MODELOS REGIONALES DE BIOMASA AÉREA DE Pinus taeda PARA

MISIONES Y NE DE CORRIENTES, ARGENTINA

REGIONAL PREDICTION MODELS FOR ABOVEGROUND BIOMASS ESTIMATION OF

Pinus taeda IN MISIONES AND NE CORRIENTES REGION, ARGENTINA

Fassola, H. E.1; Crechi, E. H.1; Barth, S. R. 1; Keller, A.E. 1; Winck, R. A. 1; Martiarena, R. 1; Von Wallis,
A. 1, Pinazo, M. A.1; Knebel, O. 1
1
INTA EEA Montecarlo. Av. El Libertador 2472 (3384), Misiones. Tel: 03751-480057 / 480512. intam@montecarlo.inta.gov.ar

RESUMEN

Pinus taeda es una de las especies más difundida en plantaciones del mundo, siendo
estas reconocidas como una estrategia válida para reducir las emisiones de CO2 y como fuente
de bioenergía. Para estimar la capacidad de secuestro de CO2 de estas plantaciones como para
evaluar su potencial de generación de energía se requieren ecuaciones de biomasa. A los fines
de poder efectuar estas evaluaciones a nivel regional o nacional se ajustaron modelos
predictivos de biomasa para distintos compartimentos aéreos. Para ello en rodales de distintas
edades, 3 a 25 años, ubicados en la región de Misiones y NE de Corrientes, se establecieron
parcelas donde se apearon 167 ejemplares de P. taeda. De éstos, 116 estaban ubicados en la
zona norte y alta de Misiones (zona 1) y 51 en el sur de Misiones y NE de Corrientes (zona 2).
De ellos se determinó la biomasa aérea total, la de fuste, la de ramas < a 5 cm y la de ramas >
a 5 cm, la total de ramas, la de conos y biomasa de acículas. Mediante análisis de regresión se
ajustaron modelos para predecir la biomasa de cada compartimento. Como variables
independientes se emplearon el diámetro a la altura del pecho (m) (dap), la altura (h, m) y el
producto (dap2*h). También se incluyó una variable “dummy” para clasificar las zonas. De
los diversos modelos ajustados se seleccionó el que permitía predecir la biomasa de los
distintos compartimentos en función del dap, que incluyó la variable “dummy” (zona). Esta
fue altamente significativa para la biomasa total y para la biomasa de fuste aunque no para el
resto de los compartimentos. Ello indica que hay diferencias de patrón de acumulación de
biomasa entre ambas zonas. El coeficiente de determinación para el modelo de biomasa total
fue del 97 %, del 96 % para fuste, 91 % para total de ramas, 89% para ramas < 5 cm, para
ramas > de 5 cm 72 %, 82 % para acículas y 62 % para conos.

Palabras clave: biomasa aérea, variables “dummy”, modelos predictivos, Pinus taeda.

SUMMARY

Pinus taeda is one of the most used specie in the world for man made-plantations.
Thus they are recognized as valid strategy for diminishing CO2 emissions and for energy
generation, so biomass equations are needed for the evaluation of those potentials. With the
purpose of developed regional and national evaluations of biomass prediction models was
fitted. Data base was obtained felling 167 trees of Pinus taeda in stands placed in Misiones
Province and NE of Corrientes Province of Argentina. In northern and highlands of Misiones
province, named zone 1, 116 trees were felled; where as in southern Misiones and NE of
Corrientes province, named zone 2 , other 51 trees. Total aerial biomass for each tree was
estimated and also stems biomass, biomass of branches < 5 cm, biomass of branches > 5 cm,
total biomass of branches, cones biomass and needles biomass. Regression analysis was used
for the prediction of the biomass of each compartment. As independent variables was used
14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-1-
diameter at breast height (cm) (dbh), height (m) (h) and (dap2*h). Also a “dummy” variable
was included for the classification of the zones. Of the different models fitted it was choose
for the prediction of the biomass of the different compartments the models that used dbh as
independent variable and that included the “dummy” variable. Significance of that variable
was high, p< 0.0001, for the prediction of total biomass and stem biomass, but not for the
other compartments. That is an indication that biomass accumulation process in both zones
differ between them. Determination coefficient for the prediction model of total biomass was
97 %, 96 % for stem biomass, 91 % for total branches biomass, 82% for needles biomass, 89
% for branches < 5cm, 72 % for branches biomass > 5 cm and 62 % for cones biomass.

Key words: aboveground biomass, “dummy” variables, prediction models, Pinus taeda.

INTRODUCCIÓN Y ANTECEDENTES

La estimación de la biomasa de los bosques es un tema relevante tanto en lo relativo al

ciclaje de nutrientes como en relación con el problema de calentamiento global. Por esto se ha
incrementado el interés por estudiar el papel de los bosques en los ciclos de elementos
biogeoquímicos, especialmente del carbono (Delaney et al, 1997), y su relación con los gases
de efecto invernadero (Brown, 1997). Se parte del principio de que aproximadamente 50% de
la biomasa es carbono, (Brown & Lugo 1992, Brown, 1997). Por lo tanto para medir y
monitorear el carbono almacenado, especialmente en el compartimento aéreo, que es el más
grande, es necesario conocer la cantidad de biomasa. Las ecuaciones de biomasa son la mejor
aproximación para lograr estas estimaciones, y poder cuantificar la biomasa de los bosques
(Saldarriaga et al. 1988).
Por otra parte el aprovechamiento de los recursos biomásicos como los derivados de la
industria forestal y del manejo de las plantaciones, es vista como una oportunidad para la
cogeneración de energía eléctrica. Alrededor de la mitad de la población mundial sigue
dependiendo de la biomasa como fuente principal de energía. En Argentina existe un gran
potencial de producción de biomasa para la generación de energía eléctrica; este potencial no
está siendo aprovechado adecuadamente, de tal manera, que la mayor parte de la generación
de electricidad proviene de las centrales termoeléctricas basadas en combustibles fósiles. Este
potencial es evidente en las provincias del noreste argentino (Misiones, Corrientes y Entre
Ríos), conjuntamente con la provincia de Buenos Aires, que son las que presentan la mayor
concentración de residuos aptos para su utilización energética (FAO, 1995).
Considerando que Pinus taeda es la conífera que más se implanta en el mundo por su
alta productividad en madera, cerca de 12 millones de has, principalmente en EEUU seguido
de Brasil, Argentina y Uruguay, siendo menos importante su cultivo en Sudáfrica y Australia
(Du Toit et. al, 1998; Simpson et. al, 1998; Samuelson, et al., 2004; De Lungo et. al., 2006),
el conocer la acumulación de biomasa en los compartimentos del árbol es de suma relevancia
para su manejo, dado que los nuevos objetivos de la producción forestal no son ya sólo
madereros.
En la Argentina los estudios de biomasa en plantaciones de rápido crecimiento son
recientes. A los primeros estudios exploratorios efectuados en el norte del país sobre
plantaciones de Pinus taeda (Goya et al., 2003) le han sucedido otros efectuados para
determinar biomasa aérea en tres clases de edades en el Departamento Montecarlo (Goya et
al., 2005) y el resultante del análisis de un ensayo de intensidad y oportunidad de raleo a los
20 años de edad en el Departamento Iguazú, ambos de la provincia de Misiones, arrojando
este último diferencias entre tratamientos (Pinazo et al., 2007). Las relaciones alométricas
desarrolladas por Goya et al. (2003, 2005) y Pinazo et al. (2007), en este último caso una
general para todos los tratamientos, para distintos compartimentos y sumatoria total de la
14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-2-
biomasa aérea de Pinus taeda, se basaron en uno de los modelos más comúnmente utilizados:
ln y = ln β0 + β1 ln x (Bravo, 2007). Con posterioridad se desarrollan modelos que incluyeron
el efecto de la silvicultura (Fassola et al., 2009) y poseen la propiedad de ser aditivos (Fassola
et al., 2010), es decir que la suma de las predicciones de biomasas de los distintos
componentes sea igual a la predicción para el total del árbol (Návar et al., 2002; Parresol,
1999; Cunia y Briggs, 1985; Reed y Green, 1985).
Sin embargo no se cuenta con modelos regionales para la especie, que puedan
aplicarse a evaluaciones de escala regional y/o nacional y que nos permitan inferir-cuantificar
la cantidad de biomasa que acumulan esas plantaciones. El objetivo del presente trabajo fue
verificar la posibilidad de ajustar un modelo general de biomasa para la provincia de Misiones
y el noreste de Corrientes.

MATERIALES Y MÉTODOS

La zona de donde se obtuvieron las muestras se corresponde con la región

fitogeográfica de la Provincia Paranaense (Dominio Amazónico, sensu Cabrera, 1976), donde
se presentan dos distritos: el de las selvas – norte de la provincia de Misiones -y el de los
campos, con extensos pastizales en el sur de la provincia de Misiones y NE de la provincia de
Corrientes (Cabrera, 1976; Rodriguez et al., 2004). Esta se corresponde con las zonas
agroecológicas Misiones Norte-Alta Misiones (zona 1) y Misiones Sur-NE de corrientes (zona
2) (Papadakis, 1974). Los suelos derivan de la meteorización de la roca basáltica, siendo
arcillosos en todo su perfil. El clima según la clasificación de Köppen es de tipo Cfa,
macrotérmico, constantemente húmedo y subtropical (Rodriguez et al., 2004). La
precipitación media durante el período 1981-1990 fue de 1919 mm en Iguazú (N zona 1) y
1947 mm en Posadas, centro de la zona 2. La temperatura media anual fue en el mismo
período de 20,7 y 21,5 º C respectivamente (Servicio Meteorológico Nacional, 2008)
El estudio fue realizado en árboles provenientes de parcelas temporales establecidas en
plantaciones comerciales y ensayos ubicados en las zonas agroecológicas Misiones Norte-
Alta Misiones (zona 1) y Misiones Sur-Noreste de Corrientes (zona 2) (Papadakis, 1974). En
las parcelas de cada zona se procedió a la medición del diámetro a la altura del pecho (dap 1,3
m). Tanto en las parcelas de ensayo como en las instaladas en cada empresa se procedió a la
medición del diámetro a la altura del pecho (dap 1,3 m). Luego los árboles fueron ordenados
por diámetro y divididos por 3 en tres clases: “pequeños”, “medianos” y grandes (Köhl et al.,
2006). De este modo se seleccionó un mínimo de 6 árboles por parcela hasta un máximo de
15, los cuales fueron apeados. En cada ejemplar apeado se procedió a determinar a campo el
peso total de acículas verdes y el de ramas vivas. La biomasa de los compartimentos ramas
(Br), separada en mayores a 5 cm de diámetro (Br>5cm) y menores a 5 cm de diámetro
(Br<5cm), conos (Bc) y acículas (Bac) fue determinada obteniendo de cada una de ellas
alícuotas.. Estas fueron llevadas a estufa a una temperatura de 70 ºC hasta peso constante,
aplicando luego estos valores a los de peso verde del total de las aciculas, ramas y conos. El
fuste del árbol fue trozado en largos comerciales y en cada extremo de las trozas se tomaron
los diámetros con y sin corteza, utilizados para determinar el volumen mediante la fórmula de
Smalian. En cada uno de los extremos se cortaron discos, sobre los cuáles, desde el centro
hacia la periferia en ambos sentidos, se obtuvieron probetas de 2 x 2 cm y llevadas a estufa a
una temperatura de 103 +/-2 ºC hasta peso constante para estimar densidad básica Esta se
determinó mediante el método de desplazamiento volumétrico. El valor de densidad básica
promedio obtenido de los discos, aplicando la ecuación (1), se aplicó luego al volumen de
cada rollizo para estimar peso seco de éstos (Bf) (Whittaker y Woodwell, 1968; Adegbidi et
al., 2002, Pinazo et al., 2007).

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-3-
 Ec.(1)
P0 donde: D b : Densidad básica en gr/cm3; P0 : Peso anhidro en gr; Vs : Volumen saturado en cm3
Db =
Vs La base de datos general para estimar la biomasa quedó conformada por
167 individuos, de los cuales, 116 correspondían a la zona 1, y 51 a la zona 2, en la Tabla 1 se
presentan los valores de las principales variables de estado de los rodales donde se efectuó el
apeo.

Tabla 1: Valores de las principales variables de estado de las parcelas de Pinus taeda L. por zona.
Value of state variables of Pinus taeda stands by zone.

edad densidad DAP H G Hdom vol c.c n

2
Zona años árb/ha cm m m /ha m m3/ha nº árb.
mínimo 3 122 7,8 4,7 5,64 5,8 15
1 máximo 25 1400 46,8 28,0 47,23 28,3 558 143
promedio 13 456 28,7 18,4 22,84 20,0 233
mínimo 3 625 7,9 4,8 6,95 5,9 18
2 máximo 10 1350 25,7 16,5 40,21 17,3 321 24
promedio 6 919 16,8 10,5 20,48 11,4 131
DAP: diámetro 1,3 m promedio, H: altura promedio; G: área basal; Hdom: altura dominante; Vol c.c: volumen con corteza; n: total arb.
apeados

Análisis de Datos
Se establecieron relaciones entre los compartimentos aéreos, biomasa de acículas,
ramas <a 5cm de diámetro, ramas > a 5 cm de diámetro, total de ramas, conos, fuste y total,
con variables del árbol como el diámetro a la altura de pecho (dap, cm), la altura total (h,m),
el producto del dap2 * h. También se procedió a ajustar una regresión única para los dos
grupos de datos mediante el empleo de variables auxiliares o “dummy” (InfoStat, 2004).
En todos los modelos se aplicaron transformaciones logarítmicas de las variables
dependientes e independientes para lograr la homogeneidad de las varianzas.
Posteriormente se seleccionó uno que contuviera las mismas variables independientes
para los modelos correspondientes a cada compartimento aéreo, fuste, ramas, conos, acículas
y biomasa total (Parresol, 1999). Como criterio de selección se empleó el coeficiente de
determinación (R2) y el error cuadrático promedio (ECMP) de los modelos ajustados para
cada compartimento. A los fines de comprobar si el modelo elegido era adecuado, se verificó
la bondad del ajuste contra sus propios datos, ya que no se disponía de una muestra
independiente y la empleada en el ajuste no era lo suficientemente amplia para particionar la
misma. Para ello se contrastaron los valores de biomasa observados versus los predichos
determinándose el error porcentual y se efectuó el test de regresión lineal entre valores de
biomasa observados y predichos. En este último test si el modelo es bueno, la regresión
coincide con la bisectriz del primer cuadrante, contrastándose mediante la prueba de F, al 0,05
% de probabilidades, la hipótesis nula de que el intercepto es = 0 y la pendiente = 1 en forma
simultánea (Huang et al., 2003).
Para corregir los errores sistemáticos ocasionados por el empleo de transformaciones
logarítmicas en las ecuaciones obtenidas, se procedió al cálculo del factor de corrección de la
discrepancia logarítmica (Meyer, 1941).

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-4-
RESULTADOS

En la Tabla 2 se presenta un resumen de valores de biomasa para los diferentes

compartimentos Bac, Br<5cm, Br>5cm, Btr, Bc, Bf y biomasa total del árbol Bt resultantes de
los trabajos de campo y laboratorio.

Tabla 2: Valores promedio, máximo, mínimo de la biomasa de los diferentes compartimentos aéreos de árboles
de Pinus taeda.
Mean, maximum and minimum value of the compartments of aboveground biomass of Pinus taeda trees.

edad Bac Br < 5cm Br > 5cm Btr Bc Bf Bt

Zona años kg kg kg kg kg kg kg
mínimo 3 2 2 0,1 2 0,01 3 8
1 máximo 25 123 237 352 505 69 1225 1867
promedio 13 28 57 56 87 7 353 473
mínimo 3 3 2 0,1 2 0,01 3 8
2 máximo 10 39 58 47 86 20 209 331
promedio 6 12 20 11 25 2 52 90
Bt: biomasa total kg; Bf: biomasa fuste kg; Bc: biomasa conos kg; Btr: biomasa total ramas kg; Br>5cm:biomasa ramas mayores a 5cm
kg; BR<5cm:biomasa ramas < a 5cm kg; Bac: biomasa acículas kg

De las funciones de biomasa ajustadas, el modelo Ln(Y)=β0+β1Ln(dap)+β2D+ε, fue el

que mejores ajustes presentó para todos los compartimentos, salvo para el caso de Ln(Bf). En
este caso ajustó mejor empleando como variables independientes a Ln(dap)+Ln(h), pero por
cuestiones prácticas, se optó por elegir la misma variable regresora para todos los modelos. La
variable “dummy” D adoptó el valor 0 para la zona 1, mientras que para la zona 2 D=1.
En la Tabla 3 se presentan los modelos ajustados para la estimación de la biomasa
Total Árbol; Biomasa de Fuste; Biomasa Conos; Biomasa Total Ramas; Biomasa Ramas > a
5cm; Biomasa Ramas < a 5 cm y Biomasa de Acículas en función del dap, por zonas, como
también el factor de corrección de la discrepancia logarítmica (Fc) (Meyer, 1949). Este factor
se aplica al antilogaritmo de la biomasa estimada. Mientras que en la Tabla 4 se presentan los
resultados del ANOVA de las distintas funciones. En general se obtuvieron muy buenos
ajustes para los distintos compartimentos excepto para el caso de biomasa de conos y biomasa
de ramas > a 5 cm, que arrojaron como resultado coeficientes de determinación (R2) bajos,
0,62 y 0,72 respectivamente. También se puede observar que, para la biomasa total y biomasa
de fuste, hubo diferencias significativas para el efecto zona (variable auxiliar), no resultando
significante para la biomasa de los demás compartimentos.

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-5-
Tabla 3: Funciones de biomasa aérea para árboles de Pinus taeda para los diferentes compartimentos, por zona
agroecológica.
Prediction models for aboveground biomass compartments of Pinus taeda by agroecological zone.

R2
Compartimento Zona 1 Zona 2 ECMP Fc
Aj.
Ln(Bt) - 3,09 + 2,62*Ln(dap) - 3,18 + 2,62*Ln(dap) 0,97 0,05 1,03
Ln(Bf) - 4,91 + 3,04*Ln(dap) - 5,02 + 3,04*Ln(dap) 0,96 0,11 1,06
Ln(Bc) - 16,77+ 4,91*Ln(dap) - 16,95 + 4,91*Ln(dap) 0,62 2,57 3,61
Ln(Brt) - 3,63 + 2,28*Ln(dap) - 3,633 + 2,28*Ln(dap) 0,91 0,15 1,08
Ln(Br) > a 5cm - 12,78 + 4,45*Ln(dap) - 12,74 + 4,45*Ln(dap) 0,72 0,89 1,56
Ln(Br) < a 5cm - 2,60 + 1,90*Ln(dap) - 2,63 + 1,90*Ln(dap) 0,89 0,13 1,07
Ln(Bac) - 1,67 + 1,44*Ln(dap) - 1,69 + 1,44*Ln(dap) 0,82 0,12 1,06

Bt: biomasa total kg; Bf: biomasa fuste kg; Bc: biomasa conos kg; Btr: biomasa total ramas kg; Br>5cm:biomasa ramas
mayores a 5cm kg; BR<5cm:biomasa ramas < a 5cm kg; Bac: biomasa acículas kg; R2 : coeficiente de determinación;
EMCP: error cuadrático medio; Fc: coeficiente de Meyer; dap: diámetro a 1,3 m cm

Tabla 4: Valores de p correspondientes a los coeficientes de funciones de biomasa por compartimento ajustados
para árboles de Pinus taeda en las zonas bajo estudio
p-value of the coefficients of the prediction models of aboveground biomass compartments of Pinus taeda by
zone

ln(Bt) Ln(BF) Ln(Bc) Ln(Brt) Ln(Br) >5cm Ln(Br) <5cm Ln(Bac)

p-valor p-valor p-valor p-valor p-valor p-valor p-valor
Constante <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Ln(dap) <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001 <0,0001
Zona*Ln
(dap) <0,0001 <0,0001 0,2941 0,922 0,698 0,3066 0,4799
Bt: biomasa total; Bf: biomasa fuste; Bc: biomasa conos; Brt: biomasa total ramas; Br>5cm:biomasa ramas mayores a 5cm;
Br<5cm:biomasa ramas menores a 5cm; Bac: biomasa acícula

En las Figuras 1 y 2 se puede observar la dispersión de la biomasa total y de fuste, por

zonas en función del diámetro (dap). En la zona 1 se observa una tendencia a mayor
acumulación de biomasa en fuste. Oportunamente Fassola et al. (2007) habían determinado
que las funciones de volumen para ambas zonas tenían pendientes diferentes, razón por la cual
ajustaron un modelo para cada una de ellas al igual que para las funciones de forma. Esto está
indicando que el patrón de acumulación en fuste es diferente y podrían también estar
afectando con diferentes densidades básicas entre ambas zonas agroecológicas. Mientras que
en las Figuras 3 y 4 se pueden observar los residuales de los modelos ajustados para la
biomasa total y la biomasa de fuste de Pinus taeda. En la Figura 3 es posible observar que
para valores bajos de biomasa total se produce una subestimación de la misma.

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-6-
 7.80

6.32

ln(BT)
4.83

3.34

1.85
1.92 2.49 3.06 3.63 4.21
ln(dap)

ln(BT)-1.00 ln(BT)-2.00

Figura, 1: Biomasa total de Pinus taeda observada por zona en función del dap
Observed total biomass of Pinus taeda by zone in relationship to dbh

7.41

5.76
ln(BF)

4.11

2.46

0.80
3.07 4.23 5.38 6.54 7.69
ln(dap)+ln(h)

ln(BF)-1.00 ln(BF)-2.00

Figura 2: Biomasa de fuste de Pinus taeda observada por zona en función del dap
Observed stem biomass of Pinus taeda by zone in relationship to dbh

2.15
Res. estudentizados_ln(BT)

1.01

-0.13

-1.27

-2.41
1.76 3.31 4.86 6.41 7.96
Predichos

Figura 3: Residuos de la biomasa total observada versus estimada de Pinus taeda

Residuals of the observed vs. predicted total biomass of Pinus taeda
14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-7-
 Residuos

2.43

0.98

Res. estudentizados_ln(BF)

-0.46

-1.91

-3.35
0.32 2.22 4.12 6.02 7.93
Predichos

Figura 4: Residuos de la biomasa de fuste observada versus estimada de Pinus taeda

Residuals of the observed vs. predicted of stem biomass of Pinus taeda

Efectuada la prueba simultánea de F (Huang et al., 2003; Infostat, 2004), la misma

arrojó como resultado que no debía rechazarse la hipótesis nula, β0 = 0 y β1= 1, excepto en el
caso de la biomasa total y biomasa de fuste de la zona 2, Sur de Misiones y NE de Corrientes
(Tabla 5).

Tabla 5. Resultados de la prueba de F simultánea para los coeficientes de la regresión entre valores observados y
estimados de biomasa de los distintos compartimentos aéreos de Pinus taeda,
Simultaneous F-test for the coefficients of the regression model between observed and predicted
values of aboveground biomass of Pinus taeda,

variable zona1 zona2

obs. vs. est. β0 β1 hip. p‐valor b0 b1 hip. p‐valor
Ln(Bt) ‐0,01 1 0,994 0,26 0,9 0,0028
Ln(Bf) ‐0,03 1,01 0,8344 0,1 0,92 0,0011
Ln(Btr) 0,02 1 0,951 ‐0,04 1,02 0,9714
Ln(Br) > 5 cm 0,13 0,96 0,882 ‐0,33 1,33 0,661
Ln(Br) < 5 cm 0,06 0,99 0,8808 ‐0,27 1,08 0,4662
Ln(Bac) ‐0,08 1,01 0,5955 0,07 0,96 0,8449
Ln(Bc) ‐0,01 1 0,9969 ‐0,38 0,99 0,8731
β0: constante;; β1: coeficiente de la regresión; Bt: biomasa total kg; Bf: biomasa fuste kg; Bc: biomasa conos kg; Btr: biomasa total
ramas kg; Br>5cm:biomasa ramas mayores a 5cm kg; BR<5cm:biomasa ramas < a 5cm kg; Bac: biomasa acículas kg; hip. p-valor: p
valor de comprobación simultánea de hipótesis β0 = 0 y β1= 1

Si bien el test de F simultáneo “es intuitivamente el más razonable”, en numerosas

ocasiones lleva a rechazar modelos apropiados (Huang, et al., 2003). En la Figura 5 se
observa la representación gráfica de los Ln(Bt) y Ln(Bf) observados y estimados para la zona
2, reflejando estas que debieran emplearse otros criterios para seleccionarlo o descartar estos
modelos.

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-8-
 Biomasa Total-Zona 2 Biomasa Fuste-Zona 2

5.99 5.55

4.91 4.31
Observado

Observado
3.84 3.06

2.77 1.82

1.70 0.57
1.59 2.74 3.90 5.05 6.20 0.52 1.85 3.19 4.53 5.86
Estimado Estimado

Figura 5. Ln de la biomasa total observada vs estimada y del Ln de la biomasa de fuste observada vs estimada de
Pinus taeda para la zona 2, sur de Misiones y NE de Corrientes.
Ln of observed vs. estimated total biomass and Ln of observed vs. estimated stem biomass of Pinus
taeda for zone, south of Misiones and NE of Corrientes.

Por ello se corroboraron los errores porcentuales de estimación de la biomasa entre los
distintos compartimentos aéreos (Tabla 6). Esto evidenció que los errores de estimación de la
biomasa total y de fuste para la zona 2 son lo suficientemente bajos como para emplear los
modelos ajustados hasta tanto se cuente con mayor información para proceder a un nuevo
ajuste, ya que sólo se cuenta con 24 ejemplares apeados. También se observa (Tabla 6) que
los errores de estimación de ramas > a 5 cm y < de 5 cm para la zona 2 son elevados, al igual
que el error de estimación de la biomasa de conos determinado para la zona 1, razón por la
cual no se recomienda su empleo obtener cautela al hacerlo y extraer conclusiones de hacerlo.

Tabla 6. Error promedio de estimación de la biomasa de los compartimentos aéreos de Pinus taeda para ambas
zonas.
Mean error of estimation of aboveground biomass of Pinus taeda by zone.

error de estimación por compartimento (%)

Zona Bt Bf Btr Br > 5cm Br < 5cm Bac Bc
Zona 1 -0,20 -0,78 -0,53 -5,13 -0,99 -5,16 43,03
Zona 2 -2,95 -4,74 -2,76 11,06 -7,79 -2,45 -1,85
Bt: biomasa total kg; Bf: biomasa fuste kg; Bc: biomasa conos kg; Btr: biomasa total ramas kg; Br>5cm:biomasa ramas
mayores a 5cm kg; BR<5cm:biomasa ramas < a 5cm kg; Bac: biomasa acículas kg

CONCLUSIONES Y RECOMENDACIONES

Los modelos ajustados constituyen una herramienta flexible para cuantificar la

biomasa aérea en plantaciones de Pinus taeda en evaluaciones de carácter regional, aunque
debe reforzarse a futuro la intensidad de muestreo en la zona Sur de la provincia de Misiones
y NE de Corrientes. Ello con miras a contar con una herramienta básica para poder determinar
el CO2 fijado, como también para evaluar el potencial para producir energía a partir de la
biomasa de sus compartimentos aéreos.
Al respecto cabe señalar la necesidad de continuar los estudios tendientes a lograr
mejores ajustes para predecir la biomasa del compartimento de ramas, discriminadas por
tamaño, no con el propósito de su empleo dendro-energético, ya que se estaría alterando la
sustentabilidad de las plantaciones dada la cantidad de nutrientes extraídos y la necesidad del

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-9-
empleo de métodos de cosecha que concentran los residuos en sectores localizados del rodal,
sino para interpretar más adecuadamente el ciclo de nutrientes, incluido el de carbono.
Estas herramientas conjugadas con simuladores de crecimiento son esenciales para
contribuir a cuantificar la “huella de carbono” de la producción forestal regional, como
también de la agroforestal. El determinarla contribuirá a mantener la competitividad del sector
forestal y agroalimentario de la región, siendo en este último caso un requerimiento perentorio
dada la importancia de los sistemas agroforestales y a que las cadenas de supermercados
comenzarán a exigir la misma.

BIBLIOGRAFÍA

Adegbidi, H.G.; Jokela, E.J.; Comerford, N.B.; Barros, N.F. 2001. Biomass development for intensively manager lobolly
pine plantations growing on Spodosols in the Southern USA. Forest Ecology and Management 167 (2002) 91-102,
Bravo, F. 2007. El papel de los bosques españoles en la mitigación del cambio climático. Fundación Gas Natural. Pp.315
Brown, S. 1997. Estimating Biomass and Biomass Change of Tropical Forest: a Primer, FAO Foresty. Paper 134. Roma,
Brown, S.; Lugo, A.E. 1992, Aboveground Biomass Estimates for Tropical Moist Forests of the Brazilian Amazon.
Interciencia 17:8-18
Cabrera, A.L. 1976. Regiones Fitogeográficas Argentinas. Enciclopedia Argentina de Agricultura y Jardinería. Tomo II.
ACME. Buenos Aires. 85 pp
Cunia, T.; Briggs, R. D. 1985 Forcing additivity of biomass tables use of generalized least squared methods. Canadian
Journal of Forest Research 15(1): 23-28
Delaney, M.; Brown, S.; Lugo, A.E.; Torrez Lezama, A.; Bello Quintero, N. 1997, The Distribution of Organic Carbon in
Major Components of Forests Located in Five Life Zones of Venezuela. Journal of Tropical Ecology 13: 697-708
De Lungo, A.; Ball, J.; Carle, J. 2006. Global planted forests thematic study: results and analysis. Planted Forests and Trees.
FAO. Working Paper 38. Rome .www.fao.org/forestry/site/10368/en
du Toit, B.; Smith, C.; Carlson, C.; Esprey, L.; Allen, R.; Little, K. 1998. Eucalyptus and Pine Plantations in South Africa. In
Workshop Proceedings: Site Management and Productivity in Tropical Plantation Forests. Pietermaritzburg. South
Africa. CIFOR. Pp 23-30.
FAO. 1995. Caso de Estudio: Autoproducción de Electricidad a partir de Residuos de Madera y Leña en la República
Argentina. por Ing, Beaumont Roveda Eduardo. Departamento de Montes. Disponible en:
http://www.fao.org/docrep/t2363s/t2363s0p.htm
Fassola, H. E.; Crechi, E.H.; Keller, A. E.; Barth, S.; Fernandez T., E. 2007. “Funciones y algoritmos dasométricos para
manejo silvícola intensivo, de aplicación en plantaciones forestales orientadas a producción de madera de alto valor
agregado”. Informe Técnico Nº 61 PAN 571. Inta EEA Montecarlo.104p.
Fassola, H.E.; Crechi, E.H.; Pinazo, M.A.; Videla, D.; Keller, A.E.; Barth S. 2009, Acumulación de biomasa y producción de
madera de calidad de Pinus taeda: dos objetivos que imponen la silvicultura y los regímenes silvopastoriles
actuales. En actas: 1er Congreso Nacional de Sistemas Silvopastoriles. Posadas 14 al 16 de Mayo de 2009. Pág
183-193. Ediciones Instituto Nacional de Tecnología Agropecuaria.
Fassola, H.E.; Pando, V.; Bravo Oviedo, F. 2010. Modelos de biomasa aérea para Pinus taeda bajo distintos manejos
silvícolas en la región subtropical sin estación seca de Argentina. Informe inédito. En preparación. INTA EEA
Montecarlo.
Goya, J.F.; Pérez, C.; Frangi, J.L.; Fernández, R.A. 2003, Impacto de la cosecha y destino de los residuos sobre la estabilidad
del capital de nutrientes en plantaciones de Pinus taeda L. Ecología Austral 13(2): 139-150
Goya, J.F.; Pérez, C.; Frangi, J.L.; Fernández, R.A.; Lupi, A.M.; Kuzdra, H. 2005, Ciclo de nutrientes en plantaciones de
Pinus taeda L, en el norte de la provincia de Misiones. II estudio de diferentes edades de plantación. Informe final
PIA (7/98) SAGPyA
Huang, S.; Yang, Y. ; Wang, Y. 2003. A Critical Look at Procedures for Validating Growth and Yield Models. En: Amaro
A., Reed D., Soares P. (Eds.) Modelling Forest Systems. CABI-Publishings, Wallingtord, pp. 271-293.
InfoStat. 2004. InfoStat versión 2004. Grupo InfoStat, FCA, Universidad Nacional de Córdoba. Argentina. 314 pp.
Köhl, M.; Magnussen, S.; Marchetti, M. 2006, Sampling Methods. Remote Sensing and GIS. Multiresource Forest Inventory.
Ed. Springer. Berlin. Heidelberg. Serie Tropical Forestry. Pp 17-69.
Meyer, H. A. 1941. Correction for a systematic error ocurring in the aplication of the logaritmic volume equation.
Pensylvania Forest School Research. Paper 7. 3 p.
Návar, J.; Nájera, J.; Jurado, E. 2002. Biomass estimation equations in the Tamaulipan thornscrub of north-eastern Mexico.
Journal of Arid Environments. 52: 167d179
Papadakis, J. 1974. Ecología. Posibilidades Agropecuarias de las Provincias Argentinas. Fascículo 3. Enciclopedia Arg. de
Agric. y Jardinería. Ed. ACME. 86p.
Parresol, B.R. (1999) Assessing tree and stand biomass a review with examples and critical comparison. Forest Science,
45:573-593.
Pinazo, M. A.; Martiarena, R. A.; Von Wallis, A.; Crechi, E.; Pahr, N. M.; Knebel, O. 2007. Efectos de la intensidad de
raleo sobre la compartimentalización y stock de carbono en plantaciones de Pinus taeda L. establecida sobre
ultisoles de Misiones. RIA 36 (1): 5-20

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-10-
Reed, D.; Green, E. 1985. A method of forcing additivity of biomass tables when using nonlinear models. Can. J. For. Res.
Vol. 15: 1184-1187.
Rodriguez, M. E.; Cardozo, A.; Ruiz Díaz, M.; Prado. D. E. 2004. Los bosques nativos misioneros: estado actual de su
conocimiento y perspectivas. Disponible en: Ecología y Manejo de los bosques de Argentina. Ed.: Arturi M.;
Frangi J.; Goya. J. EDULP. La Plata. P.p 3-33.
Saldarriaga, J.; West, D. C.; Tharp, M. L.; Uhl, Ch. 1988. Long-Term Chronosequence of Forest Succession in the Upper Rio
Negro of Colombia and Venezuela. Journal of Ecology 76: 938-958.
Samuelson, L.J.; Johnsen, K.; Stokes, T. 2004. Production, allocation and stemwood growth efficiency of Pinus taeda L.
stands in response to six years of intensive management. Forest Ecology and Management 192:59-70.
Servicio Meteorológico Nacional. 2008. Datos Estadísticos. Período 1981-1990. Ciudades de Iguazú y Posadas. Disponible
en: http://www.smn.gov.ar/?mod=clima&id=30&provincia=Misiones&ciudad=Posadas;
http://www.smn.gov.ar/?mod=clima&id=30&provincia=Misiones&ciudad=Iguazú
Simpson, J.A.; Osborne, D.O.; Xu, Z. H. 1998. Pine Plantations on the Coastal Lowlands of Subtropical Queensland.
Australia. In Workshop Proceedings: Site Management and Productivity in Tropical Plantation Forests.
Pietermaritzburg. South Africa. CIFOR. Pp 61-68.
Whittaker, R.H.; Woodwell, G. 1968. Dimension and production relations of trees and shrubs in the Brookhaven Forest. New
York. J. Ecol. 56:1-25.

14as Jornadas Técnias Forestales y Ambientales. Facultad de Ciencias Forestales, UNaM - EEA Montecarlo, INTA.
10, 11 y 12 de Junio de 2010 -Eldorado, Misiones, Argentina
-11-