radiata, PYMP REGIÓN DEL BIOBÍO
6-10 65,1 22.379,5 1.457.043
11-15 147,9 25.750,1 3.809.151
16-20 243,4 18.239,3 4.438.556
>=21 311,3 18.216,8 5.671.031
Total 15.375.779
Error de estimación volumen 25,7 %
Cuadro 40
DENSIDAD Pinus radiata, PYMP REGIÓN DEL BIOBÍO
6-10 1.006,7 22.379,5 22.529.886
11-15 574,7 25.750,1 14.799.433
16-20 489,9 18.239,3 8.935.952
>=21 500,6 18.216,8 9.118.750
Total 55.384.021
Cuadro 41
ÁREA BASAL Pinus radiata, PYMP REGIÓN DEL BIOBÍO
6-10 19,1 22.379,5 427.697
11-15 25,7 25.750,1 661.700
16-20 28,8 18.239,3 525.562
>=21 34,3 18.216,8 625.443
Total 2.240.402
Cuadro 42
ALTURA DOMINANTE Pinus radiata, PYMP REGIÓN DEL BIOBÍO
6-10 12,12 22.379,5
11-15 17,94 25.750,1
16-20 24,50 18.239,3
>=21 28,20 18.216,8

También, para la región del Biobío se describen en Cuadros 43 al 46 las variables de estado de rodal para las clases
de edad seleccionadas de la especie Eucalyptus globulus.
Cuadro 43
VOLUMEN E. globulus, PYMP REGIÓN DEL BIOBÍO
4-6 46,33 33.013,0 1.529.374
7-9 76,82 13.912,5 1.068.809
>=10 272,72 13.320,2 3.632.704
Total 6.230.887
Error estimación volumen 32,2 %
Cuadro 44
DENSIDAD E. globulus, PYMP REGIÓN DEL BIOBÍO
4-6 1.249,18 33.013,0 41.239.106
7-9 1087,50 13.912,5 15.129.785
>=10 954,14 13.320,2 12.709.300
Total 69.078.191
Cuadro 45
ÁREA BASAL E. globulus, PYMP REGIÓN DEL BIOBÍO
4-6 14,11 33.013,0 465.850
7-9 16,78 13.912,5 233.421
>=10 31,44 13.320,2 418.846
Total 1.118.117
Cuadro 46
ALTURA DOMINANTE E. globulus, PYMP REGIÓN DEL BIOBÍO
4-6 10,95 33.013,0
7-9 14,11 13.912,5
>=10 27,03 13.320,2

En el caso de la región de La Araucanía se describen en Cuadros 47 al 50, las variables de estado de rodal para las
clases de edad seleccionadas de la especie Pinus radiata.
Cuadro 47
VOLUMEN Pinus radiata, PYMP REGIÓN DE LA ARAUCANÍA
6-10 71,0 5.193,7 368.753
11-15 184,9 12.793,8 2.365.162
16-20 287,1 14.741,1 4.231.999
>=21 376,7 11.015,1 4.149.740
Total 11.115.655
Error estimación volumen 29,8%
Cuadro 48
DENSIDAD Pinus radiata, PYMP REGIÓN DE LA ARAUCANÍA
6-10 809,0 5.193,7 4.201.703
11-15 685,6 12.793,8 8.770.980
16-20 492,2 14.741,1 7.255.088
>=21 429,0 11.015,1 4.725.473
Total 24.953.245
Cuadro 49
ÁREA BASAL Pinus radiata, PYMP REGIÓN DE LA ARAUCANÍA
6-10 16,3 5.193,7 84.657
11-15 31,0 12.793,8 396.608
16-20 35,6 14.741,1 524.536
>=21 39,6 11.015,1 435.707
Total 1.441.508
Cuadro 50
ALTURA DOMINANTE Pinus radiata, PYMP REGIÓN DE LA ARAUCANÍA
6-10 10,8 5.193,7
11-15 19,3 12.793,8
16-20 24,9 14.741,1
>=21 28,9 11.015,1

Para las clases de edad seleccionadas de la especie Eucalyptus globulus de la región de La Araucanía, se describen
en cuadros 51 al 54, las variables de estado de rodal.
Cuadro 51
VOLUMEN E. globulus, PYMP REGIÓN DE LA ARAUCANÍA
4-6 44,36 23.288,5 1.033.078
7-9 93,34 12.977,1 1.211.282
>=10 257,88 15.296,0 3.944.532
Total 6.188.892
Error estimación volumen 32,3%
Cuadro 52
DENSIDAD E. globulus, PYMP REGIÓN DE LA ARAUCANÍA
4-6 1.532,23 23.288,5 35.683.338
7-9 1.359,08 12.977,1 17.636.917
>=10 1.452,87 15.296,0 22.223.099
Total 74.182.327
Cuadro 53
ÁREA BASAL E. globulus, PYMP REGIÓN DE LA ARAUCANÍA
4-6 12,98 23.288,5 302.285
7-9 20,38 12.977,1 264.473
>=10 32,27 15.296,0 493.602
Total 1.060.360
Cuadro 54
ALTURA DOMINANTE E. globulus, PYMP REGIÓN DE LA ARAUCANÍA
4-6 11,39 23.288,5
7-9 14,73 12.977,1
>=10 24,69 15.296,0

Los cuadros 55 al 58 presentan las variables de estado de rodal para las clases de edad seleccionadas de la especie
Eucalyptus nitens en la región de La Araucanía.
Cuadro 55
VOLUMEN E. nitens, PYMP REGIÓN DE LA ARAUCANÍA
4-6 ** 65,7 2.942,4 193.316
7-9 168,76 2.593,8 437.730
>=10 413,70 5.902,9 2.442.030
Total 3.073.076
Error estimación volumen 33,1 %.
**Valor estimado
Dentro de los conglomerados medidos en terreno, no aparecieron los pertenecientes a la primera clase de edad
(cuatro a seis años)
Cuadro 56
DENSIDAD E. nitens, PYMP REGIÓN DE LA ARAUCANÍA
7-9 1411,56 2.593,8 3.661.304
>=10 973,04 5.902,9 5.743.758
Total 9.405.062
Cuadro 57
ÁREA BASAL E. nitens, PYMP REGIÓN DE LA ARAUCANÍA
7-9 25,56 2.593,8 66.298
>=10 40,47 5.902,9 238.890
Total 305.188
Cuadro 58
ALTURA DOMINANTE E. nitens, PYMP REGIÓN DE LA ARAUCANÍA
7-9 21,03 2.593,8
>=10 31,34 5.902,9

CAPÍTULO III
INVENTARIO DE
BOSQUE NATIVO
94 CAPÍTULO III: INVENTARIO DE BOSQUE NATIVO

INTRODUCCIÓN
En este capítulo se presentan en forma detallada las existencias totales por región comprendidas en el proceso de
actualización 2021, el que involucra la publicación de valores de existencias actualizados para las regiones de Maule,
Ñuble, BioBío, Araucanía y Los Ríos y levantamiento de datos biofísicos de inventario para la región de Aysén.
Es importante destacar que el reporte presentado, incluye desde el año 2019 cifras de los inventarios realizados en
las islas y archipiélagos de las regiones de Aysén y Magallanes; esfuerzo habilitado gracias al apoyo del proyecto GEF
Sistema Integrado de Monitoreo de Ecosistemas Forestales (GEF SIMEF). Esto permite la entrega de información
más completa para el país, cubriendo millones de hectáreas de bosques situadas en zonas de difícil acceso, que
previamente no estaban sujetas a inventario.
El inventario asume como población objetivo el país y las regiones. Dado su carácter de continuo y de grandes áreas,
al subdividir la población en áreas más pequeñas, el número de muestras disminuye. Es por esto, que el nivel máximo
de subdivisión considerado corresponde a provincias, con errores de estimación variables como se observa en los
cuadros de existencias por región. Los cuadros de resultados que se presentan, consideran volúmenes sólidos
fustales de los individuos sin corteza y sin deducción por defectos. Se aconseja al lector considerar en su análisis
de estos datos, los valores de precisión de la media detallados en los cuadros respectivos, de forma de tener en
consideración estos niveles de incertidumbre como escenarios antes de tomar decisiones.
El total de superficie bajo actualización alcanza en este período aproximadamente 3,715 millones de hectáreas,
correspondientes al tercer año del tercer ciclo del Inventario Forestal Nacional (IFN).
RESUMEN
El Inventario Forestal Nacional (IFN) ejecutado por el Instituto Forestal, conocido también como Inventario Continuo
de los Ecosistemas Forestales, se encuentra en operación desde el año 2000 a la fecha. El propósito de este inventario
es apoyar los procesos de toma de decisión, los procesos internacionales y diferentes áreas de interés actual y futuro.
Se ha logrado completar con información aquellos bosques comprendidos entre las regiones de Coquimbo a la región
de Magallanes, cubriendo 13,4 millones de hectáreas de la superficie definida por el Catastro CONAF-MMA como
bosque nativo en Chile.
En este informe se expresan los resultados asociados a la caracterización cuantitativa de los bosques de las regiones
involucradas en el presente ciclo de medición correspondiente al año 2021 equivalente a 3.715.532 ha. Las existencias
brutas totales fustales comprendidas en las regiones medidas alcanzan los 1.329,2 millones de m³ssc sobre una base
cubierta con unidades de muestra de 13,424 millones de ha. A modo de resumen general el siguiente cuadro describe
las existencias por región, así como, las superficies bajo inventario que dieron origen a las medias estimadas.

Cuadro 1
EXISTENCIAS PARA BASE MUESTRAL ESTADÍSTICA
Región Existencias (m³ssc) Crecimiento anual (m³ssc) Superficie bajo inventario (ha)
Coquimbo 113.462 - 3.514
Valparaíso 4.135.629 68.604 95.463
Región Metropolitana 4.501.044 70.819 93.526
O’Higgins 8.407.984 114.674 118.013
Maule 26.905.734 1.030.259 370.330
Biobío 139.183.077 5.568.582 786.208
La Araucanía 256.878.030 6.289.080 908.501
Los Ríos 295.381.209 5.336.713 850.000
Los Lagos 862.610.176 19.076.036 2.758.873
Aysén 1.722.186.813 31.746.736 4.814.066
Magallanes 902.185.233 12.327.750 2.625.506
Total 4.222.488.391 81.629.254 13.424.000
Las existencias expandidas a la población total programada a la base país de 13,4 millones de hectáreas totalizan
4.222 millones de m³ssc, y se detallan a continuación en el Cuadro 2.
Cuadro 2
EXISTENCIAS EN SUPERFICIES TOTALES PROGRAMADAS
Región Superficie Total (ha) Volumen Medio (m³ssc/ha) Existencias (m³ssc)
Coquimbo 3.514 32,29 113.462
Valparaíso 95.463 43,32 4.135.629
Región Metropolitana 93.526 48,13 4.501.044
O’Higgins 118.013 71,25 8.407.984
Maule 370.330 72,65 26.905.734
Biobío 786.208 177,03 139.183.077
La Araucanía 908.501 282,75 256.878.030
Los Ríos 850.000 347,51 295.381.209
Los Lagos 2.758.873 312,67 862.610.176
Aysén 4.814.066 357,74 1.722.186.813
Magallanes 2.625.506 343,62 902.185.233
Total 13.424.000 4.222.488.391

El detalle de las superficies comprometidas en el período 2020 se describe a continuación según superficies de base
muestral y total programada:
Cuadro 3
SUPERFICIES PARA BASE MUESTRAL ESTADÍSTICA
Región Superficie para Base Muestral Estadística (ha)
Aysén 3.715.532
Total 3.715.532
Cuadro 4
EXISTENCIAS EN SUPERFICIES TOTALES PROGRAMADAS Y OBTENIDAS EN 2021
Región Superficie Total (ha) Volumen Medio (m³ssc/ha) Existencias (m³ssc)
Aysén 3.715.532 357,74 1.329.194.418
Total 3.715.532 1.329.194.418
En el Cuadro 5 a continuación se describe la secuencia histórica de superficies medidas en ciclo de mediciones

iniciado el año 2011.
Cuadro 5
EXISTENCIAS EN SUPERFICIES TOTALES ACUMULADAS AL 2021
Ciclo Región Superficie Total (ha) Volumen Medio (m³ssc/ha) Existencias (m³ssc)
Coquimbo 3.514 28,79 101.168
Valparaíso 95.463 21,16 2.019.997
O’Higgins 118.013 36,43 4.299.119

Los Lagos 2.758.873 265,36 732.100.592
Subtotal 2011 3.069.389 741.159.667
Maule 370.330 161,54 59.823.108
1 Biobío 786.208 172,62 135.715.225
La Araucanía 908.501 290,60 264.010.428
Los Ríos 850.000 357,43 303.815.500
Aysén 325.000 266,32 86.554.000
Subtotal 2012 3.240.039 824.365.492
Aysén 3.715.532 266,32 989.520.482
Subtotal 2013 3.715.532 989.520.482
Magallanes 2.625.506 248,17 651.571.824

Ciclo Región Superficie Total (ha) Volumen Medio (m³ssc/ha) Existencias (m³ssc)
Aysén 774.494 266,32 206.263.242
Subtotal 2014 3.400.000 857.835.066
Coquimbo 3.514 117,75 413.763
Valparaíso 95.463 35,43 3.382.228
O’Higgins 118.013 74,32 8.770.862
Maule 210.094 156,27 32.831.073
Los Lagos 2.758.873 235,36 649.328.384
Subtotal 2015 3.279.483 698.621.550
Maule 160.236 200,77 32.170.587
2 Biobío 786.208 283,78 223.113.280
La Araucanía 908.501 252,11 229.040.944
Los Ríos 850.000 263,00 223.551.472
Aysén * 325.000 357,74 116.265.692
Subtotal 2016 3.029.945 824.141.975
Aysén * 3.715.532 357,74 1.329.196.611
Subtotal 2017 3.715.532 1.329.196.611
Aysén * 773.534 357,74 276.724.510
Magallanes * 2.625.506 343,62 902.185.233
Subtotal 2018 3.399.040 1.178.909.743
Coquimbo 3.514 32,29 113.462
Valparaíso 95.463 43,32 4.135.629
O’Higgins 118.013 71,25 8.407.984
Los Lagos 2.758.873 312,67 862.610.176
Subtotal 2019 3.069.389 879.768.295
3 Maule 370.330 72.65 26.905.734
Ñuble y Biobío 786.208 177.03 139.183.077
La Araucanía 908.501 282.75 256.878.030
Los Ríos 850.000 347.51 295.381.209
Subtotal 2020 2.915.039 718.348.051
Aysén 3.715.532 357,74 1.329.194.418
Subtotal 2021 3.715.532 1.329.194.418

EXISTENCIAS TOTALES POR REGIÓN
MACRORREGIÓN NORTE
Dada su baja representatividad en superficie de bosques (~9%) las regiones de Coquimbo, Valparaíso, Metropolitana
y O’Higgins se agrupan como una macrorregión.
No obstante, se entregan valores estimados para cada región.
Aquellas celdas marcadas con (*) indican alta incertidumbre (>30% en volumen).
Cuadro 6
EXISTENCIAS TOTALES DE LA MACRORREGIÓN NORTE
Variable Superficie (ha) Valor Medio (valor/ha) Existencias Totales Error (%)
Crecimiento Vol (m³ssc) 310.453 0,81 252.129 *
Volumen (m³ssc) 310.453 53,85 16.718.628 *
Area Basal (m²) 310.453 9,66 3.000.125 *
Número árboles 310.453 659,02 204.593.472 *
Vol Neto (m³ssc) 310.453 35,09 10.894.688 *
Vol Neto Pulp (m³ssc) 310.453 34,37 10.669.590 *
Vol Prod (D>25 cm) (m³ssc) 310.453 0,72 222.097 *
- Región de Coquimbo
La región del Coquimbo contabiliza una existencia total de 113.5 mil m³ sólidos sin corteza a un índice de utilización
de 10 cm, con un error que supera el 30%.
Cuadro 7
EXISTENCIAS TOTALES DE LA REGIÓN DE COQUIMBO
Volumen (m³ssc) 3.514 32,29 113.462 *
Área Basal (m²) 3.514 10,79 37.920 *
Número árboles 3.514 488,94 1.718.135 *
Vol Neto (m³ssc) 3.514 27,66 97.211 *

- Región de Valparaíso
La región del Valparaíso contabiliza una existencia total de 4.14 millones m³ sólidos sin corteza a un índice de
utilización de 10 cm, con un error que supera el 30%.
Cuadro 8
EXISTENCIAS TOTALES DE LA REGIÓN DE VALPARAÍSO
Volumen (m³ssc) 95.463 43,32 4.135.629 *
Area Basal (m²) 95.463 8,70 830.939 *
Número árboles 95.463 594,91 56.791.615 *
Vol Neto (m³ssc) 95.463 28,79 2.748.573 *
- Región Metropolitana
La región del Metropolitana contabiliza una existencia total de 4.5 millones m³ sólidos sin corteza a un índice de
utilización de 10 cm, con un error sobre el 30% en volumen.
Cuadro 9
EXISTENCIAS TOTALES DE LA REGIÓN METROPOLITANA
Volumen (m³ssc) 93.463 48,13 4.501.044 *
Area Basal (m²) 93.463 8,64 807.703 *
Número árboles 93.463 631,15 59.028.486 *
Vol Neto (m³ssc) 93.463 31,36 2.932.557 *

- Región de O’Higgins
La región del O’Higgins contabiliza una existencia total de 8.41 millones m³ sólidos sin corteza a un índice de utilización
de 10 cm, con un error sobre el 30% en volumen.
Cuadro 10
EXISTENCIAS TOTALES DE LA REGIÓN DE O'HIGGINS
Volumen (m³ssc) 118.013 71,25 8.407.984 *
Area Basal (m²) 118.013 11,65 1.374.439 *
Número árboles 118.013 759,24 89.600.584 *
Vol Neto (m³ssc) 118.013 45,60 5.380.962 *
- Región del Maule

La región del Maule contabiliza una existencia total de 26.9 millones de m³ sólidos sin corteza a un índice de utilización
de 10, cm con un error de 33,7%.
Cuadro 11
EXISTENCIAS TOTALES DE LA REGIÓN DEL MAULE
Crecimiento Vol (m³ssc) 370.330 2,78 1.030.259 *
Volumen (m³ssc) 370.330 72,65 26.905.734 33,65
Area Basal (m²) 370.330 12,46 4.613.135 31,60
Número árboles 370.330 663,27 245.630.126 *
Vol Neto (m³ssc) 370.330 50,76 18.799.769 *

- Existencias por Provincia
Cuadro 12
EXISTENCIAS TOTALES PROVINCIA DE CURICÓ
Variable Superficie (ha) Valor Medio (valor/ha) Existencias Totales
Crecimiento Vol (m³ssc) 105.896 - -
Volumen (m³ssc) 105.896 114,65 12.140.789
Area Basal (m²) 105.896 16,28 1.723.515
Número árboles 105.896 822,46 87.095.777
Vol Neto (m³ssc) 105.896 - -
Cuadro 13
EXISTENCIAS TOTALES PROVINCIA DE LINARES
Crecimiento Vol (m³ssc) 160.213 0,37 59.363
Volumen (m³ssc) 160.213 88,55 14.187.385
Area Basal (m²) 160.213 16,48 2.640.776
Número árboles 160.213 994,64 159.353.855
Vol Neto (m³ssc) 160.213 67,19 10.765.203
Vol Neto Pulp. (m³ssc) 160.213 61,02 9.775.668
Cuadro 14
EXISTENCIAS TOTALES PROVINCIA DE TALCA
Volumen (m³ssc) 90.420 40,94 3.701.615
Area Basal (m²) 90.420 8,30 750.185
Número árboles 90.420 418,95 37.881.886
Vol Neto (m³ssc) 90.420 26,19 2.368.189

- Existencias por Tipo Forestal
Cuadro 15
EXISTENCIAS TOTALES TIPO FORESTAL ESCLERÓFILO
Volumen (m³ssc) 41.195 35,85 1.476.880
Area Basal (m²) 41.195 8,98 369.857
Número árboles 41.195 609,73 25.117.745
Vol Neto (m³ssc) 41.195 20,91 861.423
Vol Neto Pulp. (m³ssc) 41.195 20,30 836.134
Cuadro 16
EXISTENCIAS TOTALES TIPO FORESTAL ROBLE HUALO
Volumen (m³ssc) 148.182 114,45 16.959.021
Area Basal (m²) 148.182 18,04 2.673.005
Número árboles 148.182 816,74 121.026.661
Vol Neto (m³ssc) 148.182 86,25 12.780.415
Cuadro 17
EXISTENCIAS TOTALES TIPO FORESTAL ROBLE-RAULÍ-COIHUE
Volumen (m³ssc) 159.916 141,98 22.704.871
Area Basal (m²) 159.916 17,61 2.816.329
Número árboles 159.916 684,72 109.496.998
Vol Neto (m³ssc) 159.916 105,65 16.894.807

- Distribución de Existencias Totales
Figura 1
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DEL MAULE

- Región del Biobío
La región del Biobío contabiliza una existencia total de 139,2 millones de m³ sólidos sin corteza a un índice de
utilización de 10 cm, con un error de 31,99%.
Cuadro 18
EXISTENCIAS TOTALES DE LA REGIÓN DEL BIOBÍO
Volumen (m³ssc) 786.208 177,03 139.183.077 31,99
Área Basal (m²) 786.208 23,34 18.353.617 28,35
Número árboles 786.208 960,54 755.183.036 27,80
Vol Neto (m³ssc) 786.208 115,08 90.476.386 29,36
Vol Neto Pulp (m³ssc) 786.208 100,79 79.242.340 25,04
Cuadro 19
EXISTENCIAS TOTALES PROVINCIA DE ARAUCO
Volumen (m³ssc) 92.714 165,88 15.379.616
Área Basal (m²) 92.714 25,10 2.327.503
Número árboles 92.714 990,12 91.797.743
Vol Neto (m³ssc) 92.714 117,12 10.858.441
Vol Neto Pulp (m³ssc) 92.714 87,77 8.137.076
Cuadro 20
EXISTENCIAS TOTALES PROVINCIA DE BIOBÍO
Crecimiento Vol (m³ssc) 436.587 10,53 4.596.885
Volumen (m³ssc) 436.587 194,33 84.843.593
Área Basal (m²) 436.587 26,24 11.454.373
Número árboles 436.587 1125,44 491.352.314
Vol Neto (m³ssc) 436.587 130,08 56.791.883

Cuadro 21
EXISTENCIAS TOTALES PROVINCIA DE ÑUBLE
Volumen (m³ssc) 231.021 186,26 43.029.624
Área Basal (m²) 231.021 21,60 4.988.904
Número árboles 231.021 815,50 188.397.381
Vol Neto (m³ssc) 231.021 111,44 25.745.581
Las existencias por tipo forestal se detallan como:
Cuadro 22
EXISTENCIAS TOTALES TIPO FORESTAL ARAUCARIA
Volumen (m³ssc) 43.609 271,37 11.834.417
Área Basal (m²) 43.609 35,02 1.527.229
Número árboles 43.609 855,01 37.286.084
Vol Neto (m³ssc) 43.609 - -
Cuadro 23
EXISTENCIAS TOTALES TIPO FORESTAL ESCLERÓFILO
Volumen (m³ssc) 15.269 10,85 165.601
Área Basal (m²) 15.269 4,06 61.974
Número árboles 15.269 366,46 5.595.280
Vol Neto (m³ssc) 15.269 6,57 100.371
Vol Neto Pulp (m³ssc) 15.269 6,57 100.371

Cuadro 24
Volumen (m³ssc) 480.667 164,72 79.174.831
Área Basal (m²) 480.667 21,47 10.320.010
Número árboles 480.667 1060,88 509.932.022
Vol Neto (m³ssc) 480.667 109,83 52.792.469

Figura 2
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DEL BIOBÍO

- Región de La Araucanía
La región del Araucanía contabiliza una existencia total de 256,9 millones de m³ sólidos sin corteza a un índice de
Cuadro 25
EXISTENCIAS TOTALES DE LA REGIÓN DE LA ARAUCANÍA
Crecimiento Vol (m³ssc) 908.501 6,92 6.289.080 35,32
Volumen (m³ssc) 908.501 282,75 256.878.030 *
Área Basal (m²) 908.501 33,16 30.124.696 *
Número árboles 908.501 859,29 780.669.405 29,07
Vol Neto (m³ssc) 908.501 209,10 189.971.387 *
Las existencias por provincia corresponden a:
Cuadro 26
EXISTENCIAS TOTALES PROVINCIA DE CAUTÍN
Volumen (m³ssc) 490.142 309,24 151.569.601
Área Basal (m²) 490.142 34,49 16.905.118
Número árboles 490.142 855,18 419.159.469
Vol Neto (m³ssc) 490.142 230,49 112.972.658
Cuadro 27
EXISTENCIAS TOTALES PROVINCIA MALLECO
Volumen (m³ssc) 418.360 255,28 106.799.308
Área Basal (m²) 418.360 31,78 13.294.529
Número árboles 418.360 863,56 361.278.375
Vol Neto (m³ssc) 418.360 186,93 78.202.464

Cuadro 28
EXISTENCIAS TOTALES TIPO FORESTAL ARAUCARIA
Volumen (m³ssc) 207.885 333,39 69.307.561
Área Basal (m²) 207.885 45,17 9.389.963
Número árboles 207.885 574,85 119.503.639
Vol Neto (m³ssc) 207.885 201,09 41.804.218
Cuadro 29
EXISTENCIAS TOTALES TIPO FORESTAL COIHUE-RAULÍ-TEPA
Volumen (m³ssc) 104.639 293,41 30.701.790
Área Basal (m²) 104.639 37,38 3.911.348
Número árboles 104.639 651,63 68.185.324
Vol Neto (m³ssc) 104.639 223,07 23.341.442
Cuadro 30
EXISTENCIAS TOTALES TIPO FORESTAL LENGA
Volumen (m³ssc) 102.200 196,98 20.131.767
Área Basal (m²) 102.200 18,03 1.842.758
Número árboles 102.200 279,28 28.542.072
Vol Neto (m³ssc) 102.200 126,15 12.892.673
Cuadro 31
Volumen (m³ssc) 432.488 275,68 119.227.590
Área Basal (m²) 432.488 30,13 13.030.192
Número árboles 432.488 1084,42 468.997.295
Vol Neto (m³ssc) 432.488 219,97 95.134.492

Cuadro 32
EXISTENCIAS TOTALES TIPO FORESTAL SIEMPREVERDE
Volumen (m³ssc) 55.670 296,81 16.523.257
Área Basal (m²) 55.670 36,37 2.024.935
Número árboles 55.670 1151,71 64.116.041
Vol Neto (m³ssc) 55.670 231,79 12.903.794
Figura 3
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DE LA ARAUCANÍA

- Región de Los Ríos
La región de los Ríos contabiliza una existencia total de 295,3 millones de m³ sólidos sin corteza a un índice de
Cuadro 33
EXISTENCIAS TOTALES DE LA REGIÓN DE LOS RÍOS
Volumen (m³ssc) 849.771 347,51 295.301.630 34,28
Área Basal (m²) 849.771 34,23 29.087.867 33,63
Número árboles 849.771 760,53 646.277.233 *
Vol Neto (m³ssc) 849.771 237,62 201.924.652 34,91
Vol Neto pulp (m³ssc) 849.771 189,43 160.969.503 28,84
Las existencias totales por provincia corresponden a:
Cuadro 34
EXISTENCIAS TOTALES PROVINCIA RANCO
Volumen (m³ssc) 406.351 498,72 202.655.684
Área Basal (m²) 406.351 43,15 17.535.834
Número árboles 406.351 519,36 211.044.199
Vol Neto (m³ssc) 406.351 358,20 145.556.688
Vol Neto pulp (m³ssc) 406.351 244,33 99.284.934
Cuadro 35
EXISTENCIAS TOTALES PROVINCIA VALDIVIA
Volumen (m³ssc) 443.420 285,90 126.774.483
Área Basal (m²) 443.420 30,59 13.566.191
Número árboles 443.420 858,78 380.801.862
Vol Neto (m³ssc) 443.420 188,50 83.583.037

Cuadro 36
Volumen (m³ssc) 246.911 720,36 177.864.486
Área Basal (m²) 246.911 62,56 15.446.782
Número árboles 246.911 576,33 142.302.661
Vol Neto (m³ssc) 246.911 444,19 109.674.791
Cuadro 37
Volumen (m³ssc) 192.732 253,82 48.918.451
Área Basal (m²) 192.732 25,55 4.923.478
Número árboles 192.732 642,24 123.779.943
Vol Neto (m³ssc) 192.732 183,75 35.414.686
Cuadro 38
Volumen (m³ssc) 215.441 236,61 50.975.278
Área Basal (m²) 215.441 28,94 6.233.870
Número árboles 215.441 1144,48 246.567.283
Vol Neto (m³ssc) 215.441 180,11 38.803.820

Figura 4
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DE LOS RÍOS

- Región de Los Lagos
La región de los Lagos contabiliza una existencia total de 649.3 millones de m³ sólidos sin corteza a un índice de
utilización de 10 cm, con un error de 19.1%.
Cuadro 39
EXISTENCIAS TOTALES DE LA REGIÓN DE LOS LAGOS
Crecimiento Vol (m³ssc) 2.758.873 6,91 19.076.036 20,2
Volumen (m³ssc) 2.758.873 312,67 862.610.176 20,4
Area Basal (m²) 2.758.873 39,90 110.074.088 18,4
Número árboles 2.758.873 1,121,60 3.094.356.992 22,6
Vol Neto (m³ssc) 2.758.873 200,60 553.425.408 19,0
Vol Neto Pulp (m³ssc) 2.758.873 182,00 502.125.408 19,5
Vol Prod (D>25 cm) (m³ssc) 2.758.873 18,59 51.299.984 *
Las existencias totales por provincia corresponden a:
Cuadro 40
EXISTENCIAS TOTALES PROVINCIA CHILOÉ
Volumen (m³ssc) 621.928 274,51 170.728.307
Area Basal (m²) 621.928 41,07 25.543.992
Número árboles 621.928 1.466,89 912.297.116
Vol Neto (m³ssc) 621.928 209,13 130.063.698
Vol Prod (D>25 cm) (m³ssc) 621.928 31,66 19.690.436

Cuadro 41
EXISTENCIAS TOTALES PROVINCIA DE LLANQUIHUE
Volumen (m³ssc) 776.992 209,33 162.645.247
Area Basal (m²) 776.992 27,22 21.152.607
Número árboles 776.992 948,73 737.155.430
Vol Neto (m³ssc) 776.992 122,62 95.273.857
Cuadro 42
EXISTENCIAS TOTALES PROVINCIA OSORNO
Volumen (m³ssc) 377.345 279,80 105.580.159
Area Basal (m²) 377.345 37,50 14.149.067
Número árboles 377.345 957,53 361.320.823
Vol Neto (m³ssc) 377.345 147,77 55.759.253
Cuadro 43
EXISTENCIAS TOTALES PROVINCIA PALENA
Volumen (m³ssc) 982.608 453,06 445.181.496
Area Basal (m²) 982.608 49,67 48.801.966
Número árboles 982.608 1.016,17 998.498.206
Vol Neto (m³ssc) 982.608 290,13 285.082.161
Vol Prod (D>25 cm) (m³ssc) 982.608 32,03 31.471.648

Las existencias totales por tipo forestal corresponden a:
Cuadro 44
Volumen (m³ssc) 383.552 585,64 224.624.809
Area Basal (m²) 383.552 62,53 23.984.792
Número árboles 383.552 601,75 230.801.649
Vol Neto (m³ssc) 383.552 338,08 129.672.731
Cuadro 45
Volumen (m³ssc) 497.533 231,17 115.016.561
Area Basal (m²) 497.533 23,56 11.722.910
Número árboles 497.533 - -
Vol Neto (m³ssc) 497.533 159,65 79.431.118
Cuadro 46
Volumen (m³ssc) 238.722 317,00 75.675.272
Area Basal (m²) 238.722 34,91 8.333.000
Número árboles 238.722 918,25 219.207.531
Vol Neto (m³ssc) 238.722 204,39 48.792.617

Cuadro 47
Crecimiento Vol (m³ssc) 1.251.096 7,31 9.148.080
Volumen (m³ssc) 1.251.096 291,93 365.238.253
Area Basal (m²) 1.251.096 41,68 52.151.306
Número árboles 1.251.096 1.322,68 1.654.804.859
Vol Neto (m³ssc) 1.251.096 190,12 237.852.357
Vol Neto Pulp (m³ssc) 1.251.096 169,36 211.884.082
Vol Prod (D>25 cm) (m³ssc) 1.251.096 20,76 25.968.274

Figura 5
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DE LOS LAGOS

- Región de Aysén
La región de Aysén contabiliza una existencia total de 1.396 millones de m³ sólidos sin corteza a un índice de utilización
de 10 cm, con una precisión cercana al 82% para su área de bosques continental y superior al 78% para las áreas de
bosques nativos de sus archipiélagos.
Cuadro 48
EXISTENCIAS TOTALES DE LA REGIÓN DE AYSÉN (CONTINENTAL)

Volumen (m³ssc) 2.291.727 357,53 819.361.802 17,8
Área Basal (m²) 2.291.727 39,21 89.855.991 17,1
Número árboles 2.291.727 757,64 1.736.294.907 *
Vol Neto (m³ssc) 2.291.727 211,35 484.358.114 18,9
Vol Prod (D>25 cm) (m³ssc) 2.291.727 25,43 58.276.060 *
Cuadro 49
EXISTENCIAS TOTALES DE LA REGIÓN DE AYSÉN (ARCHIPIÉLAGOS)

Volumen (m³ssc) 1.611.890 358,04 577.127.975 21,4
Área Basal (m²) 1.611.890 41,51 66.910.475 18,2
Número árboles 1.611.890 849,89 1.369.932.682 21,3
Vol Neto (m³ssc) 1.611.890 216,55 349.053.218 20,9
Vol Prod (D>25 cm) (m³ssc) 1.611.890 20,82 33.551.760 *
Las existencias totales por provincia son:

Cuadro 50
EXISTENCIAS TOTALES PROVINCIA DE AYSÉN

Volumen (m³ssc) 997.771 375,74 374.903.315
Área Basal (m²) 997.771 39,75 39.663.283
Vol Neto (m³ssc) 997.771 231,38 230.863.165
Vol Neto Pulp (m³ssc) 997.771 - -
Vol Prod (D>25 cm) (m³ssc) 997.771 - -

Cuadro 51
EXISTENCIAS TOTALES PROVINCIA DE AYSÉN (ARCHIPIÉLAGOS)
Volumen (m³ssc) 1.611.890 358,04 577.127.986
Área Basal (m²) 1.611.890 41,51 66.910.475
Número árboles 1.611.890 849,89 1.369.932.679
Vol Neto (m³ssc) 1.611.890 216,55 349.053.223
Vol Prod (D>25 cm) (m³ssc) 1.611.890 - -
Cuadro 52
EXISTENCIAS TOTALES PROVINCIA DE CAPITÁN PRAT
Volumen (m³ssc) 429.015 264,81 113.608.234
Área Basal (m²) 429.015 32,17 13.799.636
Vol Neto (m³ssc) 429.015 147,58 63.315.603
Vol Prod (D>25 cm) (m³ssc) 429.015 - -
Cuadro 53
EXISTENCIAS TOTALES PROVINCIA DE COYHAIQUE
Crecimiento Vol m³ssc 562.834 - -
Volumen m³ssc 562.834 375,68 211.446.137
Área Basal (m²) 562.834 41,58 23.400.645
Vol Neto m³ssc 562.834 228,59 128.655.733
Vol Prod (D>25 cm) (m³ssc) 562.834 - -

Las existencias totales por tipo forestal corresponden a:
Cuadro 54
Crecimiento Vol (m³ssc) 1.355.324 - -
Volumen (m³ssc) 1.355.324 352,75 478.091.659
Área Basal (m²) 1.355.324 39,57 53.626.120
Número árboles 1.355.324 - -
Vol Neto (m³ssc) 1.355.324 195,52 264.995.670
Vol Prod (D>25 cm) (m³ssc) 1.355.324 - -
Cuadro 55
Volumen (m³ssc) 613.948 366,30 224.891.969
Área Basal (m²) 613.948 39,74 24.400.736
Número árboles 613.948 522,66 320.886.251
Vol Neto (m³ssc) 613.948 224,51 137.839.637
Vol Prod (D>25 cm) (m³ssc) 613.948 - -
Cuadro 56
EXISTENCIAS TOTALES TIPO FORESTAL SIEMPREVERDE (ARCHIPIÉLAGOS)
Volumen (m³ssc) 1.172.191 355,73 416.983.534
Área Basal (m²) 1.172.191 41,29 48.404.810
Número árboles 1.172.191 860,82 1.009.046.583
Vol Neto (m³ssc) 1.172.191 214,33 251.241.086
Vol Prod (D>25 cm) (m³ssc) 1.172.191 - -


Figura 6
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DE AYSÉN

- Región de Magallanes
La región de Magallanes contabiliza una existencia total de 854,5 millones de m³ sólidos sin corteza a un índice de
utilización de 10 cm, con una precisión superior al 82% para su área de bosques continental y cercana al 74% para las
áreas de bosques nativos de sus archipiélagos.
Cuadro 57
EXISTENCIAS TOTALES DE LA REGIÓN DE MAGALLANES (CONTINENTAL)
Volumen (m³ssc) 1.077.340 395,47 426.056.400 17,8
Área Basal (m²) 1.077.340 40,63 43.771.444 17,2
Número árboles 1.077.340 748,45 806.339.609 32,7
Vol Neto (m³ssc) 1.077.340 226,13 243.620.316 18,9
Vol Prod (D>25 cm) (m³ssc) 1.077.340 18,45 19.879.702 *
Cuadro 58
EXISTENCIAS TOTALES DE LA REGIÓN DE MAGALLANES (ARCHIPIÉLAGOS)
Volumen (m³ssc) 1.409.328 303,99 428.423.706 25,4
Área Basal (m²) 1.409.328 31,32 44.142.060 23,3
Número árboles 1.409.328 830,71 1.170.736.082 31,4
Vol Neto (m³ssc) 1.409.328 187,63 264.428.689 28,8
Vol Prod (D>25 cm) (m³ssc) 1.409.328 11,35 15.996.715 *

Cuadro 59
EXISTENCIAS TOTALES PROVINCIA DE MAGALLANES
Volumen (m³ssc) 436.080 313,08 136.526.453
Área Basal (m²) 436.080 32,08 13.988.139
Vol Neto (m³ssc) 436.080 - -
Vol Prod (D>25 cm) (m³ssc) 436.080 - -
Cuadro 60
EXISTENCIAS TOTALES PROVINCIA TIERRA DEL FUEGO
Volumen (m³ssc) 324.424 462,51 150.049.169
Área Basal (m²) 324.424 49,30 15.995.589
Vol Neto (m³ssc) 324.424 283,99 92.134.297
Vol Prod (D>25 cm) (m³ssc) 324.424 - -
Cuadro 61
EXISTENCIAS TOTALES PROVINCIA ULTIMA ESPERANZA
Volumen (m³ssc) 316.835 411,88 130.497.425
Área Basal (m²) 316.835 41,74 13.224.014
Número árboles 316.835 655,70 207.748.501
Vol Neto (m³ssc) 316.835 218,61 69.262.119
Vol Prod (D>25 cm) (m³ssc) 316.835 - -

Cuadro 62
EXISTENCIAS TOTALES PROVINCIA ULTIMA ESPERANZA (ARCHIPIÉLAGOS)
Volumen (m³ssc) 1.031.632 262,18 270.474.021
Área Basal (m²) 1.031.632 29,80 30.742.063
Número árboles 1.031.632 714,27 736.863.605
Vol Neto (m³ssc) 1.031.632 167,19 172.482.884
Vol,Prod (D>25 cm) (m³ssc) 1.031.632 - -
Cuadro 63
EXISTENCIAS TOTALES TIPO FORESTAL COIHUE DE MAGALLANES (ARCHIPIÉLAGOS)
Volumen (m³ssc) 785.289 303,14 238.049.988
Área Basal (m²) 785.289 30,90 24.263.463
Número árboles 785.289 783,60 615.352.505
Vol Neto (m³ssc) 785.289 184,26 144.701.151
Vol Prod (D>25 cm) m³ssc 785.289 - -
Cuadro 64
Volumen (m³ssc) 1.008.476 411,98 415.467.091
Área Basal (m²) 1.008.476 42,74 43.099.664
Número árboles 1.008.476 753,08 759.464.740
Vol Neto (m³ssc) 1.008.476 234,85 236.836.292
Vol Prod (D>25 cm) (m³ssc) 1.008.476 - -


Figura 7
EXISTENCIAS EN ÁREA BASAL Y VOLUMEN. REGIÓN DE MAGALLANES

CAPÍTULO IV
EXISTENCIAS
DE CARBONO
130 CAPÍTULO IV: EXISTENCIAS DE CARBONO

INTRODUCCIÓN
La cantidad de carbono capturado en los bosques naturales del país es un tema de alto interés actualmente, en
especial desde la cumbre de Río de 1992 y la implementación de la Convención Marco de las Naciones Unidas para
el Cambio Climático (UNFCCC). En este contexto se reportan de forma referencial aquí las existencias de bosques en
su equivalencia a gases efecto invernadero1. Estas equivalencias se estiman bajo el detalle metodológico descrito en
Capítulo I del presente informe (Capítulo I: Procesamiento para la Estimación de Existencias en Biomasa y Carbono).
Los datos entregados en estos cuadros resúmenes se refieren a tCO2-eq total aérea y radicular de individuos vivos. No
obstante, en base de datos se cuenta con información de biomasa para material muerto en pie y desechos gruesos.
EXISTENCIAS DE tCO2-eq
A NIVEL REGIONAL
Las existencias de tCO2-eq para aquellas regiones más relevantes por sus posibilidades de constituir datos de
actividad (“activity data”) se detallan a continuación. Estas alcanzan para toda el área inventariada a 8.288.756.027
tCO2-eq. Las existencias medias de tCO2-eq más altas se dan en la región de Los Lagos con 772,18 tCO2-eq /ha, con
un aporte de captura anual bruta de 12,41 tCO2-eq /ha. La captura anual bruta total para todas las regiones alcanza
los 153.470.331 tCO2-eq.
Cuadro 1
EXISTENCIAS DE CO2-EQ A NIVEL REGIONAL
Incremento Fustal Incremento Fustal

Región Existencias Medias Superficie Existencias Totales
Anual Periódico Total Anual Periódico
(tCO2-eq/ha) (ha) (tCO2-eq)
(tCO2-eq/ha) (tCO2-eq)
Coquimbo 60,38 - 3.514,00 212.178,59 -
Valparaíso 89,82 1,25 95.463,00 8.574.738,63 119.370,06
Metropolitana 93,54 1,32 93.526,00 8.748.385,73 123.548,84
O’Higgins 147,84 1,72 118.013,00 17.446.539,08 202.409,22
Maule 140,61 5,54 370.330,00 52.070.722,73 2.051.340,88
Bio Bío 385,12 18,17 786.208,00 302.786.220,61 14.287.614,29
La Araucanía 545,36 15,72 908.501,10 495.464.263,56 14.282.864,77
Los Ríos 659,48 15,38 849.771,00 560.409.607,64 13.066.248,61
Los Lagos 772,18 12,41 2.758.873,00 2.130.334.720,00 34.250.080,00
Aysén * 767,89 13,73 3.903.617,94 2.997.550.756,44 53.604.846,45
Magallanes * 689,74 8,64 2.486.667,63 1.715.157.893,54 21.482.007,57

* incluye en el valor de inventarios realizados en zonas de archipiélagos
1 Si bien la IPCC enfatiza los cambios en existencias de biomasa leñosa debidas a cambios de uso o debidas a prácticas de manejo, estos datos sirven de referencia
respecto de los cambios producidos en terrenos forestales que siguen siendo terrenos forestales. No se entregan cifras netas por no existir aún datos de mortalidad,
los que estarán disponibles solo después varios períodos de monitoreo.

EXISTENCIAS DE tCO2-eq
A NIVEL PROVINCIAL
Los cuadros a continuación describen el desglose a nivel provincial para las regiones inventariadas. No se desglosan
aquí las regiones de Coquimbo a O’Higgins debido a la pobre representación muestral en estas regiones en superficies
de bosques.
- Existencias Provinciales Región del Maule

Cuadro 2
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DEL MAULE A NIVEL PROVINCIAL

Provincia Existencias Medias Superficie Existencias Totales
Curicó 268,25 - 105.896,10 28.406.908,85 -
Linares 164,15 0,88 160.213,40 26.298.363,56 141.166,36
Talca 74,19 0,52 90.420,30 6.708.733,83 46.708,33
- Existencias Provinciales Región del Biobío

Cuadro 3
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DEL BIOBÍO A NIVEL PROVINCIAL

Arauco 397,35 15,39 92.713,50 36.839.567,92 1.426.839,42
Bio Bío 417,98 22,87 436.586,60 182.483.426,16 9.983.347,34
Ñuble 392,11 18,89 231.020,70 90.584.401,91 4.363.141,29
- Existencias Provinciales Región de La Araucanía

Cuadro 4
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE LA ARAUCANÍA A NIVEL PROVINCIAL

Cautín 577,82 14,21 490.141,60 283.216.024,23 6.966.422,65
Malleco 511,70 17,29 418.359,50 214.075.356,56 7.231.544,97
132 CAPÍTULO IV: EXISTENCIAS DE CARBONO

- Existencias Provinciales Región de Los Ríos
Cuadro 5
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE LOS RIOS A NIVEL PROVINCIAL

Ranco 921,95 9,85 406.350,80 374.633.148,99 4.002.808,73
Valdivia 552,55 17,63 443.419,80 245.013.427,87 7.816.320,59
- Existencias Provinciales Región de Los Lagos

Cuadro 6
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE LOS LAGOS A NIVEL PROVINCIAL

Chiloé 760,21 13,35 621.927,60 472.797.711,96 8.301.826,85
Llanquihue 530,99 9,77 776.991,80 412.572.923,44 7.587.560,87
Osorno 731,83 12,83 377.345,00 276.153.460,87 4.841.956,74
Palena 989,64 12,99 982.607,80 972.431.349,62 12.764.706,69
- Existencias Provinciales Región de Aysén

Cuadro 7
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE AYSÉN A NIVEL PROVINCIAL

Aysén 750,80 11,69 997.771,29 749.127.384,32 11.667.493,57
Capitán Prat 575,54 - 429.014,52 246.914.299,80 -
Coyhaique 744,44 - 562.834,28 418.994.650,44 -
General Carrera 728,28 - 302.107,36 220.017.772,88 -
Cuadro 8
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE AYSÉN A NIVEL PROVINCIAL (ARCHIPIÉLAGOS)

Aysén 843,23 12,58 1.611.890,49 1.359.199.550,58 20.283.452,48
Capitan Prat - - 429.014,52 - -

- Existencias Provinciales Región de Magallanes
Cuadro 9
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE MAGALLANES A NIVEL PROVINCIAL

Magallanes 598,36 - 436.080,31 260.932.420,32 -
Tierra del Fuego 878,38 - 324.424,10 284.968.505,64 -
Ultima Esperanza 779,49 12,14 316.835,24 246.969.422,54 3.847.460,75
Cuadro 10
EXISTENCIAS DE CO2-EQ DE LA REGIÓN DE MAGALLANES A NIVEL PROVINCIAL (ARCHIPIÉLAGOS)

Magallanes - - 253.002,95 - -
Tierra del Fuego - - 124.692,63 - -
Ultima Esperanza 573,26 4,55 1.031.632,40 591.391.576,07 4.698.404,29
134 CAPÍTULO V:
IV:ASPECTOS
EXISTENCIAS
SOCIOECONÓMICOS
DE CARBONO
CAPÍTULO V
ASPECTOS
SOCIOECONÓMICOS

INTRODUCCIÓN
En el marco del componente socioeconómico del “Sistema Integrado de Monitoreo de Ecosistemas Forestales y
Formaciones Xerofíticas” (SIMEF), se encuestó por segunda vez a los principales tomadores de decisión (propietarios
y/o administradores) de explotaciones silvoagropecuarias1 que fueron encuestados en 2015 en la región de Los
Ríos, con la finalidad de observar cambios en sus sistemas productivos, así como también en aspectos sociales
y económicos. Estas explotaciones albergan puntos de muestreo biofísicos del SIMEF, en los cuales se miden
periódicamente un set de variables que dan cuenta del estado de los bosques: composición, estructura, estado de
desarrollo y sanidad, entre otras.
El análisis conjunto de variables biofísicas y sociales permitirá consolidar un sistema integrado de monitoreo, en el
cual sea posible relacionar el estado de los ecosistemas con los cambios sociales, económicos y productivos que
ocurren en las explotaciones, los que se conectan a su vez con procesos más amplios relativos a los mercados
(regional, nacional y global) y la política pública (ej. cambios de gobierno, crisis sociales, e implementación de nuevas
leyes). Esto es especialmente importante en un país como Chile, cuya estrategia de desarrollo se basa en la apertura
comercial y la exportación de commodities (minerales, productos agrícolas y forestales, etc.) (Leight, 2008; O’Ryan et
al., 2010).
El modelo de análisis adoptado por el componente socioeconómico del SIMEF asume que las personas desean
“aumentar, o al menos mantener, cierto nivel de bienestar”, para lo cual utilizan todos los recursos que tienen a su
disposición. Entre estos se cuentan el capital humano (escolaridad y fuerza de trabajo), el capital financiero (ahorros,
ingresos monetarios, etc.), el capital natural (bosque nativo, praderas, etc.), y elementos de contexto que se consideran
relevantes, como la calidad de los caminos de acceso, la tenencia de la tierra y la distancia a los mercados. Los
bosques forman parte del capital natural y están disponibles para satisfacer necesidades humanas a partir de los
múltiples bienes y servicios que estos proveen, como madera, leña, agua, biodiversidad, etc.
En este documento se presentan los resultados del primer monitoreo socioeconómico realizado en la región de Los
Ríos y el análisis preliminar de los datos recolectados. El objetivo de este primer informe es identificar tendencias,
aspectos críticos y áreas de mejora, que permitan aumentar la efectividad de esta herramienta para explicar los
cambios biofísicos que están siendo detectados por SIMEF.
En la primera sección del documento se describe el modelo teórico, en la segunda se presentan los principales
cambios que se observaron en las explotaciones durante el período 2015-2020 y en la tercera sección y final se
discuten los principales hallazgos y se elaboran algunas conclusiones.
Explotación silvoagropecuaria: todo terreno que se utiliza total o parcialmente en actividades agrícolas, ganaderas y/o forestales por un productor, sin consideración
de tenencia o tamaño. La explotación puede comprender parte de un predio, uno o varios predios colindantes o separados, ubicados en una misma comuna y siempre
que en conjunto formen la misma Unidad Técnica (INE, 2007).
136 CAPÍTULO V: ASPECTOS SOCIOECONÓMICOS

MODELO TEÓRICO
Decisión de utilizar el bosque a partir de una
percepción sesgada de utilidad
Dado que el 70% del bosque nativo en Chile está en manos privadas, su uso es el resultado de decisiones que emergen
a partir de la interacción de una serie de factores, como características de los tomadores de decisión, mercados,
contexto socioeconómico y ambiental y políticas públicas, entre otros (Amacher et al., 1996; Heltberg et al., 2000;
Heltberg, 2002; Joshi and Mehmood, 2011).
Algunos de estos factores son propios del tomador de decisión y su explotación, y no cambian bruscamente, como
edad, escolaridad y calidad de sitio, mientras que otros sí (ej. uso del suelo). Es así como se puede diferenciar variables
estructurales (estables) y transitorias (cambiantes), las que a su vez se diferencian por el grado de control que puede
ejercer el tomador de decisiones sobre ellas (bajo o alto) (Cuadro 1).
Cuadro 1
EJEMPLOS DE VARIABLES QUE INCIDEN EN LA TOMA DE DECISIÓN
Control que ejerce Velocidad de cambio

el tomador de decisión
Estructurales Transitorias
Escolaridad del tomador de Área sembrada con trigo y

Alto nivel de control
decisión y tamaño explotación extracción de madera nativa
Distancia a los mercados y Disponibilidad de empleos e

Bajo nivel de control
productividad del bosque ingreso monetario
Los tomadores de decisión desarrollan sistemas productivos que incluyen actividades dentro y fuera de la explotación.
Los sistemas productivos son dinámicos y cambian a través del tiempo, por ejemplo, los predios se heredan y se
dividen, la economía crece y surgen nuevas oportunidades de ingreso, mejoran los caminos, etc.
Heltberg et al. (2000) plantean que debido a que en áreas rurales la oferta y demanda de mano de obra se deciden al
mismo tiempo, los modelos deben considerar un supuesto de no-separabilidad. Eso quiere decir que los tomadores
de decisión deciden la cantidad de recursos asignados a actividades dentro y fuera del predio, evaluando los costos
y beneficios de diferentes alternativas, en un proceso heurístico (basado en la experiencia) (Uijt, ecuación 1). Por
este motivo, el uso del bosque no depende solo de su disponibilidad física, sino también de la ubicación del predio, la

disponibilidad de mano de obra y del desempeño de otras actividades que generan bienes y servicios (Dewees, 1989).
Para incorporar esto se seleccionó un modelo de utilidad aleatorio que representa la decisión de utilizar los bosques
para generar ingresos (Walker and Ben-Akiva, 2002).
Uijt = Vijt + eijt

Vijt = βiXi
Uijt = β1X1 + β2X2 + β3X3 + β4X4 +… + eijt (Ecuación 1)
Si, Uijt ≥ Ui-1jt, se decide extraer madera u otros productos del bosque
Si, Uijt < Ui-1jt, no se decide extraer madera u otros productos del bosque
Donde:
Uijt = Utilidad percibida con respecto a la alternativa i (extraer madera del bosque) por el tomador de decisión j en
el momento t.
Ui-1jt = Utilidad percibida con respecto a la alternativa i-1 (no extraer madera del bosque) por el tomador de decisión
j en el momento t.
Vijt = Fracción observable2 de la función de utilidad de la alternativa i por el tomador de decisión j en el momento t.
βi = Parámetros del modelo.
Xi = Variables que influyen en la toma de decisión.
eijt = Fracción no observable de la función de utilidad de la alternativa i por el tomador de decisión j en el momento
t.
El tomador de decisión j tomará la alternativa i (ej. extraer madera del bosque) en vez de i-1 (no extraer) en el momento
t, cuando la utilidad percibida de i sea mayor a la utilidad percibida de i-1.
Por ejemplo, si la alternativa i era extraer madera del bosque (variable transitoria sobre la cual el tomador de decisión
tiene un alto nivel de control), pero se genera una buena oportunidad laboral fuera del predio (variable transitoria sobre
la cual el tomador de decisión tiene un bajo nivel de control), entonces el tomador de decisión podría optar por i-1 (no
extraer madera y dedicarse a otras actividades).
Es importante diferenciar la decisión de extraer madera de aquellas decisiones que resultan en la producción de
madera. Muchas veces se produce leña o carbón vegetal como consecuencia de otras decisiones, distintas a la de
extraer madera, como por ejemplo cuando se talan bosques para ampliar áreas de cultivo y se aprovechan los desechos
del roce (Reyes et al., 2018). Esos productos no se generan a partir de la decisión de extraer madera (alternativa i), sino
como consecuencia de la decisión de no extraer madera y dedicar las tierras a otros fines (alternativa i-1).
La percepción de utilidad del tomador de decisión con respecto a la opción de extraer madera u otros productos del
bosque (Uijt) depende fuertemente del costo de oportunidad del capital (escolaridad, mano de obra, ahorros, etc.).
Hipotéticamente, todas aquellas variables que aumenten dicho costo disminuirían la probabilidad de que se decida
extraer madera u otros productos del bosque (ej. buena accesibilidad, alto nivel de escolaridad, cercanía a centros
urbanos, etc.), mientras que lo contrario ocurriría con aquellas variables que reducen el costo de oportunidad del
capital (ej. mala accesibilidad, baja escolaridad, abundancia de bosques, etc.).
Los aspectos considerados en la función de utilidad fueron capital humano (CH), capital natural disponible dentro
de la explotación (CN), capital financiero (CF) y elementos de contexto (EC), precios de mercado, accesibilidad de la
explotación, etc.), cada uno de los cuales se expresó a través de un conjunto de variables (Cuadro 2).
2 Parte de la función de utilidad que es posible evaluar usando las variables disponibles en el estudio.

Cuadro 2
VARIABLES ELABORADAS A PARTIR DE LA ENCUESTA
Categoría Variables
Tipo de tomador de decisiones (persona natural o jurídica)

Capital humano Edad del principal tomador de decisiones (años)
Escolaridad del principal tomador de decisiones (años)
Tamaño de la explotación (hectáreas)

Capital natural Superficie de bosque nativo (hectáreas)
Cobertura de bosque nativo (%)
Ingreso total ($/año)

Importancia del ingreso extrapredial (%)
Importancia del ingreso agrícola (%)
Capital financiero Importancia del ingreso ganadero (%)
Importancia del ingreso no monetario por autoconsumo (%)
Cantidad de bovinos
Cantidad de ovinos y caprinos
Presencia y extensión de plantaciones forestales
Distancia a la ciudad más cercana (km)

Distancia a la ciudad principal de la región (km)
Elementos de contexto Uso residencial del predio (si/no)
Calidad del camino de acceso1
Tenencia de la tierra (si/no)
Precios de productos ($/unidad)
1 Calidad baja (vehículos 4 x 4), calidad media (camiones pequeños), y calidad alta (camiones con acoplado).
La Figura 1 muestra el proceso de toma de decisión a través del tiempo. En el tiempo t-1 (izquierda), el tomador de
decisión j decidirá sobre i (extraer madera del bosque) e i-1 (no extraer) en base al capital humano disponible (CHjt-1),
el capital natural (CNjt-1), el capital financiero (CFjt-1) y elementos de contexto (ECjt-1), a partir de lo cual se generará un
nuevo set de bienes y servicios que incidirá sobre las decisiones del siguiente ciclo (derecha, tiempo t).
Uijt-1 ≥ Ui-1jt-1, extrae Uijt < Ui-1jt, no extrae
CHjt-1 CHjt
ECjt-1 CNjt-1 ECjt CNjt
CFjt-1 CFjt
Figura 1
PROCESO DE TOMA DE DECISIÓN RELATIVO A LA EXTRACCIÓN DE MADERA DEL BOSQUE

La decisión de extraer productos del bosque depende de los cambios producidos en el capital humano, el capital
natural, el capital financiero y el contexto (mercados, políticas, etc.). Esto resulta en períodos en los que esta opción
tendría una mayor probabilidad de ocurrencia, cuando Uijt ≥ Ui-1jt, y otros en los que sería menos probable. Es así como
cada bosque se vería enfrentado a distintas trayectorias de uso: A-B, A-C o A-Z, las cuales implicarían su recuperación,
mantención o degradación (Figura 2).
ESTADO DEL BOSQUE
TIEMPO
Figura 2
TOMA DE DECISIÓN CON RESPECTO AL BOSQUE NATIVO A TRAVÉS DEL TIEMPO
Integrando las dimensiones biofísica y social del SIMEF

La unidad básica de análisis del componente socioeconómico del SIMEF es la explotación silvoagropecuaria, en la
cual existe una persona o grupo de personas que toman decisiones de uso, y que para efectos de este análisis se
denominan “principal(es) tomador(es) de decisión”. Esto difiere del componente biofísico, cuya unidad básica de
análisis es un conglomerado de tres parcelas instaladas en el bosque. Esto genera una primera divergencia entre los
componentes socioeconómico y biofísico del SIMEF, pues el primero no considera los bosques que están en manos del
Estado, debido a que no existe un tomador de decisiones (propietario o usufructuarios) que genere beneficios directos
de su explotación. Además, varios puntos biofísicos pueden estar albergados en una misma explotación (Cuadro 3).
Cuadro 3
DIVERGENCIAS ENTRE LOS COMPONENTES SOCIOECONÓMICO Y BIOFÍSICO DEL SIMEF
Componente Población Tenencia Unidad de

Relación
SIMEF objetivo bosques análisis
Bosques nativos Conglomerado Una parcela

Biofísico y formaciones Públicos y privados compuesto por tres biofísica está en
xerofíticas parcelas un solo predio
Propietarios y Explotación
Socioeconómico usufructuarios de Privados silvoagropecuaria Un predio puede
bosques nativos y compuesta por uno contener una o más
formaciones xerofíticas o más predios parcelas biofísicas

La información de los conglomerados biofísicos puede extrapolarse al rodal, que cubre una superficie determinada
y está compuesto por bosques que tienen características relativamente homogéneas en cuanto a su estado de
desarrollo, composición y estructura, mientras que la información socioeconómica solo es representativa del rol o
los roles que conforman la explotación (el rol corresponde a la unidad de decisión). De esta forma, cuando se cruza
la información de los componentes socioeconómico y biofísico surge una nueva unidad de análisis, el polígono rodal-
predio (Figura 3).
Rol 1 Rol 2
b1 c
a
b2
La línea punteada representa el límite entre dos predios que tienen dueños o usufructuarios distintos,
mientras que las áreas verdes corresponden a rodales de bosque (rodales a, b y c). Las unidades
biofísico-sociales son a y b1, en el caso de la explotación 1, y b2 y c en el caso de la explotación 2.
Figura 3
UNIDAD DE ANÁLISIS PARA INTEGRAR LOS COMPONENTES SOCIOECONÓMICO Y BIOFÍSICO DEL SIMEF
A pesar de que b1 y b2, en la Figura 4, son similares en cuanto a tipo de bosque, estado de desarrollo, composición
y estructura (ambos forman parte del rodal b), están bajo la influencia de distintos tomadores de decisión, lo que
implica que pueden seguir distintas trayectorias de uso dependiendo de las decisiones productivas que estos tomen
a través del tiempo.
Integrar la información biofísica y social no es sencillo, ya que además de lo anterior, el estado del bosque cambia
a lo largo del rodal. Por ejemplo, áreas del rodal que estén más cerca de caminos o áreas de pastoreo podrían estar
sometidas a una mayor presión productiva que aquellas más alejadas. Esto quiere decir que el impacto de la toma de
decisión sobre el bosque no es homogéneo a través del polígono rodal-predio, diluyéndose gradualmente en la medida
que se alejan de sus bordes y caminos de penetración (Figura 4).

Rol 1 Rol 2
b1 c
b
a
b2
La línea azul corresponde al camino de acceso al predio, mientras que las flechas rojas representan la presión que se
ejerce sobre el bosque desde el perímetro del rodal (ej. ganado) y en sectores aledaños al camino dentro del bosque
(ej. extracción de leña). Verdes más oscuros representan zonas más alejadas de los bordes del rodal-predio y de los
caminos de penetración, y por ende serían zonas menos intervenidas por los tomadores de decisión.
Figura 4
DISTINTOS NIVELES DE PRESIÓN SOBRE EL BOSQUE
El modelo que relaciona la información socioeconómica y biofísica, a partir de datos de panel, tendría la siguiente
forma:
ΔEBijt = ((ΔSocijt + eSijt)/FCj) + eNijt

ΔSocijt = βxΔXi
ΔEBijt = ((β1ΔX1 + β2ΔX2 + β3ΔX3 + β4ΔX4 +… + eSijt)/FCj) + eNijt (Ecuación 2)
Donde:
ΔEBijt = Cambios en el estado biofísico del bosque de la parcela i, ubicada en j (metros desde el borde del rodal-
predio o desde el camino de penetración) durante el período t.
ΔSocipt = Cambios socioeconómicos observables en la explotación que contiene a la parcela biofísica i, que está
en manos del tomador de decisión p, durante el período t.
Βx = Parámetros del modelo.
ΔXx = Cambios en las variables socioeconómicas que influyen en la toma de decisión.
eSipt = Factores socioeconómicos no observables en la explotación que contiene a la parcela biofísica i, que está
en manos del tomador de decisión p, durante el período t.
eNijt = Factores no observables que inciden sobre el estado biofísico del bosque de la parcela i, ubicada en j,
durante el período t (ej. disturbios de origen natural).
FCj = Factor de corrección de la ubicación j (metros desde el borde del rodal-predio, o desde el camino de
penetración).

Este modelo aún está en elaboración, pero es un ejemplo de cómo podría establecerse una relación econométrica
entre las variables socioeconómicas y el estado del bosque, monitoreado a través de las parcelas biofísicas del SIMEF.
Al aumentar la distancia entre las parcelas biofísicas y el borde del rodal-predio o el camino de penetración, menor
será el impacto de los cambios socioeconómicos en el estado del bosque. En estos casos, el estado del bosque
dependerá más de factores no observables atribuibles a la dinámica natural del bosque o a disturbios de otro tipo
(incendios, pestes, temporales de viento, etc.). Esto último se menciona como una hipótesis, la cual debe estudiarse
con mayor profundidad antes de avanzar en el desarrollo del modelo econométrico.
MÉTODO
Se aplicó una encuesta a los principales tomadores de decisión de explotaciones con bosque nativo, las que habían
sido previamente encuestas en 2015. Las explotaciones se seleccionaron al azar, a partir de la misma grilla de puntos
utilizada por el componente biofísico del SIMEF. Los puntos de muestreo se observan en la Figura 5.
Los puntos rojos muestran la ubicación de las explotaciones que fueron encuestadas en 2015 y 2020,
mientras que los puntos azules aquellas que solo fueron encuestadas en 2015, y que por alguna razón
no quisieron o no pudieron volver a ser encuestas en 2020.
Figura 5
PUNTOS DE MUESTREO

A partir de la base de datos elaborada en 2015 se llamó por teléfono a los principales tomadores de decisión de las
explotaciones para agendar una visita. Una vez en terreno, se explicó el objetivo de la visita, y si la persona accedía a
participar, se leía la carta de consentimiento previo e informado y se aplicaba la encuesta.
Antes de comenzar la encuesta propiamente tal se les preguntó a los tomadores de decisión lo siguiente: ¿En general,
usted diría que se puede confiar en la gente? Incluir una pregunta que permita tener una percepción del nivel de
confianza del entrevistado es parte de los procedimientos normales en este tipo de estudios (Johnson y Mislin,
2012). La respuesta que se obtiene refleja indirectamente la predisposición que tiene el encuestado con respecto al
encuestador. Esto se incluye en los análisis estadísticos como una variable de ajuste.
La encuesta cubrió temas relacionados con el uso de suelo de la explotación, las características socio-demográficas
del principal tomador de decisiones y su entorno (familia o empresa), y la producción dentro y fuera de la explotación al
año 2020. El ingreso total (monetario y no monetario llevado a pesos) fue estimado a partir de la suma de los ingresos
percibidos dentro y fuera de la explotación. En el caso de la producción agrícola, ganadera y forestal extrapredial,
los ingresos corresponden a la valoración de la producción de bienes y servicios. En el caso de los salarios, se
consideraron los salarios de todos los integrantes del grupo familiar que dependen económicamente del tomador
de decisión, estimados en base a promedios regionales (pago promedio para ciertos tipos de trabajos). Todas las
preguntas abordaban además los cambios que se habían producido en el ámbito en cuestión entre 2015 y 2020.
RESULTADOS
Distribución de la muestra
La línea base del componente socioeconómico del SIMEF se elaboró a partir de una encuesta aplicada a 88 tomadores
de decisión de explotaciones silvoagropecuarias con presencia de bosque nativo, durante el año 2015. Esta encuesta
fue aplicada nuevamente en 2020 a los mismos tomadores de decisión, 75 de los cuales aceptaron participar y 13
decidieron no hacerlo o no fue posible contactarlos por teléfono o en sus explotaciones. La distribución comunal de
los puntos de muestreo se observa en el Cuadro 4.
De los 75 tomadores de decisión encuestados, 72 fueron útiles para realizar comparaciones inter-temporales, ya que
3 puntos de muestreo cambiaron de dueño o se detectaron inconsistencias u omisiones relevantes con respecto a la
línea base.
Este es el caso de los conglomerados 14_082, 14_167 y 14_111. En 2015, el punto 14_082 era propiedad de la Sociedad
Agrícola Andina con 900 ha, predio que fue dividido y vendido en 2017 a la Sociedad Los Esteros Ltda. (272 ha). Se
desconoce cuál porción del predio se vendió a esta nueva sociedad. El punto 14_167 no fue utilizado para realizar
comparaciones, dado que en 2015 se entrevistó al tomador de decisión de un campo vecino, lo que fue corregido en
2020. Finalmente, el punto 14_111 contaba con datos insuficientes para realizar comparaciones.

Cuadro 4
DISTRIBUCIÓN COMUNAL DE LAS EXPLOTACIONES QUE FORMAN PARTE DE LA MUESTRA
Comunas Explotaciones encuestadas en 2015 Explotaciones re-encuestadas en 2020
Mariquina 9 6
Lanco 3 2
Panguipulli 20 19
Valdivia 8 5
Los Lagos 10 9
Corral 2 0
Paillaco 2 2
Futrono 14 13
La Unión 4 4
Lago Ranco 7 7
Máfil 4 3
Río Bueno 5 5
Total 88 75
Cambios observados con respecto al tipo

de propietario y el tomador de decisión
Entre 2015 y 2020 se observa un leve aumento en la proporción de explotaciones que están en manos de personas
naturales (propietario/usufructuario individual, sucesiones o sociedades de hecho sin contrato legal, y comunero
en goce individual), en desmedro de aquellas que son administradas por personalidades jurídicas (Instituciones
fiscales o municipales, sociedades anónimas y de responsabilidad limitada, órdenes religiosas, escuelas técnicas,
universidades, comunidades agrícolas históricas y comunidades indígenas). En la línea base (2015) el 49% de las
explotaciones estaban en manos de personas naturales, lo que aumentó al 54% en 2020 (Figura 6).
Con respecto al tomador de decisión, de un total de 68 explotaciones consideradas3, 52 no sufren cambios (76,5%) y
16 sí (23,5%) (Cuadro 5). Estos cambios corresponden al reemplazo de administradores, en el caso de explotaciones
que están en manos de sociedades, el fallecimiento de propietarios y a cambios en la toma de decisión (hijos que
asumen la toma de decisión en reemplazo de sus padres, producto de enfermedad, envejecimiento u otras causas).
3 Cuatro explotaciones no fueron consideradas en este análisis, ya que en la línea base no se especificó el nombre del tomador de decisión.

100%
90%
80%
70%
Persona jurídica
60%
50% Persona natural
40%
30%
20%
10%
0%
Figura 6
TIPO DE PROPIETARIO PERÍODO 2015 - 2020
Cuadro 5
CAMBIOS DE TOMADOR DE DECISIÓN EN EL PERÍODO 2015-2020
Tomador de decisión N° %
No cambia 52 76,5
Cambia 16 23,5
Total 68 100,0
Con respecto al sexo del tomador de decisión, en las 16 explotaciones donde cambió el tomador de decisión, se
observa una leve disminución (-13%) de la participación de los hombres. Aun así, en 2020 las mujeres siguen siendo
significativamente menos que los hombres en la toma de decisión (25% mujeres versus 75% hombres).
Por otra parte, y solo considerando las 16 explotaciones donde cambió el tomador de decisión, se observa una leve
disminución de su edad y un aumento bastante importante de su escolaridad, la que aumentó de 8,8 a 10,5 años
de educación formal. El resto de los tomadores de decisión que forman parte de la muestra mantiene constante su
escolaridad, y evidentemente envejeció, dado los 5 años que transcurrieron entre ambas encuestas. Esto incrementó
la edad promedio de los tomadores de decisión de 56,8 a 60,2 años entre 2015 y 2020.
Cambios en el uso del suelo de las explotaciones 4
En 2015, la superficie total de las explotaciones consideradas en este análisis (70 explotaciones) sumaba 147.190
hectáreas, lo que se redujo a 117.354 hectáreas en 2020. Esta diferencia de casi 30 mil hectáreas se debe a dos
4 Se excluyen del análisis de uso de suelo las siguientes explotaciones: 14_200 pues los datos no son comparables dado que en 2015 respondió por su campo, y en
2020 por el campo de la comunidad; 14_097 pues en 2015 se registró la información de 4 predios y en 2020 solo de 2.

explotaciones de gran tamaño que declararon una superficie mucho menor en 2020 (14_078 y 14_097). En total, 20
explotaciones muestran cambios importantes de superficie, de las cuales 17 declararon una superficie menor en
2020 y 3 una superficie mayor. Las 50 explotaciones restantes (71%) declararon una superficie similar a la reportada
en 2015.
El uso del suelo predominante en ambos períodos es el bosque nativo, representando cerca del 78% de la superficie total
de las explotaciones. La cobertura de bosque nativo se mantiene estable en el período de análisis y su predominancia
se debe a que los predios grandes albergan una gran superficie de bosques. La Figura 7 muestra la importancia
relativa por clase de uso del suelo, para todas las explotaciones que conforman la muestra, mientras que las Figuras
8 y 9 muestran la misma información, pero para las explotaciones que tienen menos de 1000 hectáreas (pequeñas y
medianas explotaciones) y menos de 200 hectáreas (solo pequeñas), respectivamente.
Cuando se agrupan todas las explotaciones se observa una leve disminución en la cobertura de plantaciones
forestales, áreas agrícolas y praderas naturales entre 2015 y 2020, y un aumento de las empastadas y las praderas
mejoradas. Además, se observa una disminución importante de los matorrales. Cuando se agrupan las explotaciones
que tienen menos de 1000 hectáreas, es decir, explotaciones medianas y pequeñas, se observa un ligero aumento de la
cobertura de plantaciones forestales, áreas agrícolas y matorrales, y una situación similar a la descrita anteriormente
con respecto a las praderas. Finalmente, cuando se agrupan las explotaciones que tienen menos de 200 hectáreas
(pequeñas explotaciones), se observa un aumento en la cobertura de praderas naturales, praderas mejoradas,
empastadas y matorrales, y una disminución en la cobertura de bosque nativo y plantaciones forestales.
100%
90%
Bosque
Nativo
80%
Plantaciones
forestales
70%
Agrícola
60%
Praderas
Naturales
50%
Praderas
Mejoradas
40%
Empastadas
30%
Matorral
20% Otros
usos
10%
0%
2015 2020
Figura 7
IMPORTANCIA RELATIVA DE DISTINTAS CLASES DE USO DEL SUELO EN 2015 Y 2020
(TODAS LAS EXPLOTACIONES)

80%
Bosque
70% Nativo
Plantaciones
60% forestales
Agrícola
50%
Praderas
40% Naturales
Praderas
30% Mejoradas
Empastadas
20%
Matorral
10%
Otros
usos
0%
2015 2020
Figura 8
(EXPLOTACIONES CON MENOS DE 1000 HECTÁREAS)
80%
Bosque
70% Nativo
Plantaciones
60% forestales
Agrícola
50%
Praderas
Naturales
40%
Praderas
Mejoradas
30%
Empastadas
20%
Matorral
10%
Otros
usos
0%
2015 2020
Figura 9
(EXPLOTACIONES CON MENOS DE 200 HECTÁREAS)

Cambios en el subsistema agrícola
En términos generales la cantidad de explotaciones que realizan actividades agrícolas aumentó del 73% al 79%
entre 2015 y 2020. Esto considera desde cultivos de subsistencia hasta aquellos más tecnificados que se orientan
al mercado. Al explorar con más detalles los datos, se observa que la agricultura de subsistencia está presente en el
60,5% de las explotaciones, lo que implica un aumento con respecto al 2015 (44,7%), mientras que las explotaciones
que comercializan productos agrícolas disminuyeron del 28,9% al 18,4% en el mismo período (Cuadro 6).
Cuadro 6
CAMBIOS EN EL SUBSISTEMA AGRÍCOLA, PERÍODO 2015 - 2020
Actividad agrícola 2015 (%) 2020 (%)
Autoconsumo 44,7 60,5
Venta 28,9 18,4
No cultiva 26,4 21,1
Total 100,0 100,0
La caída en la proporción de explotaciones que comercializan productos agrícolas se vio reflejada también en la
superficie cultivada, la que se redujo al 51,3% en 2020. Uno de los principales cultivos que disminuyó en el período fue
el maíz, con una disminución del 97%.
En 2020, el cultivo más mencionado en las explotaciones fue el trigo, presente en el 68,5% de las explotaciones en
las cuales se realiza agricultura, seguido por raps (12,7%), avellano europeo (6,3%) y castaño (6,3%). Mientras que, en
2015, los cultivos más frecuentes fueron trigo, raps, avellano europeo y papas.
Huerta
Papas
Avellano europeo
2020
Trigo
Raps
Nabo
Años
Arvejas
Encino para trufa
Porotos
2015
Habas
Maíz
Lechuga
Viñedo
0 200 400 600 800 1000
Castaño marrón
Hectáreas
Figura 10
DISTRIBUCIÓN DE LA SUPERFICIE CULTIVADA, PERÍODO 2015-2020.

En la Figura 10 se presenta la distribución de la superficie cultivada, donde se aprecia con claridad como cae desde
810 hectáreas en 2015 a 394 hectáreas en 2020.
Subsistema Forestal Bosque Nativo

En un total de 61 explotaciones5 se extrae madera del bosque nativo para la producción de leña, carbón, madera
aserrada y metro ruma, las que equivalen al 84,7% de las explotaciones. La producción de leña predomina por sobre el
resto de las actividades, observándose en el 84% y 66% de las explotaciones en 2015 y 2020, respectivamente (Figura
11). El 8% de las explotaciones no reportaron extracción de madera nativa en 2015, lo que aumentó al 20% en 2020.
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Leña Leña Leña Leña Leña Sin
Carbón Troza Carbón Troza actividad
Troza Ruma
2015 2020
Figura 11
PRODUCTOS MADEREROS DEL BOSQUE NATIVO EN 2015 Y 2020
La producción de leña se destinada a autoconsumo, venta o ambos objetivos. Tanto en 2015 como 2020, el 67% de
las explotaciones reportaron producción de leña para autoconsumo.
5 Se excluyen del análisis las siguientes explotaciones: 14_111 no registra información al año 2015; 14_044 tiene plan de manejo y recoge leña de los residuos
forestales (no registra datos numéricos); 14_106 recoge leña nativa muerta (no registra datos numéricos); 14_143 hacen durmientes de la madera nativa pero no registra
el consumo.

Sin embargo, aquellas que producen leña para venta disminuyeron del 20% al 10%. Esto muestra una reducción en el
porcentaje de explotaciones que vendieron leña nativa en 2020 (Figura 12).
80%
70%
60%
50%
40%
30%
20%
10%
0%
Autoconsumo Venta Autoconsumo No producen
y Venta leña
2015 2020
Figura 12
PRODUCCIÓN DE LEÑA NATIVA EN 2015 Y 2020
De las 61 explotaciones que producen leña nativa, 34 reportaron una disminución en el volumen producido entre 2015
y 2020, a una tasa de 115 m³estéreo/año (desviación estándar de 160 m³ estéreo), mientras que 21 explotaciones
aumentaron el volumen de producción en 286 m³ estéreo/año (desviación estándar de 568 m³ estéreo). Solo 6
explotaciones mantuvieron sus niveles de producción en el período.
Subsistema Forestal Plantaciones Forestales

En un total de 36 explotaciones6 (50% del total) se produce leña, carbón, metro ruma, y trozas aserrables. En 2015,
el 39% de las explotaciones produjeron leña a partir de sus plantaciones, lo que aumentó al 50% en 2020, siendo por
lejos el principal destino de las plantaciones forestales que están en manos de estos tomadores de decisión.
Es importante mencionar que las plantaciones forestales se cosechan cuando acumulan cierto volumen de biomasa,
lo que depende del criterio y necesidades de cada productor (Figura 13).
6 Se excluye del análisis: 14_220 ya que en 2015 dice que destina la plantación para la producción de leña, pero no registra volumen cosechado, y en 2020 no registra
información.

60%
50%
40%
30% 2015
2020
20%
10%
0%
Leña Carbón Metro ruma Trozas No tiene
Figura 13
TIPO DE ACTIVIDAD PRODUCTIVA EN PLANTACIONES FORESTALES EN EL PERÍODO 2015 – 2020
En 2015, el 17% de las explotaciones declaró que no había plantaciones forestales dentro de sus terrenos, lo que
aumentó al 33% en 2020. Además, en 2015, el 44% declaró presencia de plantaciones forestales, pero no cosecha,
porcentaje que cae al 8% en 2020. Es decir, menos explotaciones cuentan con plantaciones forestales, pero aquellas
donde persisten están siendo utilizadas para la producción de leña y otros productos. Las trozas aserrables fueron el
segundo producto más importante para venta en 2015, siendo reemplazado por el metro ruma en 2020. Finalmente,
gran parte del carbón que se produce de las plantaciones se vende, aunque su importancia relativa con respecto a los
otros productos disminuyó en el período (Figuras 14 y 15).
50%
45%
40%
35% Leña
Carbón
30%
Trozas
25%
Metro ruma
20%
Sin plantación
15%
Sin información
10%
5%
0%
Autoconsumo Venta Autoconsumo Sin Sin
y venta plantación información
Figura 14
PRODUCCIÓN MADERERA A PARTIR DE PLANTACIONES FORESTALES EN 2015

50%
45%
40%
35%
Leña
30%
Carbón
25%
Trozas
20% Metro ruma
15% Sin plantación
10% Sin información
5%
0%
Autoconsumo Venta Autoconsumo Sin Sin
y venta plantación información
Figura 15
PRODUCCIÓN MADERERA A PARTIR DE PLANTACIONES FORESTALES EN 2020
A continuación, se presentan 4 figuras que muestran cómo varía la producción en las plantaciones forestales en el
período 2015-2020.
En la Figura 16 a) se observa la variación del volumen de leña producido en el año 2015, con 9.250 m³ estéreos, el que
disminuye a 6.485 m³ estéreos en 2020.
La Figura 16 b) presenta la variación en la producción de sacos de carbón, que en 2015 fue de 6.720 sacos, y en 2020
de 20 sacos.
La Figura 16 c) presenta la producción de trozas aserrables, que en 2015 era de 22.224 pulgadas y en 2020 de 12.500
pulgadas.
Por último, en la Figura 16 d) se observa la producción total de metros ruma, que en 2015 fue de 15.000 metros ruma
y en 2020 de 9.500 metros ruma.

10 8
a) b)
6
cúbicos estéreos
miles de metros
miles de sacos
5 4
0 0
2015 2020 2015 2020
30 20
c) d)
miles de metros ruma
15
miles de pulgadas
20
10
10
5
0 0
2015 2020 2015 2020
a) variación de producción de metros cúbicos estéreos de leña de plantaciones forestales; b)

variación de producción de sacos de carbón a partir de plantaciones forestales; c) variación de
producción de troza a partir de plantaciones forestales; d) variación de producción de metro ruma a
partir de plantaciones forestales.
Figura 16
VARIACIÓN DE LA PRODUCCIÓN EN PLANTACIONES FORESTALES EN EL PERÍODO 2015-2020
Subsistema Pecuario
De las 72 explotaciones analizadas, los bovinos están presentes en el 74% de ellas en 2015, lo que aumentó al 81%
en 2020.
Los equinos se mantuvieron estables en el período, estando presentes en el 43% de las explotaciones, mientras que
la presencia ovina disminuyó ligeramente de 35% en 2015 a 33% en 2020 (Figura 17).

90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Bovinos Bovinos Caprinos Equinos
2015 2020
Figura 17
TIPO DE TENENCIA ANIMAL EN LAS EXPLOTACIONES EN EL PERÍODO 2015-2020
En 2015, las explotaciones que forman parte de la muestra albergaban 19.615 bovinos, cantidad que se mantuvo
constante en 2020 (19.465). Los ovinos, en tanto, sumaban 3.867 animales en 2015, lo que disminuyó a 1.472
animales en 2020. Esta disminución también se observó en los equinos, aunque mucho más leve (de 508 a 437
animales entre 2015 y 2020). Finalmente, los caprinos aumentaron en más de dos veces, aunque en una cantidad
muy inferior al resto.
Actividades Extraprediales
En 2015, el 37,5% de los tomadores de decisión de las explotaciones realizaban algún tipo de trabajo asalariado, lo
que se redujo al 16,7% en 2020.
El trabajo por cuenta propia, en tanto, disminuyó ligeramente, siendo realizado por el 20,8% y 16,7% de los tomadores
de decisión en 2015 y 2020, respectivamente.
Por último, los tomadores de decisión que recibieron aportes estatales aumentaron del 2,8% al 9,7% en el mismo
período (Figura 18).

50%
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
2015 2020
Asalariado Cuenta propia Aporte estatal
Figura 18
COMPOSICIÓN DEL INGRESO EXTRAPREDIAL EN 2015 Y 2020
En 2015, el 22% del trabajo asalariado se ubicaba dentro de los límites comunales, lo que aumentó al 50% en 2020. El
78% y 50% restante se ubicaba fuera de la comuna e incluso de la región.
El trabajo por cuenta propia, en cambio, se realiza principalmente dentro de los límites comunales (más del 60% de
los casos), e incluso en el sector específico donde se encuentra a explotación. Este último aumentó del 13% al 33%
entre 2015 y 2020.

DISCUSIÓN Y CONCLUSIONES
Fortalecer el vínculo entre INFOR

y los tomadores de decisión
Los tomadores de decisión de la región de Los Ríos que forman parte de la muestra han sido los primeros en ser re-
encuestados después del levantamiento de línea base realizado en 2015. Este proceso permitió identificar aspectos
críticos que deben ser abordados en futuras mediciones, en orden a consolidar una metodología de recolección de
información consistente, confiable y eficiente.
Uno de los temas más importantes es la disposición de las personas a ser re-encuestadas. De hecho, de las 88
explotaciones silvoagropecuarias que formaron parte de la muestra 2015, solo 75 accedieron a ser re-encuestadas en
2020. Trece tomadores de decisión no fueron ubicados o simplemente no quisieron seguir, lo que equivale al 15% de
la muestra original. Esto es preocupante, pues impediría sostener el componente socioeconómico en el largo plazo,
ya que cada año se perdería parte de la muestra original. Para abordar este tema, hay que formalizar una relación
de trabajo libre, informada y consentida entre INFOR y los tomadores de decisión, en el marco de la cual ellos se
comprometan a aportan información para SIMEF.
Muchas veces los tomadores de decisión realizan actividades en sus explotaciones, como tala de bosques, prácticas
agrícolas inadecuadas, etc., por las cuales podrían ser sancionados. Estas actividades a veces ni siquiera implican
sanción, pero dado que la gente desconoce los verdaderos límites de la ley, tienden a asumirlas como tal. En esta
posición, ellos tratan de evitar cualquier riesgo, entre los cuales estaría “responder una encuesta”. Por ello, establecer
una relación de confianza entre INFOR y los tomadores de decisión es clave para consolidar una “red de colaboradores”
que contribuyan a mantener el sistema de monitoreo funcionando en el largo plazo.
Esta relación de confianza debe surgir del entendimiento pleno de que INFOR no es una institución fiscalizadora, y
de que las encuestas están protegidas por el secreto estadístico. Formalizar esto, a través de documentos legales
firmados por la dirección ejecutiva, e interlocutores creíbles y estables a través del tiempo, pueden ser parte de la
solución. Esto último implica que el proceso de aplicación de encuestas debe ser parte de las labores que realizan los
técnicos de la institución, y no personas externas, ya que estas últimas tienden a rotar con mucha frecuencia.
Adicionalmente, se debería desarrollar un conjunto de incentivos para motivar a las personas a participar. Estos
incentivos pueden ser, por ejemplo, recibir copias de las publicaciones que realiza INFOR, especialmente de aquellas
que tienen una aplicación práctica, como manuales, boletines técnicos, monografías, etc.; entregar mapas de la
explotación con cobertura de uso del suelo o de otro tipo, en base a la información que los mismos tomadores de
decisión proveen; y recibir invitaciones a eventos y cursos que organiza INFOR, entre otros.
Por otra parte, se debe mejorar el protocolo de aplicación de encuestas para minimizar los errores que se producen
en la sistematización de la información. Las diferencias que se observan entre una encuesta y otra, aplicadas a través
del tiempo, se deben a cambios que se producen en las explotaciones, los cuales se busca identificar y analizar. Sin
embargo, en algunos casos, estos cambios se deben a descuidos en los apuntes de terreno, problemas de transcripción,
malos entendidos a lo largo de la conversación entre el encuestador y el encuestado, entre otras razones. Para evitar
este problema se debe mejorar la preparación y capacitación de los encuestadores, y los formularios de terreno.

Todos estos cambios implican una nueva manera de aproximarse a los tomadores de decisión, la cual debe ser
implementada con urgencia.
Cambios en la toma de decisión y en el tamaño

y uso del suelo de las explotaciones
El 23% de los tomadores de decisión encuestados en 2015 fueron reemplazados por otras personas, lo que implica
una transición muy dinámica en la toma de decisión entre 2015 y 2020. Este reemplazo de tomadores de decisión es
especialmente activo en explotaciones que están en manos de sociedades (personas jurídicas), las que cambian de
administrador de acuerdo a sus necesidades.
En el caso de personas naturales, el reemplazo de tomadores de decisión ocurre como consecuencia de envejecimiento
o enfermedad del tomador de decisión, y de procesos de sucesión y división de predios.
Transitar entre un tomador de decisión a otro es un desafío adicional para SIMEF. Las consecuencias de esa
transición van a depender, en buena medida, de la voluntad del nuevo tomador de decisión, quien libre, informada y
consentidamente decide si sigue aportando información o no. Para el sistema es clave que la respuesta sea sí, razón
por la cual se deben duplicar los esfuerzos e incentivos. Al respecto, se debe elaborar un protocolo para abordar estas
situaciones, el cual tiene que ser incorporado en la capacitación de los encuestadores.
En esta primera evaluación se observaron pequeños cambios en la edad, sexo y escolaridad de los tomadores de
decisión. Si bien, envejecieron como consecuencia de los cinco años que transcurrieron entre ambas encuestas, la
edad promedio no aumentó linealmente, dado que en promedio los nuevos tomadores de decisión son más jóvenes.
También se observó un leve aumento de la participación de las mujeres en la toma decisión y una mayor escolaridad.
Estos cambios son relevantes, dado que, por ejemplo, la escolaridad ha sido señalada como una de las variables que
más incide en la decisión de utilizar el bosque nativo. Una mayor escolaridad reduce la probabilidad de extraer madera
del bosque (Reyes, 2021).
Por otra parte, parece importante también incorporar en la encuesta preguntas que permitan caracterizar mejor la
dimensión valórica de los tomadores de decisión. Esto permitiría mejorar la interpretación cualitativa de los cambios
que se observan en los sistemas productivos y el uso del bosque a través del tiempo.
Otra de las observaciones relevantes de este primer ejercicio de monitoreo fueron las diferencias observadas en el
tamaño de las explotaciones. El 29% de ellas reportó cambios significativos de superficie. Independientemente de que
algunas de ellas se hayan efectivamente expandido o dividido, parece clave avanzar hacia su delimitación geográfica.
Para eso, la encuesta debe solicitar los roles de los distintos predios que conforman la explotación e incluso llevar
impresas imágenes de satélite para demarcar los límites de la explotación junto con los tomadores de decisión,
método que se probó en la región de Los Lagos en 2021 y dio buenos resultados.
La superficie de las explotaciones puede cambiar a través del tiempo, en la medida que se compran otros predios o se
vende parte de la explotación. Esto es muy común cuando las explotaciones están en proceso de sucesión, o como
ha ocurrido en los últimos años, cuando los tomadores de decisión deciden realizar parcelaciones. En estos casos, el
conglomerado biofísico puede quedar en manos de otra persona (un nuevo tomador de decisión), lo que obligaría a
reemplazar al tomador de decisión que se venía entrevistando. Esto implica identificar, ubicar y convencer a ese nuevo
tomador de decisión para que siga aportando información al sistema.

También se observaron cambios en la importancia relativa de las distintas clases de uso del suelo reportadas por
los tomadores de decisión. En general, cerca del 80% de la superficie de las explotaciones grandes (más de 1000
hectáreas) están cubiertas por bosque nativo, lo que disminuye al 50% en explotaciones medianas (entre 200 y 1000
hectáreas) y pequeñas (menos de 200 hectáreas).
No se observaron cambios importantes en la cobertura del bosque nativo entre 2015 y 2020, excepto en las
explotaciones pequeñas, donde en promedio disminuyó del 55% al 50% (desforestación). Esto debe comprobarse a
través del análisis de imágenes de satélite.
Otra observación interesante es el aumento de las praderas durante el período, especialmente de las praderas
mejoradas y las empastadas. En explotaciones medianas y grandes, las praderas mejoradas y empastadas habrían
aumentado a costa de las praderas naturales, pero en el caso de las explotaciones pequeñas, todos los tipos de
praderas habrían aumentado a costa del bosque nativo.
En explotaciones pequeñas también se vio un aumento significativo de los matorrales y una disminución del área
cubierta por plantaciones forestales, las que, por el contrario, habrían aumentado en explotaciones medianas.

Cambios en los sistemas productivos
e impactos sobre el bosque
La superficie cultivada, así como el valor de la producción agrícola disminuyeron cuando se comparan 2015 y 2020.
Las causas de esta disminución no están claras, por lo que se requiere un análisis más profundo.
Sin embargo, los cambios observados en la agricultura, así como el aumento en la superficie de praderas, especialmente
de praderas mejoradas y empastadas, podría estar relacionado con un cambio favorable en el precio del ganado
bovino a partir de 2015 (Figura 19).
El precio pagado a los productores en las ferias ganaderas de la región de Los Ríos disminuyó entre 2010 y 2015,
llegando a menos de $600 por kilo, en el caso de los terneros para engorda (vaquillas y novillos muestran una tendencia
similar). Esto cambió a partir del 2015 e implicó un aumento en los precios, los que llegaron a casi $1.600 por kilo en
2017 (precios ajustados por inflación).
$1.800
$1.600
$1.400
$1.200
$1.000
$ 800
$ 600
$ 400
$ 200
$0
abr-20
feb-21
jun-17
nov-17
abr-18
sep-18
feb-19
jul-19
dic-19
sep-20
ene-10
jun-10
nob-10
abr-11
sep-11
feb-12
jul-12
dic-12
may-13
oct-13
mar-14
jul-14
dic-14
may-15
oct-15
mar-16
ago-16
ene-17
(Fuente: ODEPA, 2021)
Novillos y vaquillas muestran una tendencia similar. Se decidió graficar a los terneros para engorda, dado que en uno de los
productos más importantes que comercializan pequeños y medianos propietarios (la engorda y la actividad lechera está más
concentrada).
Figura 19
PRECIO NOMINAL PAGADO AL PRODUCTOR POR TERNEROS PARA ENGORDA EN
FERIAS GANADERAS DE LA REGIÓN DE LOS RÍOS (PRECIO AJUSTADO POR INFLACIÓN)

El aumento reportado en la superficie de praderas entre 2015 y 2020, que se observa en explotaciones de distinto
tamaño, puede deberse a un mayor interés de los tomadores de decisión por producir forraje para autoconsumo y
venta, dada la escasez de este insumo en las regiones del centro-sur del país como consecuencia de la sequía que
afecta a esta zona (Garreaud et al., 2019).
Así, la sequía podría estar produciendo cambios de uso del suelo dentro de las explotaciones orientados a aprovechar
oportunidades de mercado (mejor precio del ganado y/o el forraje), o como consecuencia de una menor productividad
de las praderas durante el período estival. Medir estos cambios con mayor precisión, a través del análisis de imágenes
satelitales (período 2015-2020), e indagar sobre sus causas sociales y productivas, es necesario para comprender
adecuadamente el proceso y poder conducirlo.
En 2015, el 92% de las explotaciones extraía madera nativa para autoconsumo y/o venta, lo que disminuyó al 80% en
2020. La proporción de tomadores de decisión que utilizan esa madera como leña para autoconsumo se mantuvo
en 67% en ambos años, mientras que se redujo el porcentaje que vende leña. Es interesante notar que mientras
disminuye la proporción de tomadores de decisión que extraen madera nativa, especialmente para venta, el volumen
total de producción, considerando todas las explotaciones, aumentó. Esto es consistente con una mayor demanda de
leña debido al crecimiento de la población, lo que implica que mientras algunos bosques “descansaron” en 2020 otros
fueron sometidos a una mayor presión.
Estas fluctuaciones en la decisión de producir leña, que implican cierto “descanso” para el bosque, fueron reportadas
por Reyes et al (2018), y estarían asociadas a cambios en los ingresos extraprediales. En este caso, entre 2015 y 2020
hubo una disminución en la importancia relativa del trabajo asalariado y del trabajo por cuenta propia, y un aumento
de las ayudas del Estado. Esto podría estar relacionado con la pandemia del COVID 19 que implicó una serie de
subsidios, especialmente para familias de menores ingresos. Sin embargo, queda pendiente el análisis de la magnitud
de los ingresos extraprediales y su importancia con respecto al ingreso total, para verificar si se genera una relación
entre esta variable y la decisión de vender leña y otros productos del bosque.
En 2015, el 83% de las explotaciones contaban con plantaciones forestales, lo que disminuyó al 67% en 2020. Es decir,
las plantaciones estarían siendo cosechadas, pero no renovadas en algunas explotaciones, lo que es preocupante
dado que éstas cumplen un rol importante en el abastecimiento de leña, y, por lo tanto, disminuyen la presión sobre el
bosque nativo. Al cruzar esta información con los cambios observados en el uso del suelo, se puede concluir que esta
no renovación de las plantaciones sería más intensa en pequeñas explotaciones.
Finalmente, los cambios observados en el subsistema pecuario entre 2015 y 2020 son marginales, lo que da cuenta de
su estabilidad. Esta estabilidad es muy interesante y consistente con lo comentado por Reyes (2021), ya que implica
que la crianza de ganado es un componente estructural del sistema productivo, manteniendo cierta independencia de
los mercados y la política pública (ej. subsidios). Desde este punto de vista, la expansión de las praderas, especialmente
de praderas mejoradas y empastadas, a costa de las praderas naturales en explotaciones grandes y medianas, pero
también a costa del bosque nativo en explotaciones más pequeñas, respondería a una mayor necesidad de forraje,
pero probablemente también a un mayor control de la producción y calidad del forraje. Si esto es consecuencia del
cambio climático o es más bien una decisión productiva orientada a controlar mejor la engorda de los animales o la
producción lechera (producto de los mejores precios existentes en 2020 en comparación a los observados entre 2010
y 2015) u otros procesos productivos, es algo que se deberá analizar con mayor profundidad.

REFERENCIAS
Amacher, G.A., Hyde, W.F., Kanel, K.R., 1996. Household fuelwood demand and supply in Nepal's tarai and mid-hills:
Choice between cash outlays and labor opportunity. World Development 24, 1725-1736.
Dewees, P.A., 1989. The woodfuel crisis reconsidered: Observations on the dynamics of abundance and scarcity.
World Development 17, 1159–1172.
Garreaud, R., Boisier, J.P., Rondanelli, R., Montecinos, A., Sepúlveda, H.H., Veloso-Aguila, D., 2019. The Central Chile
Mega Drought (2010–2018): A climate dynamics perspective. International Journal of Climatology 40, 421–439.
Heltberg, R., 2002. Property rights and natural resource management in developing countries. Journal of economics
Surveys 16, 189-214.
Heltberg, R., Arndt, T.C., Sekhar, N.U., 2000. Fuelwood consumption and forest degradation: A household model for
domestic energy substitution in rural India. Land Economics 76, 213-232.
INE, 2007. Censo agropecuario 2007. Informe metodológico. Cédula censal. Instituto Nacional de Estadísticas,
Chile. Disponible desde https://www.ine.cl/estadisticas/economia/agricultura-agroindustria-y-pesca/censos-
agropecuarios.
Johnson, N.D. and Mislin, A., 2012. How much should we trust the World Values Survey trust question? Economics
Letters 116(2), 210-212.
Joshi, O. and Mehmood, S.R., 2011. Factors affecting nonindustrial private forest landowners' willingness to supply
woody biomass for bioenergy. Biomass and Bioenergy 35, 186–192.
Leight, J., 2008. The political dynamics of agricultural liberalization in the US-Chile free trade agreement. Journal of
Latin America Studies 40, 225-249.
ODEPA, 2021. Precios al productor. Oficina de Estudios y Políticas Agrarias, Chile. Disponible desde https://www.
odepa.gob.cl/precios/al-productor .
O´Ryan, R., de Miguel, J.C., Miller, S. and Pereira, M., 2010. The Socioeconomic and environmental effects of free
trade agreements: a dynamic CGE analysis for Chile. Environment and Development Economics 15(6), 1-23.
Reyes, R., 2021. Promotores socioeconómicos de la pérdida y degradación del bosque nativo en Chile - Informe
técnico. Santiago de Chile, FAO y MINAGRI.
Reyes, R., Nelson, H. and Zerriffi, H., 2018. Firewood: Cause or consequence? Underlying drivers of firewood
production in the South of Chile. Energy for Sustainable Development 42, 97–108.
Walker, J. and Ben-Akiva, M., 2002. Generalized random utility model. Mathematical Social Sciences 43, 303–343.

CAPÍTULO VI
BIODIVERSIDAD

INTRODUCCIÓN
Desde su instauración, el Inventario Forestal Nacional (IFN) ha realizado levantamiento de datos de biodiversidad,
considerando el registro de datos de distintos grupos, no obstante, dicho esfuerzo se había enfocado primordialmente
en el Reino Plantae.
Al tratarse de un inventario de tipo ecosistémico que visualiza y aborda a los bosques desde una perspectiva integral,
dentro de sus actividades está el mejoramiento y complemento continuo de datos e información recopilada en función
de las demandas de la sociedad, incorporando progresos científicos y tecnológicos en las materias relacionadas. Esta
tarea es facilitada por su característica de diseño modular que permite incluir nuevos elementos con flexibilidad.
Así, dentro de las necesidades detectadas por el inventario está el enriquecimiento de la información de biodiversidad
con miras a aportar datos que permitan establecer conexiones entre la presencia de especies, o grupos de especies,
con el estado de conservación o integridad de los bosques, comprendiendo entre otros la individualización y
seguimiento de grupos funcionales, la identificación de especies indicadoras y especies clave en los ecosistemas
forestales.
Durante este período, y dadas las restricciones impuestas por la emergencia sanitaria en el país, se priorizó el
levantamiento de datos de biodiversidad de artrópodos en la región de Coquimbo. Las áreas de muestreo incluyeron
formaciones vegetacionales incluidas en áreas protegidas del estado, áreas protegidas privadas y zonas prioritarias
de conservación, ofreciendo información clave para la conservación y manejo de estas unidades en el país.
ANTECEDENTES
TÉCNICO-METODOLÓGICOS
Con el propósito de enfrentar el reto de evaluar la biodiversidad asociada al bosque nativo de otros componentes más
allá del reino Plantae, se consideró necesario recurrir a una visión holística del bosque, es decir a nivel de ecosistema.
Para ello se tomó el marco de trabajo del ciclo infinito de Holling (1973) como una perspectiva adecuada para la
clasificación de los bosques.
En la Figura 1 se describe el ciclo de estados propuesto por Holling desde una perspectiva del proceso flujo de materia
- energía que ocurre en los bosques.
A diferencia de una perspectiva basada en poblaciones-comunidades, la perspectiva de flujo de materia-energía

representa los procesos que se dan entre los aspectos bióticos y abióticos y que resultan en formaciones
características. La elección de una u otra perspectiva, depende de cuáles son las preguntas que se han planteado.
En el contexto del Inventario Forestal Continuo se considera necesario la comprensión de los procesos y funciones de
los bosques, buscando identificar qué o cuáles variables se deben medir.
Dado lo anterior, la utilización del ciclo de Holling permite mejorar la eficiencia de recolección de datos desde terreno
(Figura 1).
164 CAPÍTULO VI: BIODIVERSIDAD

Organización Conservación
Explotación Liberación
Figura 1
ESTADIOS CARACTERÍSTICOS DEL CICLO DE HOLLING
En este ciclo el flujo de materia-energía produce condiciones ambientales tales que, dependiendo de cuanta energía
capturada o libre se encuentre asociada al sitio, el bosque puede reconocerse en alguno de los cuatro estadios
descritos por Holling:
Conservación. Caracterizado por baja capacidad de realizar trabajo dado que toda la energía del
sitio se encuentra capturada en forma de biomasa.
Liberación. Caracterizado por la presencia de algún evento perturbador que libera la energía
capturada desencadenando un proceso de regeneración de especies oportunistas.
Organización. Proceso de consolidación de cierto ensamble de especies dentro del sitio.
Explotación. Caracterizado por un proceso competitivo desatado en forma de utilizar toda la

energía habilitada producto de la liberación. Bajo este estadio se produce acumulación de biomasa
y nutrientes.
INFOR a través del Inventario Forestal Nacional cuenta con alrededor de 1200 conglomerados de muestra distribuidos
en todo el país. Estas muestras se localizan en forma sistemática sobre una cuadrícula de 5 km x 7 km organizada en
forma de arreglo triangular, según consta en la Figura 2.

Cada conglomerado de muestra es clasificado en alguno de los estadios asociados al ciclo de Holling de tal forma
que el país como conjunto de sus estados sea un indicador general y sintético de la integridad de los ecosistemas.
Se realiza esta aproximación en un área específica de forma hexagonal, de acuerdo con un diseño tal que asegure
estimaciones insesgadas, en la medida de lo posible.
5 km
7
km
Parcela
12,6 30 12,6 = 55.2
1 2
12,6
N 40
Líquenes
12,6
= 3
65.2
Figura 2
DISPOSICIÓN DE UNIDADES DE MUESTRA DEL INVENTARIO FORESTAL NACIONAL
Definición de las Unidades de Biodiversidad

En Estados Unidos, el uso de cuadrículas hexagonales se popularizó tras el empleo de estas por la Agencia de
Protección del Ambiente (EPA) en su programa de monitoreo y evaluación ambiental (Spence and White, 1992), siendo
luego adoptadas por el servicio forestal y su programa de Inventario Forestal y Análisis (FIA) y el programa de análisis
de brechas del Servicio Geológico (USGS). Sin embargo, este tipo de cuadrículas y su utilidad en el ámbito económico
ya había sido descrito en los años treinta por el geógrafo Walter Christaller (1933).
La selección de una grilla hexagonal por sobre otro tipo de unidades de organización para el inventario de biodiversidad
fue hecha por ser comparativamente sencilla de generar, además de ser apropiada para cubrir grandes extensiones
geográficas, incluso a escala continental, sin verse afectada por distorsiones geométricas de significación (Turner et
al., 2012).
Asimismo, gracias a su estructura jerárquica, este tipo de segmentación hace posible el cambio de la densidad de la
malla donde los hexágonos siempre presentan igual área y perímetro para cada unidad de muestreo, lo que redunda
en unidades estadísticamente similares (Polasky et al., 2000) que facilitan el análisis (Basset y Edwards, 2003; Haila
y Margules, 1996) y evitan sesgos asociados a estas variables.
Por su naturaleza, también es menos probable su coincidencia con límites administrativos, caminos y otros elementos
creados por el hombre, siendo aptos para definir variabilidad natural, especialmente cuando se trata de conjuntos de
datos espacialmente heterogéneos (White et al., 1992).
Además, de las superficies regulares con las que se puede dividir un plano, los hexágonos corresponden a la forma

más compacta con adyacencia uniforme; es decir cada hexágono tiene un vecino con el cual comparte un lado y cuyo
centro es equidistante de los centros de sus vecinos (Sahr et al, 2003; Jurasinski y Beierkuhnlein, 2006).
Para el levantamiento complementario de datos de biodiversidad para grupos distintos de vegetación se dividió
la superficie nacional en unidades hexagonales, coincidentes con la malla triangular de 5 por 7 km del Inventario
Nacional Continuo de Ecosistemas Forestales.
De esta manera se generó una grilla de 444 unidades con una dimensión de 262.500 ha cada una. En la figura 3 se
describe una visión general de cómo se distribuyen espacialmente las unidades hexagonales para el muestreo de
biodiversidad.
Figura 3
MALLA DE UNIDADES MUESTRALES DE BIODIVERSIDAD

El tamaño seleccionado para cada hexágono tuvo por objeto el poder organizar la toma de datos en unidades
representativas que permitan un manejo práctico del territorio a través del tiempo.
En este sentido, se consideró el número medio de parcelas del inventario posibles de encontrar en una unidad
hexagonal típica, permitiendo reemplazo y garantizando a la vez una cantidad adecuada de puntos en los cuatro
estadios del ciclo adaptativo de Holling, asociados a las conglomerados y parcelas donde se levanta información de
los bosques.
Levantamiento de Datos de Biodiversidad

El presente informe entrega antecedentes respecto del muestreo de los componentes de la biodiversidad
considerados en el estudio, realizados en conjunto con expertos de la Universidad de La Serena y el Instituto de
Ecología y Biodiversidad (IEB). El muestreo se realizó en la Región de Coquimbo con una muestra total de 25 unidades
muestrales.
En la selección de conglomerados, la elección de los puntos de muestreo a prospectar durante la fase 4, considera
como prioritarias para ser seleccionadas aquellas unidades hexagonales que albergan Áreas de Alto Valor para la
Conservación (AAVC. Sitios Prioritarios y Áreas Silvestres Protegidas Privadas y del Estado) ubicadas en la Región de
Coquimbo.
Adicionalmente, dentro de estas unidades, se seleccionaron conglomerados considerando variables de tipos

territoriales, logísticas, topográficas y biológicas (Cuadro 1).
Cuadro 1
TIPO DE VARIABLES UTILIZADAS EN LA SELECCIÓN DE CONGLOMERADOS
Tipo Descripción
Localización dentro de AAVC y zonas aledañas a ellas.

Territoriales
Tipo de AAVC.
Logísticas Distancias a caminos: 500, 1000 y 2000 m.
Topográficas Pendientes
Altitud
Probabilidad de registro de especies animales (vertebrados e invertebrados)

Biológicas
en la época de muestreo.
Durante esta etapa y de acuerdo con los criterios anteriores, se priorizaron 25 puntos de muestreo en sitios prioritarios
de conservación, áreas protegidas del estado y áreas de conservación privadas para la evaluación de la biodiversidad
de fauna de artrópodos en ecosistemas terrestres, asociados a un mínimo de 2 unidades hexagonales de biodiversidad.
Cabe destacar que durante el Inventario de biodiversidad de la fauna de artrópodos en ecosistemas terrestres Macrozona
Norte-Fase 1 (2017) se levantó información de tres conglomerados ubicados al norte de La Serena (Figura 4).

En amarillo, conglomerados totales para este estudio. En rojo conglomerados seleccionados factibles de muestrear. En celeste,
conglomerados pertenecientes a ASPP (Áreas Silvestres Protegidas Privadas). En verde conglomerados pertenecientes a SNASPE
(Sistema Nacional de Áreas Silvestres Protegidas del Estado). En azul, conglomerados realizados en Macrozona Norte-Fase 1
(2017).
Figura 4
LOCALIZACIÓN DE CONGLOMERADOS DE ECOSISTEMAS TERRESTRES PARA LA REGIÓN DE COQUIMBO-FASE 5

Metodologías para el Muestreo de Biodiversidad
La expansión del área de muestreo hacia diversas áreas del país ha hecho necesario que los protocolos de muestreo
sean modificados y adecuados a las condiciones naturales de los ecosistemas allí presentes, ajustándose a los
requerimientos de datos e información preponderantes en la zona.
Además, los protocolos deben ser consistentes con los de la zona sur para evitar quiebres artificiales en la colección
y análisis de los datos.
Para facilitar el intercambio y complementación de información, el diseño de la base de datos considera el uso del
estándar Darwin Core (DwC), el cual permite a los propietarios de los datos, publicar información de biodiversidad
en un lenguaje (Darwin Core) y en un formato (archivos Darwin Core) que puede ser entendido y utilizado por todos.
Adicionalmente, el diseño de los protocolos de muestreo debe permitir la detección de cambios en el largo plazo
respecto de las condiciones del paisaje, como cambios en la estructura del suelo y en la vegetación (cobertura,
composición, estructura vertical/horizontal, estado de desarrollo, estado sanitario, etc.).
Para cumplir con estos objetivos, los indicadores deben contener las siguientes características:
- Ser cubiertos por una o varias variables lo más simples posible.
- Ser costo-eficientes.
- Representar elementos claves descriptivos de la dinámica de las formaciones en cuestión.
- Ser fáciles de medir.
- Evitar la necesidad de instrumentos/técnicas/materiales u otro que sean requerido al momento de la medición.
Para cumplir con ello, se determinó que cada conglomerado independiente de su configuración espacial fuese
caracterizado en forma general por variables que entreguen información sobre localización, tipo de uso y estado
biológico (Cuadro 2), y específicos determinados por el componente biótico analizado.

Cuadro 2
VARIABLES GENERALES QUE CARACTERIZAN A CADA CONGLOMERADO
Variable Descripción
Identifica el número del Conglomerado al que pertenece y la brigada a cargo

Identificación de la Unidad
de los datos.
Coordenadas en UTM Huso 19 S Datum WGS84 en el centro del

Coordenadas
conglomerado.
Una al GPS con el punto de campo y 4 en el siguiente orden de los puntos

Fotografías
cardinales N-E-S-O (Formato 4:3).
Se describe el estado evolutivo dominante de la formación vegetal incluido

Estado Evolutivo
en la muestra (primario, secundario, terciario).
Se considerará un esquema de descripción de degradación desde el punto de

Degradación General vista paisaje, de acuerdo a las siguientes categorías: Nulo; Bajo; Bajo-Medio;
Medio; Medio-Alto; Alto.
Determinado a 1 km a la redonda del punto central, se categoriza el tipo

de intervención del hombre sobre el ambiente: Agricultura; Caminos;
Factor de intervención antrópica
Cacería; Incendios; Inmobiliario; Minería; Pastoreo; Plantaciones; Otros no
especificados (Puede ser más de uno).
Determinado por las siguientes categorías a cada uno de los factores

Grado de Intervención Antrópica
registrados: Nulo; Bajo; Bajo-Medio; Medio; Medio-Alto; Alto.
Se describe la presencia de obras civiles incluidas en y a 1 km a la redonda

al punto de muestra, bajo las siguientes categorías: Carreteras y caminos;
Obras Civiles
Cercos; Casas; Loteos; Minas; Embalses, Otros no especificados (Puede ser
más de uno).
Se describe la presencia de cuerpos de agua en la muestra y su origen y tipo

Agua si es posible: Salares; Lagunas; Ríos; Embalses; Estero; Canal de regadío;
Vertiente; Tranque; Vegas.
- Vegetación, Flora y Suelo

El siguiente protocolo de muestreo está diseñado para abarcar dos tipos generales de formaciones vegetales: 1) Tipo
zonal dominada por especies leñosas o suculentas, con hábitos arbustivos o arbóreos o por hierbas perennes, y 2)
Tipo azonal dominada por especies herbáceas, como vegas y bofedales.
- Protocolo Para Formaciones Zonales
El diseño de muestreo está considerado en base a tres parcelas rectangulares de 50 x 2 m, abarcando una superficie
total de 300 m². Las parcelas son ubicadas en un radio de 10 m de distancia desde el punto de muestreo, siendo
localizada la parcela 1 (P1) en el sentido Norte (0°) y las consiguientes P2 y P3 a 120° y 240° en sentido de las agujas
del reloj, respectivamente (Figura 5).
En cada parcela de muestreo se registra la abundancia, cobertura (diámetro mayor y menor de la copa en cm) y altura
(cm) de todas las especies leñosas presentes o herbáceas perennes dominantes.

2m
P1
Norte
50 m
P3
P2
240º 120º
Figura 5
DISTRIBUCIÓN Y TAMAÑO DE LAS PARCELAS DE MUESTREO
La abundancia de hierbas acompañantes se estima mediante el método de Point Quadrat, utilizando un transecto
longitudinal de 50 m en cada parcela y realizando la medición cada 50 cm de intercepción.
La intercepción con suelo abierto o desnudo, roca o arbusto también es registrada. En cada transecto se obtienen 100
mediciones. La cobertura total y específica de cada conglomerado, se obtiene promediando los valores de cada uno
de los transectos.
- Protocolo para Formaciones Azonales de Vegas y Bofedales
El diseño de muestreo está establecido en base a tres transectos lineales de 10 m de largo. Utilizando el método Point
Quadrat, se realiza una medición cada 10 cm en la línea de 10 m, identificándose el individuo interceptado a nivel de
especie y obteniendo la altura total y vegetativa de cada uno (Figura 6).
La intersección con suelo abierto, roca o arbusto, debe ser de igual forma registrada. En total se obtendrán 100
mediciones en cada transecto. La cobertura total y específica de cada punto de muestreo, se obtendrá promediando
los valores registrados en cada uno de los tres transectos.

0º
T1
Norte
10 m
10 m
T3 T2
240º
120º
10 cm
10 m
Figura 6
DISTRIBUCIÓN Y TAMAÑO DE LOS TRANSECTOS DE MUESTREO Y ESQUEMA
DEMOSTRATIVO DE APLICACIÓN DEL MÉTODO POINT QUADRAT
Basado en los diseños antes descritos, se medirán y registrarán las siguientes variables sobre de cada individuo
seleccionado (Cuadro 3).
Cuadro 3
VARIABLES A REGISTRAR EN CADA UNA DE LAS PARCELAS O TRANSECTOS DE LÍNEA
Variables Descripción
Especie Se debe registrar la especie a la que pertenece el individuo.
Diámetro de Copa Se refiere al diámetro de la copa en los ejes mayor y menor (especies
leñosas).
Largo gap (solo Point Quadrat) Longitud de ocupación de la copa del individuo sobre el transecto de
línea (hierbas).
Altura vegetativa Medición de la altura máxima foliar.
Estado Sanitario Enfermo o Dañado.
Agente Causante Pastoreo; Insectos herbívoros; Insectos taladradores; Hongos; Viento;

Incendio; Otros no especificado.
Intensidad del daño Describe el grado de daño o enfermedad presentado por el individuo
Estos son: Baja; Media; Alta; Severa.

- Protocolo para Flora
El registro de la flora de cada conglomerado se realiza tanto dentro como fuera de las parcelas o transectos de
muestreo, teniendo como área de búsqueda 1 ha, utilizando como punto central la coordenada del Conglomerado
(Figura 7). Las muestras recolectadas, serán inmediatamente dispuestas en una prensa con un identificador y su
potencial nombre científico. Posterior a ello, en el laboratorio del herbario de la Universidad de La Serena, serán
determinadas, fotografiadas y dispuestas si es necesario en los herbarios correspondientes.
P1
Norte
100 m
P3 P2
240º 120º
Figura 7
DISTRIBUCIÓN DEL ÁREA DE BÚSQUEDA DE FLORA POR PUNTO DE MUESTREO
- Protocolo para Suelo
El componente es analizado dentro de las tres parcelas de cada unidad de muestreo. Cada variable es medida una
vez y en un solo punto, en condiciones desprovistas de vegetación y bajo la copa de la especie con mayor dominancia
(dato proporcionado por jefe de equipo).
De cada conglomerado se obtendrá una muestra compuesta de seis submuestras (dos de cada parcela) en cada
condición (suelo abierto y bajo la especie dominante). Las muestras serán guardadas en bolsas para análisis físicos
posteriores y en envases plásticos para análisis químicos posteriores.
Se debe identificar tanto las bolsas como los envases con el Nº del Conglomerado, 1 (desprovista vegetación) o 2
(bajo especie dominante).
En el contexto del componente suelo se utilizarán las variables indicadas en Cuadro 4.

Cuadro 4
VARIABLES A REGISTRAR PARA EL COMPONENTE SUELO
Variables Descripción
Test de Compactación Aplicación por medio del penetrómetro.
Mide la acidez o alcalinidad del suelo a través de la medición de la

pH o Reacción del Suelo
concentración del ión hidrógeno.
Como aproximación a las características del suelo y su origen y

madurez el color se clasificará por medio de la Tabla de Colores Munsell
Color
y que clasifica el color en base a 3 variables básicas Matiz, Brillo y
Croma.
Se clasificará la textura en las siguientes clases: Arenosa; Limosa;

Textura
Arcillosa; Franca; y sus combinaciones.
Estructura 1 sin estructura, 2. Laminar, 3. Prismática, 4. En bloques, 5. Granular.
Pedregosidad Proporción de piedras >10 cm sobre el suelo.
Rocosidad Porcentaje de afloramiento rocosos.
Tres condiciones básicas se aplicarán para esta variable: 1. Seco, 2.

Condición de Humedad
Húmedo y 3. Saturado.
- Fauna de Vertebrados
- Protocolo para Anfibios y Reptiles
En cada conglomerado se establecen y recorren cuatro transectos de 150 m de largo, cada uno separado por 25 m en
dirección norte-sur (Figura 8). La prospección de las especies se lleva a cabo mediante relevamientos por encuentros
visuales, capturas y/o registros fotográficos. La búsqueda se realiza entre 10:00 y 14:00 horas, y se utiliza el número
máximo de individuos registrados por especie. La determinación de los reptiles sigue lo informado por Veloso y
Navarro (1988), Núñez (1992), Labra et al. (2008) y Demangel (2016) y de anfibios por Veloso y Navarro (1988) y Labra
et al. (2008).
25 m
150 m
Figura 8
ESQUEMA DEL DISEÑO DE MUESTREO PARA ANFIBIOS Y REPTILES

- Protocolo para Aves
Los recuentos de aves se realizan durante las primeras horas de la mañana (8:00 – 10:00 horas) y al atardecer (17:00
– 19:00 horas) mediante cinco estaciones puntuales de acuerdo a lo descrito por Ralph et al. (1995) y Tellería (1986)
(Figura 9).
Cada estación tiene un radio de 25 m y se cuentan todas las aves vistas y escuchadas durante 10 minutos por cada
estación. Para la identificación y taxonomía de las especies se sigue lo informado por Barros et al. (2015), Jaramillo
(2005) y Muñoz et al. (2004).
E1
E5
E4 E2
25 m
E3
Figura 9
ESQUEMA DEL DISEÑO DE MUESTREO PARA AVES
- Protocolo para Micromamíferos
Para los registros de micromamíferos se utilizan trampas Sherman modelo estándar (75 x 85 x 240 mm), separadas
cada 25 m (Figura 10). Las trampas se ubicarán en una grilla de 150 m, con un total de 29 trampas en el área de
muestreo.
Las capturas se realizan durante tres noches por conglomerado, utilizando avena machacada como cebo. Las trampas
son revisadas en la mañana y en la tarde.
Los animales capturados se identifican a nivel de especie, de acuerdo con lo informado por Iriarte (2008) y Muñoz y
Yáñez (2009), además se obtienen registros del sexo y peso corporal de los especímenes capturados.
Para los registros de algunos micromamíferos (e.g. marsupiales, roedores) difíciles de observar se utiliza la
metodología de reconocimiento de fecas, madrigueras, huesos en las fecas de carnívoros (e.g. Lycalopex griseus) y el
análisis de egagrópilas de rapaces nocturnas.

25 m
150 m
Figura 10
ESQUEMA DEL DISEÑO DE MUESTREO PARA MICROMAMÍFEROS
-Protocolo para Meso y Macromamíferos
Las prospecciones de meso y macro mamíferos se efectúan mediante avistamientos directos e indirectos (presencia
de huellas, fecas) y fotografías obtenidas a partir de dos cámaras trampas localizadas a 212 m de distancias sobre
vértices contrarios en el área de muestreo (Figura 11).
Debido a que los animales no serán marcados, solo se trabajara en base a información de presencia/ausencia.
Para la identificación taxonómica se sigue lo informado por Iriarte (2008), Iriarte y Jaksic (2012) y Muñoz y Yáñez
(2009). En el caso de los macro mamíferos domesticados, se procederá a identificar y registrar el número de individuos
presentes en los sitios de estudio.
CT2
m
2
21
CT1
Figura 11
ESQUEMA DEL DISEÑO DE MUESTREO PARA MACRO MAMÍFEROS

- Artrópodos
El inventario de artrópodos se encuentra destinado principalmente a la identificación (presencia/ausencia) y
abundancia relativa de especies pertenecientes a las clases Insecta y Arachnida, pero incluyendo además a los
subfilos Myriapoda y Crustacea en ambientes terrestres. Se identifica a continuación un listado de los principales
métodos de muestreo a utilizar para el inventario de artrópodos:
- Trampas de Luz
Consisten en una sábana o pieza de tela blanca dispuesta verticalmente, junto a la cual se coloca una fuente de luz
que atrae a los insectos. Normalmente se usan tres puntos de luz, uno a cada lado de la sábana y un tercero más
alto que se utiliza como atrayente a larga distancia. Corresponde a un método de muestreo más bien cualitativo,
en donde el número de horas o cantidad de trampas por sitio permiten lograr un diseño semi-cuantitativo con fines
comparativos (Ramírez, 2010).
- Trampas de Caída, Pitfall o Barber

Esta trampa se usa para hacer el muestreo de insectos que se encuentran en la superficie del suelo (ej. hormigas,
coleópteros y micro himenópteros ápteros). Este tipo de trampas están principalmente dirigida al ensamble de
artrópodos caminadores (Cepeda-Pizarro et al., 2005a; 2005b).
Sin embargo, se ha documentado que en ecosistemas desérticos pueden realizar capturas representativas de especies
de insectos voladores y fitófagos (Pietruszka 1980; Cepeda-Pizarro et al., 2005a, 2005b). Cada trampa consiste en un
dispositivo formado por dos vasos plásticos dispuestos uno dentro del otro, con el vaso interior de fácil remoción.
Las dimensiones de ambos vasos son 7,4 y 7,6 cm de diámetro x 10,2 y 12,0 cm de alto, respectivamente (Figura 12).
El vaso interior es llenado, hasta los dos tercios de su capacidad, con una mezcla de formalina (3%), glicerina y agua
con detergente doméstico (30%), en una proporción de 3:1:6, respectivamente. Las trampas operan durante tres días.
techo
clavo
vaso embudo
anticongelante
Figura 12
ESQUEMA TRAMPA DE CAÍDA PITFALL

- Manga Entomológica
Red utilizada principalmente para capturar insectos voladores (Figura 13).
Figura 13
EJEMPLO DE RED ENTOMOLÓGICA
- Muestreo con Luz UV
Este muestreo fue específico para la colecta de escorpiones (grupo informativo y representativo del ensamble de
artrópodos terrestres). Siguiendo la metodología del muestreo manual se realizaron 4 transectos de 50 m en el
sentido de los puntos cardinales con un total de 200 m, cronometrando cada 30 minutos (Caldas & Robbins, 2003).
Las colectas se enfocaron a 2 m de ancho a través del transecto utilizando linternas LED equipadas con luz ultravioleta
(138 LED-UV) alimentadas con batería de 12 V. Todo el material colectado fue fijado en alcohol 80% y alcohol 96%.
- Muestreo con Luz Blanca
Este muestreo fue específico para la colecta de artrópodos voladores nocturnos (Coleoptera, Lepidoptera, Neuroptera)
grupo representativo del ensamble de artrópodos terrestres de ecosistemas áridos y semi-áridos. Se utilizaron cuatro
luces blancas de 100 W sobre dos sábanas blancas de 3x3 metros durante 3-4 horas. Todo el material atraído por la
luz artificial fue colectado y fijado en alcohol 80%, alcohol 96% y sobres de papel.
Finalmente, el protocolo de muestreo de artrópodos se realizará de acuerdo al diagrama presentado a continuación

(Figura 14).

R1
75 m
50 m
R4 R2
Trampa
pitfall
75 m
R3
Figura 14
DIAGRAMA DEL DISEÑO DE MUESTREO PARA ARTRÓPODOS
Conservación de los Materiales Colectados

Todos los especímenes capturados a través de las distintas formas de colecta son retirados, limpiados y conservados
en alcohol (e.g., insectos y miriápodos en 70%, crustáceos en 75%, arácnidos en 80%.) hasta el momento de su
procesamiento y determinación taxonómica (Figura 15). El material se encuentra depositado en la colección del
Laboratorio de Entomología Ecológica de la Universidad de La Serena, La Serena, Chile (LEULS).
A B
C D
(A) Instalación de trampas de intercepción (pitfall traps) en Área Privada Protegida Estero Derecho, (B) Retiro,
envasado y etiquetado de trampas de intercepción en Caleta Limarí, (C) Colectas con red entomológica en
Área Privada Protegida Estero Derecho, (D) Colectas con luz blanca en Reserva Nacional Las Chinchillas.
Figura 15
METODOLOGÍAS DE MUESTREO DE ARTRÓPODOS TERRESTRES EN IFN-FASE 5

Determinación Taxonómica de los Materiales Colectados
La determinación taxonómica se realizó utilizando claves taxonómicas y comparación con material depositado en la
colección del LEULS.
Algunos taxones (por ejemplo, Araneae, Collembola, Diptera, Hemiptera, Hymenoptera) se identificaron taxonómicamente
solo a nivel de morfotipo / familia debido al escaso conocimiento taxonómico de estos grupos.
Para la nomenclatura de la taxa se siguió a los siguientes autores:
Arachnida, Araneae: Platnick & Shadab (1982), Coyle (1986), Goloboff (1995), Huber (2000),
Ramírez (2003), Platnick et al. (2005), Brescovit & Sánchez-Ruiz (2016) y Magalhaes et al. (2017).
Solifugae: Kraus (1966), Muma (1971), y Maury (1987).
Scorpiones: Ojanguren-Affilastro (2002, 2005), Mattoni & Acosta (2006), Ojanguren-Affilastro &
Ramírez (2009), Ojanguren-Affilastro & Kovarík (2013) y Ojanguren-Affilastro et al. (2016, 2020).
Insecta: Kulzer (1959), Peña (1994), Elgueta & Rojas (2000), Roig-Juñent & Domínguez (2001),
Elgueta & Marvaldi (2006), González (2006), Vidal & Guerrero (2007), Montalva & Ruz (2010), Melo
& Faúndez (2011), Flores & Pizarro-Araya (2012, 2014, in rev), Moore & Vidal (2013), Solervicens
(2014), Barriga-Tuñon (2021), Cigliano et al. (2021), Packer (2021).
Base de Datos
Los datos obtenidos en terreno se integraron en un archivo Excel para cada uno de los métodos de muestreo y
ubicación geográfica.
Estimación de la Riqueza y Abundancia

de la Fauna de Artrópodos Terrestres
A partir de los muestreos en cada uno de los conglomerados descritos se estimó para cada uno de ellos la abundancia
y riqueza.
La abundancia corresponde al número total de individuos colectados, la riqueza corresponde al número total de
especies identificadas para la fauna de artrópodos terrestres (Magurran, 2004).
Se entiende como especie al taxón de mayor resolución taxonómica posible de identificar. Ambos parámetros fueron
estimados para cada uno de los conglomerados y para cada una de las metodologías de colecta (ver base de datos
digital adjunta).

RESULTADOS
La campaña de terreno en la región de Coquimbo se realizó entre el 23 de noviembre y el 2 de diciembre de 2020.
Todos los muestreos de artrópodos terrestres planificados se realizaron con éxito, cumpliendo con el muestreo de los
25 conglomerados (Figura 16).
Debido a que no se tuvo acceso para trabajar en Parque Nacional Bosque Fray Jorge se seleccionaron en terreno
conglomerados cercanos esta área del SNASPE.
Figura 16
LOCALIZACIÓN DE CONGLOMERADOS REALIZADOS EN LA REGIÓN DE COQUIMBO-FASE 5

Identificación de Conglomerados
En cada uno de los conglomerados se instaló un testigo (manguera plástica) con el número identificador de cada
conglomerado. Adicionalmente se tomaron fotografías panorámicas de cada conglomerado, según formato SIMEF
(2017-2019) (Anexos 1 a 3). Como puede observarse en los anexos, se muestrearon conglomerados muy diferentes
en términos del hábitat, desde áreas dominadas por matorral xerofítico de altura hasta zonas de matorral esclerófilo.
Abundancia y Riqueza de Artrópodos Terrestres

Se colectó un total de 9.449 individuos los cuales estuvieron representados por 677 especies pertenecientes a 162
familias, 24 órdenes y tres clases. Estas fueron Arachnida, Malacostraca e Insecta (Cuadro 5). Los insectos fueron
el grupo más abundante y diverso con 7.344 individuos y 561 especies, mientras que los no-Insecta (Arachnida y
Malacostraca) estuvieron representados por 2.105 individuos y 116 especies.
Cuadro 5
ABUNDANCIA Y RIQUEZA DE ARTRÓPODOS TERRESTRES PARA DIFERENTES METODOLOGÍAS DE
COLECTA EN DISTINTOS CONGLOMERADOS DE LA REGIÓN DE COQUIMBO (CHILE)
Total Pitfall trap Manual Luz blanca UV

ID Conglomerado
N S N S N S N S N S
40525 410 40 401 35 9 5 0 0 0 0
40581 302 24 302 24 0 0 0 0 0 0
40862 112 40 35 14 77 26 0 0 0 0
40916 191 61 83 28 108 36 0 0 0 0
40656 221 28 203 25 18 4 0 0 0 0
40657 106 20 106 20 0 0 0 0 0 0
40712 245 27 227 23 18 4 0 0 0 0
40713 237 35 237 35 0 0 0 0 1 1
41140 178 65 19 4 159 61 0 0 0 0
41141 50 10 36 7 14 3 0 0 0 0
41142 60 27 15 6 18 9 27 12 0 0
41143 50 15 19 7 31 8 0 0 0 0
41195 162 26 33 11 35 14 0 0 94 2
41131 268 70 206 38 62 32 0 0 0 0
41132 227 24 227 24 0 0 0 0 0 0
41381 646 57 605 49 34 6 0 0 7 3
41382 438 69 275 35 39 17 52 14 72 3
41383 499 48 499 48 0 0 0 0 0 0

Total Pitfall trap Manual Luz blanca UV

ID Conglomerado
N S N S N S N S N S
41384 814 57 794 52 20 5 0 0 0 0
41751 805 57 804 56 1 1 0 0 0 0
41752 195 48 195 48 0 0 0 0 0 0
42042 1572 163 953 63 153 59 466 49 0 0
42043 805 92 804 91 1 1 0 0 0 0
42392 528 79 528 79 0 0 0 0 1 1
42443 328 69 328 69 0 0 0 0 0 0
Total 9.449 677 7.934 413 797 230 545 75 175 6

N: Abundancia, S: Riqueza.
Las diferentes metodologías de muestreo utilizadas mostraron diferentes eficiencias de muestreo. La mayor
abundancia y riqueza de artrópodos se observó a partir de las metodologías pitfall traps y manual (Figura 17). Sin
embargo, metodologías como luz blanca y UV fueron técnicas que permitieron registrar especies raras y únicas dentro
del presente inventario.
Abundancia Riqueza
175 6
545
75
797
230
413
7934
Pitfall trap Manual trampa luz blanca UV
Figura 17
VALORES DE ABUNDANCIA Y RIQUEZA DE ARTRÓPODOS TERRESTRES SEGÚN
DIFERENTES METODOLOGÍAS DE MUESTREO

1.800
1.600
1.400
1.200
Abundancia
1.000
800
600
400
200
0
40525
40581
40862
40916
40656
40657
40712
40713
41140
41141
41142
41143
41195
41131
41132
41381
41382
41383
41384
41751
41752
42042
42043
42392
42443
Conglomerado
Nº Taxa Nº Taxa Nº Taxa Nº Taxa Nº Taxa artrópodos
artrópodos total artrópodos manual artrópodos UV artrópodos Pitfall Trampa Luz
Figura 18
NIVELES DE ABUNDANCIA DE ARTRÓPODOS TERRESTRES SEGÚN DIFERENTES
METODOLOGÍAS DE MUESTREO Y CONGLOMERADO
A nivel de áreas de muestreo y niveles de abundancia de individuos registrados, el conglomerado 42042 ubicado a 13
km al noreste de Illapel, presentó un total de 1.572 individuos, con trampas pitfall y muestreo con trampas de luz como
los métodos que lograron captar la mayor cantidad de especímenes. Otros conglomerados con gran abundancia de
individuos corresponden a los conglomerados 41384 ubicado a 33 km al sureste de Ovalle y el 41751 ubicado al
noreste de Combarbalá, ambos con el método de trampas pitfall con la mayor cantidad de registros (Figura 18).
180
160
140
120
Abundancia
100
80
60
40
20
0
40525
40581
40862
40916
40656
40657
40712
40713
41140
41141
41142
41143
41195
41131
41132
41381
41382
41383
41384
41751
41752
42042
42043
42392
42443
Conglomerado
Nº Taxa Nº Taxa Nº Taxa Nº Taxa Nº Taxa artrópodos
artrópodos total artrópodos manual artrópodos UV artrópodos Pitfall Trampa Luz
Figura 19
NIVELES DE RIQUEZA DE ARTRÓPODOS TERRESTRES SEGÚN DIFERENTES
METODOLOGÍAS DE MUESTREO Y CONGLOMERADO

En cuanto a los niveles de riqueza en las áreas muestreadas, el conglomerado 42042 es el que presenta el mayor
número de especies de artrópodos, con un total de 63 en total. Otros conglomerados con altos niveles de riqueza
son 40916, 41140, 41131 y 41382. Los métodos más exitosos para determinar riquezas corresponden a las trampas
pitfall, seguido de las colectas manuales (Figura 19).
Principales Hallazgos y Nuevas Especies

Se registraron 11 especies nuevas para la ciencia. Estas fueron: Andocaeculus n. sp. 1, Andocaeculus n. sp. 2,
Andocaeculus n. sp. 3 (Acari: Caeculidae), Bothriurus n. sp., Brachistosternus n. sp. (Scorpiones: Bothriuridae),
Mummucidae n. sp. 1 (Solifugae: Mummucidae), Pseudocleobis n. sp. 1, Pseudocleobis n. sp. 2 (Solifugae:
Ammotrechidae), Arrayanaria n. sp. 1, Idialcis n. sp. 1 (Lepidoptera: Geometridae) y Ommexechidae n. sp. 1 (Orthoptera:
Ommexechidae). Actualmente, dichas especies están siendo evaluadas en detalle, incluyendo las descripciones
taxonómicas respectivas para su posterior publicación en revistas especializadas (Figuras 20 y 21).
Figura 20
ESPECIE NUEVA DE ORDEN ORTHOPTERA DE LA CLASE DE LOS INSECTOS
Figura 21
ESPECIE NUEVA DEL GÉNERO BOTHRIURUS DE LA CLASE DE LOS ARÁCNIDOS

REFERENCIAS
Barriga-Tuñón, J.E. 2021. Coleoptera Neotropical. Disponible en: http://www.coleoptera-neotropical.org/ (último
acceso: 23 de diciembre de 2021).
Barros, R.; Jaramillo, A.; Schmitt, F. 2015. Lista de Aves de Chile 2014. La Chiricoca, 20: 80-100.
Bassett, S. & Edwards, T. 2003. Effect of different sampling schemes on the spatial placement of conservation
reserves in Utah, USA. Biological Conservation, 113: 141-151.
Brescovit, A.D. &. Sánchez-Ruiz, A. 2016. Descriptions of two new genera of the spider family Caponiidae (Arachnida,
Araneae) and an update of Tisentnops and Taintnops from Brazil and Chile. ZooKeys 622: 47-84.
Caldas, A. & Robbins R.K. 2003. Modified Pollard transects for assessing tropical butterfly abundance and diversity.
Biological Conservation 110: 211-219.
Cepeda-Pizarro, J.; Pizarro-Araya, J.; Vásquez. H. 2005a. Composición y abundancia de artrópodos epigeos del
Parque Nacional Llanos de Challe: impactos del ENOS de 1997 y efectos del hábitat pedológico. Revista Chilena de
Historia Natural, 78: 635-650.
Cepeda-Pizarro, J.; Pizarro-Araya, J.; Vásquez. H. 2005b. Variación en la abundancia de Arthropoda en un transecto
latitudinal del desierto costero transicional de Chile, con énfasis en los Tenebriónidos epigeos. Revista Chilena de
Historia Natural, 78: 651-663.
Christaller, W. 1966. Central Places in Southern Germany. Prentice Hall, Englewood Cliffs, New Jersey. p. 230.
Cigliano, M.M.; Braun, H.; Eades D.C. & Otte, D. 2021. Orthoptera Species File. Version 5.0/5.0. Disponible en: <http://
Orthoptera.SpeciesFile.org>. (último acceso: 23 diciembre 2021).
Coyle, F.A. 1986. Chilehexops, a new funnelweb mygalomorph spider genus from Chile (Araneae, Dipluridae). American
Museum Novitates 2860: 1-10.
Demangel, D. 2016. Reptiles en Chile. Fauna Nativa Ediciones, Santiago, Chile. p. 619.
Elgueta, M. & Rojas, F. 2000. Hymenoptera de Chile. En: Martín-Piera, F., J.J. Morrone & A. Melic (eds.). Hacia un
proyecto Cyted para el inventario y estimación de la diversidad entomológica en Iberoamérica: Pribes-2000, pp. 245-
251. Monografías Tercer Milenio, Zaragoza
Elgueta, M. & Marvaldi, A.E. 2006. Lista sistemática de las especies de Curculionoidea (Insecta: Coleoptera) presentes
en Chile, con su sinonímia. Boletín del Museo Nacional de Historia Natural (Chile) 55: 113-153.
Flores, G.E. & Pizarro-Araya, J. 2012. Systematic revision of the South American genus Praocis Eschscholtz, 1829
(Coleoptera: Tenebrionidae). Part 1: Introduction and subgenus Praocis s. str. Zootaxa 3336: 1-35.
Flores, G.E. & Pizarro-Araya, J. 2014. Towards a revision of the South American genus Praocis Eschscholtz (Coleoptera:
Tenebrionidae), with estimation of the diversity of each subgenus. ZooKeys 415: 53-80.

Flores, G.E. & Pizarro-Araya, J. En Rev. Morphology of sensilla on foretibia, fossorial adaptations and revision of the
subgenus Praocis (Mesopraocis) (Coleoptera: Tenebrionidae: Pimeliinae). ZooKeys.
Goloboff, P.A. 1995. A revision of the South American spiders of the family Nemesiidae (Araneae, Mygalomorphae).
Part I: species from Perú, Chile, Argentina, and Uruguay. Bulletin of the American Museum of Natural History 224:
1-189.
González, G. 2006. Los Coccinellidae de Chile [online]. Disponible en: http://www.coccinellidae.cl/pagunasWebChile/

Inicio.php (último acceso: 23 diciembre 2021).
Haila, Y. & Margules, C. R. 1996. Survey research in conservation biology. Ecography. 19:323-331.
Holling, C. 1973. Resilience and Stability of Ecological Systems. Annual Review of Ecology and Systematics, 4: 1-23.
Kraus, O. 1966. Solifugen aus Chile (Arachnida). Senckenbergiana Biologica 47: 181-184.
Huber, B.A. 2000. New world pholcid spiders (Araneae: Pholcidae): A revision at generic level. Bulletin of the American
Museum of Natural History 254: 4-348.
Iriarte, A. 2008. Mamíferos de Chile. Lynx Ediciones. Barcelona, España. p. 424.
Iriarte, A. & Jaksic, F., 2012. Los Carnívoros de Chile. Ediciones Flora & Fauna y CASEB, P.U. Católica de Chile. Santiago,
Chile. p. 260.
Jaramillo, A. 2005. Aves de Chile. Lynx Ediciones. Barcelona, España. p. 240.
Jurasinski, G. & Beierkuhnlein, C. 2006. Spatial patterns of biodiversity-assessing vegetation using hexagonal grids.
Biology and Environment: Proceedings of the Royal Irish Academy, 106B: 401–411.
Kulzer, H. 1959. Neue Tenebrioniden aus Südamerika (Col). (18. Beitrag zur Kenntnis der Tenebrioniden). 3.
Verschiedene Neue Arten. Entomologische Arbeiten aus dem Museum Georg Frey 10: 523-567.
Magalhaes, I.L.F.; Brescovit, A.D. & Santos, A.J.. 2017. Phylogeny of Sicariidae spiders (Araneae: Haplogynae), with a
monograph on Neotropical Sicarius. Zoological Journal of the Linnean Society 179: 767-864.
Magurran, A. E. 2004. Measuring biological diversity. Blackwell, Oxford, United Kingdom.
Mattoni, C. I. & Acosta, L. E. 2006. Systematics and distribution of three Bothriurus species (Scorpiones, Bothriuridae)
from central and northern Chile. Studies on Neotropical Fauna and Environment, 41: 235-250.
Maury, E.A. 1987. Consideraciones sobre algunos solífugos de Chile (Solifugae: Ammotrechidae, Daesiidae). Revista
de la Sociedad Entomológica Argentina 44: 419-432.
Melo, M.C. & Faúndez, E.I. 2011. Synopsis of the genus Empicoris (Hemiptera: Heteroptera: Reduviidae) in Chile. Acta
Entomologica Musei Nationalis Pragae 51 (1): 11-20.
Montalva, J. & Ruz, L. 2010. Actualización de la lista sistemática de las abejas chilenas (Hymenoptera: Apoidea).
Revista Chilena de Entomología 35: 15-52.

Moore, T. & Vidal, P. 2013. Los bupréstidos de Chile. Ediciones Universidad Católica, Santiago, Chile. 398 pp.
Muma, M.H. 1971. The Solpugids (Arachnida, Solpugida) of Chile, with descriptions of a new family, new genera, and
new species. American Museum Novitates 2476: 1-23.
Muñoz, A. & Yañez, J. 2009. Mamíferos de Chile. Ediciones CEA. Valdivia, Chile.
Muñoz, A.; Rau, J.; Yáñez, J. 2004. Aves Rapaces de Chile. Ediciones CEA, Valdivia, Chile.
Núñez, H., 1992. Geographical data of Chilean Lizards and Snakes in Museo Nacional de Historia Natural, Santiago,
Chile. Smithsonian Herpetological Information Service Nº 91.
Ojanguren-Affilastro, A.A. 2002. Nuevos aportes al conocimiento del género Brachistosternus en Chile, con la
descripción de dos nuevas especies (Scorpiones, Bothriuridae). Boletín de la Sociedad Biológica de Concepción
(Chile) 73: 37-46.
Ojanguren-Affilastro, A.A. 2005. Notes on the genus Brachistosternus (Scorpiones, Bothriuridae) in Chile, with the
description of two new species. Journal of Arachnology 33: 175-192.
Ojanguren-Affilastro, A.A. & Mattoni, C.I. 2006. A new species of Brachistosternus from Chilean central Andes
(Scorpiones: Bothriuridae). Studies on Neotropical Fauna and Environment 41: 79-85.
Ojanguren-Affilastro, A.A. & Ramirez, M.J. 2009. Phylogenetic analysis of the scorpion genus Brachistosternus
(Arachnida, Scorpiones, Bothriuridae). Zoologica Scripta 38: 183-198.
Ojanguren-Affilastro, A.A. & Kovarík, F. 2013. Bothriuridae. En: Kovarík, F. & A.A. Ojanguren-Affilastro (eds.). Illustrated
catalog of scorpions. Part II. Bothriuridae; Chaerilidae; Buthidae I., genera Compsobuthus, Hottentotta, Isometrus,
Lychas, and Sassanidotus. pp. 6-130. Jakub Rolčík Publisher, Czech Republic.
Ojanguren-Affilastro, A.A., Ramírez, M.J. & Pizarro-Araya, J. 2020. Phylogenetic analysis of the winter and
southernmost scorpion genus Urophonius Pocock, 1893 (Bothriuridae), with the description of two new Patagonian
species. Zoologischer Anzeiger 289: 50-66.
Ojanguren-Affilastro, A.A.; Mattoni, C.I.; Ochoa; J.A.; Ramírez, M.J.; Ceccarelli, F.S. & Prendini, L. 2016. Phylogeny,
species delimitation and convergence in the South American bothriurid scorpion genus Brachistosternus Pocock
1893: Integrating morphology, nuclear and mitochondrial DNA. Molecular Phylogenetics and Evolution 94: 159-170.
Packer, L. 2021. Bee Genera of Chile. Disponible en: https://www.yorku.ca/bugsrus/resources/galleries/bgoc (último

acceso: 12 de marzo de 2021).
Peña, L.E. 1994. Nuevas especies de Tenebrionidae (Insecta-Coleoptera) de la Región Neotropical. Gayana Zoología
(Chile) 58: 151-168
Pietruszka, R. D. 1980. Observations on seasonal variation in desert arthropods in central Nevada. Great Basin
Naturalist, 40: 292-297.
Platnick, N.I. & Shadab, M. 1982. A revision of the American spiders of the genus Camillina (Araneae, Gnaphosidae).
American Museum Novitates 2748: 1-38.

Platnick, N.I.; Shadab, M.U. & Sorkin, L.N. 2005. On the Chilean spiders of the family Prodidomidae (Araneae,
Gnaphosoidea) with a revision of the genus Moreno Mello-Leitão. American Museum Novitates 3499: 1-31.
Polasky, S.; Camm, J.D.; Solow, A.R.; Csuti, B.; White, D; Ding, R. 2000. Choosing reserve networks with incomplete
species information. Biological Conservation, 94, pp. 1-10
Ramírez, M.J. 2003. The spider subfamily Amaurobioidinae (Araneae, Anyphaenidae): A phylogenetic revision at the
generic level. Bulletin of the American Museum of Natural History 277: 1-262.
Ramírez, A. 2010. Capítulo 2. Métodos de recolección. Revista de Biología Tropical, 58: 41-50.
Ralph, C. J.; Sauer, J. R.; Droege, S. (eds.). 1995. Monitoring bird populations by point counts. Reporte técnico general
PSW-GTR-149. U.S. Department of Agriculture, Forest Service, Pacific Southwest Research Station. Albany, California.
p. 187.
Roig-Juñent, S. & Domínguez, M.C. 2001. Diversidad de la familia Carabidae (Coleoptera) en Chile. Revista Chilena
de Historia Natural 74: 549-571.
Sahr, K.; White, D.; Kimerling, A.J. 2003. Geodesic discrete global grid systems. Cartography and Geographic
Information Science, 30: 121–134.
Solervicens, J. 2014. Coleópteros de la Reserva Nacional Río Clarillo en Chile central: taxonomía, biología y
biogeografía. Corporación Nacional Forestal. 478 pp.
Spence, M.; White, D. 1992. EMAP sampling grid technical report. Corvallis, OR: ManTech Environmental Technology,
Inc.; U.S. Environmental Protection Agency, Environmental Research Laboratory. p. 64.
Tellería, J. 1986. Manual para el Censo de los Vertebrados Terrestres. Editorial Raíces. Madrid. p. 278.
Turner, W. R.; Brandon, K.; Brooks, T. M.; Gascon, C.; Gibbs; K.; Russell, H. K.; Mittermeier, L. A.; Selig, E.R. 2012.
The Potential, Realised and Essential Ecosystem Service Benefits of Biodiversity Conservation. En: Biodiversity
Conservation and Poverty Alleviation: Exploring the Evidence for a Link. Cooper, W.; Roe, D.; Elliott, J.; Sandbrook, C. y
Walpole, M. (eds.).
Veloso, A. & Navarro, J. 1988. Lista sistemática y distribución geográfica de anfibios y reptiles de Chile. Bollettino del
Museo Regionale di Scienze Naturali.Torino, 6: 481-539.
Labra, A.; Vidal, M. A.; Solís, R. y Penna, M. 2008. Ecofisiología de anfibios y reptiles. En: Herpetología de Chile.
Science Verlag, Chile. p. 594.
Vidal, P. & Guerrero, M. 2007. Los Tenebriónidos de Chile. 1a edición. Ediciones Universidad Católica de Chile.
Santiago, Chile. 480 pp.
White, D.; Kimerling, A. J.; Overton, W. S. 1992. Cartographic and geometric components of a global sampling design
for environmental monitoring. Cartography and Geographic Information Systems, 19: 5-22.

APÉNDICES
APÉNDICE 1. Conglomerados Ubicados
en Provincia del Elqui (Región de Coquimbo)
A B
C D
E F
(A) Instalación de testigo en conglomerado 40525 (Juan Soldado), (B) Vista panorámica del conglomerado 40525, (C) Instalación
de testigo en conglomerado 40916 (Arrayán), (D) Vista panorámica del conglomerado 40916, (E) Instalación de testigo en
conglomerado 41143 (APP Estero Derecho), (F) Vista panorámica del conglomerado 41143.

APÉNDICE 2. Conglomerados Ubicados en
Provincia del Limarí (Región de Coquimbo)
A B
C D
E F
(A) Instalación de testigo en conglomerado 41132 (Monumento Natural Pichasca), (B) Vista panorámica del conglomerado 41132,
(C) Instalación de testigo en conglomerado 41382 (Caleta Limarí), (D) Vista panorámica del conglomerado 41382, (E) Instalación
de testigo en conglomerado 41384 (Caleta Limarí), (F) Vista panorámica del conglomerado 41384.

APÉNDICE 3. Conglomerados Ubicados en
Provincia del Choapa (Región de Coquimbo)
A B
C D
E F
(A) Instalación de testigo en conglomerado 42042 (Reserva Nacional Las Chinchillas), (B) Vista panorámica del conglomerado
42042, (C) Instalación de testigo en conglomerado 42043 (RN Las Chinchillas), (D) Vista panorámica del conglomerado 42043, (E)
Instalación de testigo en conglomerado 42392 (Culimo), (F) Vista panorámica del conglomerado.

APÉNDICE 4. Fotografías de Artrópodos Registrados
en los Sitios de Estudio (conglomerados)
A B
C D
E F
(A) Vista lateral de un adulto de Lasionota (Nelsonozodes) picta (Gory & Laporte, 1839) (Coleoptera: Buprestidae) en APP Estero
Derecho, (B) Vista lateral de un adulto de Gomphidae (Odonata) en APP Estero Derecho, (C) Vista lateral de Tatochila mercedis
mercedis (Eschscholtz, 1821) (Lepidoptera: Pieridae) en APP Estero Derecho, (D) Vista lateral de un adulto no identificado de
Romaleidae (Orthoptera) en APP Estero Derecho, (E) Vista dorsal de un adulto de Castnia eudesmia (Gray, 1838) (Lepidoptera:
Castniidae) en Reserva Nacional Las Chinchillas, (F) Vista dorsal de Nyctopetus sp. (Coleoptera: Tenebrionidae) en Reserva Nacional
Las Chinchillas.

A B
(A) Vista lateral de Gyriosomus granocostatus Fairmaire, 1886 (Coleoptera: Tenebrionidae) en Reserva Nacional Las Chinchillas,
(B) Vista lateral de Bothriurus aff. coriaceus (Scorpiones: Bothriuridae) en APP Estero Derecho, (C) Vista lateral de un adulto de
Gomphidae (Odonata) en APP Estero Derecho.
Referencias
Eschscholtz, F. 1921. Beschreibung Neuer Aulandischer Schmetterlings Neb Abbildungen. In O. von Kotsebue,
“Endeckungs-Reise in die Sud-See un nach der Berings-Strasse…”3 (appendix): 201-2049. Weimar: G. Hoffmann.
Gory, H.L. y Laporte, F.L. 1839. Histoire Naturelle et Iconographie Coléoptéres.

Monographie des buprestidae, P. Duménil, Paris, 2: Livraisons 25-35
Gray, G.R. 1838. Trans. Ent. Soc. 2:140-149.

RECONOCIMIENTOS
El Instituto Forestal (INFOR) tiene dentro de su misión el mandato de llevar a cabo los inventarios de los recursos
comprendidos en los bosques del país, misión que ha sido cubierta por parte de sus profesionales y técnicos desde
su fundación en 1961. Esta tarea ha sido comprendida en forma visionaria y ejemplar en su relevancia nacional
e internacional por parte del Ministerio de Agricultura (MINAGRI), el cual ha apoyado financieramente a INFOR,
permitiendo el diseño, desarrollo tecnológico, implementación y ejecución del Inventario Forestal Nacional de Chile,
pero orientando también respecto del tipo de datos e información que el país requiere para cumplir con sus objetivos
y necesidades internas, así como sus compromisos internacionales.
Así, el Inventario Forestal Nacional es una herramienta ministerial estadística-matemática que posibilita el
levantamiento de datos e información respecto del estado y condición de los bosques del país desde una perspectiva
ecosistémica en la búsqueda de un desarrollo sustentable.
Se hace extensivo este reconocimiento a las autoridades de INFOR por su constante apoyo y sugerencias para
mejorar tecnológica y metodológicamente el Inventario Forestal Nacional, asegurando su vigencia y uso por las partes
interesadas.

www.infor.cl

001 - Inventario Forestal

Cargado por

Copyright:

Formatos disponibles

001 - Inventario Forestal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

001 - Inventario Forestal

Cargado por

Copyright:

Formatos disponibles

ISSN N° 2735-7716

Informe Técnico N° 248

LOS RECURSOS FORESTALES EN CHILE 2021

2 LOS RECURSOS FORESTALES EN CHILE 2021

1 Instituto Forestal, Chile. rsagardia@infor.cl

Se autoriza la reproducción parcial de esta

Sagardía, Rodrigo; Bahamondez, Carlos; Ávila,

4 LOS RECURSOS FORESTALES EN CHILE 2021

PROGRAMA DE ACTUALIZACIÓN DE PLANTACIONES FORESTALES 53

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 5

6 LOS RECURSOS FORESTALES EN CHILE 2021

ANTECEDENTES TÉCNICO-METODOLÓGICOS 164

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 7

10 CAPÍTULO I: ASPECTOS METODOLÓGICOS

Aspectos Teóricos Relativos a los Inventarios

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 11

12 CAPÍTULO I: ASPECTOS METODOLÓGICOS

Aplicación del Concepto de Inventario Continuo

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 13

El Inventario Forestal Nacional

14 CAPÍTULO I: ASPECTOS METODOLÓGICOS

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 15

Muestras a Nivel de Conglomerado

Todas estas observaciones se detallan a nivel de observaciones de campo.

16 CAPÍTULO I: ASPECTOS METODOLÓGICOS

Variables Medidas en el Inventario Forestal Nacional

El inventario nacional incluye la medición de las variables que se describen a continuación.

Variables del Entorno

Se considerará un esquema de descripción de degradación desde el punto de vista

Se describirán la presencia y clase de obras civiles incluidas en y en las inmediaciones al

Visibilidad Se clasificará la visibilidad desde el punto de vista de la belleza escénica.

Agua Se describirá la presencia de cuerpos de agua en la parcela su origen y clase si es posible.

La observación de la flora en el entorno estará enfocada a la presencia de especies

Se describirá por medio de presencia/ausencia la fauna existente en el punto de muestra

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 17

Identificación de la Identificar el número de la parcela, el número del conglomerado al que pertenece y la

Coordenadas Corresponde a las coordenadas de ubicación con proyección UTM, utilizando el

Establecimiento Determina el origen del bosque en su mecanismo de establecimiento.

Estado de desarrollo Brinzal

Exposición Descripción de la ladera de exposición de la parcela.

Forma de la pendiente Cóncava, plana o convexa.

Tipos de caminos Temporal, ripiado, asfalto, carretera.

18 CAPÍTULO I: ASPECTOS METODOLÓGICOS

Erosión Tipo de Erosión

Intensidad del pastoreo No evidente, Ligera, Moderada, Severa.

Flora La flora en la parcela se evalúa a nivel del sotobosque, a nivel de la cobertura

Fauna Tipo y Frecuencia.

INVENTARIO FORESTAL NACIONAL DE BOSQUES NATIVOS Y ACTUALIZACIÓN DE PLANTACIONES FORESTALES 19

Profundidad del Suelo Solo horizonte A mezcla de material orgánico y mineral.

Este horizonte, del horizonte orgánico, es aquel de material totalmente descompuesto,

Como aproximación a las características del suelo y su origen y madurez el color se

Se clasificará la textura en las siguientes clases: Arenosa, Franca, Limosa y

Determinar la presencia o ausencia de lombrices (principalmente) ya que ellos cumplen

20 CAPÍTULO I: ASPECTOS METODOLÓGICOS

Especie Se deberá registrar la especie a la que pertenece el árbol.

DAP Diámetro a la altura del pecho (a 1.3 m).

Diámetro al tocón. Diámetro al nivel del tocón (0,3 a 0,5 m).

Espesor corteza 1 y Dos mediciones de espesor de corteza a la altura del DAP.

Altura comercial Altura a un índice de utilización definido durante el proyecto.

Forma Recta, Bifurcada, Curvada, Torcida, Multifustal. Inclinado,

Narb / hadaño = f 12.62(n daño,12.62 ) + f 6.25 (n daño,6.25 )