INTRODUCCIÓN
El cambio climático producido por el calentamiento global es uno de los problemas más serios que afronta la población mundial (Intergovernmental Panel of Climate Change [IPCC], 2013, 2014; Sreejesh et al., 2013); y, desafortunadamente, por más opciones que se presentan para aportar su solución parece imposible a corto plazo. Una de propuestas se centra en el mejoramiento del manejo de la tierra, pues se ha reportado un sustancial monto de secuestro de carbono tanto en la biomasa como en el suelo, con lo que se convierte en una alternativa real para reducir la concentración de CO2 en la atmósfera (Pastian et al., 2000). Por ello, son bastantes las expectativas creadas sobre la función de los ecosistemas forestales como parte de la solución por su capacidad de secuestro de carbono (Basu, 2009; Le Quéré et al., 2012), tanto en su tallo principal, madera, corteza, ramas, follaje y raíces. Lo anterior mantiene la esperanza en algunos grupos de ambientalistas, mientras otros ven como negocio el comercio del carbono. En todo caso, los llamados créditos verdes siguen generando controversia en diferentes sectores de la población; entre otras cosas, por la falta de información sobre la capacidad de secuestro de carbono de un ecosistema dado (Basu, 2009; Merger, 2008) en condiciones ambientales tan cambiantes como en el trópico.
Los bosques artificiales o plantados (plantaciones forestales puras y sistemas agroforestales) también proveen servicios ambientales útiles para la sociedad. En ese sentido, plantaciones jóvenes pueden secuestrar significativas cantidades de carbono atmosférico, mientras que las maduras se convierten en importantes reservorios (Sreejesh et al., 2013). Especies de rápido crecimiento como Tectona grandis han tenido gran auge gracias a su madera de excelentes características físico-mecánicas, apta para gran variedad de usos (entre ellos los decorativos), ampliamente difundida en ambientes tropicales y de buen mercado y precio internacional.
En Costa Rica es la especie más plantada con fines de producción forestal; para el año 2017 se reportaron 45 853 ha (Instituto Nacional de Estadísticas y Censos, 2017). Además, es notorio que se realiza mucha investigación con dicha especie en temas como: mejora genética, reproducción, conservación del polen, necesidades nutricionales, etc. No obstante, su capacidad de mitigación del cambio climático en las condiciones actuales de producción (sistemas clonales principalmente) no ha sido un tema prioritario; adicional a ello, dicho potencial varía con respecto al material genético utilizado, el clima y suelo del sitio, así como el manejo realizado al sistema de producción (Sreejesh et al., 2013). Este vació de información, aunado a la política de C-neutralidad del Estado (Costa Rica, 2009; Kowollik, 2014), motivó la inversión de recursos para obtener datos sobre factores de expansión de biomasa, fracción de carbono en la biomasa y modelos matemáticos para estimar y pronosticar la biomasa y el carbono (todos objetivos de esta investigación). Esta información es básica para facilitar y mejorar la estimación de la reserva de carbono y se convierten, al mismo tiempo, en indicadores nacionales para dictar políticas y tomar decisiones.
MATERIALES Y MÉTODOS
Área de estudio
La zona de estudio comprende el Pacífico norte, la zona norte y sur de Costa Rica, en sitios donde se ubican plantaciones establecidas con material clonal. Estos, generalmente, son inferiores a 10 años de edad; también hay de mayor edad con material de semilla seleccionada, pero con muy buen manejo silvicultural. Los sitios se caracterizan por presentar una variación térmica estacional fuerte, con un periodo seco de hasta seis meses; cuya precipitación promedio supera los 3200 mm anuales (1500-2500 mm en el Pacífico norte) y la temperatura media es mayor a 24 °C, elevada luminosidad, con suelos predominantes del orden Inceptisol, Ultisol y Entisol (Instituto Meteorológico Nacional de Costa Rica, 2019).
Evaluación de la biomasa
Dado el alto valor económico de la madera en la cuantificación de biomasa de T. grandis se emplearon tres técnicas, descritas a continuación:
Método destructivo: consiste en derribar el árbol y pesarlo en campo (peso húmedo en kg) cada componente por separado (fuste, ramas, hojas y raíz). Esta práctica es más empleada para árboles de tamaño pequeño, sin valor comercial, o en árboles de porte mayor, pero cuyo propietario permitió subdividirlo en secciones pequeñas para facilitar su peso (Parada et al., 2010). De cada componente se tomó una muestra de aproximadamente de un kg para determinar la materia seca (a 60 °C durante 72 horas) y su respectiva fracción de carbono (Fonseca et al., 2009).
En árboles derribados con madera aprovechable y que no se permitió hacer secciones pequeñas se determinó el volumen en secciones de dos metros con la fórmula de Smalian y, del mismo modo, la biomasa se calculó como el producto del volumen por la densidad específica de la madera (Chave et al., 2004; Petrokofsky et al., 2012; Chave et al., 2014). La densidad específica usada para la especie fue de 0.54 gr.cm-3 en función de lo reportado en la literatura (Castro y Raigosa, 2000; Rodríguez et al., 2014). La sección no comercial del fuste se pesó en el campo, al igual que el componente de hojas, ramas y raíz. También se recolectaron muestras de biomasa para determinar la materia seca en laboratorio.
En plantaciones, independientemente de la edad y porte de los árboles en donde el propietario no permitió derribar los árboles, se determinó el diámetro en pie en secciones de dos metros con la ayuda de un dendrómetro modelo Criterion RD 1000. La biomasa del fuste se calculó según lo indicado en el anterior punto. La biomasa total del árbol (incluida ramas, hojas y raíz) se calculó haciendo uso de factores expansión de biomasa (Dixon, 1995; Segura et al., 2000; Segura y Kanninen, 2002) calculados para los árboles derribados según lo indicado en los anteriores puntos.
El factor de expansión se utiliza para calcular la biomasa de componentes como ramas, hojas y raíz cuando se usa el método no destructivo. Es el cociente entre la biomasa aérea total y la biomasa del fuste, entre la biomasa del fuste y la biomasa de la raíz (Fonseca et al. 2009; Segura et al., 2000; Segura y Kanninen, 2002).
A cada árbol, independientemente de la técnica usada para determinar la biomasa, se le midió el diámetro normal a 1.3 m sobre el nivel del suelo (DAP). En cada sitio o plantación se trató de elegir individuos que abarcaran la amplitud diamétrica observada según la edad de la plantación. Para los árboles derribados se extrajo la raíz con una retroexcavadora y pulif (tipo tecle manual que funciona de forma horizontal); posteriormente, se lavó para eliminar componentes como piedra y tierra. Se continuó con el proceso de pesado aproximadamente dos horas después de secadas al aire.
Determinación de la fracción de carbono en biomasa
La muestra seca de cada componente de biomasa se trituró a 10 micras para determinar la materia orgánica. El análisis de esta se realizó haciendo uso de la metodología propuesta por Walkley y Black (1934).
Ajuste de modelos
Los modelos se ajustaron mediante el método de mínimos cuadrados ordinarios con el programa estadístico Statgrapihcs Centurion XVI. Se ensayaron aproximadamente 20 modelos para predecir la biomasa y el carbono de cada componente del árbol (hojas, ramas, fuste, raíz), para la biomasa leñosa del árbol (fuste, ramas y raíz) y para el individuo total, usando como variable independiente el diámetro normal (DAP a 1.3 m sobre el nivel del suelo). El rango diamétrico osciló entre 1.1 cm y 47.2 cm.
En la selección de la ecuación de mejor ajuste se tomó como referencia la metodología expuesta por Salas (2002) y Segura y Andrade (2008), considerando los siguientes estadísticos: R2 (coeficiente de determinación), EEE (error estándar de los estimados), EMA (error medio absoluto), DW (estadístico Durbin Watson), n (tamaño de la muestra), IF (índice de Furnival), E % (error del modelo o sesgo), AIC (criterio de información de Akaike). Además de esto, se calculó el ECM (error cuadrático medio), la DA (diferencia agregada) y el PRESS (la suma de cuadrados de los residuos de los predichos); estos últimos no se muestran en los resultados para simplificar la tabla en la cual aparecen los otros estadígrafos.
RESULTADOS
Proporción de biomasa por componente
El alto tamaño de muestra empleado en esta investigación (con un total de 503 observaciones) aseguró la representatividad de los individuos en toda la amplitud diamétrica observada en las plantaciones evaluadas. El fuste registró el mayor aporte a la biomasa total del árbol (57.4 %), seguido por la raíz y las ramas; por su parte, la contribución de las hojas fue muy baja (5 %). La variabilidad observada entre el aporte porcentual de cada componente a la biomasa total fue mínima, independientemente del tamaño del árbol; ello demuestra la desviación estándar y el error de muestreo, cuyo valor más alto fue de 8.06 % para las hojas (tabla 1).
Fracción de carbono por componente
Se registraron valores muy similares entre los componentes leñosos evaluados (ramas-fuste-raíz), los cuales variaron entre 44.9 % y 45.7 %, con una fracción de carbono en las hojas de 40.7 %. La variabilidad observada fue muy baja para las hojas, ramas y fuste y un poco más alta en la raíz; lo que sugiere que el cálculo de la fracción de carbono se realizó con bastante precisión, lo anterior reforzado por errores inferiores al 6.8 % (tabla 2). Las ecuaciones para estimar biomasa y carbono (tabla 3) producen variaciones en la fracción de carbono por componente dependiendo del diámetro normal de los árboles. Esta variación es mínima y en promedio representa 0.8; 0,4; -0,1 %, en el fuste, hojas y ramas-raíz, respectivamente; valores que están dentro del margen de error (E %) determinados para los modelos (tabla 3).
B total-C total: biomasa-carbono del árbol completo; B fuste-C fuste: biomasa-carbono del fuste; B ramas-C ramas: biomasa-carbono de ramas; B raíz-C raíz: biomasa-carbono de raíz; B hojas-C hojas: biomasa-carbono de hojas; B leñoso-C leñoso: biomasa- carbono de componente leñoso; exp: exponente; Dap: diámetro normal a 1.30 m sobre el nivel del suelo (cm); ln: logaritmo natural; R2, EEE, EMA, DW, n, IF, E % y AIC fueron definidos en la metodología.
Modelos predictivos de biomasa y carbono
La tabla 3 y figura 1 muestran las estimaciones de los parámetros y las estadísticas de bondad de ajuste tanto para el modelo elegido por árbol como por componente. Todas las estimaciones de los parámetros fueron significativas (α = 0.05). A pesar de que todos los modelos registraron buen ajuste en la biomasa total del árbol, en el componente leñoso (fuste y raíz) el valor de R2 fue ligeramente superior; caso contrario para el EEE, EMA. Igual comportamiento se da en los modelos de carbono, pero con ligeras variaciones en el ajuste (R2 más bajo), valores de EEE y EMA más altas y cifras de ECM, E (%) y AIC más bajas.
Los resultados indican una fuerte relación positiva entre el diámetro y la biomasa o el carbono, la cual se confirma con el coeficiente de determinación (R2). En este caso, para todos los modelos seleccionados, el diámetro explicó entre 94.1 % y 95.8 % de la varianza observada en biomasa o en carbono. El valor de los estadísticos EEE y EMA presentan cifras muy bajas (< 0.35), lo que evidencia un error máximo en la estimación de 0.35 kg, según el componente evaluado. En todos los casos el error o sesgo fue igual o inferior al 5.1 %, condición que se observa en la figura 1b al ubicarse la nube de puntos muy cercana a la línea de tendencia central.
DISCUSIÓN
Proporción de biomasa por componente (factor de expansión de biomasa)
La proporción de componentes en la biomasa aérea varía según las especies (Blujdea et al., 2012; Mensah et al., 2016; Sreejesh et al., 2013). De la misma manera, conforme el árbol crece el aporte relativo a la biomasa aérea del fuste y las ramas aumentan; mientras que el de la de hoja y corteza disminuye. Según Mensah et al. (2016) y Pajtík et al. (2011), la biomasa leñosa generalmente se acumula a expensas de la biomasa de la hoja, asignando más recursos para madera y ramas a medida que aumenta el tamaño con el objetivo promover la altura y el crecimiento de la copa para superar la competencia por la luz con los árboles vecinos.
En este estudio el fuste representó el 57.4 % y las ramas el 15.3 % de la biomasa total, ambos con corteza. González et al. (2014) reportan para la misma especie una contribución inferior para el fuste pero mayor para las ramas (39.6 % y 28.6 %, respectivamente). Por su parte, Sreejesh et al. (2013) reportaron que un 75 % de la biomasa total correspondía a la suma de fuste y ramas, a los cinco años de edad, valor muy similar al aquí generado. Resulta pertinente mencionar la contribución de las raíces (22.2 %), componente que (por la dificultad para ser evaluado) en la mayoría de las investigaciones es desestimado. Sreejesh et al. (2013) registraron un valor de 12 % para esta parte del árbol; lo que es significativamente inferior al aquí generado.
Estos valores siguen el mismo patrón demostrado para otras especies en el mundo. Autores como Vargas et al. (2017) reportan que la biomasa en el tallo de pino varió de 63 % (Pinus oocarpa Schiede ex Schltdl.) a 80.9 % (Pinus lumholtzii B.L.Rob. & Fernald) y las ramas el 14.9 %. En el caso de roble, el fuste acumuló el 59.5 % (Quercus rugosa (Masam.) J.C.Liao) y 65.3 % (Quercus durifolia Seemen) y las ramas el 22.2 %. Para Eucalyptus grandis el 88.8 % del carbono aéreo se encuentra en el fuste y el 8.9 % en las ramas (Ramírez y Chagna, 2019).
El follaje es el componente del árbol con menor aporte (5.0 % en este estudio), cifra consistente con lo reportado en la literatura: 3.3 % en Pinus y 4.0 % en Quercus (Vargas et al., 2017); 2.36 % en Eucalypytus grandis W. Hill (Ramírez y Chagna, 2019); 3.6 % en abedul (Betula pubescens Ehrh); 2.6 % en roble (Gómez et al., 2013); y 3 % en Eucalyptus (Cerruto et al., 2015).
Según Dimobe et al. (2018), el porcentaje de biomasa foliar disminuye conforme aumenta el diámetro del árbol. Ello debido a que las hojas se producen en las ramas más jóvenes, lo que implica que la masa de follaje por unidad de masa de rama disminuya a medida que los árboles crecen. De la misma manera, Sreejesh et al. (2013) registraron cambios significativos en el aporte de los distintos componentes a medida que avanza la edad.
Fracción de carbono por componente
La concentración de carbono promedio de la biomasa de los diferentes componentes, obtenida en este estudio, se encuentra dentro de los límites reportados para otras especies, tanto en la nación como en otros países (fuste 45.5 %, ramas 44.9 %, hojas 40.7 % y raíz 45.7 %). Al respecto, Sreejesh et al. (2013) reportaron fracciones de carbono muy similares a las aquí generadas: 46 % en promedio para fuste y ramas y 40 % para raíz; adicionalmente reportaron la de corteza con 32 %. Por su parte, López et al. (2018) determinaron en Guatemala un factor de conversión de la biomasa a carbono de 0.5311.
Para Costa Rica se reporta en Alnus acuminata Kunth, para todos los componentes, entre 37 % y 44.4 % (Fonseca et al., 2013); así como para Vochysia guatemalensis Standl entre 43 % y 48.6 % y entre 45.9 % y 49.2 % para Hieronyma alchorneoides Allem. (Fonseca et al., 2012).
Modelos predictivos de biomasa y carbono
El ajuste logrado en los modelos elegidos se considera muy satisfactorio para todos componentes. El valor más bajo de R2 obtenido fue de 0.94 para hojas y ramas; por su parte, el más alto corresponde a 0.95 para la biomasa total (tabla 3). Los datos generados se encuentran dentro del intervalo reportado en estudios similares por diferentes autores. Para T. grandis se reportan muy pocos estudios similares que permitan comparar la bondad de la metodología empleada y los resultados obtenidos. En ese sentido, Malimbwi et al. (2016) reportaron modelos para predecir biomasa en plantaciones para la especie, a partir del diámetro normal, para un rango diamétrico entre 6 cm y 84.4 cm y registraron valores de R2 superiores a 0.91; el valor inferior se obtuvo para las ramas (0.87), situación similar a la presentada en la presente investigación. Por su parte, Ruiz et al. (2019) registraron valores de R2 promedio de 0.99 para los modelos generados para hojas, ramas, fuste y la biomasa total; no obstante ese buen ajuste, el error estándar obtenido fue de hasta 0.2561.
Lo más cercano para esta especie fue desarrollado por Pérez y Kanninen (2003) para Costa Rica, pero con árboles producidos con semilla y con un manejo de la plantación poco intensivo (característico de las décadas de 1980 y 1990, cuando apenas iniciaba el cultivo de la madera). Esta situación resalta la pertinencia de los resultados obtenidos en la presente investigación.
Pérez y Kanninen (2003), con una muestra de 40 árboles, generaron modelos para el árbol y por componente con ajustes muy satisfactorios (R2 > 85 %), la cifra más baja para las hojas, muy similar a lo obtenido en este estudio (R2 > 94 %). Mientras que López et al. (2018), también con teca, para una plantación de 14 y 15 años desarrollaron un modelo de predicción de biomasa del fuste con un R2 ajustado de 0.89 usando como variables independientes el diámetro y la altura.
El follaje y ramas son componentes que muestran una correlación inferior con el diámetro, pues presentan ajustes inferiores al fuste, a la raíz o árbol completo. Esta situación se dio en el presente estudio y ha sido demostrado por Fonseca et al. (2009), quienes lograron ajustes (R2) de 0.89 y 0.92 para hojas y ramas y cifras mayores a 0.98 para la raíz, fuste y árbol completo, esto con Vochysia guatemalensis; o de 0.9 para hojas y ramas y mayor a 0.95 para los otros componentes para Hyeronima alchorneoides. Según Muñoz et al. (2008), la biomasa de las fracciones de copa se consideró la más difícil de modelar.
El mismo comportamiento ocurre con modelos para especies en bosque natural. Para este ecosistema Fonseca et al. (2019) lograron ajustes de 0.87 y de 0.93 para hojas y ramas respectivamente, y un R2 mayor a 0.94 para los otros componentes (incluyendo la biomasa leñosa y el árbol completo). Por su parte, Jiménez et al. (2019) lograron ajustes similares (R2 = 0.96) para todos los componentes con Guazuma ulmifolia Lam. en bosque natural y en sistema silvopastoril.
CONCLUSIONES
Se ratifica que los modelos alométricos son opciones prácticas para estimar o predecir la biomasa o el carbono en los ecosistemas forestales. El modelo elegido para cada componente del árbol y para el árbol completo presentó una bondad de ajuste muy buena (R2>94 %) con bajo error de estimación (E< 5 %). Tiene la ventaja de la simplicidad en su uso por utilizar como variable predictora el diámetro, el cual es muy fácil de medir e indispensable para muchos cálculos en el área forestal; además de estimar la biomasa o el carbono con precisión y confiabilidad si es usada en ecosistemas similares y para el rango de distribución diamétrica con que fue desarrollada. Así mismo, otra información pertinente como la fracción de carbono en la biomasa y los factores de expansión se convierten en indicadores nacionales que, junto con los modelos alométricos, permiten y facilitan calcular con mayor exactitud el aporte del ecosistema a la mitigación del cambio climático. Se debe tener especial atención al aporte de cada componente del árbol a la biomasa total al asignar recursos para cuantificarlos, pues el follaje es el componente al que se le debe asignar menor esfuerzo y recursos para inventariarle.