autoecologia del cerezo de monte {prÜnus avium l .) …oa.upm.es/220/1/07200428.pdf · 2014. 9....
TRANSCRIPT
UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MONTES
AUTOECOLOGIA DEL CEREZO DE MONTE {PRÜNUS AVIUM L . ) EN
CASTILLA Y LEÓN.
T E S I S DOCTORAL
ÓSCAR CISNEROS GONZÁLEZ
I n g e n i e r o de Montes 2004
DEPARTAMENTO DE SILVOPASCICULTURA
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MONTES
UNIVERSIDAD POLITÉCNICA DE MADRID
AUTOECOLOGIA DEL CEREZO DE MONTE {PRUNÜS AVIUM h.) EN
CASTILLA Y LEÓN.
A u t o r :
ÓSCAR CISNEROS GONZÁLEZ
Ingeniero de Montes
D i r e c t o r :
OTILIO SÁNCHEZ PALOMARES
Doctor Ingeniero de Montes
2004
Tribunal nombrado por el Mgco. y Excmo. Sr. Rector de la Universidad Politécnica de
Madrid, el día de de 2004
Presidente D.
Vocal D.
Vocal D.
Vocal D.
Secretario D.
Realizado el acto de defensa y lectura de la Tesis el día de
de 2004
en
Calificación
EL PRESIDENTE LOS VOCALES
EL SECRETARIO
ESTA TESIS DOCTORAL HA SIDO REALIZADA EN EL CENTRO DE INVESTIGACIÓN Y
EXPERIENCIAS FORESTALES VALONSADERO, DE LA JUNTA DE CASTILLA Y LEÓN,
GRACIAS A UNA BECA FREDOCTORAL DEL I.N.I.A. INSCRITA DENTRO DEL
PROYECTO SC98-061-C3-3
AGR2U)ECIMIENT0S.
De bien nacidos es ser agradecidos, así que me gustaría reseñar
algunas personas imprescindibles en este trabajo.
El Doctor Otilio Sánchez Palomares, mi director y maestro, ha estado
siempre disponible para resolver mis dudas y orientarme en el
enrevesado mundo de interrelaciones, flechas, flujos y gradientes que
es la autoecología. Su pasión por estos temas sólo es comparable con
su pasión por la música, y su tutela es lo único que no me ha cansado
de la tesis.
El Doctor Alberto Madrigal Collazo, me dirigió en mi primera
aproximación a las frondosas en el proyecto fin de carrera, además de
proporcionarme todo el conocimiento sobre selvicultura y ordenación de
montes que obtuve durante la carrera.
El personal del Centro de Investigaciones y Experiencias Forestales de
Valonsadero, de la Junta Castilla y León:
Ana Hernández, a la cabeza del Centro, ha puesto los medios
necesarios para que se inicie, se desarrolle y se concluya este
trabajo. Espero que la paciencia y la confianza que demuestra
continuamente se vean ligeramente compensadas con este documento.
Manuel Frías ha coordinado y trabajado en todo el muestreo de campo,
al nivel del suelo, bajo el suelo y a varios metros sobre el suelo,
con el entusiasmo y la dedicación que pone en todos sus trabajos.
A lo largo de los años hemos tenido la inmensa suerte de contar con
un excelente personal de campo. Aurora Cabreras, Andrés Vadillo,
Bonifacio Soria, Antonio Rubio y Enrique Peñaranda han colaborado en
gran parte del trabajo de campo. Aunque me da la impresión de que no
compartían mi interés personal por avanzar en el conocimiento de la
ecología del cerezo, se han dedicado con extraordinaria ilusión a
esta tarea. Además siempre iban y venían muy aseados, a diferencia de
mí.
La última parte del trabajo de campo la llevaron a cabo Jesús Andrés,
Eva González, Marta Maté y Alberto Drake, en una bonita turné por
provincias, con la vista puesta en el horizonte. En el horizonte d,
para ser exactos.
El trabajo del laboratorio de suelo ha sido realizado con la
solvencia habitual por Marisa de Diego, por lo tanto ningún resultado
es incorrecto. Parte de este trabajo ha recaído sobre Roberto
Morales, que siempre trabaja oyendo Radio 2 para que las muestras
estén relajadas.
Fernando Rubio se ha encargado de solicitar, ordenar y almacenar la
bibliografía, además de hacerme las dietas. Por el contrario Aurora
Izquierdo ha impedido que me ponga a dieta gracias a los coquitos y
otras fuentes de hidratos de carbono. Luis Peña ha hecho que el
Centro sea más seguro, y Andrea que sea más habitable.
Los compañeros dedicados a la investigación, Fernando Martínez,
Marina Fernández, Pilar Modrego, Loli González, Bea Águeda, Tere
Agreda y Patricia Adame no han hecho nada en esta tesis, lo cual
habla de nuestro elevado nivel de especialización.
Rafael Alonso, hoy en el exilio, está realizando una brillante tesis
similar a ésta, pero sobre arbustos. Le he copiado numerosas macros
de Arclnfo, sin ánimo de lucro.
También han colaborado los alumnos sin criterio a los que he dirigido
en sus estudios fin de carrera: Fernando Serrano, Clara Galán, David
García, Marta Lázaro, Emilio Antón, Javier Antón, Eloy Vaquero,
Begoña Galán, Cristina Miguel, Roberto Sanz, Raquel Pérez y Raúl
Llórente.
El personal del CIFOR-INIA, esa especie de Lourdes donde acudimos
cuando no sabemos hacer tesis. El Doctor Gregorio Montero, tan caro de
ver, facilitó mi estancia y me ha asesorado en la realización de los
modelos del capítulo II. Además es el ejemplo vivo de que con esfuerzo
se puede llegar muy lejos, por lo menos hasta el kilómetro 7,5 de la
Carretera de la Coruña, desviación Hipódromo. El Doctor Rafael Calama,
el funcionario Andrés Bravo y la becaria Mariola Sánchez colaboraron
estrechamente en la construcción de las curvas de calidad y en los
análisis posteriores. El resto de la gente (Isabel Cañellas, Mirem del
Río, Ángel Bachiller, Ricardo Ruiz, Enrique, Fernando Montes, Sonia
Roig, Miriam Piqué, Mario, Marta Muñoz, Guillermo Madrigal) no dudaron
que entregaría la tesis en junio, aunque no les dije de que año.
Roberto Vallejo, del Ministerio de Medio Ambiente, me ha facilitado la
información digital necesaria para este trabajo, a un precio muy
razonable.
José Miguel Sierra nos coordina desde Valladolid y se ha mostrado muy
comprensivo con mi dedicación a la tesis.
El personal de la Junta de Castilla y León, agentes y técnicos de las
distintas provincias han facilitado enormemente el trabajo de campo.
A todos, muchas gracias.
A mis padres, Antonio y Mary.
A Marimar y Yago (y a quien venga), mi vida.
A mis hermanos Caty, Yordi, Lourdes, Susi y John.
"£n la Naturaleza no hay superior ni inferior, ni cosas accesorias y
principales. Estas jerarquías que nuestro espíritu se complace en
asignar a los fenómenos naturales, proceden de que, en lugar de
considerar las cosas en sí y en su interno encadenamiento, las miramos
solamente en relación a la utilidad o el placer que puedan
proporcionarnos. En la cadena de la vida todos los eslabones son
igualmente valiosos, porque todos resultan igualmente necesarios."
Reglas y Consejos Sobre
Investigación Científica.
Los Tónicos de la Voluntad.
Santiago Ramón y Cajal, 1897.
DKMmi
RESUMEN V
SUMMARY vii
INTRODUCCIÓN
Introducción 1
ANTECEDENTES
1. Descripción de la especie 3
1.1. Descripción botánica 3
1.2. Distribución 4
1.3. Regeneración natural 5
1.4. Uso forestal y uso agrícola 6
1.5. Plagas y enfermedades 19
2. Información previa sobre autoecología del cerezo de monte 21
2.1. Factores climáticos 21
2.2. Factores fisiográficos 23
2.3. Factores edáficos 25
CAPÍTULO I. HABITAT DEL CEREZO DE MONTE EN CASTILLA Y LEÓN
1. Introducción 31
2. Material y métodos 33
2.1. Distribución 33
2.2. Elección de puntos de muestreo 34
2.3. Obtención de datos 37
2.4. Obtención de parámetros 3 8
2.5. Definición de hábitats 44
2.6. Análisis estadístico 45
3. Resultados 46
3.1. Determinación de hábitats 46
3.2. Distribución de los parámetros 49
3.3. Análisis de correlación 55
DcaBDOi
3.4. Análisis de componentes principales 66
3.5. Análisis de coordenadas principales 71
3.6. Análisis de escalamiento multidimensional 77
4. Discusión 87
4.1. Descripción y distribución de los
parámetros en los distintos hábitats 87
4.2. Análisis de la correlación 108
4.3. Análisis de componentes principales 117
4.4. Análisis de coordenadas principales 121
4.5. Análisis de escalamiento multidimensional 125
5. Conclusiones 129
CAPÍTULO II. RELACIÓN ENTRE CALIDAD DE ESTACIÓN Y
PARÁMETROS ECOLÓGICOS
1. Introducción 133
2. Material y métodos 137
2.1. Datos empleados 13 7
2.2. Asignación de un índice de
calidad a las parcelas 138
2.3. Modelo de incremento diametral
de árbol individual 147
3. Resultados 151
3.1. Curvas de crecimiento 151
3.2. Selección del índice y la edad
de referencia 154
3.3. Relación entre el índice de sitio y
los parámetros ecológicos 156
3.4. Relación entre incremento diametral y
parámetros ecológicos 169
4. Discusión 180
4.1. Curvas de crecimiento 180
XI
DDÍMXII
4.2. Relación entre índice de calidad y
parámetros ecológicos
5. Conclusiones
185
194
CAPITULO III. MODELO DIGITAL DE ÁREA DE EXPANSIÓN
1. Introducción 197
2. Material y métodos 200
2.1. Parámetros empleados en la modelización 200
2.2. índice de potencialidad 201
2.3. Modelos digitales 202
3. Resultados 205
4. Discusión 210
5. Conclusiones 213
CONCLUSIONES
Conclusiones 2 1 5
BIBLIOGRAFÍA
B i b l i o g r a f í a 217
ANEXO
Tabla 1. Parámetros climáticos pluviométricos
Tabla 2. Parámetros climáticos térmicos
Tabla 3. Parámetros climáticos termopluviométricos
Tabla 4. Parámetros fisiográficos
Tabla 5. Parámetros edáficos físicos
Tabla 6. Parámetros edáficos químicos
Tabla 1. Parámetros edafoclimáticos
227
228
229
230
231
232
233
AUTOECOLOGIA DEL CEREZO DE MONTE (Prunus avium L.) EN CASTILLA Y LEÓN.
RESUMEN.
El cerezo de monte (Prunus avium L.) es un árbol que aparece
como especie secundaria en numerosos bosques de las montañas que
bordean Castilla y León. Su madera es la más apreciada entre las
Rosaceas europeas. Actualmente se emplea en toda Europa en
reforestación de tierras agrarias y en plantaciones de
enriquecimiento.
En este trabajo se ha estudiado la autoecología del cerezo
aplicando la metodología desarrollada en anteriores trabajos de
autoecología de especies forestales en España. En primer lugar se ha
determinado la distribución de la especie en Castilla y León.
Posteriormente se ha realizado la estratificación de este territorio
para escoger 50 parcelas representativas. Para cada parcela se han
elaborado parámetros ecológicos caracterizadores de distintos aspectos
del biotopo: 16 climáticos, 10 fisiográficos, 17 edáficos y 3
edafoclimáticos.
El estudio de su variabilidad permite determinar los hábitats
centrales y marginales. Los primeros definen un rango ecológico en el
que la especie puede ser implantada con fiabilidad dentro de Castilla
y León. Se realizó un estudio multivariante para analizar la
importancia relativa de cada parámetro y las relaciones entre ellos.
Los análisis realizados son de correlación, componentes principales,
coordenadas principales y escalamiento multidimensional.
El crecimiento en diámetro se ha modelizado mediante la ecuación
de Bailey y Clutter. Se ha propuesto como índice de calidad el
diámetro medio de la parcela a los 50 años, ya que la aproximación
habitual mediante la relación altura-edad no funciona bien en los
bosquetes de cerezo. La relación entre crecimiento y parámetros se ha
llevado a cabo desde dos puntos de vista: desarrollando modelos de
predicción de calidad de estación y estudiando la influencia de los
parámetros en el modelo de incremento diametral. Los modelos de
predicción de calidad de estación estudiados son de regresión
múltiple, análisis discriminante y árboles de clasificación.
Se ha elaborado un modelo digital de potencialidad del cerezo en
Castilla y León. Se basa en la distribución de 7 parámetros climáticos
y fisiográficos y en el modelo de calidad de estación.
AUTECOLOGY OF WILD CHERRY (Prunus avium L.) IN CASTILLA Y LEÓN.
SÜMMARY.
Wild cherry {Prunus avium L.) is frequently found as a minor
component of many woodlands all over the mountains that surround
Castilla y León. It is the tnost important European timber species in
the family Rosaceae. Wild cherry is used extensively in Europe for the
afforestation of agricultural land and it is also valued for wildlife
and amenity plantings.
In this work we have study the autecology of wild cherry
applying similar methodologies to former autecological studies of
forest trees in Spain. First of all, the natural distribution in
Castilla y León has been determined. This territory has been
stratified in order to select 50 representative stand sample plots. On
each plot, several ecological parameters have been calculated: 16
climatic parameters, 10 physiographic parameters, 17 edaphic
parameters and 3 edapho-climatic parameters.
The analysis of the ecological variation of each parameter
allows US to establish their central and marginal valúes. The central
valúes define a range of ecological conditions where this tree can
succesfully live in Castilla y León. In order to know the relative
importance of each parameter and the relationship between them, a
multivariate statistical analysis has been carried. This analysis
includes correlation analysis, principal component analysis, principal
coordínate analysis and multidimensional scaling.
The diameter growth pattern was described with the growth
function developed by Bailey and Clutter. The convencional height-age
site Índex does not work in wild cherry stands, and it was found that
the mean diameter of the stand at 50 years can be a better site index.
The parameters-growth relationships were studied in two differents
ways: developping models to predict site index from ecological
parameters and studing the importance of ecological parameters on the
diameter increment model. The site index models include múltiple
regression, discriminant classification and classification-tree
analysis.
A digital model for potential áreas of wild cherry in Castilla y
León has been elaborated. This model is based on the analysis of the
range of 7 climatical and topographical ecological parameters and on
the site index model.
vxx
INTRODUCCIÓN
DKnplSíoXDQíKaaora
INTRODUCCIÓN.
Los estudios de autoecología de especies forestales se
desarrollan en España desde 1967. En sucesivos trabajos,
investigadores del antiguo IFIE, INIA y de la ETS de Ingenieros de
Montes de la UPM han abordado el estudio de Pinus pinaster Ait., Pinus
sylvestris L., Pinus halepensis Mili., Pinus radiata D. Don, Pinus
nigra Arn., Pinus canariensis Sweet., un estudio conjunto de todos los
pinares presentes en España, Fagus sylvatica L. , Castanea sativa
Mili., y Quercus súber L. Actualmente están en marcha los estudios de
Quercus pyrenaica Willd., Quercus faginea Lamk. y Juniperus thurifera
L.
En esta línea de trabajo ha sido fundamental la colaboración de
los distintos organismos de gestión y de investigación forestal de las
Comunidades Autónomas. En particular, el Centro de Investigación
Forestal de Valonsadero, de la Junta de Castilla y León, ha colaborado
estrechamente en esta línea de investigación desde hace 15 años, de
forma que se ha convertido en una de sus principales áreas de trabajo.
Diversas tesis realizadas y otras en curso, entre las que se incluye
este trabajo, avalan la especialización en ecología forestal de este
Centro.
Según Margalef (1989) la autoecología es la ecología de las
especies o de los individuos, considerados aisladamente. Para este
autor esta parte de la ecología ^''Tiene que ver con las características
del medio externo y como responden a ellas los organismos" (...) . "£n
realidad se trata de una fisiología «al aire libre>>, complementada
de un repaso de cuáles son las características de los ambientes
naturales y de la forma en que el análisis científico las descompone
en una serie de <<factores>>". En esta línea se han planteado los
estudios de autoecología de especies forestales, para determinar los
rangos de estos factores y cuantificar su influencia sobre la
adaptación y el crecimiento.
La necesidad de estudiar la autoecología del cerezo (Prunus
avium L.) en Castilla y León surgió en el CIEF Valonsadero al avanzar
en diferentes proyectos de investigación sobre selvicultura y genética
de la especie. Para dar respuesta práctica a algunas cuestiones de
base como evaluar objetivamente la aptitud de diferentes parcelas a la
implantación de la especie, estimar su crecimiento, delimitar regiones
de procedencia o establecer recomendaciones de uso del material
1
DDÍlifISQIMXSaigK]
forestal de reproducción, sé consideró fundamental disponer de los
conocimientos necesarios sobre la influencia que el clima, la
fisiografía y el suelo ejercen sobre la especie.
Este trabajo se ha planteado siguiendo la metodología global
establecida en los citados ti'abajos. En primer lugar se ha revisado la
información disponible sobre ecología de la especie. En el capítulo I
se aborda el estudio del habitat de la especie, así como la
descripción de la relación entre los distintos parámetros de la
estación. Las relaciones entre calidad de estación, crecimiento y
parámetros ecológicos se estudia en el capítulo II. Por último se
aplica la información generada en los dos primeros capítulos al
estudio de la aptitud del territorio de Castilla y León para la
reforestación con cerezo.
2
/¡teO^uBQlMlCíñniif
1. DESCRIPCIÓN DE LA ESPECIE.
1.1 Descripción botánica
Prunus avium L. es un árbol perteneciente a la familia de las
Rosáceas. El fuste alcanza los 20-30 m, es recto hasta el extremo de
la copa y su corteza es lisa, anillada, formándose ritidoma negro en
base cuando el árbol es añoso. La copa es amplia, piramidal, más o
menos alargada según el ambiente de crecimiento del árbol. Las ramas
son divergentes, erecto-patentes e inermes y tienden a agruparse en
pseudoverticilos característicos de la especie (Ruiz y Ceballos,
1979) . Las ramillas son glabras, lisas, de color pardo rojizo, cuya
corteza se descompone en laminillas papiráceas. Hojas (5)6-15 x 3-8(9)
cm, obovadas, oblanceoladas o + largamente elípticas, acuminadas, con
el margen crenado o aserrado y dientes glandulíferos, de haz verde
mate y glabra y envés + pubescente; pecíolo 1,5-4,5(5) cm, por lo
general con dos gruesas glándulas rojizas o negruzcas cercanas a la
unión con la lámina. Flores 2-6, largamente pediceladas, olorosas,
coetáneas respecto a las hojas nuevas, en fascículos umbeliformes y
sésiles. Pétalos 8-17 mm, patentes o erectopatentes, blancos. Fruto 9-
.17(20) mm, globoso o cordiforme, glabro, de color rojo + oscuro -
amarillo crema o casi negro en las razas cultivadas-, sin pruína,-
mesocarpo carnoso, dulce o algo amargo; endocarpo subgloboso, casi
liso (Castroviejo, 1998) .
El sistema de ramificación es monopolice; la yema terminal
genera todo el crecimiento anual en altura y las ramas crecen de forma
diferida respecto al eje principal, por lo que establece una jerarquía
clara en la estructura del árbol. En la figura 1.a se representa el
crecimiento de dos años. Esta jerarquía se repite en cada rama. En la
figura 1 se aprecia el desarrollo del árbol, desde el desarrollo de
eje inicial (1) , que rápidamente da lugar a la construcción de un
tronco con jerarquía bien definida, similar a la de las coniferas
(2) , hasta la edad adulta (3) momento en que la arquitectura se repite
con mayor o menor frecuencia en las ramas y se empieza a perder la
dominancia del eje principal para llegar a la formación de una copa
plana (4) (Caraglio, 1996).
3
/I\nffíríl(gMB)f^lffiTRST
Figura 1. Desarrollo del cerezo (Caraglio, 1996)
La raíz no suele ser pivotante, la mayoría de las veces es
fasciculada y ramificada, con una parte importante del desarrollo
cercano a la superficie. Es muy habitual la producción de rebrotes.
1.2 Distribución
Según la revisión realizada en CAB (2000) , el área original del
cerezo silvestre se sitúa en la región del Cáucaso y en los Balcanes,
mientras que en Europa Central se encuentra desde el final del periodo
glacial. Actualmente se distribuye de forma continua desde Irlanda,
Gran Bretaña y sur de Escandinavia hasta el sur de Italia y desde el
norte de España hasta el Cáucaso, en las proximidades del mar Caspio.
Existen áreas aisladas en el sur de España, en el norte de África y
alrededor del mar Negro. La domesticación de la especie debió ocurrir
en las poblaciones del oeste de Asia y posteriormente fueron llevadas
hacia el oeste por los griegos, aunque fueron los romanos los que
extendieron su cultivo frutal. El uso frutal hace difícil discriminar
las poblaciones en las que la especie es silvestre de aquellas cuyo
origen ha propiciado el homt)re.
El rango latitudinal de la especie va de 60° norte a 36° sur.
4
/¡\nffi7BgfWHMffl7Biy
/ ,-.''
iX' A
. ' U í" - . / "-•
^\,t-y , • N ^'
/ v \ ' i \ \ \ /
(y
^ c-'
^ • ^ ^
i V-i
N
) /
/
\ \,. 1
-p
-^:? „ . ->-^- -N
j , í í - — •
r-K / \
/ L..,
K/ S~'\ í
..-
/! ,
( 1
/ / h
. . . - • ' • •
\' '"' ^v
Figura 2. Distribución del cerezo de monte según Becker et al. (1982 en Boulet-Gercourt (1997)
1.3 Regeneración natural
En los montes de Castilla y León las cerezas maduran desde
mediados de junio hasta agosto, siguiendo el gradiente latitudinal
sur-norte. Las semillas pueden conservar su viabilidad en el suelo
durante 2 ó 3 años. Se ha comprobado que un aumento rápido de la
temperatura en primavera actúa como inductor de la dormición, de forma
que el banco de semilla del suelo se divide en grupos de semillas que
germinarán en distintos años (Suszka et al., 1994). La especie se
expande básicamente mediante la distribución de las semillas por las
aves, en particular la presencia de cerezos en límites de masa, setos
y bordes de caminos se relaciona con estos animales. Según estudios
realizados por Turcek (1968, en Pryor, 1988) la inmensa mayoría de las
semillas se quedaban a 50 m del árbol estudiado, aunque evidentemente
una pequeña proporción llega mucho más lejos. Fernandez et al. (1994)
sitúan en 2 km la media de distancia a la que pájaros y mamíferos
distribuyen las semillas.
A pesar de la que la dispersión de la especie se produce
mediante la semilla, la estabilización de los bosquetes en los que
típicamente se agrupa está relacionada con la propagación mediante
brotes de raíz. En algunas observaciones realizadas a este respecto
/2i(y)Tr®(B32JU2xaia ©ai, Q I E ^ Í ® njg csicsHnrB il^MxíjywamvEa\^ [lea (SQ =ijmiLffl v íLiKam,
/«tenriiQisSMmiy
hemos observado un importante comportamiento clonal. Hay árboles con
una extraordinaria capacidad para rebrotar (más de 3 0 brotes en una
raíz de 40 cm.), mientras que otros no emiten ningún renuevo. Aunque
el radio medio en el que se desarrollan chirpiales es de 10 m, se han
encontrado clones separados 80 m (Fernandez et al., 1994). En otros
estudios se ha determinado el área en el que se desarrolla un clon
mediante rebrotes ocupa hasta 5200 m (Frasearla et al., 1993). Estos
datos dan idea de la importancia que la reproducción vegetativa tiene
en la reproducción del cerezo.
El vigoroso desarrollo inicial de los brotes de raíz supone una
ventaja en la lucha por la luz y el espacio frente a otras especies
vegetales o frente a los brinzales. Por otra parte, una vez que el
árbol se ha establecido en un claro, sus chirpiales inician el
desarrollo antes de que el árbol pueda producir semillas viables, por
lo tanto es muy habitual que junto a un árbol maduro aparezcan clones
jóvenes en vez de brinzales (Ducci y Santi, 1997) . Cuando las semillas
del cerezo de más edad pueden producir una regeneración abundante, el
espacio está ocupado por chirpiales y por otras especies más
tolerantes y la regeneración del bosquete queda ralentizada aunque las
semillas servirán para la propagación mediante las aves. Por lo tanto,
se define como especie de luz, ya que necesita una intensidad luminosa
elevada para llevar a cabo sus funciones de reproducción, germinación
y desarrollo.
Es una especie dispersa, pues coloniza tan solo los claros que
se producen en los bosques, y los bordes de los mismos. Soporta mal la
cubierta, huyendo de la competencia directa de sus semejantes.
1.4 Uso forestal y uso agrícola.
1.4.1 Uso forestal
Características de la madera: El cerezo se emplea en el campo
forestal para la producción de madera de calidad. El destino básico es
la ebanistería, mediante el empleo de chapa a la plana, tablero
contrachapado o piezas de madera maciza. También se emplea en tornería
y carpintería de calidad, siempre en interiores. Después del nogal es
la especie que alcanza mayor precio en el mercado nacional, y sin duda
se puede hablar de una moda en la demanda de esta madera.
La madera es de duramen rosado pálido-marrón, la albura es más
clara y bien diferenciada, al igual que los anillos de crecimiento.
Tiene un veteado lustroso. Fibra recta y grano fino. Presenta riesgos
6
/¡toJTj1^(dM5)llMf@iy
de que se produzcan deformaciones, por lo que se aconseja secarla
lentamente. Moderadamente durable o no durable frente a la acción de
hongos y medianamente resistente o poco resistente a los insectos. La
madera de duramen no es impregnable. Buena aptitud para el curvado. El
encolado, clavado, atornillado y acabado no presentan dificultad
(Guindeo et al., 1997).
Tabla 1.- Características físicas de la madera del cerezo (Guindeo et al.
Características de la madera
Densidad (kg/m^)
Contracción
Coeficientes de contracción: total
(unitario)
Volumétrico
Tangencial
Radial
Dureza
Flexión estática (N/mm^)
Módulo de elasticidad (N/mm^)
Compresión axial (N/mm^)
, 1997)
Valores
610-630
Medianamente nerviosa
-
(0,26-0,30)
(0,16-0,18)
Semidura
83-110
9.500-11.000
44-55
Selvicultura: El cerezo no es un árbol longevo y tiene
importantes pérdidas de vigor a partir de los 70 años, cuando es
frecuente la aparición de pudriciones, aunque puede superar los 100
años. Se recomienda un turno cercano a 60 años, 40 en las mejores
estaciones. La selvicultura adecuada del cerezo debe ser dinámica, con
rotaciones cortas. El tratamiento ideal consiste en intervenir cada 5
ó 7 años para conseguir los máximos crecimientos y minimizar el riesgo
de existencia de madera de tensión.
Montero et al. (2003) resumen en los siguientes párrafos la
selvicultura propuesta para el cerezo en plantaciones así como las
normas y tablas de producción de diversos autores europeos:
En la figura 3 se propone una curva diámetro/densidad a través
de la información recogida en Hubert (1980), Thill (1975) y D.Duyck,
(en Boulet-Gercourt, 1997), consideradas las más recomendables para
plantaciones puras. Las diferencias observadas entre estos tres
autores derivan de las distintas estaciones y tratamientos de la masa
en que se han tomado los datos. En árboles medidos en el Sistema
Ibérico, en las provincias de Soria y Burgos, hemos encontrado que el
rango de edad-altura en que se mueven los árboles es muy similar. El
modelo de Thill (1975) puede ser adecuado para estaciones óptimas del
cerezo y una densidad de plantación media-alta (tabla 2). Para árboles
que han crecido en una menor densidad, sin elevada competencia, puede
7
aiMBQMMlGífiniiy
s e r adecuado el modelo Malo (1976, en Guitton et al., 1990), mientras
que el de Hubert (1980) puede considerarse como intermedio entre ambos
(tablas 3 y 4 respectivamente).
N" de pies/ha
Rslaclón msdlB (Hubert, 111111 y Duyck)
'-*-1ntBrv«nciones propueslBS
1 • Clara, llegar hasta 658 pies/ha. Aprox. año 13-15
2"clara (658 -> 465 pies/ha), aflo 16-19
3'clara (465->268 pies/ha), aflo 21-25
4 ' clara (265 -> 174 pies/ha), año 31-38
5' clara (174 -> 122 pies/ha), año 42-50
6° clara (122-> 90 pies/ha), año 52-63
Corta final, año 60
:io 40
diámetro
Figura 3.- Relación entre la densidad en número de pies/ha y el diámetro medio para plantaciones puras de cerezo
Tabla 2.- Modelo aelvxcola propuesto por Hubert (1980) para estaciones óptimas del cerezo y una densidad de plantación media-alta
Intervención
Clara
Clara
Clara
Clara
Corta final
Altura total (m)
14
17
20
24
28
Edad (aproximada)
27-32
34-40
41-49
50-60
60-72
Diámetro (cm)
26
32
39
48
57
Tabla 3.- Modelo selvzcola propuesto por Thill plantaciones desarrolladas en baja densi
Intervención
Clara
Clara
Clara
Clara
Clara
Clara
Clara
Clara/Corta final
Clara/Corta final
Corta final
Edad (aproximada)
14-16
20-24
26-31
34-40
40-48
47-57
53-64
60-72
80-67
88-73
Diámetro (cm)
,13
19
25
32
38
45
51
57
64
70
N° pies/ha
400
200
156
111
83
(1975) para dad
N° pies/ha
816
494
331
235
204
156
123
100
82
69
Emi'(sssmMm\ ©HL aas^® [le \sssmm ií^&mmr/SímmK]) Sea ea^írayLa v t@®ca, 8
/IVi^hfi^ci^D-MyriTm^
Tabla 4.- Modelo selvícola definido por Malo (1976, en Guitton et al. (1990) para plantaciones de cerezos de densidad media
Intervención
Clara
Clara
Clara
Clara
Corta final
Altura total (m)
14
17
20
24
28
Edad (aproximada)
27-32
34-40
41-49
50-60
60-72
Diámetro(cm)
26
32
39
48
57
N° pies/ha
173
123
91
65
49
Estos tres autores dan unas relaciones díámetro-n° de pies y
diámetro-edad muy aproximadas. A partir de esta relación promedio, se
proponen una serie de intervenciones (tabla 5, figura 3) que tienen en
cuenta las recomendaciones de los distintos autores y en las que se ha
alargado el tiempo entre claras con objeto de recoger mayor volumen en
cada intervención y hacerla más interesante. Para el cálculo de la
edad se utiliza el valor de incremento de circunferencia normal en 2 y
3,5 cm/año. Este valor es aproximado y se puede considerar moderado.
Tabla 5.- Régimen de claras propuesto para plantaciones de cerezo a partir del diámetro medio y la edad
Diámetro medio (cm) 12 15 20 30 40 50 60
Edad (años) 13-15 16-19 21-25 31-38 42-50 52-63 75-63
N° pies/ha antes de la clara
850 658 465 268 174 122 90
N° pies/ha después de la clara
658 465 268 174 122 90 -
Tablas de producción
Autores como Duyck (1997, en Boulet-Gercourt 1997) y Pryor
(1988) han realizado modelos de producción más completos, teniendo en
cuenta la calidad de estación o fertilidad del sitio de plantación. En
la tabla 6 se presenta el modelo desarrollado por Duyck para
plantaciones artificiales de cerezo en las que se expresa el número de
árboles por hectárea, la altura y el diámetro que alcanzan para cada
una de las calidades, el área basimétrica y el volumen. Bajo el
epígrafe masa extraída se representa el n° de árboles a cortar en cada
clara, el año en que ésta se produce y el volumen de madera que se
extrae, en cada clara y la suma de toda la madera extraída en todas
Ssm'(sms(m,®ímj\ mm, QMS^?® ©B cascínrg ilÑsmmáf ^wmi\^ üCa ea^=omM\ v teco»!!,
/¿\Ga=o=@Qi[£)[iKfini^
las claras. La última parte de la tabla indica las condiciones en que
queda la masa inmediatamente después de hacer la clara
correspondí ente.
Pryor (1988) presenta dos modelos (tablas 7 y 8) para dos
calidades de estación. Estas tablas son adecuadas para masas naturales
en densidad alta, un caso alejado del caso general planteado en este
manual pero hemos considerado interesantes incluirlas por la escasez
de información al respecto. La estructura de estas tablas es la misma
que la tabla 6.
Se incluye otra tabla (tabla 9) elaborada por el mismo autor a
partir de 92 cerezos que han crecido sin competencia, incluyendo
árboles con uso ornamental. El objeto de esta tabla era evaluar la
evolución del crecimiento en el caso de realizarse claras fuertes.
10
/AtenriiQMexaíffiímiy
Tabla 6.- Modelo de producción definido en la región de Normandía por Duyck (1997, en Boulet-Gercourt, 1997) para plantaciones de cerezo
Edad (años )
20
25
3 1
37
44
52
60
69
Hg
9 , 9
1 2 , 5
1 5 , 1
1 7 , 9
2 0 , 1
2 2 , 0
2 3 , 3
2 4 , 1
2 4 , 5
Masa p r i n c i p a l a n t e s de l a c l a r a
p i e s / h a
690
600
3 9 5
2 8 1
2 0 3
157
123
96
78
Dg (cm)
1 3 , 6
1 8 , 6
2 3 , 7
2 9 , 9 '
3 6 , 2
4 3 , 2
5 1 , 3
5 9 , 6
6 9 , 1
6 mVha
1 0 , 01
1 6 , 2 4
1 7 , 4 4
1 9 , 7 1
2 0 , 95
2 3 , 1
2 5 , 3 8
2 6 , 9
2 9 , 15
VT mVha
40
85
113
155
188
230
270
2 9 7
328
Masa e x t r a í d a
p i e s / h a
90
2 0 5
114
78
46
34
27
18
78
G mVha
0 , 7 8
4 , 9
4 , 2 7
4 , 5 8
4 , 0 7
4 , 3 6
4 , 6 5
4 , 3 1
2 9 , 1 5
VT mVha
3
25
27
36
36
43
48
47
3 2 8
V a c u .
mVha
3
2 8
5 5
9 1
1 2 7
1 7 0
2 1 8
2 6 5
5 9 3
Masa p r i n c i p a l d e s p u é s de l a c l a r a
N° p i e s / h a
600
3 9 5
2 8 1
2 0 3
157
123
96
78
0
G mVha
9 , 2 4
1 1 , 3 4
1 3 , 1 7
1 5 , 1 3
1 6 , 8 7
1 8 , 7 4
2 0 , 7 4
2 2 , 5 8
0 , 0 0
VT mVha
37
60
86
1 1 9
152
187
222
2 5 0
0
Masa t o t a l
6 mVha
1 0 , 0 2
1 7 , 0 2
2 3 , 1 2
2 9 , 6 6
3 5 , 4 7
4 1 , 7 0
4 8 , 3 5
5 4 , 5 0
6 1 , 0 7
VT mVha
40
88
1 4 1
2 1 0
2 7 9
3 5 7
4 4 0
5 1 5
5 9 3
C r e c i m i e n t o en vo lumen masa t o t a l
ICA
-
9 , 6
1 0 , 7
1 1 , 5
1 1 , 4
1 1 , 1
1 0 , 3
9 , 5
8 , 6
IMA
2 , 7
4 , 4
5 , 7
6 , 8
7 , 5
8 , 1
8 , 5
8 , 6
8 , 6
Hg: altura media; Dg: diámetro medio; G: área basimétrica; VT: volumen total; V acu. : Volumen total acumulado; ICA: incremento corriente anual en volumen (m' /ha-año) ; IMA: Incremento medio anual en volumen (m '/ha-año)
11
/Atenni(giE)[MJ!miáy
Tabla 7.- Modelos de producción correspondiente a sitios de buena calidad para masas naturales de cerezo en alta densidad Pryor (1988)
Edad (años)
20
25
30
35
40
45
50
55
60
65
70
75
80
Masa principal antes de la clara
Hg (m)
12,5
15,1
17,5
19, 5
21,0
22 , 2
23, 1
23,7
24,1
24,3
24,5
24,6
24,7
pies/ha
1950
1300
1030
830
670
545
445
370
310
260
220
190
165
Dg (cm)
12
15
17
19
22
25
28
31
34
37
41
45
49
G mVha 22
22
23
25
26
26
27
27
28
29
29
30
31
Vm m^/árbol
0,06
0, 11
0,17
0,26
0,36
0,48
0,64
0, 8
1,0
1,23
1,49
1,79
2,12
VT mVha 117
140
178
213
241
263
283
297
310
319
327
340
349
Masa extraída
pies/ha
650
270
200
160
125
100
75
60
50
40
30
25
-
Dg (cm)
10
11
14
17
19
21
24
26
29
32
34
37
-
6 mVha
5,1
2,6
3,1
3,5
3,5
3,6
3,3
3,2
3,3
3,3
2,8
2,7
-
Vm m'/árbol
0,04
0,06
0,12
0,18
0,26
0,36
0,47
0,58
0,74
0,93
1,07
1,24
-
V mVha 27
16
23
29
32
36
35
35
37
37
32
31
-
Producción total
V acu. mVha 117
167
221
279
336
390
446
495
543
589
634
679
719
IMA mVha 5,9
6,7
7,4
8,0
8,4
8,7
8,9
9,0
9,1
9,1
9,1
9,1
9,0
Hg: altura media; Dg: diámetro medio; G: área basimétrica; Vm: Volumen árbol medio; VT: volumen total; V acu. Volumen total acumulado; IMA: Incremento medio anual en volumen
12
/¡tenfgQiDgcgTrg^
Tabl
Edad (años)
25
30
35
40
45
50
55
60
65
70
75
a 8. Modelos de producción correspondiente a sitios de mala calidad para masas natural densidad Pryor (1988)
Hg (m)
11,5
13, 8
15,9
17,5
18, 6
19,4
19, 9
20,2
20,4
20,5
20,6
Masa principal
N° pies/ha
1950
1200
880
690
550
450
375
315
270
235
210
Dg (cm)
11
15
19
22
26
29
32
35
38
41
43
antes de la clara
G mVha
19
22
25
27
28
29
30
30
30
30
31
Vta m^/árbol
0,05
0, 11
0,20
0,30
0,42
0,56
0,70
0,86
1,02
1,19
1,36
VT mVha
89
132
173
208
233
253
264
271
276
280
286
Masa extraída
pies/ha
750
320
190
140
100
75
60
45
35
25
Dg (cm)
10
13
16
19
22
24
27
29
32
33
G MVha
5,4
4,1
3,9
4,1
3,7
3,4
3,4
2,9
2,8
2,1
VT mVha
28
24
27
32
31
30
30
27
26
20
es de cerezo en alta
Producción total
V acu. mVha
89
160
225
287
344
395
436
473
505
535
561
IMA mVha
3,6
5,3
6,4
7,2
7,6
7,9
7,9
7,9
7,8
7,6
7,5
Hg: altura media; Dg: V acu
diámetro medio; G: área basimétrica; Vm: Volumen árbol medio; .: Volumen total acumulado; IMA: Incremento medio anual en vol
VT: volumen total; umen
/¡\ij!nr®(is®(L®(gia ima, Q Í E ^ ® E S KaoKnrs (lí^^mimuxamm!í^) lira e5Ls=omta v üMsm.
13
ffiKRTllQiESGíriniáy
Tabla 9. Modelos de producción correspondiente a cerezos en crecimiento sin competencia. Pryor (1988)
Edad (años)
15
20
25
30
35
40
45
50
55
60
65
70
Masa principal antes de la clara
Hg (m)
9.2
10.6
12.1
13.5
15
16.3
17.5
18.6
19.6
20.5
21.2
21.7
pies/ha
690
395
395
270
270
190
190
142
142
110
110
110
Dg (cm)
14
17
20
23
27
30
34
38
41
44
47
50
G mVha
11
9
12
11
15
14
17
16
19
17
19
21
Vm m^/árbol
0.07
0.11
0.17
0.26
0.39
0.55
0.74
0.96
1.21
1.46
1.73
1.95
VT mVha
49
43
68
71
105
104
140
136
172
161
190
215
Masa extraída
N° pies/ha
295
125
80
48
32
Dg (cm)
13
18
25
32
39
G MVha
3.8
3.3
3.9
3.8
3.8
VT mVha
18
19
27
31
35
Producción total
V acu. mVha
49
61
86
108
142
168
204
231
267
291
320
345
IMA mVha
3.3
3.1
3.4
3.6
4.1
4 .2
4.5
4.6
4.9
4.9
4.9
4.9
Hg: altura media; Dg: V acu
diámetro medio; G: área basimétrica; Vm: Volumen árbol medio; ,: Volumen total acumulado; IMA: Incremento medio anual en vol
VT: volumen total; umen
14
/¡icaTñiQíDiiíínniáj
Productividad
Además de los datos recogidos en las tablas anteriores, otros
autores aportan los siguientes: Bary-Lenger et al. (1988) sitúan el
crecimiento anual medio en Bélgica para la edad de 50 años entre 5 y 8
re?/ha según la estación. Para Evans (1984) en Gran Bretaña el cerezo
alcanza 20 m de altura y 60 cm de diámetro normal en 50-60 años en las
mejores estaciones. Claessens et al. (1999) en el estudio realizado en
Wallonia (sur de Bélgica) caracterizan las estaciones del cerezo por
la altura dominante alcanzada a los 50 años, que varía entre 24 m y
19,8 m. La tabla 10 proporciona los datos recogidos por Pryor (1985,
en Savill, 1991) sobre productividad en Gran Bretaña.
Tabla 10. Clases de productividad del cerezo (Pryor 1985, en Savill, 1991)
Clase de productividad (m3/ha/año)
Edad de máximo crecimiento medio en volumen
67
10
55
8
Thill (1975, en Hubert, 1980) sitúa la productividad del cerezo
entre 3 y 8 m^/ha/año (volumen del fuste en punta delgada), que
equivale a 2,5-7 m^/ha/año. Mercurio y Tocci, (1982, en Mercurio y
Minotta, 2000) predicen incrementos de 4 a 5 n?/ha con una producción
de 160-250 m^/ha a 40-50 años. Según Boulet-Gercourt (1997) en Francia
la producción de madera de obra en una estación adecuada puede superar
los 3 ir?/ha/año. El rango del crecimiento en Bélgica a los 50 años está
entre 5 y 8 m^/ha/año Bary-Lenger et al. (1988). Bosshardt (1985 en
Franc y Ruchaud, 1996) en un estudio sobre el cerezo en la zona
central de Francia encuentra que la altura dominante media a 4 0 años
varía entre 17 y 22 m.
Wilhelm y Raffel (1993) recogen los siguientes datos para el
crecimiento en altura en distintas regiones (tabla 11):
15
/AtenniQiiMíímTi^
Tabla 11.- Crecimiento anual en altura según distintos autores ftodos
en Wilhelm y Raffel, 1993}
Años
0 a 10
10 a 20
20 a 30
30 a 40
40 a 50
50 a 60
60 a 70
Incremento en a l t u r a (cm) según a u t o r e s
Roos
(1990)
-
-
53
40
30
24
-
Spiecker y
Spiecker
(1988)
69
70
58
42
34
25
18
Wilhelm y
Raffel
(1993)
76
65
50
45
32
23
16
T h i l l
(1975)
-
72
60
45
42
35
31
Pryor
(1988)
-
-
50
35
21
10
4
Roos (1990): noroeste de Alemania, f er t i l idad I y 0, altura dominante. M. Spiecker y H. Spiecker (1988): sur de Alemania, f e r t i l i d a d I . Wilhelm y Rafael (1993): e s t e de Plateau Lorrain (Francia), calidad media, altura dominante de Weise. Thi l l (1975, en Hubert 1980): Bélgica, calidad buena. Pryor (1988): Inglaterra, calidad buena, altura dominante.
Bartoli y Dall'armi (1996) determinan que en la región francesa
de Pirineos centrales el cerezo alcanza 55/60 cm a los 55/60 años;
45/55 cm a los 60/70 años o 40/45 cm a los 60/70 años según la riqueza
de la estación.
1.4.2 Uso agrícola
Aunque el objetivo de este trabajo es el estudio del cerezo de
monte, se incluye un apartado con información referente al uso
frutlcola en Castilla y León. El cerezo de monte presenta una
peculiaridad frente a otras especies forestales, el uso frutal que
tradicionalmente se ha realizado en numerosas áreas de la región. Este
interés por parte del hombre ha motivado la presencia de cerezos en
zonas alejadas de su distribución silvestre, además de la existencia
de fenómenos de introgresión en poblaciones forestales. Las variedades
cultivadas y los portainjertos, han contribuido de forma importante a
la creación de nuevas poblaciones en los montes cercanos a pueblos y
construcciones del medio rural.
16
/JteñfiEQiEiiíínrii^
Por otra parte, la presencia de cerezos y guindos aislados en
gran parte de los municipios de montaña de la región no responde a un
fin productivista, ya que las condiciones ecológicas no son las
adecuadas. Más bien son árboles mantenidos para pequeño consumo, con
escasa intensidad de selección por su valor frutal y procedentes de
bosques cercanos. En algunas ocasiones estos árboles y su descendencia
han producido bosquetes en antiguos huertos y prados cuando se ha
abandonado su uso frutal tras el éxodo rural, frecuente en las
comarcas montañosas.
Con el fin de estimar la influencia de la mano del hombre en la
distribución actual de la especie, se ha recurrido a dos fuentes, el
Diccionario de Madoz (Madoz, 1845-1850) para determinar el posible uso
histórico como frutal de la especie,- y una consulta a la Consejería de
Agricultura y Ganadería para conocer los municipios en los que se ha
cultivado recientemente.
La relación de los pueblos encontrados en el Diccionario de
Madoz es la siguiente:
• Ávila: Arenas de San Pedro, Barco de Ávila, Bartolomé de
Pinares, Berlanas, Escarabajosa, Hornillo.
• Burgos: Abellanosa de Rioja, Almiñe, Bentretea, Cadiñanos,
Castrojeriz, Concejero, Condado, Covides, Cozuela, Cucho,
Frías, Hontoria de Valdearados, Huéspeda, Leciñana de
Tobalina, Lomana, Lozares, Sta. Maria del Manzano,
Quintanilla de Sotoscueva.
• León: Alege, Ferradillo.
• Salamanca: La Alberca, Garcibuey, Valero, San Miguel de
Valero.
• Segovia: Cobatillas, Estebanuela.
• Soria: Baniel, Carrascosa de Abajo, Cigudosa, Las Cuevas, Hoz
de Arriba, Lluba o Yuba, Villarijo.
• Zamora: Corrales, Hermisende o Ermisende, Toro, Vega de
Castillo.
En la figura 4 se representan los citados municipios.
En Castilla y León el cultivo de cerezo se centra en las
provincias de Salamanca, Burgos y León, donde encontramos las mayores
superficies cultivadas. Les siguen, no muy de cerca, Zamora y Ávila.
Los municipios en los que se ha cultivado el cerezo recientemente son
más numerosos que en el caso anterior, por lo tanto la información se
presenta directamente en la figura 5.
17
/A\cmñi(aiD)[icjr¡niiy
En ambos mapas se observa la superposición de zonas cultivas y
zonas en las que el cerezo aparece actualmente silvestre en el monte.
Aunque son necesarios estudios de genética de poblaciones para
determinar el origen de las poblaciones actuales, es evidente que el
hombre ha determinado de forma importante su distribución.
Figura 4. Municipios (rayas oblicuas) en los que aparece cerezo cultivado en 1845-1850 según Madoz (Madoz, 1845-1850). En negro la
distribución actual del cerezo de monte en Castilla y León.
Figura 5 Municipios (rayas oblicuas) con presencia de cerezo y guindo cultivados o diseminados (Consejería de Agricultura y Ganadería, Junta de Castilla y León 2000). En negro la distribución actual del cerezo
de monte en Castilla y León.
18
/¿\f;^hr1^(ci D)BmT7B-S?
1.5 Plagas y enfermedades.
1.5.1 Daños abióticos
Los daños abióticos más importantes que se producen en el cerezo
derivan de su sensibilidad al encharcamiento, que produce rápidamente
la asfixia de las raíces.
La gomosis, exudación de goma en las ramas, tronco o raíces,
devalúa la troza ya que indica algún tipo de traumatismo. Normalmente
deriva de desgarros, aunque hay árboles especialmente sensibles, en
particular en condiciones de asfixia de las raíces y generan goma sin
daños aparentes. También se produce gomosis por efecto de agentes
bióticos (chancro bacteriano).
El principal defecto de la madera del cerezo es la vena verde,
coloración verdosa de la madera que deprecia en gran medida el valor
de la troza. Estudios realizados en Francia indican que se debe a la
presencia de madera de reacción o madera de tensión (Ferrand, 1983) .
Esta madera se compone de fibras de características distintas a las
normales, caracterizada por una capa de celulosa pura que se adhiere o
reemplaza a las capas más internas de la pared secundaria. La razón
más frecuente para que se produzca este defecto en el cerezo es el
crecimiento en pendiente, de forma que se genera madera de tensión en
la zona del tronco situada pendiente arriba.
1.5.2 Daños bióticos
Enfermedades
Cilindrosporosis: enfermedad debida al hongo Blumeriella
jaapii. (Rehm) v. Arx {Cylindrosporium padi [Lig.] P.Karsten ex Sacc.)
Aparición de pequeñas manchas más o menos angulosas, de color púrpura
o vinoso en el haz de las hojas y marrones en el envés. Provoca la
caída prematura del follaje en el mes de julio, repercutiendo sobre la
fisiología de la planta. Hace que la planta sea más sensible al frío y
favorece la aparición de parásitos secundarios. Es relativamente
frecuente.
Perdigonado producido por el hongo Stigmina carpophila (Lev.)
M.B. Ellis {Clasterosporiurn carpophilum [Lev.] Aderhold), ocasiona
necrosis con forma irregular que acaban cayendo de la hoja, dejando
pequeñas perforaciones. Se ve favorecido por las primaveras húmedas.
Podredumbres: según algunos autores se tiene constancia de dos
tipos de pudriciones del corazón de la madera: una "pudrición marrón o
roja" que suele aparecer en la parte de la copa muchas veces causadas
19
/¡\[íaTF[iQi©iiKFíím5=
por heridas mal cicatrizadas, y otra "pudrición blanca" que abarca
desde la raíz hasta no más de 1 m de la base del tronco. Esta última
es la más característica. Este tipo de enfermedad es importante por
disminuir la calidad de la madera del cerezo, y puede llegar a causar
la muerte del árbol. Uno de los hongos más citados causantes de este
tipo de enfermedad es Armillaria sp. , cuyo micelio penetra bajo la
corteza de la raíz, produciendo el amarillear prematuro de algunas
hojas, el secado de ramas y un micelio blanco bajo la corteza. Este
hongo trae consigo la muerte del árbol. Aparece sobre todo cuando el
terreno está encharcado.
Chancro bacteriano: producido por Pseudomona syringae pv.
morsprunorum (Wormald) Young et al. Induce la exudación de gomas y
chancros en ramas y troncos. También genera daños en flores y frutos.
Esta bacteria provoca serios daños, fácilmente identificables cuando
en primavera observamos ramas secas en la parte superior del árbol,
exudación de gomas en estas ramas y chancros supurantes. La fase de
expansión de la bacteria tiene lugar en invierno, favorecida tras
otoños húmedos e inviernos muy fríos. Penetran en los árboles por las
heridas o cicatrices de las hojas caídas.
Plagas
Las hojas en sus primeras fases del desarrollo son atacadas por
el pulgón negro del cerezo (Myzus cerasi (Fabricius)), que se alimenta
de éstas produciendo enrollamiento y distorsionando los brotes, siendo
relativamente perjudicial en primavera en las plantaciones jóvenes de
cerezo. Una infestación severa puede causar la muerte de la yema
terminal en los primeros años de la plantación. Otro insecto, cuyas
larvas devoran la epidermis superior de las hojas, es Caliroa cerasi
(L.), semejante a una pequeña babosa. Si el ataque es fuerte se puede
producir un desecamiento foliar. En menor medida sufre el ataque de
Operophtera brumata L. y Xyleborus dispar (F).
20
/A\CTnT^efWHMffiimi?
2. INFORMACIÓN PREVIA SOBRE AUTOECOLOGIA DEL CEREZO DE MONTE.
Según se recoge en la introducción, en el presente trabajo se
entiende la autoecología como el estudio de la influencia del medio
sobre un individuo o especie. En particular nos centramos en
descomponer el medio en factores y estos en parámetros para determinar
los factores de mayor importancia en la actual distribución del cerezo
en Castilla y León, el rango de variación de los distintos parámetros
y las posibles relaciones de compensación existentes entre ellos. Con
el fin de comparar los resultados obtenidos en Castilla y León con la
información previa existente sobre la especie, se recopila a
continuación los resultados de la revisión bibliográfica, agrupada
según los factores elegidos: climáticos, fisiográficos y edáficos.
2.1 Factores climáticos
2.1.1 Tempera tura
La distribución y valores de la temperatura y precipitación
condicionan la presencia y crecimiento de las distintas especies
foréstales. El rango latitudinal en el que aparece el cerezo se sitúa
entre los paralelos SON y 3 8S, pero el importante gradiente térmico
que implica su área de distribución resulta mitigado por el efecto de
la altitud. En el caso del cerezo la temperatura media anual (TMA) se
sitúa entre 8 y 14 °C en Wallonia, Bélgica (MRW, 1991 en Franc et al.
1992), aunque en la misma región se considera más adecuado para el
desarrollo del cerezo las estaciones con TMA superior a 9 °C
(Claessens et al., 1999). En Italia vegeta en estaciones con TMA entre
8 y 15 °C (Mercurio y Minotta, 2000) . Otras citas avalan este rango
(TMA 8-9 °C en Plateau-Lorrain, Wilhelm y Raffel, 1993). Durante la
selección de cerezos para un programa de mejora genética en el
noroeste de Italia, Ducci et al. (1988) constataron la presencia de la
especie en el rango 8-13,7 °C.
21
aBOijTigigiígTni^
Tabla 12.- Rangos de temperatura media anual citados
Zona de estudio
Wallonia (Bélgica) Wallonia (Bélgica)
Italia
Plateau Lorrain (Francia-Alemania)
Región central, septentrional, Basilicata y
Calabria (Italia) Toda la
distribución
Rango de TMA (°G)
8-14
> 9
8-15
8-9
8-13,7
8-14
Autor
MRW, 1991 en Franc et al. (1992)
Claessens et al. (1999)
Mercurio y Minotta (2000)
Wilhelm y Raffel (1993)
Ducci et al. (1988)
CAB (2000)
En la recopilación de CAB (2000) se recoge que el cerezo habita
en un rango climático que va desde el oceánico uniforme de Irlanda,
Inglaterra y Francia hasta condiciones de mayor continentalidad en
Europa central. También aparece en zonas mediterráneas, en cotas más
altas que en los casos anteriores. TMA varía entre 8 y 14 °C
Según Le Goff y Madesclaire (1985), el incremento diametral es
más sensible a la duración del periodo vegetativo que el incremento en
altura.
No se considera especialmente sensible al frío invernal, ya que
se recogen citas de resistencia hasta -20 °C (Ruiz y Ceballos, 1979)
en incluso -25 °C (Mercurio y Minotta, 2000). Sin embargo su temprana
floración lo hace muy sensible a la acción de las heladas
primaverales. Aunque este factor no supone una limitación al
crecimiento del árbol (Thill, 1975), dificulta la regeneración
mediante semilla en las áreas continentales y montañosas.
Franc et al. (1992) clasifican la especie como centroeuropea,
subatlántica, submediterránea, ligeramente termófila y rara en la
región mediterránea francesa.
2.1.2 Precipitación
Al igual que la te;mperatura marca los límites boreales y
altitudinales de la distribución, la precipitación anual (PA) marca el
límite meridional. La especie desaparece en el área mediterránea, a
22
/¡MniQlsXlMTlz^
excepción de algunos enclaves montañosos o de las riberas y fondos de
valle en los que la humedad edifica compensa la falta de lluvias. Los
rangos señalados por distintos autores se recogen en la siguiente
tabla.
Tabla 13.- Rangos de precipitación anual citados
Zona de estudio
Italia
Plateau Lorrain (Francia-Alemania)
Francia
Región central, septentrional, Basilicata y
Calabria (Italia) Toda la
distribución
Rango de PA (mm)
800-1300
800-900
800-1200
652,1-1838
650-1800
Autor
Mercurio y Minotta, (2000)
(Wilhelm y Raffel (1993)
Masset (1979)
Ducci et al., (1988)
CAB (2000)
En general la precipitación no es considerada como un factor
limitante por los autores centroeuropeos, exceptuando en el territorio
francés bajo clima mediterráneo. Por lo tanto no existen muchas
referencias al rango adecuado para la especie. Ducci et al. (1988) en
su prospección de varias regiones de Italia encontraron que el rango
de precipitación estival está entre 92 y 452 mm.
Franc y Ruchaud (1995) consideran que la especie es poco
exigente en cuanto a la precipitación anual y la humedad atmosférica.
Es más importante la distribución de las lluvias, para evitar
encharcamientos en primavera por exceso de precipitación invernal y
sequías estivales. La duración del periodo de sequía se estima en un
máximo de 2 meses (CAB, 2000) .
Boulet-Gercourt (1997) considera que la nieve ocasiona con
frecuencia rotura de la copa, en particular cuando ocurre en primavera
con las hojas y flores abiertas.
2.2 Factores fisiográfieos
2.2.1 Altitud
Boulet-Gercourt (1997) sitúa el límite altitudinal en Francia en
1700 m, aunque en este nivel el árbol no alcanza un desarrollo
adecuado. Franc y Ruchaud (1996) determina un gradiente latitudinal de
23
/t\f;^il^(c]^DlwyTTrT^iT
la altitud máxima en centroeuropa: 1000 m en la Selva Negra, 1200 m en
los Alpes septentrionales y 1700 m en los Alpes centrales. En Italia
alcanza 1500-1800 m (Mercurio y Minotta, 2000). Según Pryor (1988) en
Gran Bretaña el cerezo rara vez supera los 300 m de altitud. En la
región de Wallonia (Bélgica) aparece en altitudes inferiores a 400 m
(MRW, 1991 en Franc et al. 1992).
Tabla 14.- Valores de altitud máxima citados
Zona de estudio
Francia
Selva Negra
Alpes septentrionales
Alpes centrales
Italia
Gran Bretaña
Wallonia, (Bélgica)
Altitud máxima (m)
1700
1000
1200
1700
1500-1800
300
400
Autor
Boulet-Gercourt (1997)
Franc y Ruchaud (1996)
Franc y Ruchaud (1996)
Franc y Ruchaud (1996)
Mercurio y Minotta (2000) .
Pryor (198 8)
MRW, 1991 en Franc et al. (1992)
2.2.2 Exposición
Varios autores coinciden en que no crece bien en localizaciones
muy expuestas, tanto en Fran'cia, donde se asocia preferentemente a las
exposiciones meridionales (Boulet-Gercourt, 1997; Masset, 1979; Catry
y Poulain, 1993) como en Gran Bretaña (Pryor, 1988) . En la misma
línea, Armand (1995) señala que las exposiciones N-NE pueden
ralentizar los crecimientos iniciales. Le Goff y Madesclaire (1985)
encuentran que el crecimiento en diámetro disminuye en las parcelas
más resguardadas y en las de umbría. Aunque el crecimiento en altura
también es sensible al acortamiento del periodo vegetativo que suponen
estas exposiciones, opinan que la insolación recibida influye más
sobre el diámetro porque su crecimiento se produce durante más tiempo
que el incremento en altura. También evidencian grandes diferencias en
el crecimiento en altura de las parcelas situadas a todos los vientos
en zonas de meseta frente a las situadas en laderas resguardadas, a
favor de estas últimas.
2.2.3 Topografía
24
acíñnigiDJiDaTJiiJj
En cuanto a pendiente se encuentra tanto en llanuras aluviales
como en montañas, y a pesar de huir de las zonas expuestas se puede
encontrar sobre grandes pendientes {CAB, 2000). La situación
topográfica influye en el desarrollo al favorecer el drenaje o la
acumulación del agua. Le Goff y Madesclaire (1985) encontraron
notables diferencias en el crecimiento en altura entre parcelas
situadas en fondo de valle o a pie de ladera y aquellas situadas en la
parte superior de la ladera. En Wallonia (Bélgica) Claessens et al.
(1999) estiman en más de 3 m la diferencia en altura dominante a los
50 años entre las situaciones de pie de ladera o ribera y las
situaciones de cumbre. En los casos en que el perfil de la estación
favorece la acumulación de agua y la textura es pesada, el cerezo ve
limitada su presencia por la alta sensibilidad que manifiesta frente a
la asfixia radicular.
2.3 Factores edáficos
En general se considera al cerezo como un árbol de gran amplitud
edáfica por la diversidad de sustratos sobre los que se desarrolla. Es
interesante señalar las apreciaciones de Deleporte (1977) y Nicot
(1983) (ambos en Franc y Ruchaud, 1996) tras abarcar sendos trabajos
de caracterización de estaciones. Ambos autores pudieron caracterizar
el habitat del fresno, pero no así el del cerezo debido a tres
dificultades que caracteriza a esta especie:
• La tendencia a aparecer aislado debido a su sensibilidad
a la competencia.
• Su importante dispersión, que dificulta la obtención de
un número suficiente de parcelas para medir.
• La alta probabilidad de que existan ecotipos, debido a la
plasticidad de la especie. Este hecho resta validez a los
resultados obtenidos para especie.
2.3.1 Textura
Hubert (1980) indica que el cerezo crece en una gran amplitud de
suelos: arcillosos calizos, arcillo-arenosos, limosos, franco-limosos,
limo-arcillosos, limo-arenosos, areno-limosos, arenoso-limosos o
arenoso-arcillosos. Según este autor, no aparece sobre suelos arenosos
ni en los suelos arcillosos pesados y compactos. En Bélgica Thill
(1975) y Bary-Lenger et al. (1988) asocia al cerezo con los suelos
bien estructurados, sueltos, profundos y frescos. Pryor (1988) en el
estudio realizado sobre 4 0 bosquetes en Gran Bretaña, encontró que en
25
/ItemiaiiMíFiMS'
más de dos tercios de éstos la textura pertenecía a algunos de las
siguientes clases: franco-arcilloso-limosos, arcillo-limosos o franco-
arcillosos. Sobre estos suelos pesados se hallaban los mejores
árboles, sin embargo la roca madre era en todas las ocasiones
permeable, con frecuencia caliza. Concluye que aunque estos suelos son
pesados tienen un buen drenaje. Por otra parte, el cerezo aparecía en
este estudio en contadas ocasiones sobre suelos franco-limosos o
arenosos, y siempre con escaso crecimiento. Sin embargo el mismo
autor, apoyándose en su trabajo y en varias citas, opina que el cerezo
crece bien en suelos de textura arenosa, pero ve limitado su
desarrollo si estos suelos son poco profundos, como en el caso de
graveras o algunos suelos edificados sobre areniscas verdes. Wilhelm y
Raffel (1993) y Boulet-Gercourt (1997) consideran que la textura debe
asegurar la adecuada aireación y drenaje del suelo. Según este último,
el cerezo puede aparecer a pie de agua, junto a ríos, siempre que el
agua circule y esté bien oxigenada, sin embargo un suelo sin exceso de
agua, pero mal aireado como un suelo limoso sobre el que circula
maquinaria pesada, puede producir su muerte por asfixia radicular.
Para este autor los mejores suelos son los limosos profundos, pero
también son adecuados los arcillosos bien drenados y los arenosos con
suficiente humedad. Los suelos limosos son también los más adecuados
para Bosshardt (1985) y Mayer (1984), (ambos en Franc y Ruchaud, 1996)
y Catry y Poulain (1993), según estos últimos junto con los limoso-
arcillosos y los limoso-areriosos. La amplitud textural y de sustratos
también es recogida por Masset (1979): calizas cretáceas, granito o
arcillas compactas. Esta plasticidad se repite en Italia Mercurio y
Minotta (2000), ya que crece sobre suelos arenosos, graníticos,
calizos o arcillosos. La experiencia de estos autores indica que en
plantaciones de 5-10 años se pueden conseguir buenos crecimientos en
terrenos con alto porcentaje de arcilla, mejorado mediante labores. La
preferencia por suelos con dominancia de limo (limosos, arenoso-
limosos, arenoso-arcillosos) también es señalada por Scohy en Bélgica
(1989, en Mercurio y Minotta, 2000) .
2.3.2 Profundidad
Claessens et al. (1999) en Wallonia encuentran que este
parámetro es importante en la determinación del crecimiento del
cerezo, con diferencias de 2 m altura dominante a los 50 años entre
las estaciones con profundidad mayor de 40 cm y las que no alcanzan
este valor. Pryor (1988) en el estudio de la especie realizado en Gran
Bretaña concluye que la profundidad del suelo es el parámetro
26
¿¡tennicaiBiiKfifiiS'
ecológico más importante, y sitúa el límite para el desarrollo
adecuado de la especie en 40 cm. Boulet-Gercourt (1997) propone como
ejemplo de suelo inadecuado para el cerezo la rendzina, cuya escasa
profundidad hace que los árboles alcancen 10 cm de diámetro en 4 0 años
en los peores casos. En Nord-Pas-de-Calais-Picardie, Catry y Poulain
(1993) estiman la profundidad adecuada para el desarrollo de la
especie en 60 cm. Masset (1979) recomienda que el suelo cuente con al
menos 50 cm cuando el sustrato es silíceo o arcilloso compacto, aunque
puede ser menor en los suelos calizos.
2.3.4 Hidromorfía
Junto con la profundidad, este es el otro parámetro edáfico que
Claessens et al. (1999) determinan como significativo en la calidad de
estación del cerezo en Wallonia. Encuentran favorable la presencia de
un horizonte de pseudogley a partir de los 70 cm de profundidad, con
diferencias de 3,5 m de altura dominante a los 50 años entre estas
estaciones y aquellas con horizonte de pseudogley a profundidades
mayores o carentes de este horizonte. Hubert (1980) opina que los
suelos con hidromorfía profunda, por debajo de 50 cm, son favorables
al desarrollo del cerezo. Igualmente Pryor (1988) no encontró cerezos
en Gran Bretaña cuando existía encharcamiento por encima de esta misma
profundidad. La misma profundidad de la capa impermeable es
recomendada por Masset (1979). La mayoría de los autores consideran
que el encharcamiento es la principal limitación edáfica -para su
desarrollo. En Bélgica, Thill (1975) considera que su desarrollo es
más adecuado en suelos relativamente secos que en los húmedos. Boulet-
Gercourt (1997) considera que el cerezo no aparece en suelos con capa
impermeable a menos de 3 0 cm de la superficie, y no recomienda su
plantación cuando ésta se sitúa a menos de 50 cm. Madesclaire (en
Armand, 1995) considera que un exceso de agua en la superficie en el
inicio del periodo vegetativo malogra la plantación.
2.3.5 Fertilidad
Algunos autores apuntan que el cerezo no requiere suelos
fértiles (Hubert, 1980), aunque para otros es necesario que el suelo
sea relativamente rico y con adecuada humificación (Thill, 1975) ;
Wilhelm y Raffel, 1993). El humus adecuado según Boulet-Gercourt
(1997) es mull y considera que el cerezo no se puede desarrollar
adecuadamente en suelos pobres, de pH inferior a 4-4,5, aunque la
alimentación hídrica sea suficiente. Excluye por lo tanto a los suelos
edificados sobre rocas madres pobres, como areniscas de cemento
silíceo o arenas pobres, además de los suelos fuertemente lavados o
íMwíssasJík&mm na. oía^® ES wsmm ií^&Mmf /nmm^} Ha QsuTmuLffl v USOCÍL
27
/¡\Kf¡f11Ql[e)[aiffirg^
podsolizados. Según Franc y Ruchaud (1996) el cerezo prefiere los
suelos ricos, aunque es bastante plástico en este aspecto y menos
sensible a la fertilidad de la estación que el fresno. Bosshardt
(1985) y Becker et al. (1980) (ambos en Franc y Ruchaud, 1996)
observan buenos crecimientos tanto en mull forestal eutrófico como
oligotrófico, además de constatar que el crecimiento del cerezo mejora
sensiblemente con el aumento del grado de saturación del complejo
adsorbente, siempre que la alimentación hídrica sea correcta.
Ellenberg (1979) señala que el cerezo crece principalmente sobre
estaciones medianamente ricas en nitrógeno y en escasas ocasiones
sobre estaciones ricas o pobres en este elemento, mientras que para
Mayer (1984) el cerezo es dé medianamente a muy exigente en nitrógeno
(ambos en Franc y Ruchaud, 1996).
2.3.6 Reacción
Según Hubert (1980) se puede encontrar en suelos netamente
calizos, sobre un rango de pH que va desde 4,5 a 7,5. Thill (1975)
ciñe el rango en Bélgica a 5-7. Pryor (1988) sitúa el rango en Gran
Bretaña entre 4 y 7, y no encuentra relación entre productividad y pH.
Boulet-Gercourt (1997) aumenta este rango, entre 4 y 8. También en
Francia, Catry y Poulain (1993) sitúan el pH entre 4 y 7,5, aunque los
mejores árboles crecen entre 4 y 6 y opinan que existen razas
adaptadas a los distintos valores de la acidez. Bary-Lenger et al.
(1988) en Bélgica, indica la preferencia por los suelos neutros y
fértiles junto con la ausencia de la especie de terrenos ácidos.
2.3.7 Caliza activa
Para la mayor parte de los autores -Hubert (1980); Catry y
Poulain (1993); Bary-Lenger et al. (1988); Armand (1995)- el cerezo
soporta la caliza activa o es indiferente a su existencia. No
disponemos de la información precisa para conocer el porcentaje al que
se refiere cada autor, excepto en Mercurio y Minotta (2000), quienes
indican que nunca debe ser superior al 10%. Un requisito necesario
para que el cerezo soporte la caliza activa es que la profundidad del
suelo supere los 40 cm -Becker et al., 1980 en Franc y Ruchaud, 1996);
Catry y Poulain (1993); Masset (1979)-. Bosshardt (1985, en Franc y
Ruchaud, 1996) tras el análisis de varios bosquetes de la zona central
de Francia concluye que la presencia de caliza activa es un factor
desfavorable para el crecimiento pero no un obstáculo biológico a su
presencia. Por último, Meyer (1984, en Franc y Ruchaud, 1996) indica
que el cerezo crece sobre suelos ligeramente calizos.
28
/*\[í3ini(31©[lMlláy
2.3.8 Capacidad de retención de agua (CRA)
Para Catry y Poulain (1993) CRA debe ser superior a 120-150 mm.
Becker et al. (1990 en Franc y Ruchaud (1996) en la región francesa
"Plateaux calcaires de Lorrain" encuentran que las estaciones en las
que el cerezo tiene un mejor desarrollo el valor de CRA está por
encima de 150-200 mm. Le Goff y Madesclaire (1985) en la misma región
encuentran cerezos en estaciones con 70 mm de CRA. En este estudio se
pone de manifiesto que CRA es uno de los principales factores a la
hora de explicar el desarrollo del cerezo y la calidad de la estación,
en concreto a través del balance hídrico de la estación. En estaciones
similares en cuanto a clima y fisiografía, estos autores encuentran
una notable diferencia en crecimiento en altura entre parcelas con CRA
de 70 a 100 mm y otras con CRA entre 100 a más de 150 mm. Concluyen
que el balance hídrico es de mayor importancia que la temperatura en
el crecimiento de la especie.
29
CAPITULO X. HABITAT DEL CEREZO DE MONTE EN
CASTILLA Y LEÓN
SfiMfiMt® o
1. INTRODUCCIÓN
El grupo de árboles denominados frondosas nobles incluye a
varias especies de distribución heterogénea y escasa representatividad
superficial. En los últimos años se ha incrementado el interés por
estas especies en la gestión forestal dentro de la Unión Europea (UE),
debido a la demanda de madera de calidad, a su importante papel en la
conservación de la diversidad y a su empleo como alternativa al
cultivo agrícola en tierras marginales. Dentro de este grupo de
especies destaca el cerezo {Prunus avium L.) por el elevado precio de
su madera, sólo superada por el nogal {Juglans regia L.). Esta especie
se distribuye por toda Europa desde Escandinavia al norte de África y
desde Gran Bretaña hasta Asia occidental, normalmente como individuos
dispersos o en pequeños golpes dentro de bosques, preferentemente en
claros o bordes de masa (Boulet-Gercourt, 1997). Esta característica
hace que juegue un importante papel en la diversidad de numerosos
montes. Su presencia se enrarece a medida que se aproxima al borde
meridional de su distribución.
El interés por la especie se ha manifestado en los últimos años
por la realización de distintos programas de mejora genética
orientados a la conservación y producción de material para la
reforestación en varios países europeos como Francia , Inglaterra,
Italia, Bélgica, Alemania, Irlanda o España. En menor medida se han
realizado trabajos sobre selvicultura y autoecología de la especie,
probablemente debido a su escasa presencia en forma silvestre. El
empleo de la especie en Castilla y León dentro del programa de
reforestación de tierras agrarias promovido por la UE ha contado con
una importante demanda, sin embargo han sido habituales los casos en
los que la falta de adaptación ha limitado la posibilidad de obtener
madera de calidad en turno medio. La proximidad de la región al límite
meridional de la distribución obliga a aumentar las precauciones a la
hora de proponer la reforestación con esta especie.
A falta de datos procedentes de plantaciones, la única fuente
que permite determinar los parámetros ecológicos que definen el
habitat de la especie es el estudio del biotopo en el que se
desarrolla de forma natural. En España este tipo de estudios se han
realizado para numerosas especies del género Pinus (Gandullo y Sánchez
Palomares, 1994), aunque la mayor parte de los trabajos publicados
sobre el rango de variación del biotopo tiene como objetivo la
predicción de la calidad de estación -Chen et al., 2002; Curt et al.,
31
(SaiPDiMKL® Q
2001; Kilbride, 2000; Chen ét al., 1995; Henri, 2001-. La principal
desventaja de esta metodología es la limitación del área de
distribución a la ocupada en la actualidad, con lo que probablemente
se restringe el rango ecológico que puede ocupar la especie. Se trata
por lo tanto de un método conservador de elección de especies para
reforestación. Por otra parte, la facilidad para modelar algunas
variables climáticas y fisiográficas mediante el empleo de sistemas de
información geográfica (SIG) permite extrapolar los resultados sobre
el biotopo ocupado por la especie y proporciona una importante
herramienta de planificación y gestión forestal (Chen et al., 1998).
Para aumentar el conocimiento existente sobre la autoecología de
la especie se ha realizado un estudio sobre los principales parámetros
ecológicos que definen el biotopo. Los objetivos de este trabajo son
i) determinar los límites ecológicos que caracterizan el biotopo en el
que se desarrolla de forma silvestre la especie en Castilla y León y
ii) analizar la relación entre los distintos parámetros ecológicos,
con el fin de determinar su importancia relativa.
32
©aPOiML® Q
2. MATERIAL Y MÉTODOS
2.1 Distribución
Para estudiar el biotopo del cerezo es necesario conocer su
distribución en Castilla y León. El Inventario Forestal Nacional (MMA,
1998) ofrece información sobre la distribución de las especies
mediante la inventariación periódica de una malla de 1 km^, sin embargo
el cerezo aparece bajo el epígrafe Prunus sp. , por lo que esta
información no es útil para el objetivo buscado.
La otra fuente de información temática forestal a escala
nacional es el Mapa Forestal de España (Ruíz, 1990). Mediante una
consulta a la base de datos asociada a este mapa (BDN, 1999) se ha
obtenido el conjunto de teselas de vegetación situadas en Castilla y
León con presencia de cerezo, aunque hay que señalar que debido a la
presencia esporádica de la especie, su presencia rara vez alcanza el
10% de la tesela. Para completar el mapa de distribución se realizó
una encuesta a los agentes forestales de Castilla y León y se
incorporaron citas de dis,tintos estudios botánicos en algunas zonas de
especial interés.
Hay que mencionar que el cerezo se ha empleado tradicionalmente
como frutal en numerosas comarcas de la región, y es habitual
encontrar individuos añosos en huertos abandonados y lindes de fincas.
Además existen poblaciones instaladas a partir de la semilla de los
árboles cultivados, tanto en terrenos forestales abiertos como en
terrenos agrícolas abandonados. Se ha considerado que estas
poblaciones reflejan el carácter heliófilo y en ocasiones pionero de
la especie (Boulet-Gercourt, 1997), por lo que se han retenido para el
estudio siempre que la edad del rodal supere los 30 años y exista
regeneración natural.
Toda la información recopilada en las distintas fuentes se
trasladó a una malla de 1 km^ (figura 1) , dado que cuadrículas de menor
tamaño no aseguran la presencia del cerezo. Este conjunto de celdas
supone cerca de 100.000 ha, y representa una aproximación al área
ocupada por la especie en Castilla y León, ya que el área real no
alcanza las 10.000 ha.
33
(SaiMML® Q
Figura 1. Distribución del cerezo en Castilla y León
2.2 Elección de puntos de muestreo
Para determinar los rangos de los parámetros ecológicos se
estudian los valores de dichos parámetros en una muestra
representativa de rodales. La limitación del estudio a la región de
Castilla y León complica el empleo de la Clasificación Biogeoclimática
de España, debido a que la especie se sitúa en la transición de 5
Ecorregiones y se derivan un número excesivo de estratos.
Con el objetivo de conseguir la máxima representatividad se
procedió a estratificar el territorio ocupado por el cerezo, en
función de 5 variables que a priori se consideraron relacionadas con
la presencia de la especie. Los estratificadores escogidos son
• 2 representativos del régimen termopluviométrico:
precipitación anual (PA, en mm) obtenida por interpolación
de los datos procedentes de las estaciones situadas en un
radio de 25 km mediante el inverso de la distancia
ponderada, y temperatura media anual (TM, en °C) obtenida
mediante los modelos termopluviométricos desarrollados por
Sánchez et al. (1999).
• 2 de la fisiografía: altitud media (ALT, en metros a partir
de un modelo digital del terreno (mdt) con resolución de 25
34
(gai?(]irm®D
m (MAPA, 2000), pendiente media (PND, en grados, a partir
del mdt anterior)
• 1 de la litología: valor medio del factor K. Este factor
evalúa la capacidad de la roca madre para generar un suelo
apto a la productividad forestal (Gandullo, 1994) y se ha
obtenido a partir de la capa temática correspondiente del
Mapa de Productividad Potencial de España (Sánchez y
Sánchez, 2000) .
Se asignaron los valores medios de los 5 estratificadores a cada
celda de 1 km^ y con los valores estandarizados se realizó un
procedimiento de agrupación mediante la estrategia de Ward (Legendre y
Legendre, 1998), utilizando la distancia euclídea. El agrupamiento se
realizó mediante el procedimiento Cluster de SAS ®, utilizando la
opción Trim para omitir el 10% de los celdas con menor probabilidad
estimada (SAS, 1989). Este conjunto de puntos tiene interés para
representar correctamente los límites de las estaciones ecológicas. Se
seleccionaron tres grupos además del conjunto de puntos aislados de la
distribución. Los valores caracterizadores de estos estratos aparecen
en la tabla 1.
Tabla 1. Caracterización de los estratos
Estratlflcador
K
ALT (m)
PND (°)
PA (mm)
T (°C)
Estrato
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
Media
1,25
0,81
1,16
835
975
1305
15
10
19
933
870
1063
11,1
9,9
8,1
Mínimo
0,97
0,55
0,59
241
568
953
1
1
4
616
591
571
8,6
8,1
5,7
Máximo
1,66
1,14
1,52
1246
1322
1726
28
21
31
1488
1467
1469
14,6
12, 1
10,4
Desv. estándar
0,18
0,15
0,18
168
160
128
6
4
5
180
168
216
1,3
0,8
0, 8
El número de muestras en cada estrato no corresponde a la
superficie relativa del mismo, sino a la presencia de la especie. En
la selección de parcelas se tuvo en cuenta que i) el conjunto de
/i\(air®(§e@(!=<sxMia \smL cms^m E S caoooirg ([¡^imumíT/atmíEíJlL]) Boa Q*iSTimíLfl v QMsm,
35
(aAMñfm@D ,
parcelas represente el rango de los parámetros del estrato, ii)
aparezcan las distintas clases de edad y iii) existan al menos 2
cerezos adultos no dominados y sanos. Se seleccionaron 9 parcelas en
el estrato 1, 5 en el estrato 2 y 27 en el estrato 3. La selección se
completó con 8 parcelas distribuidas en el grupo segregado
inicialmente del proceso de agrupación, escogidas de forma que recojan
los límites de algunos de los parámetros ecológicos.
Las 50 parcelas seleccionadas se recogen en la figura 2.
Figura 2. Distribución de las parcelas muestreadas.
36
QiMliriaL® D
2.3 Obtención de datos
En cada rodal seleccionado se replanteó una parcela circular de
400 m en la que se midió altitud (m), coordenadas UTM respecto al huso
30 con precisión de 5 m, pendiente (%), exposición (grados), mediante
altímetro, GPS, clisímetro y brújula respectivamente. Se describió en
tres clases la forma de la parcela (DRE: 1 concavo, 2 plano, 3
convexo) y la importancia de la erosión (ERO: 1 no apreciable, 2
ligera, 3 notable).
Para obtener los parámetros edáficos se realizó una calicata de
un metro de ancho, orientada en su máxima dimensión según la curva de
nivel, con profundidad de 12 0 cm o hasta alcanzar la roca madre, en la
que se identificaron y describieron los distintos horizontes incluido
el color según la tabla Munsell, espesor, pedregosidad no muestreable,
presencia de raíces, tránsito al horizonte subyacente y estructura. Se
seleccionó una muestra representativa de cada horizonte, y tras ser
secada hasta humedad ambiente en laboratorio, se tamizó para separar
los elementos gruesos (> 2 mm). La distribución de los elementos finos
se obtuvo por pipetaciones sucesivas. Se realizaron los siguientes
análsis:
• pH en agua: pH de la suspensión suelo/agua en la relación
1:2,5.
• pH en KCl: pH de la suspensión suelo/solución KCl en la
relación 1:2,5.
• Conductividad: a partir del extracto de una suspensión
suelo-agua en la relación 1:5.
• Materia orgánica: carbono orgánico (procedimiento de
Walkley-Black: combustión húmeda de la materia orgánica
con una mezcla de dicromato potásico, ácido sulfúrico y
valoración del dicromato residual con sal de Mohr) x
coeficiente de Waksman (Walkley, 1946).
• Carbonato: Valoración del carbonato calcico presente en
una muestra mediante el método gasométrico.
• Caliza activa: Cantidad de carbonato calcico que reacciona
con oxalato amónico.
37
•S/AMnnaL® D
• Nitrógeno: medicinte digestión con ácido sulfúrico (en
presencia de catalizadores) y destilación por arrastre de
vapor en medio alcalino, recogiendo el producto de la
destilación sobre ácido bórico y valorándolo con ácido
clorhídrico.
• Ca *, Mg *, Na* y K*: extracción con acetato amónico IN a pH
7.
• Hierro: método del ditionito citrato.
• Fósforo: método Olsen, mediante extracción con bicarbonato
sódico.
Para cada parcela se asignaron las precipitaciones mensuales por
interpolación de las estaciones meteorológicas más cercanas,
temperaturas medias mensuales, además de la temperatura media del mes
más cálido y la temperatura media del mes más frío, todos ellos en
función de las coordenadas, altitud y cuenca hidrográfica según los
modelos elaborados por Sánchez et al.(1999).
2.4 Obtención de parámetros
A partir de los datos recogidos se han elaborado un conjunto de
parámetros fisiográficos, climáticos, edáficos y edafoclimáticos.
Estos parámetros pretenden caracterizar los elementos del biotopo que
definen en mayor medida la aptitud forestal de la estación:
temperatura, humedad, radiación solar, nutrientes y aireación del
suelo (Spurr y Barnes, 1982). Las unidades y formulaciones de los
parámetros se recogen en las tablas 2, 3, 4 y 5.
2.4.1 Parámetros fisiográficos
Además de los mencionados anteriormente (ALT, PND, DRE, ERO) se
han calculado dos parámetros representativos de la radiación solar
recibida por la parcela, INS (representativo del efecto de la
pendiente y la exposición, (Gandullo, 1974) y TTG (evalúa la
influencia de la topografía y la latitud sobre la temperatura de la
parcela, (Gandullo, 1997). Para estimar el efecto de resguardo (RES)
que ofrece la topografía circundante a la parcela, se calcula el
porcentaje de celdas de 25 m con una altitud superior en 40 m a la
cota de la parcela, en un círculo de 500 m de radio (Blanco et al.,
1989). Este mismo radio es el recomendado por Quine y White(1998) en
38
©¡MñML® D
un estudio sobre la influencia de la topografía en la exposición al
efecto del viento. La posición de la parcela respecto a los vientos
húmedos dominantes en la zona influye en la distribución de las
precipitaciones y se caracteriza mediante los parámetros "sentido del
mesoentorno" SME (ángulo menor de 180° que forma el sentido de los
vientos húmedos con la semirrecta que une la parcela al rumbo de la
salida del agua a 500 m de la parcela) y "sentido del macroentorno"
SMA (similar al anterior, con el rumbo medido a 5000 m de la parcela),
ambos en Blanco et al. (1989) . La dirección de los vientos húmedos está
tabulada para las distintas cuencas hidrográficas y rangos de altitud
(Gandullo y Sánchez, 1998). Por último se obtiene el parámetro RUG,
que mide para cada parcela la dispersión de los vectores normales a la
superficie en un entorno de 5 x 5 celdas del MDT. Es una medición de
la varianza esférica y evalúa la complejidad del terreno o rugosidad
(Felicísimo, 1994), por lo tanto es adecuado para caracterizar la
presencia de situaciones topográficas que favorecen la existencia de
microclimas.
Tabla 2. Formulación y unidades de los parámetros fisiográficos Parámetro
ALT (altitud)
PND (pendiente)
DRE (drenaje)
ERO (erosión)
INS (insolación)
TTG (termotopográfico)
RES (resguardo)
SME (sentido del mesoentorno) SME (sentido del macroentorno)
RUG (rugosidad)
Obtención
Altímetro
Clisímetro
Clasificación visual de la forma de la parcela
Clasificación visual del grado de erosión
cosPND - senPNDcosE
1,4142 (-sen E sen PND tg 37,5 -eos E sen PND sen (j) + eos PND cos(|))
A partir del MDT
A partir del MDT
A partir del MDT
A partir del MDT 1-((SK)^+ (2y)^+ (Sz^))"^^^
unidades
Metros
Porcentaje
1 concavo 2 plano 3 convexo
1 no apreciable 2 ligera 3 notable
Adimensional
Adimensional
Porcentaje
Grados
Grados
Adimensional
E: exposición de la parcela, ángulo de la dirección de máxima pendiente con el norte magnético en grados (|): Latitud en grados MDT: Modelo digital del terreno con resolución de 25 m (fuente) Sx, Sy, Sz: Componentes del vector medio (media de los vectores normales en una ventana de 5x5 celdas en MDT)
[MTfmmsmmn EBL oMgg ® OÜ wsmm il^&mm' ¿smmi^]¡ SKI eajiíiaíLffl tz OJigca.
39
(SaiMnFiüt® D
2.4.2 Parámetros climáticos
Además de los parámetros PA y TM se han obtenido las
precipitaciones estacionales (PI, PP, PV y PO, precipitaciones en los
meses de invierno, primavera, verano y otoño respectivamente) , TMC
(temperatura media de las máximas del mes más cálido), TMF
(temperatura media de las mínimas del mes más frío), OSC (oscilación
térmica, diferencia entre la temperatura media de las máximas del mes
más cálido y la media de las mínimas del mes más frío) , ETP (suma de
las evapotranspiraciones mensuales calculadas según el método de
Thornwaite y Mather, (1957) , SUP (suma de superávit, diferencias
positivas entre precipitación y la ETP mensuales), DEF (suma de
déficits, diferencia negativas entre precipitación y ETP mensuales),
IH (índice hldrico, Thornwaite y Mather, 1955), DSQ (duración de la
sequía, número de meses en los que la precipitación es inferior al
doble de la temperatura, según el criterio de Gaussen (1954) e ISQ
(intensidad de la sequía, cociente entre el área seca y el área húmeda
de los diagramas bioclimáticos de Walter y Lieth (1960) e IV (índice
de Vernet, empleado para diferenciar el régimen hídrico de los climas
mediterráneo, continental y oceánico según el criterio de Vernet,
(1966) . Todas las citas en Gcindullo (1994) .
40
(SaiPomiflL® O
Tabla 3. Formulación y unidades de los parámetros climáticos Parámetro
PA (precipitación anual)
PI, PP, PV, PO (precipitación estacional)
TM (temperatura media anual)
TMC (media de las máximas
del mes más calido)
TMF (media de las mínimas del mes más frío)
ose (oscilación térmica)
ETP (evapotranspiración anual)
SUP (suma de superávits)
DEF (suma de déficits)
IH (índice hldrico)
DSQ (duración de la sequía)
ISQ (intensidad de la sequía)
IV (índice de Vernet)
he I a H
h n-\ te
Obtención
Interpolación de los datos procedentes de las estaciones situadas en un radio de 25 km mediante el inverso de la distancia ponderada, a partir del MDT
Regresión lineal
dependiente de las
coordenadas, altitud y
cuenca hidrográfica
Diferencia entre TMC y TMF
S^'[16 fj (10 Tj/I)*"]
S-'''[Pj-ETPj] ,
si Pi,ETPi
i;-'''[ETP-¡ - Pj] , si ETPT >P^
(100 SUP - 60 DEF)/ETP
número de meses en los que la precipitación es inferior al doble de la temperatura
cociente entre el área seca y el área húmeda de los diagramas bioclimáticos de Walter.
±100 (H-h)Mv/(PA-PV)
Unidades
Milímetros
Milímetros
°C
°C
°C
°C
Milímetros
> 1140 megatérmico 570 a 1140 mesotérmico 285 a 570 microtérmico 142,5 a 285 de tundra < 142,5 glacial
Milímetros
Milímetros
> 100 perhúmedo 20 a 100 húmedo 0 a 20 subhúmedo -20 a 0 semiseco -40 a -20 semiárido -60 a -40 árido
Meses
Adimensional
> + 2 continental 0 a 2 oceánico-continental -1 a 0 oceánico -2 a -1 pseudooceánico -3 a -2 oceánico-raediterráneo -4 a -3 submediterraneo
< -4 mediterráneo
: duración media de la luz solar por comparación a un mes de 3 0 días y 12 3ras de luz. índice de calor anual = S (t/5) "" ' '^ 0,000000675 I^ - 0,0000771 I^ + 0,01792 I + 0,49239 precipitación de la estación más lluviosa
precipitación de la estación más seca r: media de las máximas estivales, obtenidas mediante regresión lineal con las ímperaturas medias mensuales calculadas según (Sánchez et al., 1999) .
acímfissísíusxaia ©la, o ^ s ^ ® IDII oaocmrB iíF^micms' ¿¡}mmiKT} Sea S/SL^ürnika v Qj§®ca,
41
(SaiFViML® D
2.4.3 Parámetros edáfieos
A partir de los resultados de los análisis realizados a cada
horizonte se obtienen parámetros caracterizadores de cada perfil. Los
parámetros considerados para estudiar las propiedades físicas del
suelo son los siguientes: Para caracterizar la textura se obtienen los
porcentajes de tierra fina (TF), arena (ARE), arcilla (ARC) y limo
(LIM), según los límites esteiblecidos por el Soil Survey Staff de USDA
(U.S. Departament of Agriculture, 1988) La permeabilidad se describe
mediante los parámetros CCC (coeficiente de capacidad de cementación
del suelo), CIL (coeficiente de impermeabilidad debido al limo) y PER
(permeabilidad expresada como un valor adimensional a partir de los
dos parámetros anteriores), todos en (Gandullo, 1994). La humedad
edáfica se caracteriza por los parámetros HE (humedad equivalente
según Sánchez y Blanco (1985) y CRA (capacidad de retención de agua
del suelo según el modelo propuesto por Gandullo, 1994). Los
parámetros anteriores para cada perfil se obtienen mediante la media
ponderada con el espesor de cada horizonte, excepto CRA que se obtiene
por la suma de los valores de cada horizonte, multiplicados por su
espesor.
Las propiedades químicas del suelo se representan mediante los
parámetros MO (porcentaje de materia orgánica), PHA (acidez actual),
PHK (acidez de cambio), CAC (porcentaje de carbonato calcico activo),
CIN (porcentaje de carbonato calcico inactivo), N (porcentaje de
nitrógeno), CN (relación carbono/nitrógeno) y CIC (capacidad de
intercambio catiónico en meq/lOOg). Para calcular los parámetros MO,
PHA, PHK, CAC y CIN se han promediado los valores de los horizontes
según el criterio de Rusell y Moore (1968, en Gandullo (1994). Los
parámetros N, CN y CIC se calculan con el mismo criterio
exclusivamente para los 25 cm iniciales, con el objetivo de recoger el
peso que tiene la parte superficial del perfil en los distintos ciclos
de los nutrientes.
42
(gapoirm® o
Tabla 4. Formulación y unidades de los parámetros edáfieos. Parámetro
TF (tierra fina)
ARE (arena)
LIM (limo)
ARC (arcilla)
CCC (coeficiente de capacidad de cementación)
CIL (coeficiente de impermeabilidad debido al limo)
PER (permeabilidad)
HE (humedad equivalente)
CRA (capacidad de retención de agua)
MO (materia orgánica)
PHA (acidez actual)
PHK (acidez de cambio)
N (nitrógeno)
CAC (carbonato calcico activo) CIN (carbonato calcico inactivo) CN (relación carbono/nitrógeno) Cíe (capacidad de intercambio catiónico)
Obtención
Porcentaje de partículas < 2 mm.
Arena: % de partículas > 50 ym Limo: % de partículas < 50 pm y > 2 pm. Arcilla: % de partículas < 2 )am. Todos calculados en tierra fina, mediante construcción de curva acumulativa. (ARC - 4 MO)/TF si (ARC -4 MO) >0 0 si (ARC -4 MO) < 0
LIM TF/10000
En un nomograma a partir de CCC y CIL.
4,6 + 0,43ARC + 0,25LIM+1,22MO
(12,5HE+(12,5(50-HE) k)/2)cTF/100
carbono orgánico (procedimiento de Walkley-Black) X coeficiente de Waksman
pH en agua, en proporción 1:2,5 pH en KCl 1 N, en proporción 1:2,5
unidades
Porcentaje (1)
Porcentaje (1)
Porcentaje (1)
Porcentaje (1)
Adimensional (1)
Adimensional (1)
Enteros de 1 a 5, según permeabilidad creciente. (1)
Porcentaje (1)
Milímetros (2)
Porcentaje (3)
Adimensional (3)
Adimensional (3)
Porcentaje (3)
Porcentaje (3)
Porcentaje (3)
Adimensional (4)
meq/lOOg (4)
(1): media ponderada con el espesor del horizonte k: coefÍcente que depende de la permeabilidad del propio horizonte, de la del inferior y de la pendiente, c: complemento a 1 de la pendiente. (2): calculada como suma de los valores obtenidos ponderada con el espesor, para los distintos horizontes. (3): media ponderada con el espesor del horizonte aplicando el criterio de Russel y Moore (1968) de los pesos decrecientes con la profundidad. (4): ): media ponderada con el espesor del horizonte aplicando el criterio de Russel y Moore (1968) de los pesos decrecientes con la profundidad, para los primeros 25 cm.
43
<Sa[p(nrm® D
2.4.4 Parámetros edafoclimáticos
Para estimar el balance hídrico del perfil en un ciclo anual se
calcularon los siguientes parámetros, todos según Thornthwaite y
Mather (1957) : ETR (evapotrarispiración real máxima posible, matización
de la ETP en función de la evolución de la reserva de agua en el
suelo), SF (sequía fisiológica, suma de los valores mensuales de la
sequía meteorológica no compensada con la reserva de agua del suelo) y
DRJ (drenaje calculado del sjuelo, suma de los valores mensuales del
agua que drena a profundidad o que escurre cuando se ha completado la
reserva de agua del suelo).
Tabla 5. Formulación
Parámetro
ETR (Evapotranspiración máxima posible)
SF (Sequía fisiológica)
DRJ (Drenaje)
y unidades de los parámetros
Obtención
A partir de la ficha hídrica A partir de la ficha hídrica A partir de la ficha hídrica
edafoclimáticos.
Unidades
Milímetros
Milímetros
Milímetros
2.5 Definición de hábitats
Según la metodología elaborada por Gandullo et al. (1974) y que
posteriormente ha sido empleada en otras especies (ver Sánchez, 2001)
para una revisión completa) , se define el habitat central para un
determinado parámetro como el que definido entre los percentiles 10 y
90 % de la distribución obtenida en el muestreo. Por lo tanto es el
conjunto de valores que incluye al 80% de los valores centrales de la
distribución. El habitat marginal inferior está comprendido entre el
valor inferior absoluto del parámetro y el percentil 10%, y
análogamente el habitat marginal superior incluye los valores
comprendidos entre el percentil 90% y el valor superior absoluto.
Con el objetivo de observar de forma conjunta la variabilidad y
amplitud del habitat respecto a cada parámetro se representa en un
diagrama los valores relativos de los hábitats centrales y marginales,
para cada grupo de parámetros.
44
(Sapoíjm® D
2.6 Análisis estadístico
Se ha realizado el análisis univariable de los distintos
parámetros, con el objetivo de estudiar la distribución de los mismos.
Posteriormente se han analizado las correlaciones entre pares de
variables dentro de los distintos grupos de parámetros. Para evaluar
las relaciones entre parámetros y la existencia de agrupamientos entre
parcelas, se han abordado técnicas de análisis multivariante: análisis
de componentes principales, análisis de coordenadas principales y
escalamiento multidimensional. Para simplificar la exposición, la
metodología de estos análisis se recoge junto al apartado de
resultados.
45
(SapiiümoO
3. RESULTADOS
3.1 Determinación de hábitats
En las tablas 6, 7 y 8 Í3e recogen los valores que definen los
límites de los hábitats centrales y marginales. Las figuras 3, 4 y 5
representan de forma esquemática la amplitud relativa de cada uno de
los parámetros
Tabla.6. Caracterización del habitat fisiográfico del cerezo de monte en Castilla y León.
ALT
PNC
INS
TTG
RES
SME
SMA
RU6
Límite inferior
430
0
0,12
-0,18
0,1
0
3
4,0
UznJbral inferior
833
20
0,33
0,31
15,7
8
10
12,7
Valor medio 1119
44
0,77
0,75
37,4
41
54
133,7
Umbral superior
1430
75
1,18
1,28
59,8
90
123
347,1
Xifini te superior
1493
90
1,39
1,53
75,3
128
155
907,0
L I UI VM US LS
H a b i t a t m a r g i n a l H a b i t a t c e n t r a l
Figura 3 . Hab i ta t c l imá t i co de l cerezo de monte en C a s t i l l a y León.
ao=¡r®@s@a,®(s[ia © a g a ^ ^ ® E S GasfiaTm ilFi^aínm?¿3wmi\L} Ilío SsiñFiiüa v tseca,
46
OiMRím® D
Tabla.7. Caracterización del habitat climático del cerezo de monte en Castilla y León.
PA
PI
PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
SUP
IH
DSQ
ISQ
IV
Límite inferior
573
149
162
72
141
7,0
22,5
-4,4
23,2
539
90
201
9,2
0,00
0,00
-4,36
Umbral inferior
692
191
195
84
165
8,0
23,8
-3,8
24,3
573
154
295
26,3
0,00
0,00
-3,46
Valor medio 966
326
256
124
261
9,6
25,8
-1,8
27,6
618
212
560
70,4
0,84
0,02
-1,58
Umbral superior
1375
483
344
144
385
11,9 27,3
0,6
29,4
686
275
910
137,1
2,11
0,05
-0,63
Límite superior
1474
579
419
211
425
13,6
31,3
1,9
29,9
747
336
1020
156,5
2,37
0,08
-0,47
LI ü l VM US LS
Habitat marginal H&bitat central
Figura 4. Habitat climático del cerezo de monte en Castilla y León.
tMmsMSs&fSíMEi miL Qia^® ©a cascairB iíPimmmT mmjlL]) aa <3&svmMi v Djieca,
47
(ga[p[fíML@D
Tabla.8. Caracterización del habitat edáfico y edafoclimático del cerezo de monte en Castilla y León.
CRA
TF
ARE
LZM
ARC
PER
CCC
CIL
HE
MO
FHA
PHK
N
CN
Cíe
CAC
CIN
ETR
SF
DRJ
Líiai te inferior
48.3
14
10
15
2
1.1
0.00
0.04
14.7
1.22
4.69
3.75
0.11
3.64
13.25
0.00
0.00
399
14
64
Umbral inferior
73 .7
25
24
21
7
1.7
0.04
0.09
16.5
1.94
5.08
4.02
0.20
7.06
28.49
0.00
0.00
461
54
174
Valor medio 163.9
52
46
38
16
3.5
0.32
0.20
23.9
3.40
5.95
4.99
0.33
9.11
47.64
0.12
0.74
515
103
452
Umbral superior 269.2
80
70
53
28
5.0
0.64
0.35
31.1
5.25
6.96
6.08
0.52
11.58
72.50
0.35
2.55
577
180
832
Límite superior 354.1
98
78
79
47
5.0
2.49
0.58
38.1
7.59
8.26
7.47
0.80
13.51
97.56
3.19
13.65
636
266
965
LI UI
CRA TF
ARE
LIM
ARC
PER
CCC
CIL
HE
MO
PHA
PHK
N
CN
Cíe
CAC
CIN
ETR
SF
DRJ
48,3
14
10
15
2
1,1
0, 00
0, 04
14,7
1, 22
4. 69
3,75
0,11
3,64
13,25
0, 00
0,00
399
14
64
Habitat marginal Habitat centra l
Figura 5. Habitat climático del cerezo de monte en Castilla y León.
48
@¡M]iM!=® D
3.2 Distribución de los parámetros.
En la tabla 9 se recogen los principales estadísticos descriptivos de los parámetros, calculados mediante el
procedimiento Univariate de SAS ®. A continuación se describe brevemente la distribución de los mismos.
Tabla 9. Estadísticos descriptivos de los parámetros
Parámetros climáticos
Parámetro
PA (mm)
PI (mm)
PP (mm)
PV (mm)
PO (mm)
TM (°C)
TMC ("O
TMF (°C)
ose (°c) ETP (mm)
DEF (mm)
SUP (mm)
IH
DSQ (mes)
ISQ
IV
Media
966
326
256
124
261
9,6
25, 8
-1, 8
27,6
618
212
560
70,4
0,84
0,02
-1,58
Mediana
901
280
253
132
245
9,5
25,7
-2,1
28,3
616
211
491
61,6
0,62
0, 00
-1,25
Moda
694
266
221
132
176
9,7
25,6
-3,1
29,3
596
196
68,2
0,00
0,00
-2, 06
Mínimo
573
149
162
72
141
7,0
22,5
-4,4
23,2
539
90
201
9,2
0,00
0,00
-4,36
Máximo
1474
579
419
211
425
13,6
31,3
1,9
29,9
747
336
1020
156,5
2,37
0,08
-0,47
Desviación estándar
262
121
60
28
83
1,5
1,8
1,7
2,0
45
52
236
41,3
0,89
0,02
1,02
cv
27,1
37,2
23,5
22,4
31,7
15,8
7,0
-95,8
7,2
7,3
24,3
42,1
58,6
105,4
154, 9
-64,7
Simetría
1,57
1,29
2,44
1,27
1,17
2,59
2,69
1,57
-2,39
2,63
0,39
1,33
1,76
1,05
4,23
-3,76
Curtosis
-1,20
-1,32
0,39
2, 18
-1,49
1,19
2, 75
-0,88
-1,01
1,76
0, 80
-1,41
-1,20
-2,27
1,55
1,43
p Shapiro-Wilks
0,006
0,006
0,006
0,001
0,010
0,003
0,006
0,018
0,000
0, 004
0,463
0,008
0,002
0,000
0,000
0,000
aiümgieelyssia ^ML Q I 3 ^ ® ©d iiascüírB il^immmr aammíL} SSQ &^s=¡mM\ v I s a a
49
os HJÍlco) ^ A \2AhiyU3-\1e) 1%J T^imm& áJúímmíJl) Wmsm •SM ©z^k-MK uacal \íAkX2)'iis)3k)®JLíñAi/
ooo'o soo 'o sco 'o ooo'o S S I ' O
eoo'o ooo'o soo 'o ooo'o l O S ' O
s s z ' o QLZ'O
í -IO'O
C 9 ' C
I 8 ' 0
I S ' O
S í - ' I
¿ í - ' O -
9 Z ' 3
xi-'oe S 9 ' T -
6 i ' e
¿ í - 'O
O I ' T -
S 6 ' 0 -
í -e 'o-
eft-\L 'Z
í-e's Sí - 'E
9 S ' I
LZ'Z
sí- 'e 8 ¿ ' 0 -
S 6 ' e
8 I ' I
8 € ' 0 -
S 6 ' 0
1-0'2
Q'X^
0 ' 8 I
6 ' C T
8 ' 9 í '
S ' í -S
¿ ' E S
I ' l E T
O' í 'E
S ' S S
í- 'se S ' 6 E
f O í -
g ' i f -
í - I 'O
0 6 ' 0
€ 8 ' 0
6 S ' I
6 ' S
I I ' O
ei-'o S ' I
6
£T
81
XZ
I ' 8 ¿
0 8 ' 0
¿ í ' ' ¿
9 S ' 8
6 S ' ¿
X ' 8 E
8 S ' 0
eí- 's O'S
¿ í '
6 ¿
8¿
86
I ' í ' S E
I I ' 0
S ¿ ' E
&9'^
Z Z ' I
¿ ' l - I
í 'O'O
O O ' O
I ' I
z S I
0 1
Í ' I
E'Sí -
8 2 ' 0
S S ' í -
8 0 ' E
6 0 ' 0
9 0 ' 0
O 'S
SI
82
SE
Sí'
0 ' 8 S 2
O E ' O
6 ¿ ' ^
¿ 8 ' S
^ O ' E
E ' E S
6 1 ' 0
6 1 ' 0
S ' E
í ' I
6 £
Sí-
6 Í '
^ ' E í ' I
EE'O
6 6 ' í '
S 6 ' S
Oí ' 'E
6'ZZ
OS'O
SE'O
S 'E
91
8 £
9^-
SS
6 ' £ 9 I
(%) N
:aHd
VHd
(%) OW
(%) aH a i D
DDO
Had
(%) DHV
(%) w n (%) aHV
(%) a i
(UllU) VHD
s o o T j f p e soj : )3utejcsd
ooo'o lOO 'O
ooo'o LQL'O
9^Z'0
C 6 S ' 0
2 6 Z ' 0
9 I 0 ' 0
0 0 0 ' 0
OOO'O
S3CITM
¿ S ' 8
s o ' o -XZ ' 0
I 8 ' 0 -
2 0 ' T -
0 8 ' 0 -
8 e ' o -S 6 ' 0
9 C ' 0 -
í-s 'e
STSO^ano
S 8 ' 9
8 S ' 2
€6 ' Z
SO'O
8 C ' 0
O E ' O -
l E ' O
S í - ' Z -
OZ'O
8 S ' S
e x a ^ s m x s
i ' i í - i
l ' í ' A
O ' ^ H
í-'Aí-
C í - S
S'Oí-
6 ' 2 S
9 ' 2 2
¿ ' S E
í - 'SE
AD
¿ ' 8 8 1
Oí-
SE
¿ ' ¿ I
l í - ' O
TE'O
ES
ESS
0 9 ' 0
Sí- 'O j cepae : )S8
UOTOSTASSQ
0 ' ¿ 0 6
SSI
8ZI
£ ' S ¿
E S ' I
6 E ' T
06
Eet- i
E
E
oinxxfu
O ' í '
£
0
I ' O
8 1 ' 0 -
ZX ' 0
0
OEí-
I
I
OTHTUTW
0 ' E l
SS
6
S ' E S
8 E ' 0
8 S ' 0
SS
Z
I
e p o w
S ' ^ S
í'í '
OE
t - 'SE
I ¿ ' 0
£ ¿ ' 0
l í -
e í - i i
s I
« u e x p a n
¿ ' E E I
í'S
l í -
^ ' ¿ E
S ¿ ' 0
¿ ¿ ' 0
^í-
6 I I I
S 8 ' I
^ S ' I
B-cpSU
DÍIH
( 0 ) VWS
( 0 ) aMS
(%) saH D I X
S N I
(%) QNd
(ui) xav ana ona
oa: )9uieaed
s o o T j f J B O T S T J so j : )3u i f : [ed
soj':}aniEj'Ed' s o f e p s o A r r j d T J S s s p s o o T g s j p B : j s a ' ' 5 B r q e j ;
D®1MUM!73
SaiMnML® D
Tabla 9. Estadísticos descriptivos de los parámetros
Parámetro
CN
Cíe (meq/lOOg)
CAC (%)
CIN (%)
Media
9,11
47,64
0,12
0,74
Mediana
9, 18
46,43
0, 00
0,00
Moda
10, 10
0,00
0,00
Mínimo
3,64
13,25
0,00
0,00
Máximo
13,51
97,56
3,19
13,65
Desviación estándar
1,89
17,51
0,48
2,39
CV
20,8
36,8
385,2
322,0
Simetría
-0,50
1,17
16,34
11,83
Curtosis
0,48
0,80
50,83
26,87
p Shapiro-Wilks
0,868
0,541
0,000
0,000
Parámetros edafoclimáticos
Parámetro
ETR (mm)
SF (mm)
DRJ (mm)
Media
515
103
452
Mediana
503
93
379
Moda
501
86
214
Mínimo
399
14
64
Máximo
636
266
965
Desviación estándar
51
52
249
CV
9,9
50,1
55,2
Simetría
1,88
2,67
1,46
Curtosis
0,71
1,61
-1,29
p Shapiro-Wilks
0,036
0,030
0,010
Simetría = skewness/(V(6/n), siendo n el número de parcelas Curtosis = kurtosis/(V(24/n) p Shapiro-Wilk = probabilidad asociada al test de normalidad de Shapiro-Wilk.
5 1
©¡poiraiL® D
3.2.1 Parámetros climáticos
Se observa en los parámetros PA, PI, PO y PP una distribución
bimodal, con la mayor parte de los valores situados en torno a
precipitaciones anuales de 800 y 1300 mm. En el primer grupo PI, PP,
PO tienen valores similares y en 16 casos la precipitación primaveral
es superior a la invernal, mientras que en el segundo es claramente
superior PI, seguido de PO y PP. En el caso de la precipitación
estival, la distribución es unimodal en torno a 130 mm. El parámetro
TM se distribuye en su mayor parte en torno a 9,5 °C, aunque del
conjunto se segregan dos grupos que congregan parcelas alrededor de
7,5 °C y de 12,5 °C, 8 en cada grupo. Tanto TMC como ETP siguen una
distribución similar, en torno a 25,5 °C y con dos grupos menores en
23,5 y 30 °C en el primer caso y en torno a 610 mm con dos grupos
menores en 690 y 560 mm en en segundo. TMF presenta una distribución
más irregular, con la mayor parte de las parcelas distribuidas en
torno a -3,5 °C y -1,3 °C, mientras que en otro grupo de 10 parcelas
se encuentra en torno a 1 'C. El parámetro OSC, combinación de los
anteriores, se agrupa en dos conjuntos de parcelas, una en torno a
24,5 °C y la otra en 29 °C. La distribución de DEF es claramente
unimodal, en torno a 210 mm, mientras que SUP es asimétrica, con
valores más frecuentes alrededor de 400 mm y en menor medida en torno
a 600 y 950 mm. El índice IH se distribuye de forma asimétrica hacia
la izquierda y bimodal en torno a los valores 50 y 130. El índice IV
se distribuye de forma asimétrica en torno a dos valores -1,2 (la
mayor parte de las parcelas) y -3,9. Los parámetros DSQ e ISQ son
marcadamente asimétricos y recogen varias parcelas en torno al valor
O, junto con otro grupo en torno a 1,5 meses en el primer caso y 0,03
en el segundo.
3.2.2 Parámetros fisiográfícos
Para las tres clases de erosión (ERO), se reparten las parcelas
del siguiente modo: 39 en la clase 1 (no apreciable), 10 en la clase 2
(ligera) y 1 en la clase 3 (notable). Las tres clases de drenaje (DRE)
se distribuyen en 14 parcelas dentro de la clase 1 (plano) , 31 en la
clase 2 (cóncavo) y 5 en la clase 3 (convexo) . La distribución de la
altitud (ALT) es unimodal y asimétrica en torno a 1100 m, con un
pequeño grupo de parcelas alejadas del conjunto, entorno a 450 m. Los
parámetros PND e INS son unimodales y simétricos, aunque se pueden
£\(M=®i3g®(y2xaia EHL OMB^® ®ig EDSCÜTÍS ilF^imcmáf/ammsKJ) Sea QasTmyya v (Leocít
52
©iMffOSIL® Q
agrupar los valores en tres grupos, en torno a 1%, 40% y 75% en el
primer caso y 0,3, 0,7 y 1,1 en el segundo. El parámetro TTG es
ligeramente bimodal, con valores más frecuentes en 0,5 y 1, aunque hay
una parcela que se aleja de la distribución y alcanza un valor
negativo. El parámetro RES es asimétrico y se puede considerar bimodal
con dos valores más frecuentes en el 80% y el 40%. Los parámetros SME
y SMA son marcadamente asimétricos, el primero con la mayoría de los
valores en torno a 20°, un segundo grupo en torno a 70° y un último
grupo de 4 parcelas en 120°, mientras que SMA se distribuye en dos
grupos, la mayor parte en torno a 30° y el resto en 130°.
3.2.3 Parámetros edáfieos
Los parámetros TF, ARE y LIM tienen distribución simétrica con
valores centrados en 40%, 50% y 40% respectivamente. Los parámetros
CRA, ARC y HE son asimétricos hacia la izquierda, en el primer caso
centrado en torno a 130 mm. En el caso de ARC los valores se agrupan
en torno al 11%, aunque existe una parcela alejada de la distribución
en un valor del 4 7%, mientras que HE presenta una distribución en
meseta con valores más frecuentes entre 19 y 26%. La permeabilidad
tiene una distribución claramente asimétrica hacia la derecha, con la
mayor parte de los valores en torno a 4. El parámetro CCC está
marcadamente distribuido hacia la izquierda con la mayoría de los
valores situados cerca de 0,2 y un valor anómalo de 2,49. La
distribución de CIL es asimétrica aunque en menor medida que en el
caso anterior. Los valores más frecuentes de este parámetro también
están en torno a 0,2. El parámetro MO se distribuye de forma
ligeramente asimétrica hacia la izquierda, con la mayoría de los
valores en torno al 3%, y un grupo de 5 parcelas alejadas de la
distribución y con valores en torno al 7%. Los parámetros PHA y PHK
son marcadamente asimétricos hacia la izquierda. La mayor parte de los
valores se distribuyen en torno a 5,6 y 4,7 respectivamente. El
parámetro N es asimétrico hacia la izquierda con valores en torno a
0,3 %, mientras que la relación carbono-nitrógeno (C/N) es simétrica
centrado en 9. El parámetro CIC es simétrico respecto al valor medio
47,6 meq/100 g. Los parámetros CAC y CIN son asimétricos hacia la
izquierda, debido a que sólo son 7 las parcelas en las que toman
valores superiores a 0. En ambos casos son muy bajos, ya que el
porcentaje de caliza activa no supera 3,19 % y el de carbonates
inactivos 13,65 %.
[Mw(Sim3s&®(SEi ©SL o a s ^ ® ES ED®c3íFB ií^&íimá?/nmmíL]) llKo esLSiniuLffl V ajBsm,
53
@a[p[nML®Q
3.2.4 Parámetros edafoclimáticos
ETR es simétrico, con la mayor parte de los valores centrados en
torno a 510 mm. SF es asimétrico hacia la izquierda y las parcelas se
distribuyen en su mayoría en torno a 100 mm. DRJ también presenta una
distribución asimétrica, centrada en primer lugar en torno a 300 mm y
con un segundo grupo en torno a 900 mm.
54
(S/¡ \ [?OTML@ D
3.3 Análisis de correlación.
Se han realizado los análisis de correlación mediante el estudio
de la relación lineal con el coeficiente de correlación lineal de
Pearson. Aunque este análisis requiere del ajuste a la distribución
normal bivariante, se ha obviado la comprobación de normalidad porque
el objetivo del análisis es meramente descriptivo. Este ajuste se
podría lograr mediante transformaciones, pero la interpretación
posterior de la tendencia conjunta en la distribución es menos
evidente.
3.3.1 Correlación entre parámetros climáticos
En la tabla 10 se recogen los valores del coeficiente de Pearson
de correlación lineal. Las relaciones lineales detectadas con este
coeficiente son las esperables y se pueden resumir en correlaciones
positivas en varios grupos; un grupo de parámetros relacionado con las
precipitaciones recibidas por la estación (PA, PI, PP, PO, IH, SUP) ,
otro grupo relacionado con la sequía estival (DEF, DSQ, ISQ, TMC)
cuyos miembros presentan correlación negativa con PV, y un último
conjunto de correlaciones positivas entre variables relacionadas con
el régimen térmico (T, TMF, TMC, ETP). Existen relaciones lineales
negativas de menor intensidad entre los parámetros caracterizadores de
la pluviometría y los de la sequía estival, en particular PP-PV, PA-
DEF y PP-DEF. No existe una relación clara entre los parámetros de
precipitación y los de temperatura. Las correlaciones se dan entre
parámetros en los que intervienen ambos grupos, como DSQ, ISQ o DEF.
La oscilación térmica presenta las correlaciones esperables con
TMC y TMF, además se correlaciona negativamente con PP y PV. La
relación negativa con este último parámetro implica correlaciones
positivas con DEF, DSQ e ISQ.
El parámetro IV, indicador del carácter mediterráneo de la
estación, toma valores negativos decrecientes cuando aumenta este
carácter. Es destacable que en nuestro caso se relaciona de forma
negativa con todos los parámetros excepto con PV, con el que existe
correlación positiva, y con PP e IH, con los que no existe relación
significativa.
aMfOdeotcsxala EBL ( ISE^® ES cascinrB ií^&mM' awmsKl dea Sa TniLiL/a v ILsaa
55
S/IMñML® D
PA
PI
PP
PV
PO
TM
TMC
TMF
OSG
ETP
DEF
SUP
IH
DSQ
ISQ
IV
En la
PA
0, 000
0, 000
0, 027
0,000
0,401
0,261
0,494
0, 105
0,377
0, 001
0,000
0, 000
0, 079
0,563
0,033
parte
Tabla PI
0, 96
0,000
0,600
0,000
0,261
0,797
0,505
0,418
0,223
0, 070
0,000
0,000
0,686
0,571
0,000
10. Coeficientes de PP
0,93
0,81
0,001
0,000
0,186
0,171
0,132
0,009
0,195
0,000
0, 000
0,000
0,008
0,295
0,304
superior se
PV
0,31
0, 08
0,47
0,160
0, 105
0,000
0, 813
0-,. 0-0 Q
0,083
0, 000
0, 161
0,018
0, 000
0, 000
0, 000
PO
0,98
0,97
0,88
0,20
0,544
0,441
0,854
0, 3 92
0,511
0,006
0, 000
0,000
0,272
0, 990
0,007
correl TM
0,12
0,16
0,19
-0,23
0,09
0,000
0,000
0,196
0,000
0,000
0,698
0,349
0,026
0,000
0,000
ación lineal TMC
-0,16
-0,04
-0,20
-0,61
-0,11
0,67
0,010
0,000
0,000
0,000
0,353
0,024
0,000
0,000
0,000
recogen los coeficientes y
TMF
0,10
0,10
0,22
-0,03
0,03
0,91
0,36
0,000
0,000
0,029
0,964
0,318
0,579
0,044
0,038
en la
de Pearson para los
ose -0,23
-0,12
-0,37
-0,52
-0,12
-0,19
0,59
-0,54
0,335
0,000
0,381
0,262
0,000
0,002
0,018
ETP
0,13
0,18
0,19
-0,25
0,10
1,00
0,70
0,89
-0,14
0,000
0,647
0,373
0,016
0,000
0,000
DEF
-0,45
-0,26
-0,52
-0,89
-0,38
0,51
0,83
0,31
0,48
0,53
0,005
0,000
0,000
0,000
0,000
parámetros climáticos. SUP
0,99
0,98
0,88
0,20
0,99
0,06
-0,13
0,01
-0,13
0,07
-0,39
0,000
0,263
0,968
0,006
IH
0,97
0,92
0,87
0,33
0,96
-0,14
-0,32
-0,14
-0,16
-0,13
-0,56
0,98
0,029
0,207
0,156
DSQ
-0,25
-0,06
-0,37
-0,84
-0,16
0,31
0,72
0,08
0,57
0,34
0,84
-0,16
-0,31
0,000
0,000
inferior la probabilidad asociada.
ISQ
-0,08
0, 08
-0,15
-0,81
0,00
0,49
0,76
0,29
0,43
0,51
0,84
-0,01
-0,18
0,87
0,000
IV
-0,30
-0,50
-0,15
0,74
-0,38
-0,51
-0,65
-0,29
-0,33
-0,53
-0,66
-0,38
-0,20
-0,70
-0,86
56
S/aiíWiiíiiL® D
3.3.2 Correlación entre parámetros fisiográficos
La tabla 11 muestra las correlaciones entre los parámetros
fisiográficos. El parámetro erosión presenta correlación positiva con
la pendiente, que implica correlación positiva con RES, RUG y negativa
con INS y TTG; aunque la relación con estos dos últimos parámetros no
tiene significado físico, simplemente es una relación motivada por la
formulación matemática de ambos.
La altitud sólo presenta correlación significativa con SME. No
existe correlación con la pendiente, al contrario de lo que cabría
esperar. También están correlacionados el sentido de entrada de los
vientos húmedos para el meso y macroentorno (SME y SMA).
Por último hay que señalar la esperable relación entre PND, RUG
y RES, que implica relación negativa con INS y TTG por la formulación
de estos últimos.
ERO
DRE
ALT
PND
INS
TTG
RES
SME
SMA
RUG En 1 prob
Tabla
ERO
0,281
0,813
0,000
0,000
0,001
0,045
0,500
0,874
0,004
a parte abilida
_ Coeficientes de correlación lineal de Pearson parámetros fisiográficos.
DRE
0,16
0,444
0,136
0,440
0,396
0,407
0,290
0,680
0,064
í super: id asoc]
ALT
-0,03
-0,11
0,638
0,938
0,764
0,287
0,027
0,307
0,081
.or se Lada,
PND
0,58
0,21
0,07
0,000
0,001
0,000
0,453
0,056
0,000 recogen
INS
-0,50
-0,11
-0,01
-0,49
0,000
0,031
0,356
0, 120
0,019
los co
TTG
-0,46
-0,12
0,04
-0,47
0,69
0,264
0,216
0,310
0,034
eficien
RES
0,29
0,12
-0,15
0,51
-0,31
-0,16
0,266
0,296
0,000
SME
0,10
0,15
-0,31
-0,11
-0,13
-0,18
-0,16
0,009
0,484
para 1
SMA
0,02
-0,06
-0,15
-0,27
0,22
0,15
-0,15 0,37
0,771
Ltes y en la inferior
OS
RUG
0,40
0,26
-0,25
0,49
-0,33
-0,30
0,60
0,10 -0,04
la
3.3.3 Correlación entre parámetros edáficos
En la tabla 12 se puede observar que la mayor parte de las
correlaciones lineales significativas existentes, suceden entre los
parámetros físicos, en función de las relaciones habituales de
permeabilidad-humedad-textura (CRA, HE, TF, ARC, ARE, LIM, PER, CCC y
GIL). Entre los parámetros químicos se observan relaciones esperables,
entre los dos parámetros de acidez (PHA y PHK) , así como entre dos
parámetros relacionados con los procesos de humificación, MO y N.
57
(SMMnML® D
Las relaciones entre parámetros edáficos físicos y químicos más
interesantes se pueden concretar en la correlación positiva entre ARC
y el pH, ARC y CIC, y las relaciones negativas ARE- CIC, TF-MO, TF-N,
LIM-CN. La primera implica las relaciones positivas pH-CRA y pH-HE; y
la relación negativa pH-PER. Del mismo modo la segunda y la tercera se
explican por la relación negativa entre ARC y ARE, e implican la
relación positiva entre PER y CIC.
Las relaciones en las que intervienen CAC y CIN son atribuibles
en mayor medida a la marcada asimetría de ambos parámetros y no se
pueden considerar significativas.
58
(SaiMíML® D
CRA
TF
ARE
LIM
ARC
PER
CCC
CIL
HE
MO
PHA
PHK
N
CN
Cíe CAC
CIN
En la
CRA
0, 000
0, 000
0, 011
0,002
0,002
0,482
0, 000
0,002
0, 130
0,018
0, 020
0,343
0,348
0, 128
0,002
0, 000
Tabl TF
0.80
0, 807
0,983
0,649
0,988
0,018
0,000
0,827
0,028
0,233
0,279
0,041
0,787
0,463
0,298
0,187
a 12.
ARE
-0.48
-0.04
0, 000
0,000
0, 000
0,001
0, 000
0,000
0, 986
0,082
0, 083
0,446
0, 051
0, 039
0,006
0, 002
Coeficientes LIM
0.36
0.00
-0.88
0,061
0,005
0,505
0,000
0,000
0,851
0,601
0,519
0,266
0, 044
0,180
0,259
0,233
ARC
0.43
0.07
-0.70
0.27
0,000
0,000
0,089
0,000
0,754
0,006
0,011
0, 904
0,374
0,034
0,000
0,000
parte superior se recogen los coe
de correlación lineal de Pearson PER
-0.43
0.00
0.69
-0.39
-0.80
0,000
0,014
0,000
0,056
0,011
0,031
0,218
0,147
0,022
0,006
0,001
CCC
-0.10
-0.33
-0.44
0.10
0.73
-0.65
0,273
0,000
0,566
0,073
0,143
0,537
0,708
0,139
0,081
0,027
CIL
0.86
0.70
-0.61
0.66
0.24
-0.35
-0.16
0,000
0,154
0, 159
0,146
0,457
0,160
0,277
0, 084
0,044
HE
0.43
-0.03
-0.96
0.75
0.80
-0.68
0.52
0.48
0,164
0,071
0,054
0, 074
0,295
0,074
0, 001
0,001
flcientes y en la inferior
MO
-0.22
-0.31
0.00
0.03
-0.05
0.27
-0.08
-0.20
0.20
0,319
0,752
0,000
0,001
0,149
0,882
0,813
para 1 PHA
0.33
0.17
-0.25
0.08
0.38
-0.36
0.26
0.20
0.26
-0.14
0,000
0,806
0,156
0,923
0,001
0,000
la probabili
os parámetros PHK
0.33
0.16
-0.25
0.09
0.36
-0.31
0.21
0.21
0.27
-0.05
0.97
0,775
0,249
0, 831
0,002
0,000
N -0.14
-0.29
-0.11
0.16
-0.02
0.18
-0.09
-0.11
0.25
0.88
-0.04
0.04
0,708
0,541
0,958
0,926
dad asociada.
edáficos. CN
-0.14
-0.04
0.28
-0.29
-0.13
0.21
-0.05
-0.20
-0.15
0.44
-0.20
-0.17
0.05
0,130
0,568
0,956
Cíe -0.22
-0.11
0.29
-0.19
-0.30
0.32
-0.21
-0.16
-0.26
0.21
-0.01
0.03
0.09
0.22
0,276
0,138
CAC
0.43
0.15
-0.38
0.16
0.52
-0.38
0.25
0.25
0.44
0.02
0.44
0.43
0.01
0.08
-0.16
0,000
CIN
0.49
0.19
-0.42
0.17
0.58
-0.45
0.31
0.29
0.47
-0.03
0.50
0.50
-0.01
-0.01
-0.21
0.93
59
@ÁMnML®
3.3.4 Correlación entre parámetros edafoclimáticos
Según se recoge en la tabla 13, existe una relación lineal entre
ETR y SF.
TaJbla 13. Coeficientes de correlación lineal de Pearson para los parámetros edofoclimáticoa
ETR
SF
DRJ
ETR SF DRJ
-0,60 0,16
0,000 -0,14
0,282 0,322
En la parte superior se recogen los coeficientes y en la inferior la probabilidad asociada.
3.3.5 Correlación entre parámetros climáticos y parámetros
edáficos
En la tabla 14 se han recogido únicamente las relaciones
significativas.
Las múltiples relaciones observadas se pueden simplificar si se
agrupan de la siguiente forma. Por una parte existe una relación
lineal entre textura y precipitación estival y primaveral, de forma
que a mayor precipitación en estas épocas, mayor porcentaje de
arcilla. Esta relación también implica que a mayor sequía estival los
suelos son más permeables (relación negativa ARC-DEF, relación
positiva ARE-DSQ, etc) . La continentalidad, expresada mediante OSC
también se relaciona con la textura, de forma positiva con ARC y
negativa con ARE. Otro grupo de relaciones positivas implica que a
mayor precipitación existe mayor porcentaje de nitrógeno y materia
orgánica (relaciones positivas PP-N, PA-MO, SUP-N, etc) . Existe una
última relación negativa entre TMF y CN.
Tanto la sequía estival como la continentalidad se relacionan
con los parámetros edáfico-químicos, CIC y CN. Ambos decrecen al
aumentar PV y crecen al aumentar OSC. Por último hay que indicar que
existe una relación positiva entre porcentaje de carbonates y
temperatura, pero no se puede considerar remarcable debido al escaso
número de estaciones con carbonates.
60
gñíannm®
Tabla 14. Coeficientes de correlación de Pearson y probabilidad asociada para los parámetros climáticos y edáficos
PA
PI
PP
PV
PO
TM
TMC
TMF
ose
ETP
DEF
SUP
IH
DSQ
ISQ
IV
CRA
-0,28 p=,050
ARE
-0,31
p=,028
-0,50
p=,000
0,47
p=,001
0,40
p=,004
0,46 p=,001
0,38 p=,007
-0,37
p=,008
LIM
0,36
p=,010
-0,37 p=,008
-0,30 p=,032
-0,32 p=,025
-0,28 p=,046
ARC
0,33 p=,019
0,46
p=,001
-0,38 p=,006
-0,34 p=,014
-0,44 p=,001
-0, 33 p=,020
0,36 P=,011
PER
-0,43
p=,002
0,33 p=,021
0,28
p=,046
0,35 p=,014
0,29
p=,043
-0,35 p=,012
ccc
0,30 p=,033
0,32
p=,024
-0,28 p=,048
-0,28 p=,050
GIL
-0, 17 p=,240
HE
0,38
p=,006
0,49 p=,000
-0,29 p=,042
-0,46 p=,001
-0,42 p=,002
-0,48 p=,000
-0,37 p=,008
0,35 p=,013
MO
0,28 p=,046
0,30 p=,032
0,30 p=,034
0,32
p=,025
0,33 p=,021
N
0,40 p=,004
0,40 p=,004
0,36 p=,011
0,39 p=,005
0,41
p=,003
0,42 p=,003
CN
-0,29 p=,043
-0,28 p=,046
0,31 p=,030
Cíe
-0,49
p=,000
0,51 p=,000
0,50 p=,000
0,44
p=,001
0,52 p=,000
0,57
p=,000
-0,59 p=,000
CAC
0,32
p=,026
0,34 p=,017
0,28 p=,048
CIN
0,37
p=,009
0,38 p=,007
-0,30 p=,037
0,33 p=,021
6 1
@¡Mnfm®D
3.3.6 Correlación entre parámetros climáticos y parámetros
fisiográfieos
Como cabía esperar, la altitud se correlaciona negativamente con
los parámetros de temperatura ETP, T y TMF, sin embargo no presenta
correlación con TMC y existe correlación negativa con los parámetros
de precipitación PA, PI y PP. Los parámetros RES y RUG se relacionan
positivamente con las precipitaciones del periodo vegetativo PP y PV.
Otras relaciones que pueden ser interesantes son las existentes
entre SME y los parámetros de temperatura, la relación lineal negativa
TMC-PND, y la relación negativa de TTG con los parámetros de
alimentación hídrica de la parcela PA, PP, SUP e IH (tabla 15).
Tabla 15. Coeficientes de correlación lineal de Pearson para los parámetros climáticos y fisiográficos (p<0,05)
PA
PI
PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
SUP j
IH
DSQ
ALT
-0.34
-0.28
-0.43
-0.77
-0.82
0.57
-0.75
DRE
0.32
-0.35
PND
-0.32
RES
0.30
0.28
-0.29
-0.37
-0.30
RUG
0.31
0.40
0.39
-0.34
-0.33
-0.29
SME
0.33
0.29
0.33
TTG
-0.32
-0.30
-0.30
-0.33
-0.32
-0.33
3.3.7 Correlación entre parámetros edáficos y parámetros
fisiográficos
La mayoría de las relaciones existentes derivan de las
relaciones de ambos grupos de parámetros con los parámetros
climáticos. Sin embargo es adecuado destacar la relación de TTG con HE
y MO (tabla 16).
62
SaiFTifm® Q
Tabla 16. Coeficientes de correlación lineal de Pearson para los parámetros fisiográfieos y edáficos
ALT
PND
INS
TTG
RES
SMK
SMA
RUG
CRA
-0,33 p=,018
TF
-0,30 p=,037
ARE
0,37 p=,009
LIM ARC
-0,39 p=,006
PER
0,31 p=,029
HE
-0,35 p=,013
-0,30 p=,032
MO
-0,33 p=,019
-0,35 p=,014
-0,35 p=,011
PHA
-0,36 p=,010
-0,30 p=,035
PHK
-0,32 p=,023 0,30
p=,032
-0,30 p=,036
CN
0,44 p=,001
-0,36 p=,010
CAC
-0,45 p=,001
CIN -0,54 p=,000
smmamiysmís, ©taL Q Í B ^ ® E S ií5i@Kfín§ iíPimmm^ mmiKl \M ga^Tfayya v tueca.
63
QaFwm® D
3.3.8 Correlación entre parámetros edafoclimáticos y el resto de
parámetros
Las relaciones entre parámetros edafoclimáticos y el resto son
las esperables debido a la formulación de los parámetros ETR, SF y DRJ
en los que intervienen directa o indirectamente varios parámetros
climáticos y edáficos.
Las relaciones con los parámetros climáticos (tabla 17) son las
más obvias, aunque merece la pena destacar que el parámetro ETR,
directamente implicado en la formulación de la productividad según
Rosenzweig (Gandullo, 1994), se relaciona con la precipitación estival
y primaveral, pero no con las precipitaciones otoñales e invernales.
Respecto a la relación con los parámetros fisiográficos (tabla
18) , es interesante destacar la relación entre TTG y DRJ. Por último,
con los parámetros edáficos (tabla 19) se muestran indirectamente las
mismas relaciones que entre parámetros climáticos y edáficos.
Tabla.17. 1
PA
PI
PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
SUP
IH
DSQ
ISQ
IV
Coeficientes de correlación lineal de Pearson para os parámetros edafoclimáticos y climáticos
ETR
0,34 p=,0a5
0,47 p=,001
0,53 p=,000
SF
-0,33 p=,021
-0,75 p=,000
0,46 p=,001
0,57 p=,000
-0,61 p=,000
0,44 p=,0 02
-0,36 p=,011
-0,45 p=,001
-0,33 p=,021
0,43 p=,002
0,74 p=,000
0,47 p=,001
0,46 p=,001
0,83 p=,000
-0,34 p=,017
0,75 p=,000
0,78 p=,000
-0,69 p=,000
0,98
0,97
0,88
0,98
-0,40
0,99
0,97
-0,36
DRJ
p=0,00
p=,000
p=,000
p=0,00
p=,004
p=0,00
p=0,00
p=,009
Tabla 18. Coeficientes de correlación lineal de Pearson para los parámetros edafoclimáticos y fisiográficos
ALT
TTG
SME
ETR
-0,78 p=,000
0,29 p=,040
DRJ
-0,32 p=,025
64
¡SfiMium®
Tabla.19.
CRA
TF
ARE
LIM
ARC
PER
CIL
HE
MO
PHA
N
CN
Cíe
CAC
CIN
Coeficientes de correlación lineal de Pearson para los parámetros edafoclimáticos y edáficos
ETR
0,71 p=,000
0,41 p=,003
-0,63 p=,000
0,48 p=,000
0,56 p=,000
-0,50 p=,000
0,62 p=,000
0,61 p=,000
0,29 p=,042
-0,40 p=,004
-0,28 p=,049
0,45 , p=,001
0,53 p=,000
SF
-0,60 p=,000
-0,42 p=,003
0,56 p=,000
-0,43 p=,002
-0,49 p=,000
0,42 p=,002
-0,57 p=,000
-0,55 p=,000
0,45 p=,001
DRJ
0,32 p=,022
0,41 p=,003
[Mmssssysmm ESO, saB^® ES ¡mamm i[Ñ¿Mxmáy mmmiK)) \M Qa^miuta v [Lusca,
65
(SaíPITíML® D
3.4 Análisis de componentes principales.
El objetivo de este análisis es simplificar la representación de
las parcelas mediante un conjunto de ejes que recogen una parte
importante de la variabilidad que han estimado los distintos
parámetros. Para ello se realiza el análisis en la matriz de
correlaciones y la representación se lleva a cabo mediante un biplot
de distancias (Legendre y Legtendre, 1998) .
Un requisito necesario pero no suficiente para que la
distribución se ajuste a una multinormal es que cada una de las
variables implicadas se ajuste a una distribución normal. Si bien este
ajuste se puede lograr en la mayoría de los parámetros mediante la
eliminación del análisis de algunas parcelas, se ha optado por
realizar transformaciones de los parámetros. Trabajar con variables
transformadas hace que se pierda cierta inmediatez en la
interpretación de los resultados, pero permite emplear todas las
parcelas en el análisis.
Se ha estudiado la multinormalidad de los conjuntos de
parámetros como requisito previo para aplicar este análisis. Para ello
se ha planteado el análisis de la distancia generalizada de
Mahalanobis de cada parcela al punto medio, que debe seguir una
distribución normal si la distribución de los puntos (parcelas) es
multinormal, según el método propuesto por Dagnelie (1975, en Legendre
y Legendre, 1998). Se estudia la distribución en un gráfico de
quantiles con escala normal, mediante el test de Kolmogorov-Smirnof, y
los valores estandarizados de kurtosis y skewness, de forma que se
puedan detectar la presencia de las parcelas que se alejan de la
distribución y generan el alejamiento de la normalidad. Los resultados
del análisis de multinormalidad para los parámetros escogidos en cada
caso se recogen en la siguiente tabla (tabla 20).
Tabla 20. Resultados del test de normalidad de la distancia de Mahalanobis.
Parámetros climáticos Parámetros
fisiográficos Parámetros edáficos
Skewnes std
1,76
1,47
0,5746
Kurtosis std
1,06
0,09
-1,82
p Kolm-Smirn
0,018
0,035
0,143
p Kolm-Smirn= probabilidad asociada al test de normalidad de Kolmogorov-Smirnov
[Sím'<smssí!jsmíA Ea= eas^?® ¡sm wismM (¡/^Míumár ^rnuBn^L,]) Sea ©sirimyya v ILIKSKL
66
©¡MñnaL® D
Según Hair et al. (1999) el ratio observaciones/variables debe
ser como mínimo 5, por lo que como máximo se deben incluir 10
parámetros en cada análisis. En todos los casos se han estandarizado
los parámetros previamente.
En la representación gráfica de la distribución de las parcelas
respecto a las componentes principales (figuras 6, 7 y 8) , se incluye
el círculo de correlaciones de los parámetros, junto con un círculo de
radio 1 que representaría la máxima correlación entre los parámetros y
los ejes representados. El círculo interior representa el círculo de
equilibrio de los descriptores, según la expresión de Legendre y
Legendre (1998) . Es una forma de evaluar si la contribución de un
parámetro al espacio reducido es mayor o menor que la que tendría bajo
el supuesto de que contribuyera por igual a la formación de los dos
V ^ ejes canónicos. El radio de este círculo toma el valor ^ ^ donde d
es la dimensión del espacio reducido (en nuestro caso 2) y p son los
parámetros empleados en el análisis.
3.4.1 Parámetros climáticos
Se consigue una distribución aproximadamente multinormal
mediante las siguientes transformaciones de los parámetros: 1/PA,
log(PP), 1/TM, 1/TMC, log(TMF+5), DEF (sin transformar) y log(SUP),
donde log es el logaritmo natural. El gráfico de quantiles refleja una
ligera separación de la normalidad para lel3, pero se considera que el
conjunto de variables seleccionadas está suficientemente equilibrado
en cuanto a parámetros representativos de temperatura, precipitación y
sequía estival por lo que la asimetría que genera esta parcela no
distorsiona la interpretación.
La representación de la variabilidad mediante los dos primeros
ejes es muy adecuada, ya que absorben el 83% de la misma.
67
©iMiwm® D
Figura 6. Representación de las parcelas respecto a las dos
primeras componentes principales climáticas
3.4.2 Parámetros fisiográficos
La siguiente combinación de parámetros y transformaciones genera
distribución aproximadamente multinormal: ALT^, raíz(TTG+0,5), PND,
RES, log{RUG), raíz(SME), raíz(SMA). Se retienen los tres primeros
ejes porque sus autovalores son superiores a 1 y en conjunto se
absorbe el 75% de la variabilidad. La representación en dos
dimensiones de los dos primeros ejes representa el 60% de la
variabilidad (figura 7) y la de los ejes primero y tercero el 50%
(figura 8).
68
<S/iMi¥m® D
Figura 7. Representación de las parcelas respecto a las dos primeras
componentes principales fisiográficas
•^^te^
Figura 8. Representación de las parcelas respecto a las
componentes principales fisiográficas primera y tercera
69
SñPIMíIL® D
3.4.3 Parámetros edáfieos
Se han estudiado distintas transformaciones y combinaciones de
parámetros para cumplir los requisitos del análisis, sin conseguir
resultados satisfactorios. Por este motivo se ha recurrido al análisis
de coordenadas principales, incluyendo todos los parámetros.
3.4.4 Parámetros edafoclimáticos
Al igual que en el caso anterior, no se encuentra una
combinación de parámetros o transformaciones de éstos que generen una
distribución multinormal. £>e recurre al análisis en coordenadas
principales.
70
©IMfíML® D
3.5 Análisis de coordenadas principales.
A diferencia del análisis de componentes principales, este
método permite obtener una representación euclídea del conjunto de
parcelas sin exigir multinormalidad en la distribución conjunta, a
partir de una matriz de distancias. Esta matriz se elabora mediante
los datos estandarizados para eliminar el efecto de la diferencia de
magnitudes, se ha empleado para el cálculo la distancia euclídea. Con
el fin de facilitar la interpretación de los ejes de coordenadas
principales, se estudia el coeficiente de Spearman entre parámetros y
ejes. También se resume la variabilidad recogida por los distintos
ejes, como estimación de la calidad obtenida en la representación,
mediante la fórmula:
donde m es la dimensión del espacio reducido,
c es el número de autovalores positivos y X representa a los
autovalores. Se ha empleado el programa DistPcoa (Legendre y Anderson,
1998) .
3.5.1 Parámetros edáfieos
En las tablas 20 y 21 se recogen los resultados del análisis.
Son necesarios 4 autovalores para alcanzar el 76,3 % de variabilidad
explicada, y con los dos primeros ejes sólo se explica el 51,8 %.
Aunque no se consigue una representación completa, se dibujan las
parcelas respecto a los dos primeros ejes ya que los parámetros que
explican el resto de ejes aparecen representados en los dos iniciales
(tabla 21) . Para facilitar la interpretación de la estructura de
parcelas respecto a los ejes obtenidos se realiza un análisis de
aglomeración mediante el procedimiento Cluster de SAS ®, con el método
de ligamiento sencillo. En la figura 8 se representan de forma
conjunta la ubicación de las parcelas respecto a los dos primeros ejes
y las relaciones primarias del proceso de aglomeración (Legendre y
Legendre, 1998) . En la figura 9 se desarrolla el proceso de
aglomeración en saltos de 5 uniones.
71
©iMMñMJt® Q
Tabla 20. Autovalores no nulos en el análisis de coordenadas principales para los parámetros edáficos.
Autovalor
300
131,6
105,8
98
64,5
43,7
35,3
26
12,2
7,5
3
1,8
1,6
1
0,9
% varianzá explicada
36
15,8
12,7
11,8
7,7
5,2
4,2
3,1
1,5
0,9
0,4
0,2
0,2
0,1
0,1
% varianzá aciunulada
36
51,8
64,5
76,3
84
89,2
93,4
96,5
98
98,9
99,3
99,5
99,7
99,8
99,9
Tabla 21. Coeficien asociada
Parámetro
CRA
TF
ARE
LIM
ARC
PER
CCC
CIL
HE
MO
PHA
PHK
N
C/N
Cíe
CAC
CIN
(p) del
Eje
R -0,61
-0,24
0,88
-0,69
-0,79
0,81
-0,65
-0,64
-0,84
0, 11
-0,41
-0,38
-0, 13
0,37
0,39
-0,59
-0,59
te de correlación de Spearman (R) y análisis entre parámetros edáficos
coordenadas 1
P 0,000
0,088
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,456
0,003
0,006
0,386
0,008
0,005
0,000
0,000
Ej( R
-0,57
-0,8
-0,2
0,12
0,21
-0,14
0,35
-0,54
0,35
0,62
-0,13
-0, 07
0,64
0,22
0,00
0,05
0,04
principales. 3 2
P 0,000
0,000
0,174
0,393
0,153
0,349
0,013
0, 000
0,012
0, 000
0,365
0,608
0,000
0,118
0, 974
0, 752
0,808
Eje R
0,20
0,10
-0,43
0,64
-0,05
0,06
-0,21
0,47
0,41
0,23
-0,60
-0,56
0,26
-0,12
-0,14
-0,36
-0,36
3
P 0,169
0,499
0,002
0,000
0,727
0,682
0,144
0, 001
0,003
0, 112
0,000
0,000
0,064
0,399
0,347
0,010
0,011
probab. y ejes
ilidad de
Eje4
R 0,20
0,28
0,12
-0,05
-0,27
0,40
-0,55
0,15
0,01
0,65
0,24
0,37
0,53
0,42
0,36
0,20
0,20
P 0,158
0,045
0,413
0,719
0,060
0,004
0,000
0,296
0,970
0,000
0,100
0,008
0,000
0,002
0,010
0,174
0,165
72
íSaiFOiML® D
Figura 8. Situación de las parcelas respecto a los dos primeros ejes de coordenadas principales edáficas y
conexiones primarias del proceso de aglomeración.
73
(S/Apwm®
Ji^ k
, > , :
Í_4: : ^
A I::
f- '.
4-^ 'r •/•"
Figura 9. Evolución del proceso aglomerativo según la
representación obtenida con coordenadas principales para los
parámetros edáficos.
3.5.2 Parámetros edafoclimáticos
En la tabla 22 se puede observar que los dos primeros ejes
ofrecen una representación muy adecuada de la variabilidad de las
parcelas respecto a los parámetros edafoclimáticos, ya que la varianza
acumulada por ambos alcanza el 86,7 %. Al igual que en el caso
anterior, se estudia la correlación de Spearman para determinar la
relación entre parámetros y ejes (tabla 23) y se obtiene una clara
relación positiva del primer eje con ETR, negativa con SF y nula con
DRJ, mientras que el segundo eje no refleja influencia de ETR o SF,
pero si negativa de DRJ. En las figuras 10 y 11 se realiza una
representación de parcelas y ejes según la metodología expuesta en el
punto anterior.
[Mw(3MS@im(mi\ ¡síMk (3MÍW2® mi íossms iíÑmmm' ^mmi\Lo)) [la ga^iímiLa \! [Lscim
74
Q Ü Í P I Í T M I L ® D
Tabla 22. Autovalores no nulos en el análisis de coordenadas principales para los parámetros edáfieos.
Autovalor % varianza explicada % varianza acimiulada
83
57
57
9
1
1
43.5
29.6
86.7
19.6
13.3
100
Tabla 23. Coeficiente de correlación de Spearman 'R) y probabilidad asociada (p) del análisis entre parámetros edafoclimáticos y ejes de
coordenadas principales. Parámetro
ETR SF DRJ
Eje 1
R p 0.83 0.000 -0.89 0.000 0.47 0.001
Eje 2
R P 0.20 0.164 -0.23 0.102 -0.86 0.000
Eje 3
R p -0.52 0.000 -0.21 0.144 0.09 0.554
••>'.„•-''''
E»I
-
—
.!>
.«^'•'
• ^ :
Eí*2
< -^ ir
•rf
•-
,:'' - "-
~ . r ' - - • • • ' "
• - • "
'- -
> • • '
•- X
"x -£ e»i
"..,
> > - 2 ^ >.- •- *
- a' •.
-
• 2
r- ... \ ^ -
'^' r •- - •"
•—
gei
^
\>*^« V'
j¥s- •"""^
- -^ -
-/" - "X ^ " u„
C'-r- •^"
5»'
-
•
W-""""
• = ^ 1 - ^ - í
• _
7"
.--~-
~ "X
^ ^ <í^"
s,—«
Figura 10. Evolución del proceso aglomerativo según la
representación obtenida con coordenadas principales para los
parámetros edafoclimáticos.
fiffljTTísssofLQíaDa Egi, ( n s ^ ® (ss EsscffüB iíF&íEms Siwmi\^ Sixi SaifinEMi V aesta.
75
SñiFwim® D
Figura 11. Situación de las parcelas respecto a los dos primeros ejes de coordenadas principales edáficas y
conexiones primarias del proceso de aglomeración. En números romanos los grupos propuestos.
76
SfiMním® D
3.6 Análisis de escalamiento multidimensional.
La aplicación de las técnicas anteriores al conjunto de los
parámetros no permite la representación sencilla de la similitud
ecológica existente entre parcelas ni la interpretación directa de las
relaciones entre todos los parámetros. La falta de multinormalidad y
el elevado número de parámetros son las razones que generan resultados
pobres al aplicar el análisis de componentes principales y de
coordenadas principales. Otra metodología adecuada para abordar las
relaciones entre grupos de parámetros es el análisis canónico de
correspondencias, sin embargo su efectividad es limitada al ser un
requisito la distribución multinormal.
Como alternativa a estos métodos se ha empleado el método de
escalamiento multidimensional. A diferencia de los métodos citados
anteriormente, este conjunto de procedimientos no analiza la
variabilidad sino la distancia entre parcelas. Además no tiene ningún
requisito respecto a distribución de las variables y los ejes
resultantes de la ordenación se pueden girar, centrar o estirar sin
afectar al resultado. Mediante este procedimiento se busca una
representación fiable, en un número reducido de dimensiones, de la
matriz de distancias entre parcelas. Un resultado inmediato es la
similitud entre parcelas expresada en dos o tres dimensiones, de modo
que puede ser representada y visualizada directamente. Otro aspecto
interesante es que, si existen variables externas al análisis
(parámetros en nuestro caso), podemos estudiar su relación con las
nuevas dimensiones mediante el método PROFIT (Coxon, 1982). De esta
forma sabremos cuales son los parámetros con mayor peso en la
similitud ecológica entre parcelas. Por último podemos proyectar las
parcelas respecto a los parámetros más significativos y darle una
explicación paramétrica a la distribución de las parcelas surgida del
escalamiento multidimensional.
El planteamiento anterior requiere que la matriz de distancias
entre parcelas no se obtenga en función de los parámetros, ya que
estos se van a emplear en la interpretación del análisis. Por lo tanto
hay que caracterizar ecológicamente a las parcelas sin emplear los
parámetros. Una alternativa que consideramos de interés es evaluar la
similitud ecológica entre parcelas comparando sus fichas hídricas. Las
fichas hídricas (Gandullo, 1994) son matrices de datos que simulan la
evolución anual de la evapotranspiración real, además de recoger
Emr(ssmsi¡ys^mi\ [EXÜL oaa^z® ©g Eaocími ilÑMíssmr ¿iiímM\Lü]) [loa (ga^ifiEMi v [t@®c!L
77
QA\CTÍML® D
información mensual sobre precipitación, temperatura y reserva de agua
en el suelo. Se consideran herramientas muy interesantes en la
caracterización de estaciones forestales y apoyándonos en esta premisa
podemos concluir que el grado de similitud ecológica entre dos
estaciones queda razonablemente expresado por la similitud de sus
fichas hídricas.
Sin embargo surge un inconveniente al buscar un coeficiente de
similaridad entre matrices asimétricas como son las fichas hídricas.
Los procedimientos en los que interviene la similitud entre matrices
empleados en ecología están concebidos para trabajar con matrices
simétricas de similaridad o disimilaridad (Legendre y Legendre, 1998),
por lo tanto hay que convertir la ficha hídrica en una matriz de este
tipo. Una posibilidad es calcular la distancia euclídea entre los
meses, caracterizando cada mes por un vector cuyos componentes son la
precipitación, temperatura, evapotranspiración real y reserva de agua.
De esta forma obtenemos para cada parcela una matriz simétrica 12 x 12
en la que cada celda repressenta la distancia 'ecológica' entre dos
meses, y que en conjunto expresa un perfil ecológico anual del
balance termo-hídrico.
La similitud entre parcelas se estudia analizando la correlación
entre matrices, mediante el coeficiente de Pearson entre dos matrices
A y B:
1 N N (Ay-A) (B,-B)
SB
donde N es el número de elementos por encima o por debajo de la
matriz, A y B son las medias de los N elementos en las matriz A y B,
y S^y Sg son las desviaciones estándar de estos elementos en las
matrices A y B. Calculando este coeficiente para todos los posibles
pares de matrices obtenemos una matriz de similaridad entre parcelas.
Restando a 1 esta similaridad obtenemos la disimilaridad o distancia
entre matrices. Esta matriz es la que se utiliza en el cálculo de
escalamiento multidimensional.
El procedimiento de escalamiento se lleva a cabo mediante el
procedimiento MDS de SAS ®. Como medida de la bondad del ajuste se
emplean el estadístico Streíss 1 de Kruskal y la correlación R entre
las distancias reales y las resultantes del ajuste (Arias, 1999) . La
atwsssotsxMJi [sXMk (ssssm> mi sataxíjirg ilF&mas' /ammi^l día Sa^ñniLCja ^ t e s c í
78
(S/iMfírtHL® D
fórmula de Kruskal tiene la siguiente forma (Legendre y Legendre,
1998) :
Stress = ' ^
E'' AB AB
donde d^g es la distancia entre las parcelas A y B según la
matriz calculada previamente y a^^es la distancia entre estas parcelas
en las nuevas dimensiones. En la tabla 24 se muestra el resultado del
ajuste para distintas dimensiones:
Tabla 24. Resultado del análisis de escalamiento
multidimensional
N° de dimensiones
1 2 3 4 5
Stress
22 % 11 % 8 % 4 % 3 %
R (correlación)
0,93 0,97 0,98 0,99 1
Según Kruskal (1964, en Michaidilis, 2004) el ajuste es
aceptable para valores de Stress inferiores al 10%, bueno para valores
en torno al 5% y excelente para el 2,5%. En nuestro caso se consigue
un ajuste muy bueno para 4 dimensiones. No es posible la
representación gráfica de un espacio de 4 dimensiones, por lo tanto se
obvia esta representación.
Para evaluar el efecto de los parámetros sobre esta
configuración se emplea el procedimiento TRANSREG de SAS ®. Mediante
regresión lineal entre cada parámetro y las nuevas dimensiones se
obtiene un vector que representa la dirección de incremento del
parámetro en el espacio de 4 dimensiones. El coeficiente de
correlación múltiple permite discriminar los parámetros relacionados
con la configuración de las parcelas (tabla 25).
79
SaiPinMk® D
Tabla 25. Coeficiente de cortelación múltiple (p) entre dimensiones y , parámetros
Parámetro
PA
PI
PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
P 0,90
0,91
0,88
0,50
0,93
0,43
0,52
0,59
0,80
0,42
0,50
',
Parámetro
SUP
IH
DSQ
ISQ
IV
ETR
SF
DRJ
ALT
PND
INS
P 0,92
0,88
0,58
0,50
0,66
0,76
0,77
0,92
0,63
0,47
0,29
,k
i'
/'
"
Parámetro
TTG
RES
SME
SMA
RUG
CRA
TF
ARE
LIM
ARC
PER
P 0,32
0,57
0,19
0,21
0,46
0,85
0,73
0,53
0,34
0,60
0,52
V
Parámetro
ccc GIL
HE
MO
PHA
PHK
N
CN
Cíe
CAG
CIN
P 0,36
0,65
0,53
0,27
0,53
0,48
0,31
0,33
0,43
0,37
0,44
Se opta por tener en cuenta aquellos parámetros con correlación
superior a 0,60. Para estos parámetros se calcula el peso
estandarizado de las distintas dimensiones en la regresión, así como
el grado de relación entre los parámetros mediante el cálculo de los
cosenos entre sus vectores directores. Valores del coseno próximos a
uno implican una relación estrecha, próximos a -1 implican relación
opuesta y cercanos a O implican falta de relación. En las tablas 26 y
27 se muestran estos resultados.
Tabla 26. Peso estandarizado de las dimensiones en la regresión de los parámetros
PARÁMETRO
PA
PI
PP
PO
ose SUP
IH
IV
ETR
SF
DRJ
ALT
CRA
TF
ARC
CIL
Dimensión 1
-0,82
-0,88
-0,63
-0, 88 -0,14
-0,87
-0,84
0,55
0,03
-0,01
-0,87
0,06
0,20
0,06
0,09
0,09
Dimensión 2
0,32
0,21
0,49 0,22
-0,79
0,23
0,25
0,16
0,63
-0,45
0,23
-0,61
0,40
0,28
0,34
0,31
Dimensión 3
0,2
0,09
0,37
0,18 0,03
0,16
0,13
-0,02
0,19
0,00
0,16
-0,12
0,05
-0,13
0,33
0,00
Dimensión 4
0,05
0,12
0,06
0,01 -0,04
0,06
-0,02
-0,32
-0,38
0,63
0,06
-0,08
-0,72 -0,67
-0,37
-0,56
80
SaiPOTMi,® D
Tabla 27. Cosenos de los ángulos entre los vectores asociados a los parámetros
PA PI PP PO ose SUP IH IV ETR SF DRJ ALT CRA TF ARC PA
PI
PP
PO
ose SUP
IH
IV
ETR
SF
DRJ
ALT
CRA
TF
ARC
eiL
0,93
0,94
0,98
-0,47
0,99
0,97
-0, 30
0,44
-0, 15
0,99
-0,68
0.06
-0.04
0.38
0.07
0,78
0,94
-0,34
0,97
0,92
-0,56
0,15
0,10
0,97
-0,53
-0.20
-0.24
0.04
-0.18
0, 87
-0,60
0,87
0,85
-0,14
0,57
-0,19
0,87
-0,81
0.13
-0.04
0.54
0.12
-0,32
0, 99
0, 99
-0,33
0,38
-0,16
0,99
-0,52
0.08
0.00
0.35
0.09
-0,35
-0,39
-0,29
-0,69
0,40
-0,35
0,95
-0.32
-0.24
-0.40
-0.32
0,98
-0,41
0,32
-0,07
1,00
-0,56
-0.02
-0.10
0.27
-0.01
-0,24
0,46
-0,26
0,98
-0,56
0.17
0.11
0.39
0.19
0,72
-0,86
-0,41
-0,10
0.90
0.88
0.70
0.89
-0,89
0,32
-0,66
0.86
0.75
0.92
0.85
-0,07
0,28
-0.99
-0.97
-0.82
-1.00
-0,56
-0.02
-0.10
0.27
-0.01
-0,
-0,
-0,
-0,
.20
,07
.44
.20
0,
0,
1,
.97
.84
.00
0.69
0.98 0.82
81
©aHRMLOD
Las tablas anterioress permiten identificar tres grupos de
vectores:
1. Los correspondientes a PA, PI, PO, PP, IH, SUP y DRJ, en
los que tiene un peso importante la 1' dimensión.
2. Los correspondientes a OSC, ETR y ALT, en los que tiene un
peso importante la 2° dimensión.
3. Los correspondientes a CRA, TF y SF, en los que tiene un
peso importante la 4' dimensión.
El primer grupo y el tercero son ortogonales, y por lo tanto
independientes ya que los ángulos formados entre vectores de ambos
grupos se aproxima a 90 °. Del mismo modo, el tercer grupo presenta
una correlación baja y similar con los otros dos (ángulo de 108 °
aproximadamente), por lo que se puede considerar que tomando un
parámetro de cada grupo se puede crear un sistema de ejes ortogonal
que permite una representación visual cercana a la obtenida con cuatro
dimensiones. Los parámetros escogidos en cada grupo son los de mayor
p: PO, OSC y CRA. La representación del espacio de 4 dimensiones
proyectado sobre los parámetros anteriores, genera la distribución de
parcelas de las figuras 12, 13 y 14.
Hay que tener en cuenta que en esta representación falta la
información correspondiente a la 3' dimensión, por lo tanto no es
completa. También hay que observar que esta representación no es
única, ya que variará si se reproyecta respecto a otros parámetros.
Como ayuda a la interpretación de las figuras 12, 13 y 14, se ha
realizado un agrupamiento mediante el método del vecino más próximo
(ligamiento simple) con distancia euclídea, tomando como coordenadas
las del espacio de cuatro dimensiones. De esta forma se puede analizar
de forma objetiva la distancia entre parcelas, y por lo tanto su
similitud. Se ha empleado el procedimiento Cluster de SAS ®. En la
figura 15 se recoge el resultado de este proceso.
82
S/AMnMt®
Figura 12. Simplificación de la distribución de parcelas en el espacio de 4 dimensiones al reproyectar sobre
tres parámetros representativos de cada grupo con mayor correlación (perspectiva 1).
83
(S/iMnML®
PO
2.06
0.40
-1.25
e13 Ie12
leB le l l Ie9je14
s°2 <^aX
1.68
0.71
-0.26 CRA 0.23
-0.87
ose -1.97 -1.23
Figura 13. Simplificación de la distribución de parcelas en el espacio de 4 dimensiones al. reproyectar sobre
tres parámetros representativos de cada grupo con mayor correlación (perspectiva 2).
84
SMPVÍML® ü
ose 1.33
0.23
-0.87
^ ^V _^37^^ . Vza3 ^ O av4
Ie10
so8 so7
., , sg2 sob^v>
so3so1 soG
so9
1.68
0.71
-0.26
2.91 -1.23
Figura 14. Simplificación de la distribución de parcelas en el espacio de 4 dimensiones al reproyectar sobre
tres parámetros representativos de cada grupo con mayor correlación (perspectiva 3).
85
(g/aanpiML® D
-\ oi íT) oi en -^ (0 (0 > > > > N N (T3 nj ro ns
n iH fO ' í ' LO (tí fO 0) 0) 0) W CU'-\ r-\ r-\
rHC\l<£>rOrHOOOJOJOO <¡) (D ( D f O C n C n C n O O
r H M r — I N t O W C O W C O
•^r O w
i H rH CTl (U W
O (0
O CO
VD O LT) O r H W 0)
0 W
i H rH
Figura 15. Dendrograma resultante del proceso de agrupación en el espacio de cuatro dimensiones.
86
OíMñim® D
4. DISCUSIÓN
4.1 Descripción y distribución de los parámetros en los
distintos hábitats
4.1.1 Definición de hábitats
Los valores de las tablas 6, 7y 8 definen el habitat central y
marginal de la especie. La aplicación práctica de esta información es
inmediata. El conocimiento del habitat central permite determinar el
rango ecológico en el que el cerezo tiene altas probabilidades de
prosperar. Aquellas estaciones en las que todos los parámetros se
sitúen en el habitat central, son altamente recomendables para la
reforestación con esta especie y se puede asegurar su adecuación
ecológica. Por el contrario, las estaciones en los que algunos
parámetros se sitúen en el habitat marginal, ofrecen mayor o menor
adecuación en función de los parámetros que se quedan fuera del
habitat central. Por último, en las estaciones con parámetros situados
por encima o por debajo de los límites absolutos se desconoce la
adecuación de la especie, por lo tanto el riesgo de fracaso es
elevado.
En los siguientes puntos se discute la distribución de los
parámetros que definen los distintos hábitats.
4.1.2 Habitat climático
La principal característica de la distribución de precipitación
y temperatura es su perfil bimodal. Este factor responde a la
ubicación del cerezo en dos situaciones dentro de la periferia
montañosa de la región: en montañas de la cuenca del Duero y en
montañas cuyas aguas vierten fuera de ésta. La distribución bimodal de
la precipitación anual viene motivada por la presencia de un grupo de
parcelas con mayor pluviometría, en torno a 1300 mm, separada del
conjunto principal. Este grupo está integrado por parcelas de la
cuenca del Duero situadas en las montañas del noroeste (Sanabria,
Picos de Europa, Montaña Palentina, etc) y por la mayor parte de las
parcelas situadas en las cuencas vertientes fuera del Duero (Alagón,
Tietar, Sil, Sella y Cadagua) . El resto de las parcelas se ubica
entorno a valores de 800 mm, con valores mínimos próximos a 600 mm en
las parcelas más orientales, dentro de la cuenca del Ebro. La
distribución de las precipitaciones estacionales permite dividir las
parcelas en dos grupos, uno en el que el máximo de precipitación tiene
a[üJíF®@s®a.®(g)a E a enE^?® ©@ Ki@cínr@ ilpímijcm^¿ñmmsi^ Bes SasTínuta v Osoca,
87
(Sñ[p[fífm@0
lugar en invierno y otro en el que la estación más lluviosa es la
primavera. En el primer grupo se engloban la mayor parte de las
parcelas, en el segundo se incluyen las más orientales, 9 asentadas en
la cuenca del Ebro, 3 en la del Cadagua y 3 en la cuenca del Duero, en
la provincia de Segovia. En cuanto al histograma de las
precipitaciones estacionales hay que señalar que PI, PP y PO siguen
patrones similares a los recogidos para PA, sin embargo en la
distribución de PV no se observa de forma clara el perfil bimodal.
Aunque las dos parcelas situadas en la cuenca del Sella presentan
valores muy superiores al resto (210 mm) , el resto de las parcelas se
distribuye en torno a 130 mm y su valor desciende hasta 72 mm
siguiendo un claro gradiente descendente norte-sur. Este gradiente
latitudinal es menos apreciable en PA, PI, PO y PP; en estos
parámetros es más importante la cuenca vertiente a la que pertenece la
parcela que su latitud.
En comparación con la precipitación anual dentro de la
distribución mundial de la especie (650-1800 mm), el habitat en
Castilla y León alcanza valores inferiores (573-1474 mm) . Aunque este
dato es interesante, al aumentar el área potencial de la especie, hay
que recordar que el umbral inferior que define el habitat central se
sitúa en 692 mm. Debido a la importancia que tiene este parámetro para
el éxito de la reforestación, el mínimo de precipitación debería
situarse en 650-700 mm.
Del mismo modo, la precipitación estival también alcanza valores
menores en Castilla y León (72-211 mm) de los citados en bibliografía
(92-452 mm en Italia según Ducci et al., 1988) .
El perfil bimodal se repite en la distribución de TM. En este
caso el grupo más térmico lo integran en su totalidad parcelas
ubicadas fuera de la cuenca del Duero, con valores de 11,5 a 13,5 °C.
El resto de las parcelas se ubican en torno a la moda de la
distribución, 9,5 °C y no existe estructuración geográfica en esta
distribución, ya que se reparten valores entre 7 y 10,5 °C por todos
los sistemas montañosos en c[ue se ha desarrollado el estudio (Gredos,
Sistema Ibérico, Guadarrama, Picos de Europa, etc). La distribución de
TMF y TMC presenta un perfil similar al de TM, aunque TMC es menos
variable (cv del 7% frente al 18,5 % de TM) . La mayor parte de las
parcelas se agrupan en torno a 2 6 °C para este parámetro y la
separación entre parcelas situadas fuera y dentro de la cuenca del
Duero no es tan patente como en TM. De hecho, se observa el mismo
gradiente norte-sur que aparece en la distribución de PV. El parámetro
/i\tuíír®@@®(k®(aQ [Da o í s ^ ® mi ¡ímuME iíPmmm' ¿smmi^^ SKI easijTiLta v tsoia
88
©¡M]ÍML@Q
TMF se distribuye de forma semejante a TM, con un rango de variación
similar y sin aparente estructuración geográfica. En cuanto a estos
parámetros podemos concluir que TM y TMF dependen en mayor medida de
la situación respecto a la cuenca del Duero que de la latitud en que
se ubica la parcela. Los bosquetes de cerezo situados fuera de la
cuenca presentan mayores valores de ambos parámetros, mientras que
entre los situados dentro de la misma no existen grandes diferencias.
El parámetro TMC se aleja de estas tendencias y refleja con claridad
la existencia de un gradiente norte-sur contrario a la precipitación
estival.
El rango de temperatura media encontrado en Castilla y León (7-
13,6 °C) incluye al que propone (CAB, 2000) para la distribución
mundial de la especie. La única referencia encontrada que se sale de
este rango es de Mercurio y Minotta (2000) en Italia, con 15°C como
límite superior en temperatura media. Evidentemente la especie vegeta
en Castilla y León en zonas en las que se alcanza este límite, aunque
son árboles provenientes de cultivos frutales que rara vez alcanzan el
porte forestal y su regeneración es de dudosa viabilidad, por lo que
no se incluyeron en el muestreo. El umbral inferior (8 °C) en Castilla
y León coincide con el límite inferior señalado por la mayoría de los
autores (Franc et al., 1992; Mercurio y Minotta, 2000; Ducci et al.,
1988) . Los límites del habitat en cuanto a TMF confirman su
resistencia al frío invernal (Ruíz y Ceballos, 1979; Mercurio y
Minotta, 2000).
La oscilación térmica (OSC) es el resultado de las diferencias
entre TMF y TMC, por lo tanto refleja el carácter bimodal de la
primera y el gradiente latitudinal del segundo. Respecto a este
parámetro, el cerezo se distribuye en su mayor parte en torno a 29 °C,
tanto las parcelas de la cuenca del Duero como en aquellas de la
cuenca del Tajo (Alagón y Tietar) y del Ebro, excepto bu8 y bu9. Estas
dos parcelas, junto con las de la cuenca del Sil y del Norte (Sella y
Cadagua) son las de mayor influencia atlántica y por lo tanto las de
menor continentalidad. La relación existente entre TMF y TMC en la
mayor parte de las parcelas propicia que a valores bajos de un
parámetro le acompañen valores bajos del otro y a valores altos de
uno, valores altos del otro, de forma que la diferencia entre ambos se
mantiene relativamente constante en toda la distribución. Según Elena
et al., (1985), en la península valores de OSC inferiores a 24 °C
suponen un carácter plenamente oceánico, valores superiores a 29 °C
indican un clima claramente continental y valores intermedios suponen
[}Mr@ssm,®mj\ ^ML @as^® ©s GsiscüirB ll^&myMf simmi^]) SKI SasñmuLñ v tueca.
89
QíMfiML® D
áreas con moderada influencia de los mares o situaciones próximas a
sistemas montañosos. Siguiendo este criterio, en nuestro caso
presentan carácter oceánico las parcelas de la cuenca Norte y bu8,
parcela más septentrional de la cuenca del Ebro. Como ya se ha
comentado, la mayor parte de las parcelas se distribuyen en torno a 29
°C, límite del carácter continental. Por lo tanto el conjunto de la
distribución se puede clasificar como transición entre el clima
continental y el oceánico. Las parcelas del norte manifiestan el
carácter oceánico de forma más clara y en el resto la situación entre
montañas de las parcelas matiza el clima continental de la meseta y
crea el clima de transición que caracteriza al cerezo de monte en
Castilla y León. Este carácter de transición entre el clima oceánico y
continental supone una parte del rango climático en la distribución
mundial, que va desde el oceánico uniforme al continental (CAB, 2000).
El parámetro ETP sigue una distribución pareja a TM, con la
mayoría de las parcelas distribuidas en torno al valor modal 600 mm y
un pequeño grupo de 7 parcelas con valores superiores, en torno a 700
mm. La variabilidad expresada como cv es sin embargo inferior a la de
TM, en torno al 7 %. Esta homogeneidad propicia que 45 de las 50
parcelas se incluyan en la clase de clima templado-frío según Gandullo
et al., (1998), que corresponde con el clima mesotérmico de
Thornthwaite. Tan solo 5 parcelas aparecen fuera de este rango y se
incluyen en la clase de clima frío (o clima microtérmico de
Thornthwaite). Matizan esta clasificación en función del número de
meses en los que la temperatura media es inferior a 6 °C, periodo en
los que la vegetación permanece inactiva según el criterio de
climatólogos como Miller y Giaussen. La clasificación final del régimen
térmico sitúa 5 parcelas en clima frío, 2 en clima templado-frío de
inviernos tibios, 10 en clima templado-frío de inviernos frescos y 33
en clima templado-frío de inviernos fríos.
De los parámetros extraídos en la comparación entre
evapotranspiración y precipitación mensual, cabe mencionar que DEF se
ajusta correctamente a una distribución normal, por' lo tanto los
valores se distribuyen de forma simétrica alrededor de la moda, en
torno a 200 mm. Teniendo en cuenta la formulación de este parámetro,
la obtención de una distribución normal implica que la relación entre
ETP y PV es similar en la mayor parte de las parcelas, si bien un
grupo presenta altos valores de ETP y bajos de PV (parcelas de la
cuenca del Tajo) y otro grupo más reducido (parcelas del Sella)
presentan valores de PV muy por encima de la media que no corresponden
90
QiMnraiL® D
con valores altos de ETP. Por el contrario, SUP manifiesta una
distribución similar a PA, PP, PI y PO tanto en forma como en cv (48,1
%) . Esta importante variabilidad refleja que la precipitación compensa
a ETP en los meses fuera del verano con un rango de valores de 8 00 mm,
desde 200 a 1000 mm, por lo tanto no parece existir relación entre el
calor en otoño, invierno y primavera, que genera la ETP, y la
pluviometría recibida en esta época.
El parámetro IH, resultado de la relación entre ETP, DEF y SUP,
es muy variable (cv = 67 % ) , debido a la disparidad del comportamiento
de estos parámetros. Según la clasificación de Thornthwaite las
parcelas se distribuyen entre el clima perhúmedo (13), húmedo (35) y
subhúmedo (2) . Este índice genera un gradiente este-oeste de menor a
mayor humedad. Es destacable que en ningún caso se alcanzan valores
por debajo de O, que implican sequía o aridez. La distribución del
cerezo en Castilla y León respecto a este parámetro se puede calificar
por tanto de húmeda a perhúmeda.
Respecto a la duración de la sequía (DSQ) y la intensidad de la
misma (ISQ), cabe comentar que el perfil sesgado de ambas responde al
hecho de que en la mayor parte de las parcelas no existe sequía según
el criterio de Gaussen. En 22 parcelas en el caso de DSQ y en 30 para
ISQ, el parámetro toma el valor cero. La duración máxima de la sequía
se sitúa en 2,3 meses y solo en 7 parcelas se superan los 2 meses. En
ambos parámetros se observa un gradiente latitudinal, más marcado en
ISQ. Las parcelas que superan 2 meses de sequía son las de la cuenca
del Tajo y las dos más meridionales de la cuenca del Duero. Ambos
parámetros alejan la presencia del cerezo en Castilla y León del clima
mediterráneo, caracterizado por la sequía estival marcada.
Por último, el índice de Vernet presenta un carácter bimodal
debido a que las parcelas más meridionales se clasifican como de clima
mediterráneo (3) o submediterráneo (3) , mientras que el grueso del
conjunto se agrupa entre las clases de clima pseudooceánico (19) y
oceánico (17). La transición entre ambos grupos se realiza a través de
8 parcelas de la clase oceánico-mediterráneo, aunque éstas están más
cerca del clima pseudooceánico que del submediterráneo. Al igual que
en los parámetros anteriores, existe un gradiente latitudinal, aunque
menos evidente que para DSQ e ISQ. Las parcelas de los climas
mediterráneo y submediterráneo son las que en el caso anterior sufrían
más de 2 meses de sequía. Por lo tanto, según este parámetro, las
únicas parcelas de nuestro estudio con carácter mediterráneo son las
de la cuenca del Tajo y las más próximas a ésta de la cuenca del
aiaTr®(K§®a.®aia ©so. Q^B^?® ©S [iascairB iíPmsixjimmwma^ Uto (Sa^ñmíta v (LBOKL
91
(SaiMnim® D
Duero. El resto de parcelas se clasifican como de clima pseudooceánico
u oceánico, y un grupo reducido entra en el clima de transición
oceánico-mediterráneo (parcelas de Sanabria, vertientes sur de Gredos
dentro de la cuenca del Tormes y 2 parcelas del Bierzo) . Estas
apreciaciones sobre la rareza de la especie en clima mediterráneo
coinciden con las expuestas por Franc et al., (1992).
4.1.3 Habitat fisiográfico
La distribución del parámetro cualitativo ERO indica que la
mayor parte de las parcelas no presenta síntomas de erosión, ya que
sólo en un caso se clasifica como notable. Por lo tanto la erosión
nula o ligera puede considerarse característica de los bosquetes de
cerezo en la región.
El otro parámetro cualitativo, DRE, indica que en el muestreo
realizado el cerezo se ubica en parcelas de drenaje normal (31) o
defectivo (14) y en 5 ocasiones aparece en laderas de drenaje excesivo
o convexo. Diversos estudios señalan la dependencia en el crecimiento
de la forma de la ladera, en relación con la capacidad de esta para
permitir la acumulación del agua (Claessens et al., 1999; Le Goff y
Madesclaire, 1985). En este estudio, la existencia de microcuencas
sucede en un tercio de los bosquetes analizados, en consecuencia es un
rasgo a tener en cuenta si bien no se puede considerar definitivo en
la caracterización del habitat.
Respecto a la altitud se puede observar que la distribución es
fundamentalmente unimodal, si bien está sesgada a la derecha por la
presencia de tres parcelas alejada del conjunto principal. Este grupo
se compone de 3 bosquetes situados en la cuenca del Cadagua, en torno
a 500 m de altitud. Aunque la mayor parte de las parcelas se
distribuye en torno a 1200 m, las parcelas aguas afuera de la cuenca
se sitúan en las menores altitudes, entre 400 y 900 m, mientras que
las parcelas interiores alcanzan las mayores altitudes, hasta cerca de
1500 m. Este límite altitudinal se ve superado en contadas ocasiones
por cerezos aislados en algunas sierras, pero su presencia es
esporádica y no permite clasificar a la especie como de alta montaña.
El habitat altitudinal del cerezo en Castilla y León se incluye en el
rango de la especie en Europa.
92
(Saipoum® D
En la tabla 28 se recoge la distribución de las parcelas según
la clasificación de pisos altitudinales propuesta por Gandullo y
Sánchez (1994).
Tabla 28. Distribución de altitudes (Gandullo y Sánchez
Palomares, 1994)
Piso altitudinal
Piso bajo
Piso bajo montano
Piso montano
Piso subalpino
Límites del piso (m)
ALT < 500
500 < ALT < 800
800 < ALT < 1200
ALT > 1200
N° de parcelas
2
2
27
19
Se observa que el cerezo en Castilla y León se distribuye
preferentemente entre los pisos montano y subalpino, llega a alcanzar
el piso bajo y como se ha comentado no es reseñable su presencia en
alta montaña. A pesar de las diferencias observadas, es el parámetro
fisiográfico con menor coeficiente de variación (22,6%).
La distribución de la pendiente es asimétrica a la izquierda por
la presencia de un grupo de parcelas ubicadas en terrenos de pendiente
prácticamente nula. Estos bosquetes se corresponden en su mayor parte
con terrenos destinados al cultivo y posteriormente abandonados. Esta
situación es relativamente habitual en numerosos pueblos de montaña de
la región, debido al frecuente abandono de tierras que ha supuesto la
emigración en los últimos 30 años. Esta es una de las características
del carácter postcolonizador del cerezo, su aptitud para instalarse
sobre suelos formados y aprovechar su mayor crecimiento inicial frente
a otras especies (pinos, robles, haya) para establecer pequeños
bosquetes. Posteriormente la especie se estabiliza por vía vegetativa,
ya que sus brinzales desaparecen a la sombra de las otras especies,
más tolerantes. Este esquema de colonización se ha obseirvado en la
mayor parte de los bosquetes visitados. Siguiendo la clasificación
propuesta por FAO (1977) para la descripción del sitio en el que se
toman muestras de suelo, las parcelas se distribuyen según la tabla
29.
íMv'<sm3Síysms\ Ena, (3M^^m> les EflSKnrs ¡lí^í^!umár amms^L]) d a Sa^TfnuLa v (L[KS»!L
93
©¡Mñím®
Tabla 29. Distribución de pendientes (FAO, 1977)
Clase de pendiente
Llano o casi llano
Suavemente inclinado
Inclinado
Moderadamente escarpado
Escarpado
Muy escarpado
Límites (%)
0 < PND < 2
2 < PND < 6
6 ^ PND < 13
13 < PND < 25
25 ¿ PND < 55
PND > 55
N° de parcelas
3
2
0
4
25
16
Se puede observar que en general el cerezo aparece en terrenos
escarpados o muy escarpados, aunque en contraste también aparece en
terrenos llanos en las situaciones indicadas anteriormente.
Evidentemente, los terrenos llanos no limitan la aparición de ninguna
especie forestal. Es destacable la presencia del cerezo en parcelas de
gran pendiente, que en ocasiones llega al 90 %, por lo tanto este
parámetro no es condicionante en su distribución, más bien se puede
calificar como asociado al entorno montañoso que como se ha visto
anteriormente caracteriza su presencia en la región. Por último hay
que destacar que en ocasiones la parcela muestreada presenta gran
complejidad al estar atravesada por arroyos o barrancos y la pendiente
refleja el dato más habitual en el que vegeta el cerezo, que no es
necesariamente el de la ladera en la que se ubica la parcela. Este es
el caso de las gargantas de Credos o de bosquetes ubicados en los
taludes de ríos.
La variabilidad de pendientes en las que aparece el cerezo
coincide con la revisión sobre ecología de la especie de CAB (2000) .
Los dos parámetros que evalúan la insolación recibida por la
parcela presentan distribuciones similares, aunque en nuestro caso la
diferencia entre umbría y solana queda reflejada de forma más clara
mediante el parámetro TTG. Este parámetro se distribuye
aproximadamente según una normal, centrada en valores de 0,75. Existe
un valor negativo correspondiente a la parcela le4 que refleja el
marcado carácter umbroso de la misma. En la figura 15 se recoge
gráficamente la posición de las parcelas respecto a la rosa de los
vientos. La distancia al origen para cada parcela representa el valor
de TTG. Para facilitar la visualización de las diferencias entre
94
©IMMDt® O
parcelas se ha representado un círculo de radio 1,07, valor
correspondiente al valor del parámetro en la latitud 41° (intermedia
en Castilla y León) y pendiente O %. Este valor puede servir como un
valor de referencia medio para el área de estudio, según el trabajo de
Gandullo (1997). Los valores dentro del círculo reciben una insolación
menor que este valor medio, independientemente de su exposición. Puede
apreciarse que estas parcelas son mayoría, ya que sólo en 11 casos la
insolación estimada mediante TTG es superior al valor medio. Por lo
tanto se puede establecer un claro predominio de las parcelas de
umbría en la distribución del cerezo en Castilla y León.
Sur
• / Buef
Sb7 \ Lk7 \
. Btt9 \ Bu4
\yZa3
/ s o S s » Avl Jo3
\ Pti2.
Av6
Este
BUS / \
Za2 / Leio\
\ . BfiS, / \ SoU
Bu»/^'* ^»^AvS \ .
1Í9 X^
PftJ \ .
Oeste
Nnrtfi
Figura 15. Distribución de las parcelas respecto a la rosa de los
vientos. La distancia al origen representa TTG. El radio del círculo
es 1,07, correspondiente al valor de TTG en una parcela llana del
centro de la distribución latitudinal.
El parámetro INS también sigue una distribución normal, los
valores se reparten por igual alrededor de 0,75. Sin embargo en una
representación similar a la anterior (figura 16) y empleando el valor
1 como diferencia entre umbría y solana (Gandullo, 1974), se aprecian
14 parcelas de solana. Este valor asciende a 19 si se emplea como
valor de corte 0,85, propuesto por Gandullo y Sánchez (1994) como
ai!fl=¡r®iie@(L(2Ma [OJIL oMa^® E S ESOIMTÍ ifF&smm/nmnm^^ Sea ea^=?iiLta v üKsm,
95
(S/AMfiML@D
límite entre umbría y solana para los pinares españoles. El motivo del
menor poder discriminante de este parámetro frente a TTG es la
influencia que sobre la insolación tiene la latitud, factor que no
recoge el parámetro INS. En una distribución como la del cerezo en
Castilla y León, representado desde la latitud 40° a 43° este factor
juega un papel importante y favorece el empleo de TTG como parámetro
de insolación.
Figura 16. Distribución de las parcelas respecto a la rosa de los
vientos. La distancia al origen representa INS. El radio del círculo
es 1 correspondiente al límite de insolación entre umbría y solana.
A diferencia de la preferencia por las exposiciones meridionales
observada por varios autores europeos (Boulet-Gercourt, 1997; Armand,
1995; Pryor, 1988), en Castilla y León se evidencia que la especie
aparece con mayor frecuencia en exposiciones de umbría. Esto parece
definir un efecto compensatorio latitud-exposición en la distribución
europea, aunque no se detecta en Castilla y León.
La distribución normal del parámetro RES refleja que la mayor
parte de las parcelas están resguardadas del efecto del viento por un
40% del terreno circundante. Se puede calificar este valor como un
96
©aiMML® D
resguardo medio, por lo que no se puede establecer que el cerezo
crezca necesariamente en lugares protegidos del efecto del viento. Hay
que señalar que las parcelas ubicadas en antiguos terrenos cultivados
aparecen tanto entre las más resguardadas como en las más expuestas,
indicando dos tipos de situaciones en este tipo de terrenos.
Los parámetros SME y SMA, indicadores de la posición relativa de
la parcela respecto a los vientos húmedos son marcadamente asimétricos
hacia la izquierda. Esta distribución indica que la mayoría de las
parcelas se ubican en una posición favorable al paso de vientos
húmedos. En el primer caso, 46 parcelas presentan un ángulo agudo
respecto a los vientos húmedos, mientras que para el segundo parámetro
son 41 parcelas.
La distribución del parámetro RUG es sesgada a la izquierda. Es
un parámetro muy variable (141 %) , conforme a la presencia del cerezo
en variadas situaciones fisiográficas: cultivos abandonados, riberas,
barrancos de montaña, fondos de valle, pies de ladera y laderas de
pendiente uniforme. Para evaluar la distribución de este parámetro se
ha estudiado la distribución del mismo para Castilla y León, empleando
los mismos criterios empleados para obtener el parámetro en las
parcelas (malla de 25 m de lado, ventana de 5x5 celdas, redondeo a 4
decimales y transformación a número entero), posteriormente se han
agrupado los valores en 5 clases correspondientes a los percentiles
del 20 al 80 % (tabla 30).
Tabla 30. Distribución de RUG
Percentil
20 %
40 %
60 %
80 %
100 %
Límites
RUG < 0
1 < RUG < 2
3 < RUG < 9
10 < RUG < 34
RUG > 35
N° de
parcelas
0
0
4
15
31
El rango de variación para Castilla y León se sitúa entre O y
5463, aunque la mayor parte de los valores se reparte en las primeras
clases según se observa en la tabla anterior. El cerezo aparece en las
a(üJir@@s®(L®<a[ia ©as, QMS^Z® E@ iiíi®Kmi iíPmims'i^mam^ [lea (Sa=rini!Mi v [Lesea.
97
(SMMnML® D
clases superiores, por lo tanto habita preferentemente en entornos
complejos de la región. Dos características de estos entornos pueden
considerarse típicos en los bosquetes de cerezo: la presencia de
barrancos y su inserción dentro de bosques situados en las cotas más
inaccesibles al hombre y al ganado.
4.1.4 Habitat edáfico
La distribución de TF sigue una curva normal centrada en torno
al 50 %, con valores entre 14 y 98 % y variabilidad alta (cv = 54,5
%) . Por lo tanto se puede cifirmar que la pedregosidad en la que se
desarrolla el cerezo es muy variada y no supone un carácter
definitorio del habitat. Este resultado es similar al encontrado para
los pinos peninsulares (Gandullo y Sánchez, 1994) , el castaño o el
haya en Castilla y León (Rubio et al., 2002), (Sánchez et al., 2003).
De los parámetros relacionados con la textura, ARE y LIM siguen
la distribución normal con valores centrados alrededor del 50 y 4 0 %
respectivamente, y variabilidad similar (cv 37,6 y 34,4). Sin embargo
ARC es claramente asimétrico hacia la izquierda, con media en 16% y
mayor variabilidad que los anteriores (cv 64,9 %) . Para observar la
importancia relativa de estos parámetros se recoge en la tabla 31 la
frecuencia de las distintas texturas.
Tabla 31. Frecuencia de las clases texturales
Designación
arcilla
franco-arcillosos
franco-arcillo-limosos
franco-areilio-arenosos
francos
franco-limosos
franco-arenosos
Región
I
IV
V
VI
VII
VlIIb
IXb, IXd
N° de parcelas
1
3
2
3
16
8
17
Es evidente que la textura define un entorno de escasa variación
en la ecología del cerezo. El 80 % de las parcelas se incluyen en tan
sólo 3 clases. La característica más clara del muestreo realizado es
la ausencia de suelos pesados y la marcada tendencia del cerezo a
aparecer en suelos de textura franca, desde franca-arenosa a franca-
limosa, con marcada tendencia por los suelos más sueltos entre las
texturas mencionadas. Por lo tanto, la textura debe tenerse en cuenta
98
(gapoirm® D
al definir el habitat actual de la especie y la adecuación de las
distintas estaciones para sustentar a esta especie.
La preferencia del cerezo por los suelos de textura franca
coincide con la opinión mayoritaria de los distintos autores que han
estudiado esta especie (Hubert, 1980; Bary-Lenger et al., 1988; Thill,
1975; Pryor, 1988) . También es aceptada la ausencia del cerezo en
suelos arcillosos o arenosos. La principal diferencia con estos
trabajos es la marcada preferencia por los suelos limosos, que no ha
podido ser constatada en Castilla y León (Boulet-Gercourt, 1997; Franc
y Ruchaud, 1996; Scohy (1989, en Mercurio y Minotta, 2000) .
El parámetro PER es marcadamente asimétrico a la derecha y
platicúrtico, con media en 3,5 y moda en 5. Los suelos analizados
varían entre moderadamente permeables y muy permeables, aunque
predominan estos últimos. La distribución de CCC confirma este hecho,
ya que tiene distribución asimétrica a la izquierda, alrededor de
valores bajos de cementación debido a la arcilla, por lo tanto indica
permeabilidad. En el caso de CIL la distribución presenta un perfil
similar pero menos marcado. La parcela Sa3 se aleja de los valores
medios de este parámetro y es responsable de su clara asimetría. La
observación de la distribución de ambos parámetros (CCC y CIL) indica
que los suelos menos permeables lo son en mayor medida por la
microporosidad o efecto del limo que por la cementación por arcilla
(Gandullo, 1994).
El encharcamiento es la limitación edáfica más importante a su
desarrollo según la mayor parte de los autores. La permeabilidad se
considera un factor fundamental en la ecología del cerezo, relacionado
también con la profundidad del suelo. Los resultados del muestreo en
Castilla y León apoyan la tendencia de la especie a crecer sobre
suelos permeables.
HE es el parámetro edáfico físico de menor variabilidad (cv 25,4
%) . Sin embargo, su distribución normal con tendencia a ser
platicúrtica indica que no existe un rango en el que las parcelas
aparezcan preferentemente. Exceptuando 3 parcelas con HE superior a 35
%, los suelos retienen entre el 14 y el 31 % del agua higroscópica y
capilar, sin que sea destacable ningún valor en particular. El rango
se puede considerar intermedio entre el castaño y el haya en Castilla
y León.
El parámetro CRA presenta una alta variabilidad, asociada en su
mayor parte a la diversidad de porcentajes de pedregosidad y
aiyjírgsQStcaxiEi ©m Q I E ^ ® Eg EXsxjoífg ilPmamáy ¿•immi\^ día ©itr¡fmMi v teeca.
99
(g/ÁMTJML® D •
pendiente. El amplio rango (.ISíS a 354, Imm) sin embargo no recoge los
límites inferiores obtenidos para el haya y los pinos en la península
(Gandullo et al., 2003; Gañdullo y Sánchez, 1994) o el castaño en
Castilla y León (Rubio et al., 2002). Esta característica da sentido
al carácter exigente que se atribuye a la especie, al menos frente a
las especies mencionadas. Otra característica de su distribución es la
asimetría hacia la izquierda, con lo que las parcelas alcanzan con más
frecuencia valores inferiores a la media, 163,9 mm. En este efecto
interviene la escasa aitcillosidad de los suelos señalada
anteriormente.
El habitat central para CRA en la región (73,7 - 269,2 mm) tiene
un umbral inferior muy por debajo del mínimo recomendado habitualmente
para reforestación (120 - 150 mm) -(Catry y Poulain, 1993), Becker et
al. (1990 en (Franc y Ruchaüd, 1996), (Le Goff y Madesclalre, 1985)-.
La influencia de este parámetro hay que ligarla al balance hídrico,
por lo tanto no se pueden establecer rangos absolutos ajenos a la
pluviometría. Rechazar la aptitud de las estaciones con CRA inferior a
12 0 mm resulta una medida excesivamente conservadora, sin tener en
cuenta la precipitación recibida por la estación.
El rango del porcentaje de MO va de 1,22 a 7,59 %. La
distribución es leptocúrtica, sesgada a la izquierda y la mayor parte
de los valores se distribuyen en torno al 3 %. La clasificación
propuesta por Gandullo y Sánchez (1994) para los pinos es adecuada
para clasificar los suelos respecto a este parámetro (tabla 32)
Tabla 32. Clasificación de los suelos según el porcentaje
de MO (Gandullo y Sánchez, 19 94)
Clasificación
Suelos muy poco humíferos
Suelos poco humíferos
Suelos humíferos
Suelos muy humíferos
Intervalo {%)
MO < 2
2 < MO < 5
5 < MO < 7,5
MO ^ 7,5
N° de parcelas
7
36
5
2
La clasificación muestra que con respecto a la materia orgánica,
el cerezo se desarrolla preferentemente sobre suelos poco humíferos.
Esto no evita que el parámetro tenga una importante variabilidad.
100
(gaiMnfm,® D
otro parámetro relacionado con la fertilidad de la estación es
N. El porcentaje de nitrógeno sigue una distribución similar a MO:
leptocúrtica, sesgada a la izquierda y una variabilidad elevada (cv
46,6 %) . La mayor parte de las parcelas toman valores en torno a 0,3
%. El rango de variación es similar al del haya y el castaño en la
región (Sánchez et al., 2003), (Rubio et al., 2002). Ambos parámetros
(MO y N) son de elevada variabilidad, acorde con las múltiples
combinaciones de factores que determinan su valor: litología,
presencia de ganado, vegetación, clima, gestión de la masa forestal,
etc. Por el contrario, el parámetro CN que relaciona a los anteriores
tiene aproximadamente la mitad de variabilidad (cv 20,6) y sigue una
distribución normal centrada en 9,1. Se observa que la variabilidad en
cuanto a MO y N se traduce en estabilidad del parámetro CN. Este dato
es interesante ya que indica que a pesar de las diferencia en la
vegetación dominante que forma los bosquetes estudiados (pinos,
robles, castaño, haya, bosque de ribera), el humus en superficie no es
excesivamente variable. Los valores del parámetro en combinación con
los parámetros CA y PHA definen la clasificación de humus de la tabla
33 (Gandullo et al., 2003). Según esta clasificación todos los suelos
son del tipo mull, las siete parcelas con presencia de caliza se
clasifican como mull calcico y el resto como mull forestal. Estas
últimas se reparten entre mull forestal eutrófico y oligotrófico. Se
puede concluir que la mineralización en los suelos en que esta
presente el cerezo es buena o muy buena y la capa de residuos sin
transformar es escasa. Hay que señalar que el valor mínimo de 3,6
corresponde con un suelo aluvial en el que la materia orgánica es
creciente en profundidad.
Tabla 33. Clasificación del humus (Gandullo et al., 2003)
Denominación
Mull calcico
Mull
forestal
eutrófico oligotrófico
Moder
CN
CN < 15
CN < 15
CNS > 15
CA
CA > 0
CA = 0
PHA > 5,5 PHA < 5,5
CA = 0
N° de parcelas
7
25 18
0
Los resultados de esta clasificación son acordes a los señalados
por Franc y Ruchaud (1996) en su revisión de la autoecología de la
101
Q5[p[r¡ML@D
especie e indican la preferencia de la especie por los suelos ricos o
medianamente ricos.
Los parámetros evaluadores de la reacción del suelo PHA y PHK,
siguen una distribución sesgada a la izquierda y son los parámetros
edáficos de menor variabilidad {cv 13,6 y 18,0 % respectivamente).
Para caracterizar el habitat del cerezo según este parámetro, se han
clasificado las parcelas según el criterio de Wilde, 1954 (en Gandullo
y Sánchez Palomares, 1994) {tabla 34).
Tabla 34. Clasificación de los suelos según la
acidez actual (Wilde, 1954)
Clasificación
Suelos extremadamente
ácidos
Suelos muy fuertemente
ácidos
Suelos fuertemente
ácidos
Suelos moderadamente
ácidos
Suelos neutros
Suelos moderadamente
básicos
Suelos fuertemente
básicos
Suelos extremadamente
básicos
Intervalo
PHA < 4,0
4,0 < PHA < 4,7
4,7 < PHA < 5,5
5,5 < PHA < 6,5
6,5 < PHA < 7,3
7,3 < PHA < 8,0
8,0 < PHA < 8,5
PHA > 8,5
N° de parcelas
0
1
16
20
10
1
2
0
El cerezo aparece en todas las clases excepto en las más
extremas, aunque tiende a ocupar estaciones de suelos fuertemente
ácidos, moderadamente ácidos o neutros. Las tres parcelas de reacción
básica se sitúan en riberas sobre suelos de aluvión, por lo que quizá
el parámetro está influido por la acidez de los aportes del río, ya
que se elabora para los 25 cm superiores del perfil, y no refleja
fielmente la reacción de la estación.
102
©IMñím@D
El habitat central en cuanto a PHA se encuentra entre 5 y 7, muy
similar a los datos ofrecidos por Hubert (1980) y Thill (1975). En
general, los datos del muestreo realizado coinciden con los recogidos
en diversos trabajos europeos (4 - 8) , aunque en Castilla y León el
cerezo tiene una tendencia clara a situarse en estaciones de reacción
acida.
En el muestreo realizado se han incluido bosquetes asentados
sobre roca caliza, aunque los valores de los parámetros CAC y CIN
indican que existe un importante lavado de calcio. En las tablas 35 y
36 se refleja esta situación.
Tabla 35. Clasificación de los suelos según el porcentaje
de caliza en la roca madre
Clasificación
Suelo silíceo
Suelo calco-
silíceo
Suelo calizo
Carbonates del
regolito (%)
0 o inapreciable
0 < CIN < 50
CIN > 50
N° de parcelas
43
7
0
Tabla 36. Clasificación de los suelos según la caliza
activa
Clasificación
Suelo totalmente
descarbonatado
Suelo bastante
descarbonatado
Suelo algo
descarbonatado
Suelo muy poco
descarbonatado
Suelo no descarbonatado
Intervalo
CAC < 2,5
2,5 < CAC < 10
10 < CAC < 20
20 < CAC < 40
CAC > 40
N° de parcelas
49
1
0
0
0
Si bien son 9 las parcelas con presencia de caliza en los
elementos gruesos, sólo hay una en la que el suelo no está
au!)Tr®@e®[L®Q]a EJIL eniggas) ne [íí]®Krini ifPimiííjmf ¿i¡m>M!'iL"¡¡ Sea eaiñniMi v t s e m
103
SMPínfm® D
descarbonatado. Se puede establecer que en Castilla y León el cerezo
aparece preferentemente sobre: suelos silíceos y en menor medida calco-
silíceos, aunque estos últimos aparecen descarbonatados.
Aunque son varios los autores que indican la resistencia del
cerezo a la caliza activa -(Hubert, 1980), (Catry y Poulain, 1993),
(Bary-Lenger et al., 1988), (Mercurio y Minotta, 2000)-, otros ligan
esta resistencia a la profundidad del suelo o a porcentajes bajos de
caliza (Becker et al. 1980, Mayer 1984, ambos en Franc y Ruchaud
(1996). Por otra parte, se cita con frecuencia la existencia de razas
adaptadas a caliza, aunque no se cuenta con citas procedentes de
estudios realizado específicamente con este fin. El presente estudio
no permite determinar hasta que punto es resistente el cerezo a la
caliza activa. En experiencias realizadas en el Centro de
Investigación Forestal de Valonsadero (Soria), se ha obtenido un buen
resultado en una plantación de cerezo con CAC 7,8% (Galán, 2000), lo
que puede apoyar la recomendación de Mercurio y Minotta (2000) de no
plantar cerezo en estaciones con CAC superior al 10%. Mientras no
existan estudios o ensayos específicos, parece adecuado seguir esta
recomendación. También hay que destacar que la idea de que el cerezo
resiste la caliza activa, puede venir motivada porque el cerezo
cultivado aparece en numerosas ocasiones sobre terrenos calizos. Sin
embargo, estos árboles se injertan sobre el patrón Santa Lucía {Prunus
mahaleb L.), marcadamente calcícola. Aunque esto no implica que no
existan poblaciones adaptadcis al sustrato carbonatado, conviene ser
prudentes en este aspecto.
La distribución de CIC según una normal deja a un número similar
de suelos a los lados del valor medio 47,6. No es excesivamente
variable, ya que la mayor parte de los suelos se consideran como ricos
o muy ricos según la clasificación de Jiménez (1993).
104
(SaiPffíML® D
Tabla 37. Clasificación de los suelos según CIC (Jiménez, 1993)
Clasificación
Suelo muy pobre
Suelo pobre
Suelo medio
Suelo rico
Suelo muy rico
Intervalo
CIC < 10
10 < CIC < 20
20 < CIC < 35
35 < CIC < 45
CIC > 45
N° de parcelas
0
3
8
13
2S
4.1.5 Habitat edafoclimático
La distribución de ETR sigue una curva normal, ligeramente
asimétrica a la izquierda. Esta asimetría la producen un grupo de 5
parcelas con valores de ETR en torno a 63 0 mm. En estas parcelas
coinciden valores elevados de ETP con elevados valores de CRA o
elevados valores de PV. El resto de las parcelas forman un grupo
homogéneo cuyos valores se centran en 5 00 mm. Este parámetro es poco
variable (cv 10, 2%) y su rango (399 - 636 mm) es similar a los
registrados en la región para el castaño (373 - 621 mm. Rubio et al.,
2002) y superior al del haya (433,3 - 632,3 mm, Sánchez et al-, 2003).
Este parámetro sintetiza las cualidades edáficas y climáticas de la
estación, y se emplea para evaluar la potencialidad de la estación
mediante el índice de Rosenzweig (Gandullo, 1994):
logioPPPN = 1,66 logioETR - 1,66; donde PPPN representa la
productividad potencial primaria neta del ecosistema y se expresa en
gramos de materia seca por metro cuadrado y año. La clasificación de
las parcelas se recoge en la tabla 38.
Tabla 38. Clasificación de las parcelas según PPPN (Gandullo et al., 2003)
Productividad
Muy buena
Buena
Aceptable
Mediocre
Escasa
Intervalo
PPPN > 1000
800 < PPPN < 1000
600 < PPPN < 800
400 < PPPN < 600
PPPN < 400
N° de parcelas
0
6
36
8
0
/A\ia=¡?®(ig@(L®®ia ESt e s E ^ ® \sm ísmunm i[^&wms= ¿¡immi'í^¡ Sea QjLSjiffflMi v [LS®C!L
105
©¡MRML® D
A la vista de esta tabla se concluye que la productividad en las
estaciones analizadas es muy similar y se considera aceptable en la
mayor parte de los casos, sin embargo lo más interesante es que en
ningún caso es muy buena, sólo en 6 casos es buena, e incluso en 8 es
mediocre. Estos resultados contradicen la apreciación generalizada
sobre la exclusividad de las estaciones ocupadas por la especie.
También permiten considerar con interés la producción de madera en la
mayor parte de los montes estudiados.
La sequía fisiológica sigue una distribución aproximadamente
normal, centrada en 100 mm y con elevada variabilidad (cv 55,8 %) . Un
grupo de 6 parcelas con los mayores valores del parámetro, se aleja
del conjunto de la distribución por los elevados valores de ETP y ARE.
La siguiente tabla (39) clasifica las parcelas según los intervalos
propuestos por Gandullo y Sánchez (1994).
Tabla 39. Clasificación según SF (Gandullo y Sánchez, 1994)
Clasificación
Libre de estrés
Estrés moderado
Estrés acusado
Estrés muy acusado
Intervalo
100 > SF
100 < SF < 200
200 < SF < 400
400 < SF
N° de parcelas
27
21
2
0
Exceptuando dos parcelas ubicadas en la Sierra de Lagunilla
(Salamanca), el muestreo realizado indica que los bosquetes de cerezo
se encuentran en estaciones libres de estrés o bien con estrés
moderado. A pesar de la elevada variabilidad del parámetro, la
clasificación propuesta ubica en un rango estrecho la capacidad del
cerezo para soportar la carencia de humedad. En comparación con el
castaño y el haya, el cerezo ocupa un rango intermedio de SF, ya que
no aparece en áreas en las que la sequía es tan marcada como en el
caso del castaño pero soporta mayor sequía que el haya.
A diferencia de los anteriores parámetros, DRJ se aleja de la
distribución normal. El perfil es ligeramente bimodal y la
variabilidad elevada (cv 55,2 %) . El rango de variación esta incluido
dentro de los del castaño y el haya.
106
(SMFOíTaL® O
A partir del análisis de la ficha hídrica bajo los supuestos de
CRA = 50 mm y CRA = 250 mm, Gandullo et al., (1998) proponen una
clasificación del régimen hídrico (tabla 40) de la estación según la
reducción en la actividad fisiológica por sequía en ambos supuestos de
CRA.
Tabla 40. Clasificación según el régimen hídrico (Gandullo et al.,
1998)
Clasificación
Clima axerico
Clima subxérico
Clima oligoxérico
Clima axérico a subxérico
Clima subxérico a oligoxérico
Clima subxérico a mesoxérico
Clima oligoxérico a mesoxérico
Clima oligoxérico a euxérico
N° de parcelas
2
22
14
5
7
107
(gñIPOTML® O
4.2 Análisis de la. correlación
4.2.1 Correlación entre' parámetros climáticos
A partir del análisis de correlación (tabla 10) se pueden
extraer algunos aspectos importantes sobre las relaciones entre
parámetros climáticos.
• No existe relación lineal entre los parámetros de
precipitación PA, PP, PO y PI y los de temperatura TM,
TMC, TMF y ETP. El cerezo aparece en Castilla y León en
estaciones de elevada precipitación que en algunos casos
se corresponden con bajas temperaturas, como en las áreas
de mayor altitud de las montañas de la cuenca del Duero y
en otras con temperaturas altas como en los valles del
Alagón, Tietar o Sil.
• Existe sin embargo una relación clara entre PV y TMC.
García (1986) en su revisión sobre del clima en Castilla y
León concluye que aunque las montañas de la región pueden
considerarse como húmedas en su conjunto, la aridez
estival diferencia un gradiente norte-sur desde los Picos
de Europa, hasta el Sistema Central. La entrada de aire
húmedo desde el oeste y suroeste que generan la elevada
precipitación anual en la vertiente meridional de Credos,
no ocurren en verano; y su ubicación lo alejan en exceso
de las entradas de aire polar desde el noroeste que en
verano generan la inestabilidad necesaria para generar
precipitaciones estivales. Estas entradas de aire húmedo
propician veranos relativamente húmedos en las montañas
septentrionales; y su influencia llega en mayor o menor
medida al restó de las sierras de Castilla y León
(Sanabria, Sistema Ibérico, Montes Obarenes, etc). La
distribución del cerezo es sensible a este gradiente, por
lo que se puede hablar de una relación lineal inversa
entre PV y TMC, inexistente en el caso de PA y TM.
• La relación entre PV y TMC resulta especialmente
interesante por dos motivos. En primer lugar, ambos
parámetros intervienen directamente en la sequía estival
que soporta la especie, dato fundamental para planificar
con éxito la reforestación en Castilla y León. En segundo
103
SaiMfm® Q
lugar, PV es el parámetro pluviométrico de menor
variabilidad, al igual que TMC entre los parámetros
térmicos. Por lo tanto tienen gran importancia en la
definición de áreas potenciales susceptibles de ser
ocupadas por la especie.
La relación entre PV y TMC explica la correlación negativa
entre PV y OSC. Los valores altos de PV coinciden con las
parcelas de mayor influencia atlántica, de baja oscilación
térmica, mientras que los valores inferiores de PV se dan
en la cuenca del Tajo, con valores tan elevados de TMC que
generan las mayores oscilaciones.
El gradiente latitudinal observado para todos los
parámetros excepto TM, TMC y ETP se observa en la tabla
41, en la que se recogen la correlación entre los
parámetros e Y (coordenada Y de la parcela, distancia en
metros desde el ecuador en el sistema UTM, huso 30). Se ha
empleado el coeficiente de Spearman ya que el parámetro Y
no es normal y resta validez a la información aportada por
el coeficiente de Pearson.
Tabla 41. Correlación entre los parámetros climáticos e Y (coordenada Y, XTTH huso 30)
PA
PI
PP
PV
PO
TM
TMC
TMF
OSC
ETP
DEF
SUP
IH
DSQ
ISQ
IV
Coeficiente de Spearman
0,47
0,35
0,53
0, 74
0, 38
-0,05
-0,67
0,03
-0,59
-0,05
-0,80
0,35
0,43
-0,82
-0,77
0,35
Probabilidad asociada
0,001
0,013
0,000
0,000
0,007
0,740
0, 000
0,840
0,000
0,738
0,000
0,012
0,002
0,000
0, 000
0, 014
109
©iMFijm,®
4.2.2 Correlación entre parámetros fisiográfieos
Los aspectos más destacables del análisis (tabla 11) se recogen
a continuación:
• Al contrario de lo que cabría esperar, no existe relación
lineal entre altitud y pendiente. La distribución del
cerezo en la región se centra en los pisos montano y
subalpino, pisos de montaña en los que la pendiente alta
es la norma. Sin embargo dentro de esta distribución
generalmente escairpada, el cerezo ocupa algunas estaciones
llanas, en particular terrenos abandonados del cultivo.
Estas situaciones excepcionales se producen
independientemente de la altitud. Del mismo modo, la
presencia de cerezos en taludes de barrancos de gran
pendiente tampoco depende de la altitud.
• La relación entre SME y SMA indica que la situación
favorable de las parcelas respecto a los vientos húmedos
se produce simultáneamente tanto en el microentorno (5 km
a la redonda) como en el mesoentorno (500 m a la redonda),
lo cual permite concluir que el cerezo se asienta
preferentemente en estaciones favorecidas por la entrada
de vientos húmedos.
• En la relación entre ALT y SME se puede intuir que las
parcelas de menor altitud presentan ángulos de entrada del
viento mayores. Esta relación se fundamenta en la
existente entre PA y SME que se comentará más adelante.
4.2.3 Correlación entre parámetros edáficos
De los resultados expuestos en la tabla 12 se deducen las
siguientes relaciones, obviando las que derivan de la
formulación de HE, CRA, CCC, CIL y PER, y los parámetros CAC y
CIN por la abundancia de datos nulos:
• Las parcelas de pH básico se alejan del conjunto de la
distribución y constituyen puntos influyentes en la
relación entre PHA-ARC, capaces de producir una relación
lineal significativa. La litología caliza ha estado
/í\(w®B(g®iL®®ia ©SIL g s B ^ ® ©di [agKRfs ilAMcms= /ammlL} Sea e/M=iímiLa v tseca,
l i o
OaiPOiMLOD
sometida a importantes drenajes, a la vista de los
intensos procesos de descarbonatación y descalcificación
observados. La relación PHA-ARC (PHK-ARC) da lugar a las
relaciones PHA-CRA, PHA-PER, PHK-CRA y PHK-PER.
Existe una relación negativa entre el porcentaje de tierra
fina y el de materia orgánica y nitrógeno. Sin embargo
esta relación no existe en el caso de emplear el
coeficiente de Spearman (p = 0,1259), por lo tanto se
puede considerar como una relación descriptiva pero no
predictiva.
Se observa una relación significativa entre CN y LIM, y en
menor medida entre CN y ARE. No se trata de una relación
real, ya que deriva de la estructuración latitudinal en
litología, PV y TMC. El gradiente en litología se
manifiesta de forma clara en la variación del porcentaje
de arena entre los suelos generados en Credos y los de la
cordillera Cantábrica. Esta relación se repite en varios
parámetros edáficos y se puede expresar mediante la
correlación (tabla 42) entre los parámetros e Y
(coordenada Y de la parcela, distancia en metros desde el
ecuador en el sistema UTM, huso 30).
Tabla 42. Correlación entre los parámetros edáficos e Y (coordenada Y, UTM huso 30)
CRA
TF
ARE
LIM
ARC
PER
CCC
GIL
HE
MO
PHA
PHK
N
CN
Cíe
Coeficiente de Spearman
0,24
0,02
-0,59
0,50
0,53
-0,42
0,36
0,34
0,58
0,02
0,02
0,03
0,22
-0,39
-0,48
Probabilidad asociada
0,087
0,897
0,000
0,000
0,000
0,002
0,009
0,016
0,000
0,866
0,884
0,816
0,125
0,005
0,000
111
©¡MñfmoD
si bien la relación entre latitud y textura (ARE,
ARC, LIM, HE, PER) se debe a la distribución litológica en
el área de estudio, el gradiente latitudinal para CN no
parece responder a esta causa. La explicación a la
estructuración geíográfica de CN hay que buscarla en el
gradiente norte-sur observado para los parámetros de
precipitación y TMC (tabla 41) . Este gradiente genera
diferencias en la facilidad para la mineralización de los
residuos vegetales, y produce una relación lineal entre
CN y la latitud opuesta a la observada entre textura y
latitud. En la tabla 4 3 se observa que la coincidencia de
ambas situaciones produce la relación lineal entre CN y
LIM, como se puede observar al analizar la correlación
parcial CN-LIM eliminando la influencia que sobre ambos
parámetros ejerce Y. La ausencia de significación de esta
correlación (p = 0,2759) implica que no existe relación
lineal directa entre CN-LIM, mientras que la correlación
de ambos parámetros con Y no se ve afectada en las
respectivas correlaciones parciales (p = O, 0276, p = O,
0273) .
Tabla 43. Correlación total y parcial entre CN, LIM e Y (coordenada Y, UTM huso 30)
Coeficientes de correlación de Pearson (triángulo superior) y probabilidad asociada (triángulo inferior)
CN
LIM
Y
CN
0,043
0,005
LIM
-0,27
0,005
Y
0,39
-0,39
Coeficientes de correlación parcial de Pearson (triángulo superior) y probabilidad asociada (triángulo inferior)
CN
LIM
Y
CN
0.2759
0.0276
LIM
-0.15877
0.0273
Y
0.31477
-0.31534
4.2.4 Correlación entre parámetros edafoclimáticos
En la tabla 13 se observa que junto a la previsible relación
lineal entre SF y ETR, es llamativa la ausencia de correlación
112
(SaiPOTim® D
entre DRJ y los otros dos parámetros. Esta situación es un
reflejo de la falta de correlación entre precipitación y
temperatura, ya que la primera determina en gran medida DRJ y la
segunda ETP; y por lo tanto ETR.
4.2.5 Correlación entre parámetros climáticos y fisiográficos
• ALT presenta las previsibles relaciones con los parámetros
de precipitación y temperatura, aunque es reseñable que no
presenta relación lineal con PV ni TMC. Esta situación
aumenta el interés de ambos parámetros para definir el
habitat de la especie.
• La relación entre PND y TMC deriva de la escasa
variabilidad de TMC en las parcelas sobre antiguos
cultivos (PND ^ 0) y de la escasa variabilidad de PND en
las parcelas de mayor TMC (Credos) . No se trata de una
relación general en la distribución del cerezo.
• No existen fenómenos de compensación claros entre la
insolación y el clima. El parámetro TTG refleja una
relación negativa con los parámetros de precipitación,
pero esta motivada por el valor negativo del parámetro en
la parcela le4. A pesar de que la mayor parte de las
parcelas se sitúan en umbría, la conclusión más inmediata
es que, en el rango de precipitación y temperatura
muestreado, la presencia del cerezo es independiente del
efecto compensatorio del déficit hídrico que de forma
conjunta producen pendiente y exposición.
• Tampoco se puede deducir que el resguardo de la parcela
determine la distribución del cerezo, ya que las
relaciones significativas en que interviene se deben a la
existencia de parcelas en las que algún parámetro alcanza
valores muy alejados de la distribución (lel2 y lel3 en
PV, sal, sa2 y av6 en TMC) . La misma causalidad se aplica
a las relaciones SME-TM y SME-TMC.
• No existen relaciones significativas entre el sentido de
los vientos húmedos en el microentorno y los parámetros
climáticos.
• La relación entre RUG y precipitación (RUG-PA, RUG-PP,
RUG-PV) es la esperable, a mayor complejidad del terreno
tMwmsssysmai [EHL easgaD ¡ES smmm i[^&m>í& mmw\!t4 Sea ©i\=rimiM\ v ta im
113
Qa[p|]TnM.@D
existe mayor inestabilidad y por lo tanto más
precipitaciones.
4.2.6 Correlación entré parámetros climáticos y edáficos
• Las relaciones significativas entre parámetros edáficos
físicos y climáticos responden a la existencia de un
gradiente latitudinal en los parámetros de precipitación y
TMC junto a una estructuración latitudinal de la
litología, como se ha comentado respecto a la relación
entre LIM y CN. Por este motivo, las relaciones como PV-
ARC, PP-CCC o HE-OSC no son significativas si se analiza
el coeficiente de correlación parcial incluyendo la
variable Y en el análisis. Este fenómeno también es la
explicación a la relación entre CIC-PV, CIC-TMC y CIC-OSC.
• Existen relaciones positivas significativas de distinta
intensidad entre los parámetros de alimentación hídrica de
la parcela (PA, PI, PP, PO, SUP, IH) y dos parámetros
relacionados con la fertilidad de la estación, MO y N. En
este caso estas relaciones son independientes de la
latitud. Este hecho se puede relacionar con la mayor
producción de biomasa y evolución de los suelos cuando es
mayor la precipitación. Sin embargo es interesante
comprobar que ni MO ni N están relacionados con parámetros
térmicos (TM, TMG, TMF, ETP).
• La tasa de mineralización evaluada mediante CN se
relaciona con PV debido a la influencia de las parcelas
lel2 y lel3, notablemente alejadas del resto de valores de
PV. Aunque esta relación no se puede considerar
significativa, sí existe correlación lineal negativa entre
CN y parámetros térmicos como TMF y OSC. Si se emplea el
coeficiente de Spearman los parámetros correlacionados con
CN son TM, TMF, OSC y ETP. Al contrario que en el punto
anterior, se puede concluir que la tasa de mineralización
no depende de la precipitación sino de la temperatura.
• Por último hay c[ue señalar que la independencia entre los
parámetros edáficos físicos y los parámetros de
precipitación permite establecer que en suelos de textura
114
@i\[?imií)iL® o
y CRA similares a las de los analizados, el cerezo puede
implantarse con relativa seguridad cuando la precipitación
anual supere los 700 mm (692 mm es el umbral inferior) y
la precipitación del periodo vegetativo (PP+PV) supere 280
mm (195 y 84 son los umbrales inferiores de PP y PV
respectivamente).
4.2.7 Correlación entre parámetros fisiográfieos y edáfieos
• La relación detectada mediante el coeficiente de Pearson
entre ALT y los parámetros CRA, ARC, PER y HE se debe a la
distribución asimétrica de ALT. Estas correlaciones no son
significativas según el coeficiente de Spearman. Sin
embargo la relación entre ALT y CN no se debe a la
distribución de los parámetros y refleja la mayor
facilidad de mineralización de las parcelas de menor
altitud. Por último, la relación entre ALT y ARE se debe a
la distribución asimétrica de la altitud, aunque es
significativa según el coeficiente de Spearman (no es
significativa si se excluyen del análisis las parcelas del
Cadagua, las de menor altitud).
4.2.8 Correlación entre parámetros climáticos y edafoclimáticos
Ambos grupos de parámetros están íntimamente relacionados ya que
en la formulación de los segundos están implícitos los primeros.
Los aspectos más destacables de la relación entre parámetros son
los siguientes:
• ETR no está relacionado con PI, PO, SUP e IH. Se puede
concluir que la precipitación fuera del periodo vegetativo
no está relacionada con la productividad de la estación.
Por lo tanto en la determinación de las estaciones aptas
para la producción de madera los parámetros de
precipitación a tener en cuenta son PA, PP y PV. Tampoco
existe relación entre ETR y TMC.
• La relación negativa entre ETR-OSC y positiva entre SF-OSC
refleja la influencia positiva del clima oceánico sobre la
productividad.
• La relación lineal entre ETP y ETR produce dos residuos
alejados de la distribución, según el test de Student. Las
115
QiMfíím.®
parcelas sal y sá2 se separan del resto de valores debido
a que la coincidencia de baja CRA y altas temperaturas
genera un valor d'e ETR inferior al esperable.
• El parámetro DEF es el único entre los climáticos que se
correlaciona con los tres edafoclimáticos
significativamente. Por lo tanto conviene retenerlo para
definir el habitat de la especie.
4.2.9 Correlación entré parámetros edáficos y edafoclimáticos
Al igual que en el caso anterior, la mayor parte de las
relaciones son obvias debido a que el parámetro CRA se ha
empleado en el cálculo de ETR, SF y DRJ. Los aspectos más
destacables de este análisis se resumen a continuación:
• Los parámetros edáficos físicos, caracterizadores de las
propiedades texturales del suelo, influyen en ETR y SF,
pero no en DRJ. Aunque es evidente el interés de estos
parámetros para evaluar la productividad de la estación y
determinar la intensidad de la sequía estival, se observa
que no influyen en la cantidad de agua sobrante del
cálculo de la ficha hídrica de la estación. Esta
conclusión refleja que la precipitación fuera de la época
estival es elevada y que la precipitación estival en las
estaciones ocupadas por el cerezo en Castilla y León no es
suficiente para evitar la dependencia de la capacidad
reguladora del suelo.
• Los parámetros de fertilidad MO y N no influyen en la
productividad.
• La relación entre CN-ETR, CN-SF y CIC-SF derivan de los
gradientes latitudinales comentados en el análisis de
correlación de los parámetros climáticos y edáficos.
4.2.10 Correlación entre parámetros fislográ£icos y
edafoclimáticos
• Este análisis sólo ofrece relaciones significativas y
negativas para ALT-ETR y en menor medida para ALT-DRJ.
Tras esta relación está la existente entre ALT y ETP.
116
QSPOTML® D
4.3 Análisis de componentes principales
4.3.1 Parámetros climáticos
De este análisis se pueden extraer las siguientes conclusiones:
• El primer eje representa un gradiente de humedad, a la
vista del peso relativo del parámetro DEF y de los
parámetros transformados 1/PA, logPP y logSUP. Hay que
destacar que a la vista del círculo de equilibrio, tan
sólo 1/PA y logPP influyen significativamente en este eje.
Este resultado es coincidente con el primer eje de
variabilidad obtenido en la Clasificación Biogeoclimática
de España por Elena (1997), y deriva de la distribución de
la especie por la periferia de una superficie amplia como
es Castilla y León.
• El segundo eje representa un gradiente de temperatura, por
los mayores pesos de los parámetros transformados 1/TM,
logTMF y 1/TMC. Como en el caso anterior, no todos los
parámetros tienen peso real en la construcción del eje, en
este caso sólo 1/TM.
• Los parámetros DEF y 1/TMC, relacionados directamente con
PV, no tienen un peso significativo sobre la variabilidad
de la distribución conjunta de los parámetros. Este
resultado parece confirmar la relativa estabilidad de PV y
TMC en la definición del habitat del cerezo en Castilla y
León.
• En la figura 17 se han diferenciado los principales grupos
apreciables como combinación de los citados gradientes. Se
pueden clasificar como un grupo de parcelas más húmedas
(Grupo I) , otro de parcelas más frías (Grupo II) , otro de
parcelas más secas (Grupo III), otro de parcelas más
cálidas (Grupo IV) y un grupo central que no se inclina
claramente hacia ningún grupo.
• En la figura 18 se representa la distribución geográfica
de los distintos grupos. La línea representa la separación
entre los grupos I y III y marca la principal diferencia
ecológica en cuanto a clima según el análisis de
117
Qüi^ffírm® D
componentes principales, el gradiente pluviométrico que
parece evidenciarse en un gradiente noroeste-sureste.
• Se puede observar que la división en cuanto a temperatura
no es evidente ya que existen parcelas cálidas tanto en el
norte como en el sur.
Figura 17. Agrupación propuesta para el análisis de componentes principales climáticas
[SmmMSsxysxMA ©a. QMB^Í® EGI uagcffüTi ([l^MMmT^mmslLo]) \M Sa^Trauya v Deseco.
118
(SaiFinreíWo) D
/^í^"^^^
{i X >5®
Gtipos
® Cfentral
A I
S II
€> IV ^ )
Figura 18. Distribución geográfica de los grupos del análisis de componentes principales climáticas
4.3.2 Parámetros fisiográficos
Son necesarios tres ejes para absorber el 75% de la varianza,
por lo tanto la proyección sobre dos ejes no permite una
representación suficientemente clara. Debido a la escasa variabilidad
recogida por el tercer eje, se ciñe el estudio a la figura 7 que
representa la proyección de las parcelas sobre los dos primeros
componentes principales. A pesar de esta limitación, los resultados
obtenidos permiten deducir las siguientes conclusiones.
• El primer eje representa la variación en pendiente,
complejidad del terreno, resguardo e insolación recibida.
Por lo tanto la principal fuente de variación en cuanto a
la fisiografía se deriva de la presencia del cerezo tanto
en terrenos llanos y abiertos (riberas y antiguos
cultivos) como en taludes y barrancos de montaña. Los
parámetros que tienen peso efectivo en la creación de este
eje según el circulo de equilibrio son PND y logRUG.
• El segundo eje coloca las parcelas en un gradiente de
altitud, que se relaciona de forma inversa con las
119
Qaipoafm® o
posiciones favorables a la entrada de vientos húmedos
según raiz(SME) y raiz(SMA). Ya se ha reseñado que la
relación entre precipitación y altitud implica este
fenómeno de compensación. En general las parcelas situadas
fuera de la meseta son las de mayor precipitación y menor
altitud, por su ubicación en la vertiente barlovento de la
entrada de vientos húmedos. En estos casos la presencia
del cerezo no está limitada por la precipitación
disponible, y por lo tanto es independiente de la
situación de la parcela respecto a la entrada de vientos
húmedos. El caso contrario sucede en las parcelas de la
meseta situadas a sotavento, a mayor altitud y de menor
humedad. En este caso los 3 parámetros transformados
ALT2, raiz(SME) y raiz(SMA) influyen en la creación de
este eje, según el circulo de equilibrio.
En la figura 7 es difícil establecer agrupaciones, debido
a la escasa variabilidad recogida y la falta de peso
significativos de los parámetros en la construcción de los
ejes. La división más clara entre parcelas segrega a las
situadas sobre cultivos abandonados del resto.
120
©iMñfm® D
4.4 Análisis de coordenadas principales
4.4.1 Parámetros edáficos
Los dos primeros ejes recogen la mitad de la variabilidad y a la
vista de la tabla 21 se puede determinar que de forma conjunta
representan la variabilidad originada por CRA. El primer eje ordena
las parcelas según la permeabilidad, expresada como PER, porcentaje de
arena, arcilla y demás parámetros texturales relacionados. Este eje no
es afín con TF, sin embargo el segundo eje está íntimamente
relacionado con este parámetro, y en menor medida con MO y N. Por lo
tanto se puede concluir que:
• La variabilidad edafológica de las parcelas estudiadas se
debe en primer lugar a la permeabilidad y en segundo lugar
a la pedregosidad.
• El primer eje (permebilidad) se relaciona en menor medida
con la presencia de caliza, aunque dado el escaso número
de parcelas con valores no nulos de CAC y CIN, se trata de
una relación matemática más que ecológica.
• Se observa que las parcelas sobre sustrato calizo se
alejan de la distribución general en cuanto a
permeabilidad, aunque no respecto a MO o TF.
• En la figura 9 se recoge el proceso de aglomeración, en
saltos de 5 uniones. El seguimiento del proceso de unión
de las parcelas permite agrupar a estas.
o Grupo 1. Existe un grupo de parcelas homogéneas
caracterizadas por alta permeabilidad y baja
pedregosidad. Lo integran parcelas del sistema
central junto con dos parcelas de Soria y León
ubicadas en riberas de aluviones muy sueltos. Este
grupo es el de mayor similitud entre parcelas.
o Grupo 2. Se observa que las parcelas de la izquierda
tardan más en unirse, incluso entre ellas, por lo
tanto se puede afirmar que este grupo es más
heterogéneo que el resto. El proceso de agrupación
confirma la singularidad de las parcelas instaladas
sobre sustrato calizo. Su relación con el resto es
débil y se produce a través de 3 únicas conexiones.
121
QÁMTÍMILOO
En este grupo se pueden incluir otras parcelas como
Lel4, Lel2, Lel3, Le9 y Lell que si bien no
presentan litología caliza se instalan en un entorno
en el que abundan materiales calizos.
Grupo 3. El resto de las parcelas forma un grupo
intermedio, caracterizado por valores medios de
permeabilidad, y elevada heterogeneidad en cuanto a
pedregosidad y materia orgánica.
Por último hay que destacar que las parcelas
instaladas en riberas y antiguos huertos,
consideradas inicialmente azonales, no forman grupos
sino que aparecen distribuidas en el conjunto. Por
lo tanto sus características edificas no difieren de
las del conjunto de las parcelas.
"4.4.1 Parámetros edafoclimáticos
En la figura 11 se han agrupado las parcelas teniendo en cuenta
la distribución respecto a los ejes de coordenadas principales y el
proceso de agrupamiento. La figura 10 refleja las distintas fases del
agrupamiento. Conjugando ambas fuentes se destacan 6 grupos:
• Grupo I: corresponde a parcelas de productividad buena y
drenaje escaso. Se trata de parcelas de escasa
permeabilidad, (slevada CRA, asentadas sobre sustrato
calizo descarbonatado y libres de estrés por sequía
fisiológica. Esta integrado por 3 parcelas ubicadas en la
cuenca del Cadagua, agrupadas en los primeros pasos del
proceso debido a su elevada similitud respecto a los
parámetros estudiados.
• Grupo II: está formado por 11 parcelas de productividad
aceptable y drenaje medio a alto. Corresponden en su mayor
parte a parcelas del noroeste de la región, en las sierras
leonesas, comarca de Sanabria, montaña Palentina y una
parcela muy alejada del resto, en las estribaciones de la
Sierra de la Peña de Francia (Salamanca) . No presentan
limitaciones al crecimiento del cerezo por impermeabilidad
ni sequía fisiológica, por lo tanto es un conjunto
teóricamente muy apto para el desarrollo de la especie.
/¡\(yjir®as®(L®(i]a EBL aisg^® ©GI RUSÍMB ií^^mmoár /nwimiK]) \M SasiñiuLa ^ tueca,
122
(SüIMIiML® D
Grupo III: se incluyen tan sólo dos parcelas, destacables
por ser las de mayor productividad. Se encuentran en el
valle de Sajambre (León) y su característica principal es
la elevada precipitación estival.
Grupo IV: lo integran 3 parcelas con drenaje muy alto y
productividad aceptable. Al igual que el grupo anterior,
se ubica en el noroeste de la región, pero se diferencia
por los escasos valores de ORA motivados por la alta
pedregosidad.
Grupo V: se ha formado con parcelas agrupadas en los
últimos pasos del proceso, lo que implica una mayor
heterogeneidad en este grupo que en el resto. Son parcelas
de productividad aceptable a mediocre, sometidas a estrés
moderado o acusado y con drenaje alto. En su mayor parte
se ubican en el Sistema Central, en las provincias de
Ávila y Salamanca. También se incluye una parcela de León,
con escasa CRA pero que se asienta en una ribera con
humedad permanente, por lo que el balance hídrico es más
favorable del que se refleja a través de la ficha hídrica
y debería ubicarse en otro grupo. Por último se incluye
una parcela de la provincia de Zamora, que podría
considerarse intermedia entre los grupos V y VI. Aunque su
unión directa es con el grupo VI, el análisis de
coordenadas principales la ubica más próxima a las
parcelas del grupo V.
Grupo VI: es el más homogéneo según el proceso de
aglomeración (figura 10) . La productividad varía de
mediocre a aceptable, no están sometidas a sequía
fisiológica intensa (estrés moderado o libres de estrés) y
el drenaje varía de medio a muy bajo. Son parcelas
ubicadas en la mitad oriental de la región, sin incluir el
Valle de Mena en Burgos. A pesar de que se reparten sobre
una gran superficie, la combinación del efecto de
precipitación, temperatura y capacidad de retención de
agua del suelo genera cierta uniformidad en la ficha
hídrica. Se trata del grupo más numeroso y en consecuencia
del perfil de productividad más frecuente en el muestreo
realizado.
123
&smmL@w
En la figura 19 se representa la distribución geográfica de
estos grupos.
<¿
j A la
_j-*-^Lr s ^.j^'^'~~rri
^
^ f l^go/^
fy^
Gn-pos
A n
0 V ® VI
1 )
Figura 19. Distribución geográfica de los grupos propuestos según los
resultados del análisis de coordenadas principales edafoclimáticas
124
(S/sjpinrm® D
4.5 Análisis de escalamiento multidimensional.
Este análisis permite extraer las siguientes conclusiones:
• Los parámetros relacionados con la cantidad de agua que
recibe la parcela están bien representados en el espacio
de 4 dimensiones. Sin embargo los parámetros indicadores
de sequía estival PV, IV, DEF, ISQ o DSQ no tienen un peso
importante en esta configuración, por lo tanto se intuye
que las estaciones ocupadas por el cerezo difieren en
cuanto al agua recibida en el conjunto del año, pero la
precipitación estival no es factor determinante para
diferenciar su perfil termo-hídrico.
• De los parámetros térmicos solo se encuentra bien
representado OSC. Este resultado es llamativo si tenemos
en cuenta que la temperatura media mensual es uno de los 4
parámetros de la ficha hídrica que intervienen en la
definición inicial de la distancia entre parcelas. Este
resultado parece indicar que las parcelas se diferencian
más en el carácter oceánico-continental que en el valor
absoluto de las temperaturas.
• Entre los parámetros fisiográficos sólo destaca la
presencia de ALT. Este resultado es evidente, ya que a
diferencia del resto de parámetros fisiográficos, la
altitud está directamente implicada en los valores de
temperatura y precipitación.
• De los dos parámetros edáficos CRA es el de mayor peso, lo
cual es razonable ya que está implicado en el cálculo de
la ficha hídrica. El otro parámetro edáfico es TF,
íntimamente relacionado con CRA. Los parámetros ARC, LIM y
MO también se emplean en el cálculo de CRA y por lo tanto
de forma indirecta se relacionan con la ficha hídrica, sin
embargo no tienen importancia individual en la
configuración del espacio.
• La estructuración de las parcelas que se observa en las
figuras 12, 13 y 14 responde a grandes rasgos a la
estructuración geográfica. La proximidad geográfica supone
proximidad climática. Sin embargo se observan algunas
ubicaciones interesantes, motivadas por el efecto del
125
Qspirijm® D
suelo sobre el balance hídrico. Con ayuda del dendrograma
de la figura 15. se pueden establecer las siguientes
apreciaciones:
o La primera unión se realiza entre las parcelas le6 y
2a3. Ambas parcelas distan casi 100 km y tienen
otras en un entorno de 10 km, por lo tanto su unión
no se debe a la similitud climática. También
difieren en pendiente y CRA, sin embargo la
combinación de todos estos parámetros genera un
perfil termo-hídrico similar. Una posible conexión
entre estas estaciones es la influencia antrópica,
en el primer caso por la presencia frecuente del
ganado y en el segundo por el antiguo uso agrícola.
o Las parcelas de Salamanca y Ávila se unen entre si
en pocos pasos e independientemente de su distancia,
delatando alta homogeneidad en las estaciones que
ocupa el cerezo en estas estribaciones del Sistema
Central. Las excepciones son sal y av5, estaciones
cuyo rasgo distintitivo es la baja CRA {70,5 62,6 mm
respectivamente) que se deriva de su elevada
pedregosidád en comparación con las parcelas de su
entorno. En el caso de sal hay que destacar que
existe una parcela (sa2) a poco más de 1 km.
o La parcela le7 se ubica en la ribera de un río, en
un terreno con poca tierra fina, y pocos elementos
finos en comparación con otras estaciones de León,
asentadas con frecuencia sobre esquistos y pizarras.
Este es el motivo por el que se agrupa con parcelas
de Zamora, de mayor permeabilidad.
o Este hecho no se produce con leí, otra estación
leonesa asentada en una ribera. En este caso, la
ribera se sitúa en el fondo de una ladera cuyos
aportes forman el suelo sobre el que se asienta el
cerezo, a diferencia de le7 que se ubica sobre la
banda de inundación del lecho del río.
o Las dos parcelas palentinas no se unen directamente.
Aunque comparten climatología, el sustrato sobre el
que se asientan es calizo en un caso y silíceo en
otro. Esta disparidad litológica genera diferencias
126
QÜIPOTMLQD
edificas capaces de agrupar la parcela caliza (pa2)
con las cercanas de las Sierras de Riaño y Mampodre,
y la silícea (pal) con las estaciones de más
continentales de Ávila y Salamanca.
o Las parcelas de Segovia son muy similares y se unen
rápidamente.
o Las parcelas de Soria se diferencian en dos grupos
según pertenezcan a la cuenca del Duero o del Ebro.
La única excepción es so6, situada en el Valle de
Razón (cuenca del Duero) pero sobré un terreno de
escasa profundidad y alta pedregosidad asociado a un
curso temporal de agua. Estas características
provocan baja CRA y asemejan su perfil termo-hídrico
al de la cuenca del Ebro, de menor precipitación.
o Entre las estaciones de Soria hay dos muy próximas
(sol y so9 apenas distan 2 km) pero que sin embargo
se unen tarde debido a que so9 se asienta en ribera
y sol en ladera.
o Las parcelas de Burgos se unen a través de dos
grupos, por una parte las de la Sierra de la Demanda
y por otra las de los Valles de Mena y Manzanedo. La
parcela restante es bu9, situada en los Montes
Obarenes. Esta estación es la última del dendrograma
en unirse, por lo tanto se puede considerar como la
más alejada del conjunto. En cierta forma se puede
relacionar con el carácter relíctico de los hayedos
submediterráneos de estos montes, en los que se
ubica la parcela. La presencia de estos bosques se
relaciona en gran medida con la existencia de
nieblas y nieve (Blanco et al., 1997), factores que
distorsionan el perfil termo-hídrico. También hay
que destacar que se trata de un suelo muy
evolucionado, con un elevado porcentaje de tierra
fina (92%) y sin carbonatos a pesar de que la
litología circundante es caliza.
o El mismo carácter singular se puede atribuir a la
parcela lelO, alejada también del resto de las
circundantes. En este caso se trata de la única
situada en la transición entre la montaña y la
/I\ty)ir®@g®(L®c3ia ¡sai Q M S ^ ® E S cosKnrs ilFimomáy^m>m\^) [ata @as=iffflM\ v DJiOKk
127
@/¡\[MfíMI,® Q
meseta, lo cual unido a su situación en ribera, nula
pedregosidád y sustrato calizo genera su
singularidad.
Estos resultados implican que, en el biotopo del cerezo, los
parámetros edáficos son fundamentales a la hora de determinar la
similitud entre parcelas. La observación detallada de los parámetros
de estas parcelas parece indicar que la pedregosidád es la responsable
de que parcelas muy próximas estén alejadas en el espacio
multidimensional propuesto.
128
(gffl[M]Tjm@D
5. CONCLUSIONES
El habitat climático del cerezo en Castilla y León se
caracteriza por el perfil bimodal de la distribución de precipitación
y temperatura. En el caso de TM, TMF y ETP, la distribución bimodal
deriva de la situación de las parcelas en la cuenca del Duero (más
frías) o en otras cuencas que vierten aguas afuera (más calidas). En
el caso de la precipitación, las parcelas del noroeste y las de
cuencas vertientes aguas afuera son las de mayor precipitación (en
torno a 1300 mm anuales) , mientras que el resto (la mayor parte) se
sitúa en 800 mm. Es destacable que no existe relación entre
precipitación y temperatura en las parcelas analizadas.
El habitat pluviométrico de la especie en Castilla y León
alcanza valores inferiores a los recogidos en la bibliografía. La
proximidad al límite meridional de la distribución obliga a ser
estrictos en la elección de parcelas a reforestar cuya PA supere los
650-700 mm. Respecto a la precipitación, el habitat de la especie se
puede calificar de húmedo a perhúmedo, con alguna inclusión en clima
subhúmedo.
En el caso de PV y TMC existe un gradiente norte-sur marcado. Se
deduce que la sequía estival aumenta hacia el sur de la región,
independientemente de que en algunos valles de Salamanca y Ávila
existan una importante precipitación anual. Por lo tanto en estas
provincias hay que evaluar con mayor atención la capacidad del suelo
para mitigar la sequía estival.
El habitat térmico obtenido está dentro del citado para la
especie en Europa. Se caracteriza en su mayor parte como templado-frío
o mesotérmico, aunque alcanza el clima frío o microtérmico. Como
especie cultivada alcanza situaciones más térmicas. En cuanto a
continentalidad, en Castilla y León la especie se mueve en la
transición entre clima oceánico y continental. Su presencia en clima
mediterráneo es rara, y dado que el umbral superior para DSQ se sitúa
en 2,11 meses, no conviene implantarla en zonas con más 2 meses de
sequía estival.
La presencia del cerezo en terrenos complejos es habitual.
Habita con frecuencia zonas de gran pendiente e importantes
desniveles, como barrancos, gargantas y taludes. También coloniza
terrenos llanos, en particular antiguos huertos y cultivos. Otra
situación habitual es en fondos de valles y riberas. Esta euricidad en
cuanto a fisiografía es característica de la especie. La posición en
aBDiFígdSíoMxaa ©SIL (gBE^® EB wsmm iPmmm mmmi^l \M ea^TTctta v ILSOCÍL
129
(SaiMñML® D
la ladera es un parámetro importante a tener en cuenta para otros
trabajos sobre la especie.
Se sitúa preferentemente en los pisos montano y subalpino, y no
se puede considerar como dé alta montaña. Desciende hasta el piso
bajo. No existe correlación entre pendiente y altitud.
La mayor parte de las parcelas se sitúan en umbría, aunque un
numero importante esta en zonas expuestas. Si bien en la distribución
europea se constata que existe compensación entre temperatura y
exposición, este fenómeno no se detecta en Castilla y León. En
cualquier caso, se considera que TTG representa de una forma más
completa el factor insolación que el parámetro INS.
Es habitual que las parcelas se sitúen en una situación
favorable a la entrada de vientos húmedos.
La pedregosidad en los suelos es muy variable. El rango textural
es muy limitado, con marcada preferencia por los suelos francos,
francoarenosos y francolimosós. El habitat textural es muy importante
al definir el habitat de la especie y al determinar la potencialidad
para la reforestación de una parcela. Los suelos arcillosos y arenosos
son excluyentes.
Los suelos son preferentemente permeables. Este carácter es
típico del habitat del cerezo. En general se puede considerar
medianamente exigente en la capacidad de retención de agua del suelo,
aunque este factor no determina la presencia de la especie. No es
exigente en fertilidad, expresada como porcentaje de nitrógeno o
materia orgánica, aunque son suelos ricos o muy ricos según la
capacidad de intercambio catiónico. La mineralización es buena o muy
buena.
En Castilla y León la especie se asienta preferentemente sobre
suelos ácidos. En los casos en que la litología es caliza, existen
procesos de descarbonatación que anulan la presencia de caliza activa.
Hay que ser muy prudentes a la hora de implantar la especie en
terrenos calizos. En principio habría que limitar su empleo a las
estaciones con caliza activa por debajo del 10%.
La productividad de las estaciones es aceptable. En cuanto a
sequía fisiológica, se encuentra en estaciones libres de estrés o con
estrés moderado. Es destacable que entre los parámetros climáticos, la
relación lineal más clara con ETR es OSC. Por lo tanto la oscilación
130
SaiPOiímoa
térmica influye en la productividad. A mayor continentalidad, menor
productividad.
La tasa de mineralización aumenta al descender en latitud y se
relaciona positivamente con la temperatura. Los parámetros
pluviométricos se relacionan positivamente con MO y N.
No existen fenómenos de compensación evidentes entre textura y
precipitación. Dentro de rango textural estudiado, el cerezo se puede
implantar con suficiente seguridad cuando la precipitación anual
supere los 700 mm y la precipitación en el periodo vegetativo (PP+PV)
supere 2 80 mm.
La principal fuente de variabilidad en cuanto a clima es el
gradiente pluviométrico noroeste-sureste. En el caso de la temperatura
no se evidencia este tipo de gradiente.
En cuanto a fisiografía, las parcelas varían en primer lugar por
la pendiente y en segundo lugar por la altitud. Las parcelas empleadas
antiguamente para el cultivo se segregan del resto según su
fisiografía.
La variabilidad edáfica se debe en primer lugar a la
permeabilidad y en segundo lugar a la pedregosidad. Las parcelas sobre
sustrato calizo son singulares y se alejan del conjunto. Los suelos de
los antiguos cultivos colonizados por el cerezo no difieren del resto
en sus parámetros edáficos.
El perfil termohídrico de las parcelas se diferencia en cuanto a
la precipitación total recibida, pero no en la precipitación estival.
Entre los parámetros térmicos tan sólo OSC tiene un peso importante en
la diferenciación del perfil termohídrico, al igual que ALT entre los
fisiográficos. Del mismo modo, entre los parámetros edáficos sólo
tienen peso CRA y TF.
Teniendo en cuenta la evolución a lo largo del año de
temperatura, precipitación y reserva del agua, la pedregosidad
determina en gran medida la similitud entre parcelas.
131
CAPITULO XX. RELÜCXON ENTRE CALXDAD DE
ESTACXON Y PARÁMETROS
(S/iMnML® DD
1. INTRODUCCIÓN.
En los últimos años se ha incrementado el esfuerzo en las
labores de reforestación en Castilla y León. A diferencia de
anteriores décadas, el principal objetivo es la reforestación de
tierras agrarias, en particular de aquellas que por sus condiciones
ecológicas o por el tipo de cultivo se consideran marginales o
excedentarias. La Unión Europea (UE) ha incentivado esta línea de
actuación en sucesivos reglamentos desde el año 1992, y actualmente se
refleja en el reglamento sobre desarrollo rural n° 1257/99. Dentro de
este marco de actuaciones, numerosos propietarios han considerado
interesante orientar la reforestación a la producción de madera de
calidad en turno medio, ya que se trata de un producto deficitario en
la UE y de mayor rentabilidad que la mayoría de las especies empleadas
en reforestación.
La madera de calidad se destina a la industria del aserrío y la
chapa, y se caracteriza por la ausencia de defectos como pudriciones,
nudos o fendas. Su obtención en plantaciones artificiales se contempla
como una interesante posibilidad para asegurar el aprovechamiento
sostenido y abastecer de forma suficiente al mercado.
El principal escollo que se plantea a la hora de abordar la
plantación de cerezo en Castilla y León es la ausencia de experiencias
previas. No existen plantaciones con edad suficiente para que sirvan
como referencia en cuanto a la adecuación de las distintas estaciones
o los crecimientos esperados. En ausencia de masas cercanas a la zona
a reforestar, la elaboración de modelos de crecimiento que cuenten con
parámetros ecológicos como variables independientes constituye una
herramienta necesaria para evaluar la capacidad productiva de la
estación (Kayahara et al., 1998; Corona et al., 1998; Wang y Klinka,
1996) . En España se han desarrollado con éxito modelos de este tipo
para varias especies forestales -Pinus sp., (Gandullo y Sánchez
Palomares, 1994); Fagus sylvatica L. (Sánchez et al., 1993); Castanea
sativa Miller (Rubio et al., 1997)-.
La relación entre parámetros ecológicos y calidad de estación se
ha abordado habitualmente mediante regresión lineal múltiple, con
selección automática de variables. Este método presenta serios
inconvenientes, entre ellos la introducción de variables de escaso
significado biológico, la generación de un elevado sesgo, su escasa
precisión y robustez (Verbyla y Fisher, 1989) o la existencia de
multicolinealidad (Bravo y Montero, 2001). Este último problema se
/i\(i!JiF®iie®iL(2XiDa E a i asE^?® (D)@ casxsMg il^MMmr /SBmwlL} [lea eaájiMMi \? DJKSKL
133
QaFffíMLQOD
puede eliminar al trabajar con variables ortogonales, como las
componentes principales del conjunto de parámetros ecológicos (Tyler
et al., 1995). Una alternativa a estos métodos es evaluar la clase de
calidad en vez del índice de calidad, mediante análisis discriminante
(Bravo y Montero, 2001), árboles de clasificación (Verbyla y Fisher,
1989), o análisis canónico de correspondencias (Bravo-Oviedo y
Montero, en prensa).
Para evaluar la calidad de estación y estimar la productividad
forestal, se ha empleado tradicionalmente el índice de sitio, referido
a la altura dominante alcanziada a una edad determinada. Sin embargo el
desarrollo en altura del cerezo en Castilla y León se ve afectado
habitualmente por el efecto de las heladas y la nieve debido a su
temprana foliación y a que ocupa preferentemente las zonas más
montañosas de la región. La ramificación monopodial de la especie no
permite que la copa se reconstruya con facilidad cuando el brote
terminal sufre algún tipo de daño (Caraglio, 1996), por lo tanto la
relación altura-edad puede llevar a una asignación errónea de la
calidad de estación (Bartoli y Dall'armi, 1996). Por otra parte, es
difícil determinar los árboles dominantes en bosquetes de estructura
irregular en los que el cerezo cuenta con pocos ejemplares y se
comporta como especie secundaria.
Entre las alternativas propuestas a la modelización de la
relación altura-edad para evaluar la calidad de estación, el estudio
del crecimiento en diámetro de árbol individual es la que mejor se
ajusta a las características del cerezo de monte en Castilla y León
(pocos individuos, muy dispersos, masas irregulares). Vanclay (1994)
propone un índice de incremento en área basimétrica ajustado según el
tamaño del árbol y la competencia, que puede relacionarse con
variables bióticas o abióticas para evaluar la calidad de estación.
Meeuwig y Cooper (1981) elaboraron un índice de calidad para bosques
de los géneros Pinus y Juniperus en Nevada, definido como el
incremento decenal en área basimétrica cuando este incremento alcanza
un valor constante. Siguiendo el estudio anterior, Chojnacky (1997)
elaboró un índice de calidad para especies similares en Nuevo México.
Este índice también evalúa calidad de estación mediante el incremento
en área basimétrica, y éste se calcula como una función lineal del
incremento diametral del árbol "mediano" (diámetro del árbol que marca
el percentil 50). (Rubio, 1993) empleó como indicadores de calidad el
área basimétrica y el índice de Hart para cepas de castaño en
Extremadura, con resultados satisfactorios. Bengoa (1993) encontró
Eím'<sM3si¡ysíMi\ dxiL ¡mi^m ©s GHScairB (ll^&nmjr ¿nmmuí^]) Ira Sa^TraiMi v [kioca,
134
(S/üPOiím® OD
para masas irregulares de Quercus pyrenaica Willd. en La Rioja una
pobre correlación entre altura y producción de la estación forestal,
entendida esta última como producción en peso de leña, por lo que
propone emplear el área basimétrica alcanzada a una determinada edad
como índice de calidad de estación. Para Populus x euramericana Bravo
et al. (1996) han elaborado curvas de calidad en las que el área
basimétrica es la variable dependiente. También en España se ha
desarrollado recientemente un modelo de curvas de calidad para
alcornoque (Quercus súber L.) en montes de Málaga, a partir de las
mediciones del incremento diametral de árboles dominantes (Sánchez et
al., 2003) . Los autores proponen que el diámetro alcanzado a una
cierta edad sirva como indicador de la calidad de estación, ya que la
altura del árbol es una medida poco precisa en esta especie por su
tendencia a formar una copa plana sin ramas dominantes y a que la
producción de corcho conlleva la realización de podas.
El principal inconveniente de los métodos de estimación de
calidad de estación basados en el diámetro es su dependencia respecto
a las actuaciones selvícolas, derivado de la sensibilidad del
incremento diametral a la competencia. Una aproximación al estudio de
relación entre calidad de estación y variables ecológicas es plantear
un modelo de incremento diametral de árbol individual que tenga en
cuenta el efecto conjunto del tamaño del árbol, la competencia y las
variables ecológicas. Wykoff (1990) elaboró un modelo de este tipo
para coniferas, con la ventaja de no incluir como variables
independientes la edad ni el índice de sitio. Aunque el efecto de
estos parámetros sobre el crecimiento diametral es significativamente
menor que las variables de tamaño y competencia, el modelo permite
extraer conclusiones respecto a la relación crecimiento-parámetros
ecológicos mediante el análisis de los coeficientes. Un modelo similar
se ha aplicado en Austria (Monserud y Sterba, 1996) , con resultados
variables en función de la especie. Al igual que en el caso anterior,
el efecto de la estación explica sólo una pequeña parte de la
variabilidad en incremento diametral. Sin embargo en ambos casos se
observó que el modelo es capaz de evaluar el efecto relativo de
numerosos parámetros ecológicos en varias especies, y a la ventaja
comentada anteriormente, añaden la adecuación de este tipo de modelos
al estudio de masas irregulares.
El estudio de la relación entre parámetros ecológicos e
incremento diametral también resulta más interesante que el
crecimiento en altura si se tiene en cuenta que en la producción de
aii£iir@s3S(u®Q)a ©diL o s s ^ z © ¡sm. i¡5i®ca=mi ilFismüms'¿ürnuBi^^ Sea (Sas=¡f(EMi v llii®(Kt
1 3 5
Ql\[Mfífm,(2)DD
madera de calidad, la altura total del árbol pierde importancia frente
al diámetro y a la altura de fuste sin ramas (Hubert, 1981) . Además
estas plantaciones se van a realizar preferentemente en antiguos
terrenos agrícolas y a un espaciamiento relativamente amplio, por lo
que es previsible que la alta iluminación a que se ven sometidos
propicie que la evolución de la altura no sea similar a la que existe
en árboles crecidos en ambiente forestal.
Teniendo en cuenta las aportaciones de los autores previamente
citados, se considera adecuado abordar el estudio de la potencialidad
de las estaciones para la producción cerezo para madera de calidad
desde dos puntos de vista. Por un lado, elaborando un índice de sitio
calculado como diámetro alcanzado a una edad determinada que
posteriormente se modeliza mediante parámetros ecológicos y por otro
estudiando la relación entre parámetros ecológicos e incremento
diametral, descontando el efecto del tamaño del árbol y la
competencia.
Los objetivos del presente trabajo son: i) determinar los
parámetros ecológicos que influyen en el crecimiento en diámetro del
cerezo, ii) cuantificar la relación existente entre crecimiento y
parámetros ecológicos y iii) elaborar cuirvas de crecimiento para el
cerezo de monte en Castilla y León.
136
SMPOIML® DD
2, MATERIAL Y MÉTODOS
2.1 Datos empleados
Tras un proceso de estratificación del territorio ocupado por el
cerezo en Castilla y León (menos de 10.000 ha en una región que ocupa
más de 9.10^ ha) en función de parámetros fisiográficos, climáticos y
litológicos, se seleccionaron 50 parcelas de forma que estuvieran
representadas las distintas estaciones que ocupa la especie y que se
barriera toda su área de distribución. Se buscaron preferentemente
bosquetes en los que existieran al menos 5 cerezos sanos y no
dominados, aunque en ocasiones se incluyeron parcelas con menos
árboles para que el muestreo completara todo la superficie ocupada por
la especie. Dentro de cada estrato se incluyeron cerezos jóvenes,
adultos y maduros. En cada punto de muestreo se replanteo una parcela
de 400 m en la que se midió el diámetro normal de todos los árboles de
diámetro superior a 7,5 cm y se contaron el resto. En cada parcela se
seleccionaron los 5 cerezos (en ocasiones 3) con menos síntomas de
competencia y de mayor vigor. En estos árboles se midieron diámetro
normal (Dnormal), diámetro de copa (Dcopa) en dos direcciones
perpendiculares, altura total (Altura), altura de copa (Acopa) y se
extrajo un cores en la base mediante barrena Pressler (Edad). En un
caso no se pudo medir el diámetro de copa y en otro la altura por la
alta densidad. En 21 casos la medición de la edad no se consideró
fiable por pudrición, alejamiento excesivo del centro o bien porque en
el proceso de datos se detectó falta de correspondencia entre el
diámetro basal sin corteza y el diámetro normal. Un resumen de los
datos se recoge en la tabla 1.
Se midieron los anillos de crecimiento mediante una tableta
digitalizadora de posicionamiento lineal LINTAB, y la información fue
procesada y almacenada con el software TSAP ®.
137
QiPOMitoDD
Tabla 1. Resumen del conjunto de cerezos muestreados en las 50
parcelas.
Media
Desviación
estándar
Mínimo
Máximo
N° de datos
Dnormal (cm)
18,8
7,8
5,9
56,7
230
Dcopa (cm)
495
196
154
1172
229
Altura
(ni)
14,4
3,8
6,3
25
22 9
Acopa (m)
8,4
2,9
0,8
17,6
229
Edad
37
14
14
102
209
Densidad
pies mayores (arb/ha)
921
523
150
3025
50
Densidad
pies menores (arb/ha)
2299
2206
0
10925
50
Área basimétrica
(mVha)
20,59
9,88
0,41
50,56
50
Para cada parcela se obtuvo un conjunto de parámetros
caracterizadores de los factores climáticos, edáficos y fisiográficos,
según se recoge en el Capítulo I.
2.2 A3ignación de un índice de calidad a las parcelas.
Según se ha apuntado en la introducción, el crecimiento en
altura no se considera un buen indicador de la calidad de estación
para el cerezo en poblaciones de montaña. La alternativa planteada en
este trabajo consiste en obtbner un índice de calidad (en adelante IC)
basado en el diámetro. En primer lugar se elabora un modelo de
crecimiento en diámetro, deispués se definen tres posibles índices y
posteriormente se estudian sus valores en distintas edades de
referencia.
2.2.1 Curvas de crecimiento
Para elaborar los distintos índices (2.2.2) es necesario
disponer de un modelo de crecimiento que permita estimar el diámetro
de cada árbol a la edad de referencia (DM y DMX) o los crecimientos
anuales (DME).
Para ello se recurre a elaborar un modelo de crecimiento
diametral que permita obtener el diámetro basal sin corteza a una edad
de referencia dado cualquier par de valores diámetro-edad. En la
obtención de la curva de crecimiento en diámetro se ha empleado el
método de ecuaciones en diferencias, ya que permite emplear cualquier
acgTTOdsottsxaa laak aiE^® ¡m SKMMM ilF&Bm^ ^mmi\!^ Sea (Sa ñfmiLffi v [L@@Kt
138
QíMñML® DD
serie de mediciones disponible, no requiere que se fije previamente
una edad índice y se pueden emplear árboles cuya edad sea inferior a
la edad índice (Calama et al., 2003). Se han ensayado varias fórmulas
empleadas habitualmente en la modelización del crecimiento en altura
(tabla 2).
Tabla 2. Ecuaciones en diferencias empleadas (en Huang, 1997)
Función
Amatéis-Burkhart (1985)
Bailey-Clutter (1974)
Clutter-Lenhart (1968)
Goelz-Burk (1992)
Mcdill-Amatéis (1992)
Richards (195 9)
Schumacher (1939)
D2 = exp ln(Z>i). exp a-Ei El
Di = exp « + ( l n ( Z ) i ) - í 7 ) ' ^ '
V
Di = exp >(( . . | - + (ln(A)-a-AJ
.E^J
A r ri l^^^ exp
^El Ely
D2= D
k = a
l - e x p ( k-Ei)
l - e x p ( k-Ei)
E^J El'
Di =
D\ El
Di = Dx l-exp(a.£'2)
^l-exp(a-£'i)
D2 = D\ exp< a • El Ex
Di, D2: diámetro basal sin corteza a la edad 1 (Ej) y edad 2 (E2) respectivamente. E2> Ej a, b, c, k: parámetros
Para evitar el exceso de datos autocorrelacionados que implica
emplear todos los incrementos anuales, se ha restringido el ajuste a
las edades múltiplos de 5. Los datos de cada árbol se organizan en
tetradas (edadl-diámetrol-edad2-diámetro2) , siguiendo la estructura de
todos los intervalos de crecimiento (Huang, 1997).
139
©¡MnML® DD
Para que se cumpla la condición de independencia de los residuos
es necesario modelizar la estructura del error, debido a que las
series de datos proceden de medidas sucesivas sobre la misma parcela.
Siguiendo la metodología propuesta por (Goelz y Burk, 1992), el error
del modelo
Yij = f(Xi, Yj, Xj, P) + Oij (1)
en el que Yij representa el diámetro predicho para a la edad i
usando Yj (diámetro j), Xi ( edad i) y Xj (edad j) ; se expande según la
siguiente ecuación.
eij = p£i-i, j + YSi, j-i + Cij (2)
Donde p representa la autocorrelación entre el residuo BÍJ y el
residuo de la estimación de Yi-i empleando Yj como variable predictora
( i-i, j)'' y Y representa la autocorrelación entre eij y el residuo de la
estamación de Yi usando Yj.i como variable predictora (Ei, j_i) .
Validación
Para estudiar la calidad de la predicción se realizó la
validación segregando de forma aleatoria un tercio de los datos. Los
análisis de ajuste se realizaron sobre los dos tercios restantes.
Selección del modelo
Los estadísticos seleccionados para evaluar la bondad del ajuste
de las distintas curvas son:
Suma de cuadrados del error;
SSE = S (Djobs - D2pre)' (3)
Error medio cuadrático;
MSE = S (Djobs - D2pre)' / n-1 (4)
Coeficiente de eficiencia del modelo;
EF = 1 - [E (Ds^bs - D2pre)' / 2 (D^obs - D2„ed)' ] (5)
Donde Djobs = diámetro basal sin corteza observado, Djpre =
diámetro basal sin corteza predicho por el modelo y D2med = diámetro
basal sin corteza medio observado. Además se comprobó el nivel de
significación de los parámetros mediante un test t de Student.
El análisis de los residuos estandarizados se empleó para
estudiar la presencia de datos anómalos, lo que permitió identificar
140
&Mmms) DD
crecimientos anormalmente altos asociados a la combinación de dos
situaciones: rebrote de raíz y marcada asimetría de algunos árboles
que han crecido en taludes pronunciados. La posible heterocedasticidad
también se evalúo gráficamente mediante el gráfico de residuos. Para
detectar la presencia de sesgo se calculó el valor medio del error
S (Dj b, - D2pre) / n (6)
y mediante la aplicación de un test t de Student se determinó si
el valor es significativamente diferente de cero.
La correcta predicción de los datos del conjunto de validación
se evalúa realizando la regresión lineal Dobs = a + b*Dpre, y
posteriormente se evalúa la hipótesis nula a=0 y b=l mediante un test
F simultáneo. La aceptación de esta hipótesis significa la ausencia de
sesgo en la predicción (Vanclay, 1994) . Con los datos de validación
también se calcula el sesgo y el error medio cuadrático de la
validación.
2.2.2 Definición de índices.
Diámetro máximo envolvente (DME): Es el diámetro máximo basal
sin corteza que se puede alcanzar en cada parcela a partir del estudio
de la envolvente del incremento diametral. Para ello se asigna como
DME inicial de la parcela el mayor de los diámetros a los 5 años para
los árboles muestreados. Para calcular DME a los 6 años se añade al
valor anterior el máximo incremento diametral a los 6 años entre los
árboles muestreados, y así sucesivamente hasta alcanzar la máxima edad
representada en la parcela. La justificación de este índice se
sustenta en que DME es una estimación del máximo diámetro que podría
alcanzar un cerezo en una determinada estación y por lo tanto estará
más relacionado con el efecto de los distintos parámetros que el
diámetro medio, probablemente más dependiente de las condiciones de
competencia. La modelización del máximo incremento potencial ha sido
empleada en numerosos trabajos como base del modelo de incremento
diametral, matizando posteriormente este crecimiento en función de las
relaciones de competencia (Wykoff, 1990; Vanclay, 1994; Bragg, 2001).
En la tabla 3 y la figura 1 se recoge un ejemplo de la
obtención de este índice.
Diámetro máximo (DMX): Es el diámetro basal del árbol más grueso
en cada parcela a la edad escogida como edad de referencia.
141
©iMním@DD
Diámetro medio (DM) : Es el diámetro medio de los árboles de la
parcela a la edad de referencia. Coincide con el diámetro medio
envolvente.
Tabla 3
Edad
5
6 7
8 9 10
43 44 45 46 47 48 49
1.- Ejemplo de cálculo del diámetro máximo envolvente (DME).
Diámetro (cm) a los 5 años para cada árbol
av4-l av4-2 av4-3 Av4-4 av4-5
2.5 1.2 0.4 0.5 1.8
Incremento diametral (cm) para cada árbol 0.7 0.7 0.2 0.2 0.9
0.7 0.7 0.2 0.4 0.8 0.7 0.8 0.2 0.5 0.6 0.8 0.9 0.3 0.4 0.8 0.6 1.0 0.3 0.5 0.9
0.3 0.2 0.5 0.3 0.5 0.2 0.3 0.2 0.2
0.3 0.3 0.4 0.3 0.3 0.4 0.2 0.4
Incremento Máximo (cm)
0.9
0.8 0.8 0.9
1
0.5 0.5 0.3
0.3 0.4 0.4 0.4
Parcela Av4.
Diámetro Máximo
2.5
3.4
4.2 5
5.9
6.9
28.4 28.9
29.2 29.5
29.9 30.3 30.7
35
E 20
'.^r^'
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 í
Edad
Figura 1.- Evolución del diámetro individual y DME en la parcela Av4.
2.2.3 Selección del índice y la edad de referencia.
Para escoger la edad de referencia se han calculado los
distintos índices a 30, 40, 50, 60, 70 y 80 años. Posteriormente se
analiza la distribución de los distintos valores gráficamente y a
142
QaiPlIiML® [E
través de estadísticos descriptivos. Un buen índice debería presentar
el máximo rango de valores y una distribución simétrica y homogénea de
los valores. También se ha analizado la concordancia entre los índices
a diferentes edades mediante el coeficiente de correlación de
Spearman, basado en la similitud entre rangos de dos variables.
2.2.4 Estudio de ia relación entre el índice de sitio y los
parámetros ecológicos.
Se aborda este estudio mediante tres enfoques citados en la
introducción; a) la regresión lineal múltiple con el índice de calidad
como variable independiente y los parámetros ecológicos como variables
independientes, b) la ubicación de las parcelas en clases de calidad a
partir de los valores de los parámetros, mediante análisis
discriminante y c) el análisis de las clases de calidad mediante
árboles de clasificación. También se incluye el análisis bivariante de
la relación entre calidad de estación y cada uno de los parámetros
mediante el coeficiente de correlación de Spearman.
2.2.4.1 Regresión lineal entre índice de calidad y parámetros
ecológicos.
En el estudio multivariante de las relaciones entre parámetros
se ha constatado la existencia de correlación entre varios parámetros,
lo cual unido a su elevado número obliga a una selección previa de
parámetros a incluir en el modelo, para evitar problemas de
multicolinealidad.
Para seleccionar los parámetros se recurre a realizar una
agrupación automática, mediante el procedimiento CLUSTER de SAS ®. El
método de agrupación escogido es el de Ward, ya que minimiza la
varianza dentro de los grupos y la maximiza entre ellos (SAS, 1989) .
Con el objetivo de que la correlación entre parámetros sea la causa de
la creación de grupos, la agrupación se realiza a partir de una matriz
de distancias entre parámetros.
£).. = 1 - p '
donde D^j = distancia entre los parámetros i y j, p¡j = cuadrado
del coeficiente de correlación de Pearson entre los parámetros i y j .
Dentro de cada grupo se escoge el parámetro de mayor correlación
lineal con IC según el coeficiente de Pearson. También se estudia la
143
(gaipoifm® OD
correlación con las siguientes transformaciones de los parámetros, con
el objetivo de que la relación sea lineal y mejorar el coeficiente de
determinación del modelo.
In (X), In (X+1), 1/X, XS V(X), V(X+0,5).
Con los parámetros seleccionados se estudia el modelo
IC = ao + aiPi + 012P2 + •• «iPi--- + «nPn (7)
En el que IC es el índice de calidad y Pi es cada uno de los
parámetros. La selección de variables se realiza por ajuste de mínimos
cuadrados mediante el método de regresión paso a paso (stepwise
regresión), fijando la significación del test F para la entrada o
salida de variables en 0,15. Se ha empleado el procedimiento REG de
SAS ®.
2.2.4.2 Análisis discriminante de la clase de calidad.
A partir de IC se elaboran 3 clases de calidad, de forma que el
número de parcelas en cada clase sea similar y los límites supongan
una diferencia efectiva entre diámetros. La creación de más clases de
calidad disminuye excesivamente el número de elementos y resta validez
al análisis.
En la selección de parámetros para incluir en el análisis hay
que tener en cuenta que el ratio observaciones/variables no debe ser
menos de 5 (Hair et al., 1999). También es deseable que se cumpla el
requisito de multinormalidad de las variables independientes y que las
relaciones entre parámetros e IC sean lineales. Para cumplir estos
objetivos se evalúa la normalidad de los parámetros o sus
transformaciones (ensayadas en el punto anterior) mediante el test de
Shapiro-Wilk, y posteriormente se evalúan la linealidad de las
relaciones con IC y las correlaciones entre parámetros según lo
expuesto en el punto anterior. Con esta información se seleccionan
grupos de parámetros para testar su capacidad de predecir la calidad
de estación. Se han buscado modelos sencillos, con un número de
variables en torno a 5 y que evalúen de forma conjunta a los factores
implicados en el análisis (clima, fisiografía y edafología).
Para facilitar la selección de variables se ha empleado el
procedimiento STEPDISC de SAS ® con la opción de selección paso a
paso. Este método proporciona un conjunto de variables significativas
en la discriminación entre clases, aunque no tiene en cuenta la
correlación entre ellas y puede generar modelos de alta colinealidad.
Para evitar este problema se han evaluado distintos modelos que
/üiOTOBSOfLOoa ESL QMB^® ©B üsismm ií^Mamuy ^mmilL]) Sea SaififmMi v ¡Lsísm,
144
(SMíwm® [D
combinan los resultados obtenidos en el procedimiento anterior con la
información del análisis de correlación, mediante el procedimiento
DISCRIM de SAS ®. La asignación de parcelas a las clases se realiza
considerando la mínima distancia de Mahalanobis entre la parcela y el
centro de masas de cada clase. La matriz empleada en el cálculo de
esta distancia es la de varianzas-covarianzas dentro de las clases,
tras comprobar mediante el test de Bartlett la homogeneidad de
varianzas entre las matrices de cada grupo (SAS, 1989). El criterio
para seleccionar el modelo es la validación cruzada a partir de los
datos de la muestra. El modelo más robusto es el de menor ratio de
error en la matriz de clasificación obtenida tras clasificar cada
observación con la función discriminante generada con el resto de
observaciones. También se ha tenido en cuenta la distribución de los
errores en las distintas clases, ya que es preferible un modelo con
errores bajos en la mejor clase de calidad, pues supone menor error en
la estimación de la productividad (Bravo y Montero, 2001) .
Para establecer la importancia relativa de los distintos
parámetros en las funciones discriminantes se analizan los
coeficientes canónicos estandarizados. Estos coeficientes proceden de
la matriz que define el espacio canónico discriminante y suponen otra
forma de asignar las parcelas a las distintas clases. Al igual que en
para las funciones de clasificación, los cálculos se realizan a partir
de la matriz de varianzas-covarianzas dentro de los grupos. Se ha
empleado el procedimiento CANDISC de SAS ®.
Por último se estudia la separación entre las distintas clases
mediante la distancia de Mahalanobis, empleando el estadístico F según
el procedimiento DISCRIM de SAS ®.
2.2.4.3 Análisis de la clase de calidad mediante árboles de
clasificación.
A diferencia del análisis discriminante, que asigna una
observación a un grupo mediante la distancia que ésta presenta al
centro de gravedad del grupo, los árboles de clasificación
proporcionan reglas de decisión que se aplican jerárquicamente hasta
asignar la parcela al grupo. Presentan la ventaja de ser más flexibles
que el análisis discriminante frente a los requerimientos de
normalidad o distribución de los individuos en las clases.
Al no exigir que existan un número similar de individuos por
clase, permiten dividir la muestra en dos grupos asimétricos, en uno
145
(SffllMñMtODD
se incluyen las parcelas de mejor crecimiento y en el otro el resto.
De esta forma se puede estudiar la relación entre parámetros
ecológicos y estaciones óptimas. La identificación de las estaciones
óptimas es uno de los resultados más interesantes, ya que es en estas
estaciones en las que es razonable aplicar selvicultura orientada a la
producción de madera de calidad (Verbyla y Fisher, 1989) .
La función para realizar las distintas separaciones en grupos es
una función lineal de las variables implicadas en el análisis, que en
su caso más sencillo se convierte en una regla de decisión
univariable. Se ha empleado éste último enfoque.
Para este análisis se lia empleado el programa QUEST (Loh y Shih,
1997). La asignación de probabilidades iniciales a los grupos son las
estimadas a partir de la muestra, se ha considerado la misma
importancia a la hora de clasificar correctamente las distintas
clases. El tamaño mínimo de un nodo es 5 unidades. En la selección de
variables se ha empleado el algoritmo insesgado propuesto por Loh y
Shih (1997), con un nivel dé significación de 0,05. La selección del
punto de división para cada variable se realiza mediante búsqueda
exhaustiva, y la comprobación del análisis realizado se hace mediante
validación cruzada del mismo modo que en el análisis discriminante.
146
(gaKñMJL® DD
2.3 Modelo de incremento diametral de árbol individual.
Existen múltiples funciones empleadas en la predicción del
incremento diametral. Según Vanclay (1994), una generalización de la
ecuación de Bertalanffy para incremento diametral del tipo
InAd = Po + pilnd + Psá"" (8)
ha sido empleada en numerosos modelos, permite un ajuste
sencillo y ofrece predicciones robustas.
En nuestro caso, el intervalo de tiempo contemplado en Ad es de
10 años.
Los dos términos funciones del diámetro (Pilnd +P2d'') evalúan el
efecto del tamaño del árbol sobre el incremento diametral. En nuestro
caso el término "d" es el diámetro en la base sin corteza calculado
como la diferencia entre el diámetro actual sin corteza en la base y
el incremento diametral de los últimos 10 años. El valor "k" toma el
valor de 2, según el modelo de Wykoff (1990) y limita el crecimiento
para grandes diámetros.
El término independiente po puede expandirse para evaluar el
efecto de la competencia y del sitio, entendido este último como el
efecto conjunto de la fisiografía, el clima y el suelo. El interés de
este trabajo es evaluar la importancia relativa de los distintos
parámetros ecológicos, por lo tanto en esta ecuación no se incluye un
término relativo al índice de sitio o a la edad, ya que podrían
absorber una parte importante del efecto de las variables ecológicas.
La evaluación del efecto de la competencia requiere el empleo de
índices de competencia, entre los más empleados en modelos de árbol
individual se encuentran CCF (crown competition factor), BAL (área
basimétrica en árboles de diámetro superior al considerado), o CR
(porcentaje de altura de copa respecto a la altura total) . El cálculo
de estos valores requiere de mediciones de todos los árboles de la
parcela en el momento inicial de la modelización, sin embargo en
nuestro caso sólo disponemos de la medición actual. Para solventar
este problema, algunos autores han recurrido al empleo de regresiones
entre las distintas variables y el momento de la medición (Colé y
Lorimer, 1994) o entre algunas variables, como el diámetro de copa en
función del diámetro normal (Monserud y Sterba, 1996) .
Ninguno de estos métodos es aplicable a los datos disponibles,
por lo que se recurre al empleo de dos índices de competencia
[MvwasssL&MiS ©im, o a s ^ ® tas KHSXWS ÍÍÑ^OXES^ ¿SBmMilL'j) Ba e/íts=¡riMa v lL@@(xt
147
SaiMíML® DD
calculados con los datos actuales, CR y Dcopa. Siguiendo a Wykoff
(1990), se considera que CR no varía de forma importante en el tiempo,
y el error cometido al emplear el valor actual es sustancialmente
menor que el error asociado a la medición. Este índice es tanto un
indicador del grado de competencia al que ha estado sometido el árbol
como un evaluador del efecto del tamaño del árbol sobre su crecimiento
(Monserud y Sterba, 1996). Dcopa actual presenta una buena correlación
con el incremento diametral en el periodo previo, por lo tanto es una
variable interesante para describir el crecimiento, aunque no tiene el
mismo interés en la predicción del incremento diametral futuro
(Vanclay, 1994). Se puede entender Dcopa actual como un estimador del
área potencial disponible (ÁPD) para el crecimiento del árbol en el
periodo anterior. En un estudio sobre índices de competencia para
Pinus taeda L., Daniels et al. (1986) concluyen que tanto APD como la
relación APD/área basal del árbol {área potencial disponible relativa)
son los índices de competencia que presentan mayor correlación parcial
con el crecimiento en diámetro cuando en el modelo se incluyen
variables de tamaño del árbol y de densidad de la plantación. Por lo
tanto se puede platear que tanto Dcopa como la relación Dcopa/dbase
son indicadores de APD. El modelo, sin incluir el efecto de los
parámetros ecológicos es:
InAdio = Po + Pilndio + : Pzdio + P3CR + PíDcopa + PsDcopa/dbase + S
(9)
donde InAd^o es el logaritmo natural del incremento diametral
(cm) en los últimos 10 años, Indio es el logaritmo natural del diámetro
(cm) en la base sin corteza hace 10 años, dio es el cuadrado del
diámetro anterior, CR es el porcentaje de altura de copa respecto a la
altura total, Dcopa es el diámetro de copa (cm), Dcopa/dbase es la
relación entre el diámetro de copa y el diámetro en la base del árbol
y E es el término que incluye el efecto de los parámetros ecológicos
junto con la parte no explicada del modelo.
Tras el análisis dé datos influyentes sobre la variable
dependiente, variables independientes y la precisión de los
coeficientes de regresión mediante los estadísticos Dffits, Dfbetas y
Covratio según los valores de corte propuestos por Myers (1990), se
analiza la existencia de multicolinealidad entre las variables
independientes mediante el factor de incremento de la varianza (FIV) y
el índice de condicionamiento (ICO) con valores de corte 10 y 3 0
respectivamente, según la propuesta de Peña (1989).
148
e M F w m ® DD
Evaluación del efecto de los parámetros ecológicos
Una vez descontado del modelo el efecto del tamaño del árbol y
de la competencia, la siguiente fuente de variación es el efecto de
los parámetros ecológicos sobre el incremento en diámetro. Se realiza
una selección previa de parámetros para minimizar el riesgo de
multicolinealidad, según lo expuesto en el punto 2.1.2.1. El proceso
de agrupamiento se realiza por separado para los parámetros
climáticos, fisiográficos y edáficos, sin incluir los edafoclimáticos
dado que sólo son 3. En cada conjunto de parámetros se han
seleccionados 4 grupos de forma que el peso relativo de cada factor
(climático, edáfico y fisiográfico) sea similar, además de asegurar
que los distintos aspectos ecológicos que representan estos factores
estén convenientemente representados (permeabilidad, complejidad del
terreno, mediterraneidad, continentalidad, etc).
Para seleccionar un parámetro representativo de cada grupo se
estudia la correlación entre parámetros y la variable £ de la ecuación
(9) . También se analizan transformaciones de los parámetros y su
correlación con £, de forma que se pueda mejorar el coeficiente de
determinación del modelo final, según. Las transformaciones ensayadas
son In (X), In (X+1), 1/X, X% V(X), V(X+0,5).
Los parámetros seleccionados se incluyen en el modelo
InAdio = Po + Pilndio + Pjdio + P3CR + p4Dcopa + PsDcopa/dbase + a Pi
+ ajPz + • • OiPi- • • + ttnPn (10)
donde Pi es cada uno de los parámetros o transformaciones
seleccionados.
La selección de parámetros se realiza estudiando" en primer lugar
el número de variables a incluir según el criterio de Mallows. Se
calcula el estadístico Cp para los n modelos de p variables
independientes con mayor coeficiente de determinación (en este caso
los 5 primeros) y se representa junto con la recta p+1 = p. En los
casos en que Cp es menor que la recta (Cp < p+1) el modelo está
sobreespecificado y cuando Cp está por encima de la recta (Cp > p+1)
el modelo no está suficientemente especificado. El número adecuado de
variables independientes se alcanza cuando el valor de Cp se aproxima
a p+1 (Myers, 1990).
Una vez que se determina el número de parámetros a incluir en el
modelo se selecciona él de mayor coeficiente determinación, observando
que los parámetros sean significativos y no existan problemas de
149
QíMfíML® DD
multicolinealidad. Los cálculos correspondientes se realizan con el
procedimiento REG de SAS ®, mediante ajuste por mínimos cuadrados.
150
(SMMñMR® DD
3. RESULTADOS
3.1 Curvas de crecimiento
Tras el ajuste con las distintas ecuaciones se estudian los
residuos. Se eliminan algunos datos aberrantes, probablemente
correspondientes a árboles cuyo patrón de crecimiento es distinto al
resto por proceder de rebrotes de raíz. Después de eliminar estos
árboles quedan algunos crecimientos aislados alejados del conjunto,
parones o saltos en el crecimiento motivados por claras o el efecto de
la competencia. No se consideran datos aberrantes, tras comprobar el
efecto de su eliminación sobre el ajuste.
Del análisis gráfico se observan problemas de heterocedasticidad
en los modelos de Richard y Amatéis.
Los resultados del ajuste de las distintas ecuaciones una vez
eliminados los datos aberrantes se recogen en la tabla 4.
Tabla 4. Estadísticos del a j u s t e
F u n c i ó n
A m a t é i s - B u r k h a r t
B a i l e y - C l u t t e r
C l u t t e r - L e n h a r t
G o e l z - B u r k
M c d i 1 1 - A m a t é i s
R i c h a r d s
S c h u m a c h e r
6L r e s i d u o s
6 2 6 8
6 2 6 8
6 2 6 7
6 2 6 6
6 2 6 8
6 2 6 8
6 2 6 9
SSE
1 4 7 9 9 . 1
5 0 9 5 . 0
8 2 6 0 . 1
5 4 2 6 . 1
6 1 3 2 . 8
9 0 7 5 . 3
1 2 7 6 5 . 9
MSE
2 . 3 6 1 1
0 . 8 1 2 9
1 . 3 1 8 0
0 . 8 6 6 0
0 . 9 7 8 4
1 . 4 4 7 9
2 . 0 3 6 4
EF
0 . 9 7
0 . 9 9
0 . 9 8
0 . 9 9
0 . 9 9
0 . 9 8
0 . 9 7
SESGO
0 . 2 4 7 2
- 0 . 0 2 6 9 * *
0 . 0 0 4 9 *
- 0 . 0 0 9 1 *
- 0 . 0 1 9 0 *
0 . 0 4 9 5
0 . 2 7 4 2
Nota: * no s i g n i f i c a t i v o con p>0.05, ** no s i g n i f i c a t i v o con 0.05>p>0.01. N=6272. GL= grados de l i b e r t a d , SSE= Suma de cuadrados del e r r o r , MSE= Error medio ouadrá t ico , EF= Coef ic iente de e f i c i e n c i a de l modelo.
El mejor modelo en cuanto a MSE es el de Bailey. También se
encuentra entre los más de mayor EF junto al de Goelz-Burk y Mcdill-
Amateis, aunque su comportamiento en cuanto a sesgo es peor que en
estos, siendo el mejor Clutter-Lenhart.
Los estadísticos de la validación se recogen en la siguiente
tabla:
151
SMMRMIL® DD
Tabla 5 . Estadísticos de l a validación
Función
A m a t é i s - B u r k h a r t
B a i l e y - C l u t t e r
C l u t t e r - L e n h a r t
G o e l z - B u r k
M c d i l l - A m a t é i s
R i c h a r d s
Schumacher
F
1 .21
1.05
1.06
1.06
1.12
1 .11
1.04
P
0 .0000
0 .1057
0 .0836
0 .0682
0 .0024
0 .0055
0 .1595
MSE
2 8 . 8 5 9 8
3 .9860
5 .1470
4 .4722
4 .9170
11 .3494
15 .1845
SESGO
1.6053
- 0 . 0 8 5 6
- 0 . 1 8 9 6
0 .1845
0 .0465
0 .6757
0 .6733
Nota: F y p= e s t a d í s t i c o y probal^ilidad asociada al t e s t simultáneo de constante nula y pendiente unidad. MSE= error medio cuadrático de lo s valores predichos. N= 2548
Para los modelos de Amatéis-Burkhart, Mcdill-Amatéis y Richads
hay que rechazar la hipótesis conjunta de pendiente 1 y constante 0.
En cuanto al error medio cuadrático, el mejor modelo es Bailey-
Clutter, y en cuanto a sesgo sólo lo mejora Mcdill-Amatéis.
Teniendo en cuenta los resultados del ajuste y la validación, el
mejor modelo es el de Bailey-Clutter. Los resultados del ajuste final
(con todos los datos) aparecen en la tabla 6 y la curva final así como
el gráfico de valores predichos frente a residuos en las figuras 2 y
3.
Tabla 6. Resultado del modelo de crecimiento en diámetro.
A n á l i s i s de l a v a r i a n z a F u e n t e de variación
Modelo
Error
Total
Eficiencia modelo
9 8 , 9 1 %
GL
4
8816
8819
d e l
Suma dé cuadrados
1936589
6762 ,4
625593
Sesgo
- 0 , 0 2 1
Cuadrados medios
484147
0 ,7671
Pr > 1 t
Estadístico F P r > F
631176 < 0 , 0 0 0 1
1 (test t para el sesgo)
0 ,0217
P a r á m e t r o
a
b
Est imac ión de l o s parámetros P a r á m e t r o s estimados
4,3894
- 0 , 5 4 2 9
E r r o r estándar aproximado
2 ,05180
0 ,53787
Intervalo de confianza al 95% aproximado
4 ,3768
- 0 , 5 4 6 5
4 ,4020
- 0 , 5 3 9 3
152
gaiPOTML® OD
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95
Eaad
Figura 2. Curva ajustada (la más gruesa) junto con los árboles
empleados en el ajuste.
Figura 3. Gráficos de valores predichos y residuos en el ajuste final.
a(!íTf®as®(L®®ia &m. oMa^® ¡ss raoKnni il^imuíms' jamaml}^} \M ea^fimíMi v l i ieci
153
©IMñML® [E
3.2. Selección del Índice y la edad de referencia.
Aplicando el modelo de; crecimiento podemos estimar el diámetro
de cada árbol hasta la edad de 80 años y calcular los distintos
índices a 30, 40, 50, 60, 70 y 80 años. Los resultados de estos
cálculos se recogen en la tabla 7 y la figura 4.
Tabla 7. estadísticos descriptivos de los índices (cm) índice/edad DMX 3 0
DMX 40
DMX 50
DMX 60 DMX 70
DMX 80 DM 3 0 DM 4 0
DM 5 0
DM 60 DM 7 0
DM 80 DME 3 0 DME 4 0 DME 50
DME 60 DME 70
DME 80
Máximo
33,0
40,9
44,2 46,8 48,9 51,4
24,5 30,6
34,2
37,0 39,4
44,0 37,2
50,5 54,1
57,0 59,5 61,6
Mínimo 12,8
16,1
19,4
22,2 24,6 26,7
10,8 14,1
17,1 19,8 22,1
24,2 14,7
18,5 21,8 24,6
27,0 29,1
Rango 20,2
24,8
24,8 24,6 24,3 24,7 13,7 16,5
17,0 17,2 17,2
19,8 22,5 32,0 32,3 32,4
32,5 32,5
Media
22,0
26,5
30,0
33,0 35,5 37,7
16,5 20,7
24,1 26,9 29,4
31,6 24,8 30,5 34,4 37,6 40,2
42,5 ,
Desv st.
5,0
5,5
5,6 5,6 5,5
5,6 3,6
4,1 4,3
4,4 4,4
4,5 5,6
7,1
7,1
7,1 7,2 7,4
CV
22,6 20,6
18,6 17,0 15,4
14,9 21,7 19,8 17,8
16,3 14,9
14,3 22,5 23,1 20,7
19,0 17,8
17,3
o M J-i O) g
•rH
Q
O
a Q
o
a Q
o
w
a Q
o
a Q
o r-M a Q
O co
a D
o
X a Q
o •a" X 2 a
o
X 2 Q
O
X 2 Q
O
X 2 D
O 00
X
a Q
o C<1
a Q
O
a Q
o
a Q
o
a Q
o r-a Q
o co
a
Figura 4 Dispersión de los índices a las distintas edades
/A\[yjír@@e®Q=®aia © a i 1 5 4
QIMITML® [I
El cálculo del coeficiente de Spearman entre edades contiguas
aparece en la tabla 8, y su evolución aparece en la figura 5.
Tabla 8. Coeficiente de correlación de Spearman para los índices entre edades contiguas
Pares de edades
30-40
40-50
50-60
60-70
70-80
promedio
DMX
0,96651
0,98677
0,99512
0,99589
0,99933
0,988724
DM
0,97956
0,99491
0,99784
0,99777
0,99942
0,99390
DME
0,97291
0,98742
0,99162
0,98535
0,99930
0,98732
ñ a ID
a ID
^ 0 98 ID
C 0) H ü H tu ID
0.95
/^
/'P^
^ ^
-*'-''
X'
-•-DMX
.... .-DM
- Á - D M E
50-60
Edades
Figura 5. Evolución del coeficiente de Spearman entre edades
contiguas para los distintos índices de calidad.
De la inspección de las tablas y figuras anteriores se concluye
que DME presenta el mayor rango, pero tiene el inconveniente de la
existencia de dos parcelas alejadas de la distribución y que pueden
distorsionar los resultados, junto con los valores más bajos del
coeficiente de Spearman. Por su parte, DM y DMX no incluyen esta
distorsión y aunque DMX presenta valores superiores de rango, la
evolución del coeficiente de Spearman es más favorable en DM. La
inspección de ambos índices revela que DMX está más relacionado con la
155
@¡p[r¡fm® [D
existencia de árboles gruesos o aislados dentro de la parcela que con
los parámetros ecológicos, por lo tanto es más adecuado escoger DM
como índice de calidad.
La edad de referencia escogida es 50 años ya que el índice de
Spearman alcanza un valor estable a partir de esta edad.
El índice de calidad escogido es DM50, diámetro del árbol más
grueso en cada parcela a la edad de 50 años.
3.3 Relación entre el índice de sitio y loa parámetros
ecológicos
El resultado del análiisis de correlación de Spearman entre IC y
parámetros se recoge en la tabla 9.
Tabla 9. Coeficiente de correlación de Spearman (p) y probabilidad asociada (p) entre IC y los parámetros ecológicos. En gris los parámetros con
correlación significativa con la calidad (p < 0,05).
Parámetros climáticos
PA
PI
PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
SUP
IH
DSQ
ISQ
IV
P 0,126
0,068
0,285
0,130
0,051
0,516
0,050
0,544
-0,281
0,5062
0,0184
0,0548
-0,005
-0,110
-0,083
0,039
P
0,3798
0,6343
0,0444
0,3670
0,7229
0,0001
0,7258
<0,0001
0,0477
0,0002
0,8991
0,7054
0,9723
0,4438
0,5660
0,7829
Parámetros edafoclimáticos
ETR
SF
DR'J
, P
0,358
-0,082
0,061
P
0,0105
0,5694
0,6733
Parámetros fisiográficos
ALT
PND
INS
TTG
RES
SME
SNIA
RUG
P
-0,475
0,024
0,082
0,051
0,153
0, 178
0,132
0,329
P
0,0005
0,8635
0,5688
0, 7207
0,2872
0,2150
0,3592
0,0194
Parámetros edáficos
CRA
TF
ARE
LIM
ARC
PER
CCC
CIL
HE
MO
PHA
PHK
N
CN
Cíe
eAC
CIN
P
0,119
0,047
-0,253
0,280
-0,020
-0,048
-0,035
0,199
0,160
0,005
-0,025
-0,037
0, 140
-0,226
-0,049
0,065
0,067
P
0,4086
0,7448 .
0,0753
0,0488
0,8867
0,7368
0,8064
0,1655
0,2645
0,9708
0,8612
0,7978
0,3312
0,1141
0,7315
0,6524
0,6418
Se observa que las relaciones significativas se establecen en
primer lugar con los parámetros térmicos TM, TMF, ETP y OSC. Los
mejores crecimientos se relacionan con las parcelas más calidas y de
Sms-(sM3s)mm& ÍMML (3MX^^S) ím wsmm iíÑ^mmr ¿iimmj^]) IM &íSimM\ v Usgca, 156
SaiPOarm® DD
menor oscilación térmicas. Tanto la relación negativa con ALT y
positiva con ETR se pueden incluir en este grupo de relaciones. En
cuanto a la precipitación se puede establecer que el crecimiento es
relativamente de este factor, al menos en el rango estudiado. Sólo se
establece una relación significativa con PP, es decir, parece que
existe relación entre el crecimiento y la precipitación recibida al
inicio del periodo vegetativo.
La relación entre crecimiento y RUG deriva de la presencia de
dos parcelas con valores muy elevados de este parámetro, no se puede
considerar una relación significativa. Del mismo modo, la relación con
LIM se debe al elevado porcentaje de limo en una parcela. Al eliminar
esta parcela del análisis la correlación deja de ser significativa.
3.3.1. Regresión lineal
La elección del número definitivo de grupos se ha realizado a la
vista de la figura 6, de forma que los grupos seleccionados presenten
homogeneidad en el significado ecológico de sus componentes.
0.201
0.15-
0.10-
0.05-
n nn • < — U rT-SCTP ??, mT, íTl i ^ h „ - - _cS rS P P S D I P P P D D I I T S C T E T O E A P R R I T S S C M N C C T P P C C A H L A P C A O U R H I P V E S S V M F I M T M S T L N E U N T M M N O R I F H H A I R E I R E C
PJ F Q Q C C P F C R T D S G S G E A AL A K C N E M C R
Figura 6. Árbol del proceso de aglomeración.
Los 15 grupos resultantes, así como los parámetros más
correlacionados con IC seleccionados para representar a cada grupo (o
sus transformaciones en caso de poseer mayor correlación) se recogen
en la tabla 10.
157
©¡MnMt® DD
Tabla 10. Resultado del proceso de agrupamiento
Grupo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Parámetros
SUP, DRJ, PO, PA, IH, PI, PP
TM, ETP, TMF
PHA, PHK
ARE, HE, LIM
. CAC, CIN
PV, DEF, DSQ, ISQ, TMC, SF, IV
MO, N
CRA, CIL, TF
ARC, PER, CCC
ETR, ALT, ose
INS, TTG
RES, RUG, PND
SME, SMA
Cíe
CN
Seleccionados
1/PP
TMF
PHK
LIM
CAC
TMC
N
CIL
CCC
ALT
1/TTG
RUG
SME
Cíe
CN
La agrupación recoge correctamente los factores ecológicos de
mayor relevancia, precipitación, sequía estival, temperatura,
permeabilidad, insolación, reacción del suelo, textura, complejidad
del entorno, etc. Hay que hacer dos matizaciones: 1) el número de
grupos viene motivado en grcín medida por la alta variabilidad de los
parámetros edáficos, que conforman los grupos más pequeños y de más
tardío agrupamiento y 2) el agrupamiento falla al no desvincular la
continentalidad, expresada mediante el parámetro OSC, de la altitud y
la productividad de la parcela. El parámetro OSC se añade por lo tanto
al listado anterior como variable independiente del modelo. En la
tabla 11 se recoge el coeficiente de correlación lineal de Pearson de
IC con los parámetros o las variables transformadas seleccionadas.
/A\(!í7ír®@3@[L(sxsca ©iML esn^^?® [E)iii cascaTñi i[Ñ¡MBms= smmi\^) Boa SasnniyLa v [yi®KL
158
©iMiTjm® DD
Tabla 11. Coeficiente de correlación lineal de Pearson (p) y probabilidad asociada (p) entre IC y los parámetros ecológicos. En gris los parámetros (o
sus transformaciones) seleccionados.
Parámetros climáticos
PA
PI
1/PP
PV
PO
TM
TMC
TMF
ose ETP
DEF
SUP
IH
DSQ
ISQ
IV
P
0,1367
0,0917
-0,2947
0,0925
0,0874
0,4456
0,1603
0,5206
-0,3071
0,4348
0,0484
0,0788
-0,0160
-0,0827
0,1004
-0,1420
P
0,3435
0,5261
0,0377
0,5227
0,5458
0,0012
0,2661
0,0001
0,0300
0,0016
0,7383
0,5861
0,9118
0,5678
0,4877
0,3251
Parámetros edafoclimáticos
ETR
SF
DRJ
P
0,3362
0,0600
0,0748
P
0,0169
0,6788
0,6057
Parámetros fisiográficos
ALT
PND
INS
1/TTG
RES
SME
SMA
RUG
P
-0,4373
0,0526
0,0795
-0,2769
0,1405
0,2049
0,1184
0,3874
P
0,0015
0,7168
0,5831
0,0515
0,3302
0,1535
0,4127
0,0054
Parámetros edáficos
CRA
TF
ARE
LIM
ARC
PER
ccc
GIL
HE
MO
PHA
PHK
N
CN
Cíe
CAC
CIN
P
0,0768
0,0305
-0,2038
0,2882
-0,0203
-0,0281
-0,1660
0,1993
0,1457
-0,0276
-0,0463
-0,0520
0,0960
-0,2106
-0,0214
0,0201
0,0209
P
0,5957
0,8334
0,1556
0,0424
0,8882
0,8463
0,2493
0,1652
0,3124
0,8487
0,7492
0,7195
0,5068
0,1420
0,8826
0,8896
0,8851
Se observa que las correlaciones más notables se dan con los
parámetros asociados a la temperatura, de forma que las mejores
calidades se dan en las parcelas más térmicas. Este hecho se constata
en la relación positiva con TM, TMF, ETP y negativa con ALT. También
es evidente la> relación positiva entre IC y ETR, por la relación entre
productividad y calidad de estación. El resto de las relaciones
significativas no implican relaciones lineales, ya que se deben a
puntos influyentes, valores alejados del conjunto. La eliminación de
éstos conlleva la pérdida de significación del test de correlación.
Por lo tanto no existe relación lineal entre calidad y el resto de
parámetros analizados individualmente. Esto implica que o bien el
efecto de estos parámetros sobre la calidad no es lineal o bien el
efecto se muestra mediante la interrelación con otros parámetros.
El resultado de la regresión lineal entre IC y los parámetros
ecológicos se recoge en la tabla 12.
Eím<sss°:smM^ [DíiL
159
OaMñMLOOD
Tabla 12. Resultado del ajuste de la ecuación Análisis de la varianza
(7)
Fuente de variación
Modelo Error Total
GL
2 47 49
Suma de cuadrados 322,46418 597,60082 920,06500
Cuadrados medios
161,23209 12,71491
Estadístico F
12,68
cv 14,82660
R R corregido 35,05 32,28
Pr > F
< 0,0001
PRESS 663,7436
Estimación de los parámetros
Variable
constante TMF RUG
Parámetros estimados 25,2366 1,14905 0,00942
Ericor estándar 0,87987 0,30179 0,00276
Pr > \ t \
<,0001 0,0004 0,0205
Parámetros estandarizados
0,45838 0,28861
FIV
1,04878 1,04878
El modelo explica un porcentaje relativamente bajo de la
variabilidad, asociado a escasa robustez según se observa en la
elevada diferencia entre la suma de cuadrados del error y el
estadístico PRESS. El gráfico de residuos estandarizados frente a
datos predichos no denota la existencia de homocedasticidad, al igual
que el gráfico de residuos estandarizados no refleja la presencia de
datos anómalos. La selección mediante agrupamiento de las variables
resulta correcta a la vista de la ausencia de multicolinealidad que
demuestra el estadístico FIV. Sin embargo la inspección de otros
modelos generados al eliminar TMF demuestra que existen varios modelos
similares en cuanto a significación, en los que interviene una
variable del grupo TMF, TM, ETP ETR, ALT junto con otras de menor
peso. Los gráficos de residuos parciales de RUG indican que su efecto
se debe en su mayor parte a la presencia de datos influyentes.
3.3.2. Análisis discriminante
En la tabla 13 se desciriben las clases de calidad.
Tabla 13. Estadísticos descriptivos de las clases de calidad ( en cm)
Glasé
1
2
3
Límites
IC <= 21,5
21,5 < IC < 26,5
IC >= 26,5
N°
16
18
16
Media
19,4
23,5
29,3
Desv Est
1,5
1,3
2,1
Mín
17,1
21,7
26,5
Max
21,5
25,7
34,2
Smr(sm3s&@(mA Est aa^^® mi Gnocami ([íAiMímmf ^maw^La} Seo (Sa =ifmM\ v tusca,
160
SaiPOiML® DD
Las inedias de las clases son significativamente distintas al
0,05 según el test de Tukey y de varianza homogénea, según el test de
Levene (p = 0,1004) .
Los resultados del análisis de normalidad se recogen en la tabla
14.
Tabla 14.- Probabilidad asociada al test de normalidad de Shaplro-Wllk (p) para los parámetros o sus transformaciones, exclusivamente cuando el test es
significativo.
Parámetros climáticos
1/PA
PI
l/PP
PV
Ln(PO)
1/TM
1/TMC
Ln(TMF+5)
ose 1/ETP
DEF
Ln(SUP)
ViH
DSQ
ISQ
IV
P
0,11846
--
0,41393
--
0,05701
0,15867
0,11750
0,11690
--
0,06948
0,46287
0,12846
0,09319
--
--
--
Parámetros edafoclimáticos
1/ETR
VSF
Ln(DRJ)
P
0,34258
0,95659
0,12846
Parámetros fisiográficos
ALT^
PND
INS
TTG
RES
VSME
VSMA
Ln(RUG)
P
0,41240
0,29217
0,59307
0,14631
0,78732
0,27093
0,38991
0,71710
Parámetros edáficos
Ln(CRA)
TF
ARE
LIM
VARC
PER
Ln{CCC+0,01)
Ln(CIL)
HE
Ln(MO)
Ln(PHA)
Ln(PHK)
Ln(N)
CN
Cíe CAC
CIN
P
0,47919
0,27775
0,25167
0,20137
0,25068
--
0,9636
0,88530
0,12761
0,30169
0,25743
0,11007
0,38255
0,86765
0,54093
--
--
Los resultados del análisis STEPDISC indican que las variables
con mayor capacidad discriminante son Ln(TMF+5), INS, LIM y Ln(PHK).
Sin embargo la eliminación de Ln(TMF+5) genera la entrada del resto de
variables relacionadas con el régimen térmico de la parcela, con
similar capacidad discriminante (ALT^, 1/TM, 1/ETP). Por lo tanto se
inicia el modelo con Ln(TMF+5) y se compara con los modelos generados
añadiendo variables de otros grupos de factores (pluviometría,
textura, complejidad, etc) . Posteriormente se analiza si el cambio de
Ln(TMF+5) por los demás parámetros térmicos mejora el análisis. Ante
modelos con tasas de error similar se escoge la de errores más bajos
en la clase 3.
El modelo que mejor combina el criterio de menor porcentaje de
error en la clasificación y mejor distribución de los errores es:
atwdasotcsxaia Est (sssm© ES caocoTíQ ií^Mamíár mw3íL]i Sea SaiñrayLa v íkieca. 161
(SapoiML® DD
Constante + Ln(TMF+5) + ViH + INS + LIM + Ln(PHK) (11)
Este modelo ofrece los siguientes resultados en cuanto a
clasificación de los datos originales (tabla 15).
Tabla 15. Parcelas y porcentaje en cada clase según el modelo, respecto a los datos observados
Calidad predicha
Calidad
observada
1
2
3
Total
1 2 3
10 65,50 %
3 18,75 %
3 18,75 %
4
22,22 % 10
55,56 %
4
22,22 %
1 6,25 %
2
12,50 % 13
81,25 %
15 30,00 %
15 30,00 %
20 40,00 %
Porcentaje de parcelas clasificadas incorrectainent;e (tasa de error)
Total
16 100 %
18
100 %
16 100 %
50 100 %
33,56 %
La validación cruzada del modelo genera la siguiente matriz de
clasificación (tabla 16).
Tabla 16. Matriz dé clasificación de la validación cruzada del modelo (11)
Calidad
observada 1
2
3
Total
1
10
65,50 %
6
33,33 %
1
6,25 %
17
34,00 %
Porcentaje de pare incorrectamente
Calidad predicha
2
3
18,75 %
7
38,89 %
3
18,75 %
13
26,00 %
3
3
18,75 %
5
27,78 %
12
75,00 %
20
40,00 %
elas clasificadas (tasa de error)
Total
16
100 %
18
100 %
16
100 %
50
100 %
41,20 %
162
(SMFffiML® DD
La probabilidad asociada al test de homogeneidad entre las
matrices de varianzas-covarianzas de las clases es p > 0,2353, por lo
tanto se puede rechazar la existencia de heterocedasticidad.
Los coeficientes de la función lineal discriminante son:
Tabla 17. Función lineal discriminante
Variable
Constante
Ln(TMF+5)
-^IH
JNS
LIM
Ln(PHK)
Clases
1
-56,101148
2,12031
2,10263
1,24126
0,10122
56,59006
2
-59,79310
2,84842
2,06855
3,60772
0,13211
56,92286
3
-59,78982
5,37113
2,26268
4,96389
0,20383
51,63110
La asignación de una parcela a una clase se debe al mayor tanteo
obtenido al aplicar la función discriminante. Los coeficientes de las
funciones indican que valores altos de Ln(TMF+5), INS y LIM indican la
mejor calidad. Por lo tanto los mejores crecimientos en los rangos
ecológicos estudiados, se producen en las parcelas más térmicas, de
mayor insolación y con más porcentaje de limo. La influencia de la
precipitación (ViH) y la reacción (Ln(PHK) no son evidentes, ya que
alcanzan máximos o mínimos en la clase intermedia.
Los coeficientes estandarizados de la matriz canónica se recogen
en la tabla 18.
Tabla 18. Coeficientes canónicos estandarizados y variabilidad
retenidada por cada eje.
Variable
Ln(TMF+5)
•\llH
INS
LIM
Primer eje canónico
0,87
0,22
0,49
0,63
Segundo eje canónico
-0, 08
-0,29
0,68
0,09
163
©iMfiML@OD
Ln(PHK)
Variabilidad
retenida (%)
- 0 , 4 6
8 9 , 2 3 %
0 , 4 2
1 0 , 7 7 %
A la vista de esta tabla se concluye que el primer eje
representa casi todo la variabilidad, cerca del 90 %. El mayor peso en
este eje canónico se debe a Ln(TMF+5), seguido de LIM. El resto de
variables tiene un peso similar en ambos ejes, aunque se puede
destacar que INS es el parámetro de más peso en el segundo eje. Este
resultado evidencia que la distribución en las clases propuestas
obedece básicamente al balance térmico de la parcela, y este balance
se relaciona (de forma casual) con el porcentaje de limo.
Según se aprecia en la figura 7, los valores positivos en el
primer eje se relacionan con la mejor calidad. A la vista de los pesos
estandarizados recogidos en la tabla 12 se determina que para todos
los parámetros excepto Ln(PHK), valores crecientes indican mejor
calidad. Por lo tanto, en el muestreo realizado, mayor termicidad,
precipitación, porcentaje de limo, insolación y menor acidez se
relacionan con mayor productividad.
3
•
• -2 #
•
H
•
j ^ - i
• m
m
A
B 2
M 1,5
B
A '
• °-5
B 'i
-0.5
A - 1
- 1 . 5
-2
S»
*
«
• A
A
B
A
A
• •
• A
1
A
A
ociase I
aciase i i
* C l a s e I I I
A
' A
A
A
A
A
Primer eje canónico
Figura 7. Distribución de las clases en los ejes canónicos.
a(w®@s®(L®®)a Eda. QM3^® iE¡oi CüXsXíaTjii ií^lmüímár ¿}mmí\L]) llca ©a^TmyLa v [Lasca,
1 6 4
(SaiMMl,® QD
Por último es interesante señalar que si se evalúa la distancia
entre clases a través de la distancia de Mahalanobis se obtiene el
siguiente resultado:
Tabla 19. Distancia de Mahalanobis entre clases (arriba) y probabilidad asociada a la separación entre clases (abajo)
Clases
1
2
3
1
0
1,0000
0,74191
0,3492
4,14194
0,0002
2
0,74191
0,3492
0
1,000
2,50858
0,0054
3
4,14194
0,0002
2,50858
0,054
0
1,0000
Por lo tanto los parámetros escogidos generan diferencias entre
la clase 3 y el resto, pero no entre las clases 1 y 2, que se podrían
considerar una única clase.
3.3.3 Arboles de clasificación.
A la vista de los resultados obtenidos en el análisis
discriminante se considera adecuado distinguir entre dos clases, la 3
agrupa a los mejores sitios y las clases 1 y 2 se unen en una clase
inferior (Clase 1).
Se obtiene el siguiente árbol de clasificación:
Tabla 20. Árbol de clasificación para dos clases de calidad
• Nodo 1: TMF <= -1,3
O Nodo 2: TMF <= -2,6 Clase 1
o Nodo 2: TMF > -2,6
• Nodo 4: TMF <= -2,45 Clase 3
• Nodo 4: TMF > -2,45 Clase 1
• Nodo 1 :• TMF > -1,3
o Nodo 3: TMF <= 0,3 Clase 3
o Nodo 3: TMF > 0,3 Clase 1
165
SaíMML,® DD
La clasificación de los datos originales aparece en la tabla 21.
Tabla 21. Parcelas y;porcentaje en cada clase según el árbol, respecto a los datos observados
Calidad predicha
Calidad
observada
1
3
Total
1 3 Total
33 97,06 %
1 2,94 %
34
100 %
3 18,75 %
13 81,25 %
16
100 %
36 72,00 %
14 28,00 %
50 100 %
Porcentaje de parcelas clasificadas incorrectamente (tasa de error)
10,85 %
La validación cruzada del árbol genera la siguiente matriz de
clasificación (tabla 22).
Tabla 22. Matriz de clasificación de la validación cruzada del árbol.
Calidad
observada
1
3
Total
Calidad predicha
1
32 94,12 %
3
18,75 %
35
70,00 %
3
2 5,88 %
13
81,25 %
15
30,00 %
Porcentaje de parcelas clasificadas incorrectamente (tasa de error)
Total
34
100 %
16
100 %
50
100 %
12,32 %
El árbol de clasificación emplea una única variable, TMF, para
discriminar entre clases óptimas y el resto. También se consigue un
buen porcentaje de clasificación mediante validación cruzada si se
elimina TMF del análisis y sólo se incluye TM (17,83%) u OSC (22,98%).
El resto de variables no producen clasificaciones aceptables.
166
©¡MMM,® DD
Este análisis parece evidenciar que en el crecimiento del cerezo
existe influencia clara del régimen térmico en cuanto a temperatura
media, temperaturas mínimas y continentalidad. Los parámetros
edáficos, fisiográficos, pluviométricos así como las temperaturas
máximas, no tienen un efecto notable sobre la calidad de la estación,
al menos en el habitat estudiado.
Si se analizan las parcelas en las que falla la asignación de
calidad encontramos:
• 3 parcelas situadas cerca de un río o en terreno cultivado
(avl, za3 y so9) en las que los crecimientos son mayores
de los esperados según TMF.
• 1 parcela situada en gran pendiente (le2) que tiene menor
crecimiento que el presumible según TMF.
• 2 parcelas situadas en el Sistema Central (av6, sa4)
presentan crecimientos inferiores a los esperados. Los
parámetros edáficos, fisiográficos y climáticos son
similares a otras parcelas del entorno en los que hay
crecimientos mayores. La distorsión en la asignación de
calidades se debe a que en ambas parcelas hay pocos
cerezos y son jóvenes, con lo que IC es muy dependiente de
la modelización y la no se les asigna el crecimiento que
probablemente les corresponde.
• 3 parcelas entran en la calidad inferior (bu7, bu5 y sa2)
cuando les corresponde la superior según TMF y a la vista
de los crecimientos de parcelas próximas. Si el límite
entre calidades pasa de 26,5 a 25 cm, la asignación es
correcta. Se trata por tanto de una cuestión matemática y
no ecológica.
Teniendo en cuenta la última observación se realiza una nueva
asignación de calidades, situando el diámetro medio a los 50 años en
25 cm como límite entre sitios óptimos y el resto. Con esta
reclasificación se obtienen los resultados definitivos:
Tabla 23. Estadísticos descriptivos de
Clase
No óptimos
Óptimos
Límites
IC < 25
IC >= 25
N°
31
19
Media
21,2
28,7
las clases de calidad
Desv Est
2,2
2,3
Mín
17, 1
25
( en cm)
Max
24,9
34,2
167
©¡MñMIL® DD
Tabla 24. Árbol de clasificación definitivo para dos
clases de calidad (límite entre calidades 25 cm)
• Nodo 1: TMF' <= -1,3 Clase 1 (no óptimo)
• Nodo 1: TMF > -1,3 Clase 3 (óptimo)
Tabla 25. Parcelas y porcentaje en cada clase según el árbol de clasificación definitivo, respecto a los datos observados (coincide con la matriz de validación cruzada).
Calidad predicha
Calidad
observada
1
3
Total
1 3 Total
28 90,32 %
3 9,68 %
31 100 %
3
15,79 %
16
84,21 %
19
100 %
31
62,00 %
19 38,00 %
50
100 %
Porcentaje de parcelas clasificadas incorrectamente (t:asa de error)
12,73 %
Se puede observar que la tasa de error es similar a la obtenida
en la anterior clasificación, pero el árbol es más robusto, ya que las
matrices de clasificación obtenidas con los datos y con la validación
son iguales. Otra ventaja evidente es la simplificación del árbol de
clasificación.
168
©¡MñMLQDD
3.4 Relación entre incremento diametral y parámetros ecológicos
En el ajuste de la ecuación (9) la única variable no
significativa es CR. Los resultados del ajuste de la ecuación (9) una
vez eliminada esta variable, se recogen en la siguiente tabla.
Tabla 26. Resultado del ajuste de la ecuación (9)
Análisis de la varianza Fuente de variación
Modelo
Error
Total
cv
22,23
GL
4
191
195
Suma de cuadrados
36,73876
18,37801
55,11677
R'
0,6666
Cuadrados Estadístico „ „ Pr > F medios F
9,18469 95,46 < 0,0001
0,09622
R^ corregido PRESS
0,6596 19,66848
Estimación de los parámetros
Variable
constante
Indio
d,o' Dcopa
Dcopa/dbase
Parámetros estimados 4,6597
-1,1447
-0,0014
0,0046
-0,0834
Error estándar 0,2154
0,0826
0,0001
0,0002
0,0047
Pr > \ t 1
< 0,0001
< 0,0001
< 0,0001
< 0,0001
< 0,0001
Parámetros es tandarizados
-1.2768
-0.7181
1,5251
-1,3664
FIV
4,8719
4,1989
5,0034
3,4541
El modelo explica el 66,6 % de la variabilidad en el incremento
diametral, y todas las variables son significativas.
La inspección de los datos de partida mediante los estadísticos
de análisis de datos influyentes y los gráficos de residuos, ha
permitido detectar algún error en la medición del corex debido
básicamente a la inclinación excesiva de la barrena en el momento de
la extracción. También se ha detectado un grupo de datos influyentes
en el ajuste debido a que presentan importantes crecimientos. Se trata
de árboles jóvenes y con alta probabilidad de ser rebrotes de raíz,
aunque no se pueden considerar incorrectos. Por último se eliminaron
árboles cuyo diámetro de copa mostraba un valor aberrante debido a que
parte de la copa estaba seca en el momento de realizar la medición
aunque no se detecto, al medirse en parada vegetativa. El valor del
estadístico Press es similar a la suma de cuadrados de los residuos
169
©¡ptnrofliL® [E
por lo que no es destacable la presencia de datos aberrantes o
influyentes.
Los valores de FIV son aceptables y no evidencian problemas de
colinealidad, aunque el valor de ICO roza el admisible para considerar
que existe multicolinealidad moderada. El análisis de la matriz de
correlación entre variables independientes y de la proporción de la
varianza de los parámetros explicada por cada autovalor evidencia que
la colinealidad afecta especialmente a Indio, debido a la relación
lineal existente con dio^ (taiblas 27 y 28) . En cualquier caso, no se
puede considerar un problema importante, y es preferible mantener
estas variables para que la formulación de la ecuación sea la
adecuada.
Tabla 27• Coeficiente de correlación lineal de Pearson entre las varicibles independientes y probabilidad asociada (en cursiva) .
Indio
dio^
Dcopa
Dcopa/dbase
InAd^o
Indxo
0,8226
0,6039
-0,4624
-0,3147
di/
< 0,0001
0,6726
-0,3423
-0,2748
Dcopa
< 0,0001
< 0,0001
0,2568
-0,0799
Dcopa/dbase
< 0,0001
< 0,0001
0,0003
-0,1385
InAdio
< 0,0001
< 0,0001
0,2655
0,0529
Tabla 28. índice de condicionamiento y proporción de la varianza debida a cada autovalor.
Autovalor
4,44094
0,46523
0,06663
0,02251
0,00469
ICO
1,0000
3,08960
8,16371
14,04722
30,77394
Constante
0,00050
0,00169
0,03648
0,03363
0,92 76 9
Indio
0,00054
0,00000
0,05127
0,04548
0,90270
dio^
0,00425
0,18420
0,03381
0,76989
0,00785
Dcopa
0,00113
0,00000
0,06928
0,49844
0,43114
Dcopa/dhase
0,00113
0,01300
0,09393
0,23644
0,65549
Según los valores de los parámetros estandarizados, se observa
que la variable con más peso en el modelo es Dcopa, seguido de
Dcopa/dhase y Indio que presentan valores similares, mientras que dio^
tiene menor importancia. Los signos de los coeficientes indican que
los crecimientos decrecen con el tamaño del árbol y aumentan con el
área disponible, aunque se ven afectados con la disminución del área
disponible relativa.
170
SaiPOiML® DD
En la tabla 2 9 se recoge la correlación entre los parámetros
ecológicos y los residuos E de la ecuación (9). En los casos en que el
parámetro no está correlacionado con los residuos pero alguna de sus
transformaciones presenta correlación significativa, se reflejan los
valores de la variable transformada. Hay 14 parámetros que presentan
relación lineal con los residuos. Las correlaciones positivas de TM,
TMC, TMF y ETP indican que el crecimiento del cerezo es mejor en las
parcelas más térmicas. Es destacable la nula correlación de los
parámetros relacionados con la precipitación recibida en la parcela,
aunque la correlación con DEF y SF sea positiva y significativa. En la
misma línea, la correlación negativa con el índice de Vernet, indica
que el crecimiento es mayor en las parcelas de clima mediterráneo o
submediterráneo que en las de clima oceánico o continental. Esta
relación también se refleja en la correlación positiva con ISQ^. La
relación negativa del crecimiento con la altitud es esperable y hay
que incluirla en la dependencia del incremento diametral respecto a la
temperatura.
El parámetro ETR representa la productividad de la parcela y la
relación negativa de su inversa con el crecimiento es razonable,
aunque de escasa entidad. Del mismo orden es la relación con la
inversa del porcentaje de arena, que parece indicar peores
crecimientos en los suelos más permeables. La relación negativa con CN
es más clara e indica que el crecimiento del cerezo es sensible a la
tasa de mineralización de los residuos vegetales, aunque no es
evidente que dependa de la riqueza en materia orgánica ya que no
existe correlación con MO o N. Por último, las relaciones detectadas
con l/RES y ln(sme+l) no son correlaciones con significado ecológico
ya que se deben a la presencia de valores influyentes tras la
transformación.
171
QapinMk® DD
Tabl a 29.- Coeficiente de correlación lineal de Pearson (p) y probabilidad asociada (p) entre e (ecuación 8) y los parámetros ecológicos.
Parámetros climáticos
PA
PI
PP
PV
PO
TM
" TMC '•
fMF
ose ETP
DEF
SUP
IH
DSQ
ISQ^
"• IV
P
0.081
0.096
0.097
-0.061
0.066
0.308
0.189-
0.277
-0.070
0.313
0.145
0.059
0.001
0.051
0.161
-0.162
P 0.2570
0.1791
0.1753
0.3928
0.3528
<0.0001,
0.0077 .
;<O.D001
0.3251
XO.OOOl
0.0413.""
0.4071
0.9855
0.4716
: 0.0235
• 0.0231
Parámetros edafoclimáticos
• 1/ETR •
SF^
DFIJ
P •-0.148
0.171
0.059
P 0.0376
3.0163-
3.4071
Parámetros fisiográficos
ALT
PND
INS
TTG
1,/RES
" ln(SME+l)
SMA
RUG
P -0.286
-0.064
0.051
0.048
0.280
0.159
0.090
0.016
P <0.0001'
0.3724
0.4723
0.5001
<0.0001
0.025?
0.2074
0.8180
Parámetros edáficos
CRA
TF
:1/ARE
LIM
ARC
PER
CCC
GIL
HE
MO
PHA
PHK
N
: CN
Cíe
CAC
CIN
P
0.016
-0.006
0.152
0.096
0.089
-0.070
0.098
0.040
0.085
-0.091
0.071
0.040
-0.016
-0.206
0.004
0.089
0.105
P 0.8228
0.9260
0.0323;
0.1794
0.2122
0.3279
0.1717
0.5763
0.2325
0.2037
0.3180
0.5733
0.8153
0.0037
0.9483
0.2126
0.1404
El resultado del proceso de agrupamiento de los parámetros
ecológicos, así como los seleccionados para representar cada grupo
aparecen en la tabla 30. Los parámetros climáticos se dividen en un
grupo representativo del factor térmico, otro del pluviométrico, otro
de la sequía estival (mediterraneidad) y por último un parámetro
relacionado con la continentalidad. Los cuatro grupos de parámetros
fisiográficos representan respectivamente la radiación (insolación)
recibida por la parcela, la complejidad del terreno, la situación
respecto a los vientos húmedos y la altitud. Los parámetros edáficos
se dividen en dos grupos de parámetros químicos, uno de reacción y
otro de fertilidad (grupos 1 y 3) y dos grupos de parámetros físicos
que representan la textura y la capacidad de retención de agua de la
parcela (grupos 1 y 4). Se incluyen los 3 parámetros edafoclimáticos
porque son síntesis de los anteriores y están relacionados con la
productividad de la parcela.
172
QaíFOiML® DD
Tabla 30. Resultado del proceso de agrupamiento
Parámetros climáticos
Grupo
1
2
3
4
Parámetros
TM, ETP, TMF
PO, SUP, PA, IH, PI, PP
PV, DEF, DSQ, ISQ, IV, TMC
ose
Seleccionados
ETP
PP
TMC
ose Parámetros fisiográficos
1
2
3
4
INS, TTG
RES, RUG, PND
SME, SMA
ALT
INS
l/RES
Ln(SME+l)
ALT
Parámetros edáficos
1
2
3
4
PHA, PHK, CAC, CIN
ARE, HE, ARC, PER, LIM, CCC
MO, N, CN, Cíe
CRA, eiL, TF
Parámetros edafoclimáticos
PHA
1/ARE
CN
eiL
1/ETR, SF^ DRJ
Por l o t a n t o e l modelo c o m p l e t o t i e n e l a s i g u i e n t e forma:
InAdio = Po + Pilndio + 32dio^ + PsDcopa + P iDcopa/dbase + «lETP +
ajPP + a3TMC+ atOSC + aglNS + agl/RES + OvLn (SME+1) + asALT +
cxgPHA + aiol/ARE + ai3.CN+ ai2CIL+ ai3l/ETR+ ai4SF^+ ai5DRJ+ £
(12)
El análisis gráfico de la evolución del parámetro Cp respecto al
número de variables independientes incluidas en el modelo se
representa en la figura 8. La recta representa el número de variables
(p) incluidas en el modelo más la constante (p+1) . Se observa que con
6 parámetros se produce una inflexión en la curva de Cp, momento en el
que los valores de Cp y p+1 se aproximan. Por lo tanto parece adecuado
analizar los modelos con 6 variables independientes que incluyan las
cuatro variables de tamaño y competencia (Indio, dio , Dcopa y
Dcopa/dbase).
173
©¡Mium® DD
8 10 12
Variables Independientes en el modelo
Figura 8. Evolución de Cp en función del número de variables (p)
en el modelo
En la tabla 31 se recogen los 5 modelos con mayor el coeficiente
de determinación para 6 variables en el modelo, junto con los
correspondientes a los de 5 variables.
Tabla 31. Coeficiente de determinación (R ) de los distintos modelos
Variables en el modelo
4
5
5
5
5
5
6
6
6
6
S
R=
0,6666
0,7011
0,6981
0,6944
0,6816
0,6786
0,7167
0,7096
0,7087
0,7072
0,7066
Cp
29,8169
9,4940
11,4001
13,8149
22,0817
23,9970
1,3631
5,9758
6,5694
7,5010
7, 8804
Variables iniciales
IndcorlO sqdcorlO DCOPA rdcopa
Variables añadidas
ETP
ALT
1/RES
CN
TMC
ALT 1/RES
ETP 1/RES
ETP CN
1/RES 1/ARE
ALT SF^
174
QjHTiML® DD
Se observa que la variable que aporta más información de forma
individual es ETP, ya que aumenta R^ en un 3, 45 %. Es similar el
efecto de ALT, debido a que ambos parámetros se relacionan
estrechamente con la temperatura de la parcela y tienen una
correlación significativa. ETP es más interesante que ALT ya que
refleja un factor que actúa directamente sobre el árbol, además de
incorporar a la información sobre altitud la de latitud. Por esto es
preferible contar en el modelo con ETP, aunque el mejor modelo de dos
variables es el que incluye ALT y 1/RES. No existe apenas diferencia
entre los dos modelos de 6 variables que incluyen ETP. A pesar de que
el mayor R^ corresponde al modelo ETP l/RES, la observación del gráfico
de residuos correspondiente a la regresión parcial de 1/RES evidencia
que el efecto de esta variable se debe a la influencia de dos únicas
parcelas que se alejan notablemente del resto. Por lo tanto el modelo
escogido es
InAdio = Po + Pilndio + P2dio + PaDcopa + PiDcopa/dbase + aiETP +
a3CN+ e (13)
Tras un primer ajuste, la inspección de datos influyentes y
aberrantes evidencia la existencia de 4 árboles con residuos
estandarizados alejados tanto de la distribución conjunta como de la
distribución de residuos de su parcela. Estos árboles generan
problemas de heterocedasticidad en las primeras edades, probablemente
motivados porque proceden de cepa o han estado dominados hasta una
fecha próxima a la de la medición. No hay problemas de datos
influyentes, por lo que sólo se eliminan los datos aberrantes.
Se ha comparado que la eliminación de los datos no afectaba a la
selección de parámetros ecológicos del modelo. El resultado del
análisis se recoge en la tabla 32.
17 5
QiMmm,® DD
Tabla 32. Resultado del ajuste de la ecuación (13) Análisis de la varianza
Fuente de variación
Modelo
Error
Total
CV
19,39679
GL
6
185
191
Suma de cuadrados
39,51700
13,66708
53,18408
R"
74,30
Cuadrados Estadístico j• ^ Pr > F medios F
6,58617 89,15 < 0,0001
0,07388
R^ corregido PRESS
73,47 14,90498
Estimación de los parámetros
Variable
constante
Lndio
dio^
Dcopa
Dcopa/dbase
ETP
CN
Parámetros estimados
3,7224
-1,1045
-0,0013
0,0043
-0,0828
0,0020
-0,0355
Error estándar
0,3723
0,0743
0,0001
0,0002
0,0044
0,0004
0,0111
Pr > 1 t 1
< 0,0001
< 0,0001
< 0,0001
< 0,0001
< 0,0001
< 0,0001
0,0018
Parámetros estandarizados
-1,23355
-0,62539
1,42452
-1,29151
0,17695
-0,12373
FIV
4,9659
4,2433
5,2546
3,4336
1,0877
1,0929
176
(Sfl[MML@OD
O
-a
1 »
o
>
3
2.5
2
l.b
1
0.5
0
1 ' '
—
-
-
r
f 1 •
•- ^ 1 » ^
Y j ^
%rv^2^^ ' , ^ \^^^^
^. 'Wt^^ ^
V ^ ^ ' • . * ' • ' • '• \
1-
1 1 1 1 > 1 L 1 1 1 1 1 1 1 1 1 1 1
----
—
-
-—
3.1 F o
-O
N H
-O c cd
+-» Vi
GO
O 3
T3
en ni es;
2.1
1.1
ü.l
-0.9
-1.9
-2.9
_ l ' '
---—
-
"-
-— — -~ t . .
1-
1-
É . 1
1-
1-
'
í-
1-
' '
1-
t-
f
1 1 1 1 1 1 I T 1 1 — 1
1-
». . - "¿ . ' - - .
1-
f
f
•••
. . .
- ' ^
t-
•1-
1-
'
i -
' '
1 1
•
1-
1-
' ' 1
---
—
-
f
: — _ -
. . i ~
0.5 1 1.5 2
Valores predichos
2.5
Figura 9. Gráficos de valores predichos contra valores
observados y residuos estandarizados.
177
( S / I \ I P [ ] T M L ® DD
Aunque en este modelo se produce un ligero aumento de FIV para
Dcopa, el análisis del íridice de condicionamiento sólo detecta
multicolinealidad para la constante, lo cual no supone ningún problema
en el modelo planteado (tabla 33).
Tabla 33. índice de condicionamiento y proporción de la varianza debida a cada autovalor.
Autovalor
6.3530
0.4971
0.0873
0.0322
0.0212
0.0075
0.0018
ICO
1.0000
3.5749
8.5312
14.0556
17.3292
29.0882
59.0011
Constante
0.0001
0.0002
0.0016
0.0034
0.0092
0.0013
0.9843
Indio
0.0003
0.0002
0.0103
0.0594
0.0461
0.6362
0.2475
dio'
0.0019
0.1810
0.0008
0.1691
0.6455
0.0000
0.0017
Dcopa
0.0005
0.0007
0.0755
0.0267
0.3625
0.3894
0.1448
Dcopa/dbase
0.0005
0.0064
0.0953
0.0523
0.1452
0.4799
0.2103
ETP
0.0001
0.0004
0.0024
0.0176
0.0305
0.1724
0.7766
CN
0.0009
0.0020
0.0740
0.5669
0.2081
0.0668
0.0814
Sobre el modelo propuesto hay que hacer las siguientes
consideraciones. El parámetro ETP tiene un coeficiente de
determinación parcial del 3,85 % mientras que CN alcanza el 1,40 %.
Aunque el coeficiente de este último parámetro es significativo, la
varianza explicada es escasa. Respecto al parámetro ETP hay que
señalar que su aportación al modelo es similar a la que supone TM o
ALT, por lo que la sustitución de ETP por cualquiera de los anteriores
proporcionaría un modelo similar.
En caso de realizar la inclusión de variables mediante el ajuste
paso a paso incremental, de forma que cada variable sea incluida para
maximizar el coeficiente de determinación, se obtiene que la variable
más correlacionada con el crecimiento diametral es ETP, por delante
de la variable de tamaño del árbol Ind^o (tabla 34) . ETP explica
individualmente el 10,72 % de la variabilidad en crecimiento, aunque
como se ha visto anteriormente, este porcentaje se reduce al 3,85 %
cuando se ha descontado el efecto del tamaño y de la competencia. Por
su parte el parámetro CN no experimenta diferencias en la variabilidad
explicada ya que es la última variable que se incorpora al modelo y su
aportación es escasa.
17 8
SñlPOTím® DD
Tabla 34. Coeficientes de determinación parcial y total según el
ajuste paso a paso incremental
Variables incluidas en cada paso
ETP
Indio
Dcopa/dbase
Dcopa
dio'
CN
R parcial (%)
0,1072
0,0945
0,1147
0,3125
0,1000
0,0140
R acumulado (%)
0,1072
0,2018
0,3165
0,5290
0,7290
0,7430
179
OaCTím® OD
4 . DISCUSIÓN.
4.1 Curvas de crecimiento
En el análisis de los datos previo a la elaboración de las
curvas, se evidencia la influencia de la propagación vegetativa en el
crecimiento. Algunos árboles se han eliminado del análisis porque su
curva de crecimiento cruzaba a las del resto de árboles en las
primeras edades, con la consiguiente distorsión en el ajuste. Hay que
señalar que a pesar de que éste esquema de reproducción es el más
habitual en el cerezo, la elevada densidad de las parcelas parece
limitar el crecimiento inicial de la regeneración vegetativa (Bartoli
y Dall'armi, 1996). La competencia es elevada en la mayoría de las
parcelas, como evidencian los datos de la tabla 1. La densidad es
superior a la encontrada por Pryor (1988) en masas naturales, y está
muy alejada de las recomendaciones selví.colas citadas en el apartado
de antecedentes.
También se evidencia que el cerezo no es un árbol longevo. En el
muestreo realizado sólo 12 de 230 árboles superan los 60 años (el 5%) .
El turno propuesto por los distintos autores (Montero et al., 2003) se
sitúa entre 60 y 70 años, y nuestros datos confirman que este rango de
edades no debería superarse. Esta distribución de valores también
limita la validez de la curva de crecimiento por encima de los 60
años.
El modelo de Bailey-Clutter ha resultado el más adecuado entre
los probados. En otros trabajos recientes en los que se ha empleado la
metodología de ecuaciones diferenciales para curvas de diámetro en
frondosas también este modelo es el más adecuado (Adame, 2004;
(Sánchez et al., 2003).
Los crecimientos obtenidos se pueden considerar bajos en
comparación con los citados en la bibliografía. En las siguientes
figuras se comparan las curvas de crecimiento generadas con las
aportadas por los distintos autores. Como el ajuste se realizó para el
diámetro basal sin corteza, se ha obtenido una relación que
proporciona el diámetro normal con corteza a partir del diámetro basal
sin corteza y la edad.
Dnormal = Dbasalsc + Edad (14)
180
SZiMmm® DD
Tabla 35. Resultado del ajuste de la ecuación (14)
Análisis de la varianza
Fuente de variación
Modelo
Error
Total
GL
2
194
196
82,80
Suma de cuadrados
6734,85
1398,12
8132,97
Cuadrados medios
3367,43
7,20679
Estadístico F
467,26
R^ corregido
82,63
Pr > F
< 0,0001
Estimación de los parámetros
Variable
constante
Dcoressc
Edad
Parámetros estimados 1,8668
0,762348
0,050436
Error estándar
0,607732
0,0327931
0,01763
t
3,07175
23,2472
2,86081
Pr > 1 t 1
0,0024
< 0,0001
0,0047
Las curvas grises representan el crecimiento en diámetro normal
en cerezos silvestres de Castilla y León. Se representan 5 curvas que
cubren el rango de crecimientos encontrados.
Figura 10. Comparación de las curvas de crecimiento obtenidas (gris)
con las elaboradas por Le Goff y Madesclaire (1985) (negro).
181
©¡MRMt® DD
Figura 11. Comparación de las curvas de crecimiento obtenidas (gris)
con las elaboradas por Pryor (1988) (negro).
Figura 12. Comparación de las curvas de crecimiento obtenidas (gris)
con las elaboradas por Bartoli y Dall'armi (1996) (negro).
182
(SaipffíímoDD
10 20 30 40 50 60 90
Figura 13. Comparación de las curvas de crecimiento obtenidas (gris)
con las elaboradas para plantaciones por Armand (1995), Malo (1976, en
Guitton et al., 1990), Duyck (1997 en Boulet-Gercourt, 1997), Hubert,
(1980) y Thill (1975) (todas en negro).
Se observa que la mayor coincidencia se da en el modelo
propuesto por Le Goff y Madesclaire (1985) . Este modelo se estudió
para poblaciones silvestres en la región de la meseta calcárea de
Lorraine (Francia). Se agruparon los bosquetes según cinco tipos de
estaciones en función de la reserva de agua del suelo, sustrato,
presencia de carbonates, posición en la ladera, pendiente y
exposición. Para cada uno de estas agrupaciones se realizan ajustes
diámetro-edad independientes.
En el caso del modelo desarrollado por Pryor (1988) para árboles
silvestres en Inglaterra, existe coincidencia hasta los 45 años. A
partir de este punto el crecimiento en los árboles de Castilla y León
es claramente inferior. El motivo de la divergencia entre ambos
modelos estriba en que Pryor obtiene el diámetro en función de la edad
y de la densidad del bosquete, por lo tanto su curva no corresponde al
análisis de la relación diámetro-edad de árboles individuales, sino a
los datos medios del bosquete. Además la densidad de los bosquetes
para los que Pryor realiza la modelización es muy inferior a la
encontrada en Castilla y León. La influencia de la densidad en el
modelo de crecimiento de Pryor se puede observar en la gran diferencia
a(W(a@g®ty®(aia EdL @i3^® [ss cosfifliFii il^^mmo^mwm¡s^ [iiüo &swmsjh v tsoca.
183
eaiMfiML® DD
existente entre la curva superior de la figura 11, correspondiente a
árboles que han crecido sin competencia, y las dos curvas inferiores,
correspondientes a árboles en bosquetes.
Las curvas propuestas por Bartoli y Dall'armi (1996) para el
cerezo en la región de Pirineos (Francia) difieren en gran medida de
las de Castilla y León. Estos autores limitan el muestreo a un escaso
número de árboles (entre 5 y 9 por curva) , escogido para evaluar el
máximo crecimiento posible para cada estación. Este sesgo genera
crecimientos muy superiores a los que predicen las ecuaciones de
Castilla y León.
Por último en la figura 13 se comparan los crecimientos de
varios modelos establecidos para plantaciones en Francia y Bélgica. Se
puede observar que corresponden a la asignación de un crecimiento
constante en la relación diámetro-edad. Su objetivo es representar de
forma sencilla el camino seguido para alcanzar el diámetro objetivo de
50-60 cm a los 60 años. No son modelos comparables con el elaborado es
este estudio.
En general se puede concluir que el modelo propuesto es
comparable al único modelo realizado con datos de monte y árboles
individuales (Le Goff y Madesclaire, 1985) . Esta similitud se debe
probablemente a que los datos de origen se han buscado con el mismo
objetivo, el estudio de las relaciones entre crecimiento y parámetros
ecológicos de la estación. El resto de modelos tienen como objetivo la
propuesta de modelos de selvicultura orientados a la producción de
madera de calidad y generan crecimientos superiores a los obtenidos en
montes de Castilla y León.
En este sentido, los resultados en la comparación de los índices
propuestos (DME, DMX y DM) indican que el crecimiento medio es el
mejor indicador de la calidad de estación, ya que es más estable en el
tiempo que los índices basados en crecimientos máximos. Por otra parte
el crecimiento medio mitiga el efecto de la existencia de
microestaciones dentro de la parcela, algo muy habitual en los
bosquetes naturales de cerezo. También es adecuado para ponderar el
mayor crecimiento inicial de los chirpiales o de algunos cerezos
aislados situados en el borde de la masa.
La elección de 50 años como edad de referencia en el índice se
ha basado en la estabilidad de la ordenación relativa de las parcelas
según este índice y evaluado mediante el coeficiente de Spearman. El
decaimiento habitual de esta especie a partir de los 60 años (Franc y
UMmssmjSímA E ® , e a s ^ ® E[§ EasKnni (¡íp&ímáf ¿nemwíL]) Sea ea^TfmjLa v iBOca,
184
QaiMfm,® DD
Ruchaud, 1996) no apoya la elección de edades superiores, mientras que
ha edades inferiores o iguales a 30 años es todavía significativo el
efecto del crecimientos de los chirpiales.
4.2 Relación entre índice de calidad y parámetros ecológicos
A la vista de los resultados de la tabla 9 (correlación de
Spearman) se observa la existencia de una relación positiva entre
temperatura y crecimiento. Sin embargo es más llamativa la ausencia de
relación con otros parámetros, como los edáficos, pluviométricos o
fisiográficos.
4.2.1 Parámetros edáficos
Los resultados del análisis de correlación permiten concluir que
la elevada variabilidad ecológica encontrada en el muestreo exige una
estratificación previa para detectar relaciones entre estos parámetros
y el crecimiento. Otra posible fuente de error es el sesgo en el
muestreo que induce la distribución actual de la especie. Al igual que
para el resto de especies forestales, existen factores que determinan
la presencia o ausencia en determinadas estaciones (la influencia del
hombre sobre la vegetación, la competencia con otras especies, la
presencia de barreras geográficas o la evolución del clima). Por lo
tanto el muestreo es una parte del rango real en que se puede
desarrollar la especie, y puede ser incapaz de revelar relaciones que
serían evidentes si se contara con datos de crecimiento en todo el
rango del parámetro. Este sesgo, o muestreo incompleto, es una de los
problemas a los que alude Broadfoot (1969) para explicar la falta de
relación entre parámetros edáficos e índice de calidad.
Otro factor que aumenta la variabilidad de situaciones edáficas
es la alta dispersión del cerezo. El efecto de las microestaciones es
más marcado que en especies que forman masas, y encontramos mayor
heterogeneidad ecológica al disponer de pocas parcelas para cada
combinación de parámetros. Esta es una de las razonas que impidieron a
Delporte (1977) y Nicot (1983) (en Franc y Ruchaud, 1996) caracterizar
el habitat de la especie.
La diversidad de clases texturales, CRA y riqueza de nutrientes
requiere de un muestreo específico en el que se controles otras
fuentes de variación, para evaluar correctamente la influencia de
estos parámetros sobre el crecimiento del cerezo. Sin embargo, la
185
©¡POiML® DD
ausencia de correlaciones significativas parece responder a la
información aportada por la mayoría de los autores sobre la amplitud
edáfica del cerezo (entre otros Hubert (1980) o Mercurio y Minotta,
(2000) .
También es coherente con las aportaciones en apariencia
contradictorias sobre la influencia de los distintos parámetros
edáficos sobre el crecimiento. Así, Hubert (1980) considera que el
cerezo no aparece sobre terrenos pesados, sin embargo Pryor (1988)
encuentra los mejores crecimientos sobre terrenos arcillosos, mientras
que para otros autores el óptimo del crecimiento se produce sobre
terrenos limosos (Catry y Poulain, 1993; Boulet-Gercourt, 1997) .
A diferencia del resultado obtenido por Le Goff y Madesclaire
(1985) o Bartoli y Dall'armi (1996) , CRA no tiene influencia clara
sobre el desarrollo del cerezo en los montes de Castilla y León,
aunque se puede apreciar su influencia de forma indirecta sobre la
calidad de estación en la relación existente entre ETR e IC.
La ausencia de relación entre la riqueza en nutrientes evaluada
a través de MO, N o CIC indica que los rangos de estos parámetros se
sitúan lejos de valores limitantes para el desarrollo del cerezo. Se
considera que no puede vivir sobre suelos pobres (Boulet-Gercourt,
1997) y aunque la fertilidad de la estación no es requisito para su
desarrollo (Hubert, 1980), los crecimientos adecuados se producen en
estaciones de medianamente a ricas en nitrógeno (Boulet-Gercourt,
1997) y con adecuada humificación (Thill, 1975).
En cuanto a la reacción, no se ha podido establecer una relación
clara con el crecimiento. La existencia de variedades cultivas
adaptadas a valores altos de pH, ha propiciado que en general se
admita que existen poblaciones silvestres adaptadas a este factor.
Este hecho disminuye la posibilidad de encontrar relaciones
significativas entre pH y crecimientos. Por otra parte, en el muestreo
realizado la mayor parte de las parcelas se sitúan sobre terrenos
ácidos, por lo tanto quizá no existen suficientes datos para estudiar
esta relación. Esta misma conclusión se aplica a la escasa
representación de parcelas c'on CAC o CIN distinto de cero.
Por último hay que insistir en que la ausencia de relación entre
crecimiento y parámetros edáficos implica una importante conclusión.
En el rango de valores estudiado para los distintos parámetros, no
existe limitación evidente al crecimiento.
186
(S/Í\P(]TML,® DD
4.2.2 Parámetros climáticos
La mayor parte de Castilla y León se encuentra en el dominio del
clima mediterráneo. La existencia de sequía estival caracteriza la
mayor parte del territorio y marca el límite en la distribución de
numerosas especies vegetales. El cerezo se asocia a bosques húmedos,
por lo tanto parece probable que PV se relacione estrechamente con la
calidad de estación. Sin embargo se observa que el crecimiento resulta
independiente de este parámetro. Al ser éste el parámetro
pluviométrico estudiado de menor variabilidad, se puede establecer que
el habitat resultante de este muestreo permite determinar con bastante
fiabilidad las áreas en las que la especie puede vegetar sin que la
sequía estival limite el crecimiento. La misma reflexión se puede
establecer respecto a PA.
La relación positiva entre IC y PP parece indicar que la
precipitación recibida al inicio del periodo vegetativo sí que tiene
influencia sobre el crecimiento. Este hecho puede relacionarse con la
temprana foliación del cerezo. Esta estrategia permite al cerezo
iniciar el crecimiento antes que otras especies a las que suele
acompañar, como el roble o el haya, y que al ser más tolerantes pueden
crecer mejor en competencia. La precipitación primaveral debe jugar un
importante papel en el establecimiento inicial del crecimiento de la
copa y su influencia parece extenderse a todo el periodo vegetativo.
Los parámetros térmicos TM, ETP y TMF influyen directamente
sobre el desarrollo de la especie. Le Goff y Madesclaire (1985)
compararon los requerimientos ecológicos de arce y cerezo y concluyen
que el cerezo manifiesta dependencia del calor en su crecimiento,
mientras que el crecimiento del arce es independiente del balance
térmico. Además evidencian que la temperatura influye más en el
crecimiento en diámetro que en altura. La razón que arguyen es que el
incremento diametral se extiende a lo largo de todo el periodo
vegetativo, por lo tanto es más sensible al balance térmico que el
incremento en altura, que se realiza básicamente en la primera parte
de este periodo.
El parámetro OSC refleja una relación lineal negativa con IC,
del mismo orden que la establecida con PP, y poco más de la mitad que
las de TM, TMF y ETP. Esta relación resulta del contraste entre los
bosquetes situados en las cuencas del Sil, Sella y Cadagua, de
carácter oceánico, y el resto, de carácter continental. Se evidencia
que en las zonas de influencia oceánica el cerezo aprovecha plenamente
el periodo vegetativo, merced a su temprana foliación, y esto
/A\ij£FíP®(ie®(«2)Qia [exm QiE^z® ©d EíMíífini il^Moxmáx Éimmi\L¡¡¡ H a ea=5=¡7inM\ v QJKSIKL
1 8 7
SaiPOifiHL® DD
repercute en mayores crecimientos. Las frecuentes heladas en las
estaciones continentales ocupadas por la especie limitan de forma
significativa su capacidad de crecimiento.
También hay que destac'ar que TMC es el único parámetro térmico
que no se relaciona con la calidad de estación. Al igual que para PV,
cabe pensar que el rango muestreado no incluye valores limitantes para
el crecimiento del cerezo.
Del análisis de la relación entre crecimiento y parámetros
climáticos parece deducirse que el habitat pluviométrico definido por
el rango de PA y PV es suficiente para asegurar el desarrollo de la
especie. El crecimiento obtenido dentro de este rango va a depender en
primer lugar de la temperatura de la parcela y en menor medida de la
precipitación en los primeros meses del desarrollo.
4.2.3 Parámetros fisiográfieos
El Único parámetro que influye con claridad sobre el crecimiento
es la altitud. Este efecto, lineal y negativo, hay que incluirlo en la
relación entre temperatura y crecimiento. La relación con RUG no es
significativa, depende de la existencia de alguna parcela alejada del
conjunto de la distribución.
A diferencia de los parámetros edáficos, el muestreo es completo
en cuanto a los valores de los parámetros fisiográficos. Las múltiples
situaciones fisiográficas en que se presenta la especie (cultivos
abandonados, barrancos de montaña, riberas, laderas, bordes de prados)
generan una elevada variabilidad en estos parámetros, pero ha sido
recogida en el muestreo. En particular, los amplios rangos de
pendientes e insolación cubren prácticamente todas las posibilidades,
y deberían servir para detectar la relación con el crecimiento. La
ausencia de estas relaciones puede considerarse fiable, e indica que
el efecto de la fisiografía sobre el crecimiento no tiene un efecto
compensatorio que matice Ici influencia del clima. Probablemente la
relación entre fisiografía y crecimiento sea significativa dentro de
una región de clima homogéneo, como demuestra el trabajo de Le Goff y
Madesclaire (1985) o las recomendaciones sobre cultivo de Armand
(1995) .
Hay que señalar que en la selección de parcelas no se ha tenido
en cuenta la posición de la parcela en la ladera (cumbre, ladera, pie
de monte, ribera, meseta). Este factor se considera fundamental en el
crecimiento de la especie, por su influencia sobre la alimentación
188
©iMñím@OD
hídrica (Claessens et al., 1999; Le Goff y Madesclaire, 1985), y
debería ser incluido en posteriores trabajos sobre la especie.
4.2.4 Parámetros edafoclimáticos
Como cabe esperar, ETR está relacionado con el crecimiento. Este
parámetro se ha empleado para evaluar la productividad de la estación
mediante el índice de Rosenzweig (Gandullo, 1994).
En nuestro caso se observa que esta relación es de menor
intensidad que la establecida con ETP, por lo que se comprueba de
nuevo que los parámetros térmicos son más influyentes que el balance
hídrico de la parcela. En este mismo sentido hay que interpretar la
ausencia de relación entre crecimiento y SF o DRJ.
4.2.5 Modelos de predicción de calidad
La dificultad para obtener modelos de predicción para el cerezo
deriva de la variabilidad en los parámetros ecológicos, y de su escasa
representación en los montes de Castilla y León. Claessens et al.
(1999) no pudieron encontrar un modelo satisfactorio en el estudio de
autoecología realizado en Valonia, debido al elevado número de
combinaciones de valores de los parámetros. Por su parte, Deleporte
(1977) y Nicot (1983) (en Franc y Ruchaud, 1996) consideran que la
dispersión del cerezo no permite contar con un número suficiente de
parcelas para caracterizar su habitat.
Los resultados obtenidos por las distintas aproximaciones
(regresión, análisis discriminante y árbol de clasificación) confirman
la influencia de la temperatura sobre el crecimiento. El peso de los
parámetros térmicos es muy superior al del resto, y da lugar a modelos
en los que el crecimiento depende en exclusiva de la temperatura.
En el caso de la regresión lineal, el modelo explica un bajo
porcentaje de la variabilidad, el 35%. Entre los numerosos trabajos
realizados con esta metodología, el de Broadfoot (1969) para frondosas
del sur de Estados Unidos, alcanza valores de R similares y este autor
considera que estos modelos carecen de aplicabilidad. En Castilla y
León se han alcanzado resultados interesantes con modelos similares,
para haya (Sánchez et al., 2003) y castaño (Rubio et al., 2002)
(absorben el 51,78% y 69,5% de la variabilidad respectivamente). En
otros trabajos se han obtenido excelentes resultados, con porcentajes
Smw@mssííjs>mi\ IESIL (SMsm© E S Gascotni ilF&ímm mmMMi\^) Ira ea^TimiLa v [Le®KL
189
(SaiFMiít® DD
de variabilidad explicada entre 80,6% y 93,8% para Populus tremuloides
Michx. en el estudio de Chen et al. (1998).
Al bajo porcentaje dé variabilidad explicada por el modelo
propuesto hay que sumarle la baja flabilidad que ofrece un modelo que
no ha sido testado en muestras independientes. Aunque el empleo de la
regresión lineal para evaluar la relación entre calidad de estación y
parámetros ecológicos cuenta con numerosos ejemplos en la literatura
científica, los resultados son discutidos por algunos autores.
McQuilkin (1976) señala la necesidad de testar con muestras
independientes la significación de las ecuaciones obtenidas. En un
estudio realizado con Quercus vetulina encontró que el coeficiente R
pasaba de 0,66 para los datos del ajuste a 0,01 para una muestra
independiente. A la vista de estos resultados hay que concluir que el
modelo de regresión elaborado no es aplicable en la práctica.
La falta de flabilidad y el bajo porcentaje de variabilidad
explicada, mejoran claramente con el análisis discriminante. El modelo
propuesto clasifica correctamente el 66,44% de las parcelas, y en la
validación cruzada este porcentaje desciende al 58,8%. Los distintos
parámetros incluidos en el modelo informan sobre la dependencia del
crecimiento del cerezo de la temperatura de la parcela. El peso de las
variables INS y LIM es congruente con la información de la mayor parte
de los autores. Las exposiciones umbrosas se relacionan con menores
crecimientos (Catry y Poulain, 1993; Le Goff y Madesclaire, 1985) y
los suelos limosos son considerados óptimos para la especie (Franc et
al., 1992; Boulet-Gercourt, 1997). Los parámetros no tiene un
comportamiento claro ya que presentan el valor máximo o mínimo en la
clase 2, por lo tanto no se pueden relacionar linealmente con la clase
de calidad. Sin embargo se puede comparar la clase 3 (superior) con
las 1 y 2 de forma conjunta, ya que en estas últimas ViH y Ln(PHK)
alcanzan valores muy similares. Esta comparación indica que la mejor
calidad se relaciona con mayor humedad y pH bajo. La primera
conclusión es razonable y aplicable al crecimiento de cualquier
especie forestal. La segunda coincide con el criterio de algunos
autores que consideran que el cerezo se desarrolla mejor en terrenos
de neutros a ácidos (Pryoir, 1988; Thill, 1975), aunque no es una
conclusión extensible al resto de la región, ya que el rango de pH en
el muestreo no cuenta apenas con suelos básicos.
El resultado del análisis discriminante proporciona una mejoría
sustancial respecto al de regresión lineal, sin embargo hay que hacer
dos consideraciones. A pesar de que el nuevo modelo permite separar en
/I\(ynr®@s®(L®oa ESL Q H S ^ ^ \sm. ssísmvs ([i^iMíimár ¿¡mmiKl Sis eas=imLiLa v [LIKS»OO
190
QSMTiML® OD
3 clases de calidad, esta distinción es ficticia a la vista de la
distancia de Mahalanobis entre clases expuesta en la tabla 19, en la
que se evidencia que las clases de menor calidad, 1 y 2, no responden
a una división real. El otro aspecto a tener en cuenta es que según
los coeficientes estandarizados de los ejes canónicos, el 90% de la
variabilidad está retenida por Ln(TMF+5) y LIM, por lo tanto el resto
de parámetros del modelo casi no aporta información. Respecto al
parámetro LIM hay que recordar la correlación encontrada con los
parámetros térmicos (ver capítulo I) derivada de la distribución
litológica del muestreo. Esta correlación no es significativa, por lo
tanto la aportación de LIM al modelo proviene de una relación con TMF
casual y no significativa.
Para remediar estos dos inconvenientes del modelo discriminante,
se recurre a los árboles de clasificación. La opción de identificar
las parcelas en dos calidades (óptimas y no óptimas) se ha empleado en
varios trabajos. Verbyla y Fisher (1989) consideran que una de los
defectos de los modelos de calidad de estación es la incapacidad de
identificar correctamente los sitios óptimos, y demuestran la
efectividad del uso de árboles de clasificación en la obtención de un
criterio para discriminar la calidad de estación de Pinus ponderosa
Laws. Jokela et al. (1988) también emplean dos únicas clases en un
modelo discriminante del crecimiento de Picea abies ((L.) Karst.) en
función de parámetros edáficos y fisiográficos. Una ventaja de la
reducción del número de clases es el aumento en la precisión del
modelo, según se puede observar en el trabajo de Bravo y Montero
(2001). Además discriminar adecuadamente las mejores estaciones tiene
especial interés para la gestión, ya que en estos sitios es donde se
justifica la realización de tareas selvícolas (Verbyla y Fisher, 1989)
o la reforestación.
El resultado de la clasificación mediante esta técnica evidencia
la dependencia del crecimiento respecto a la temperatura. En el rango
de los parámetros estudiado, los mejores crecimientos se dan en
estaciones en las que TMF supera -1,3 °C. La clasificación de las
parcelas óptimas tiene un porcentaje de acierto mediante validación
cruzada del 87,27%. También se consiguen altos porcentajes de acierto
si TMF es sustituida por TM u OSC. La ausencia de relación entre los
mejores crecimientos y otros parámetros refuerza las conclusiones de
los puntos anteriores.
4.2.5 Modelos de predicción de incremento diametral
191
QIMIÍML® DD
El modelo de incremento diametral como función de las variables
de tamaño y competencia, explica un alto porcentaje de la varianza. En
este modelo el mayor peso corresponde a Dcopa, indicador del área
disponible con que ha contado el árbol en su desarrollo. En segundo
lugar hay que tener en cuenta el área disponible relativa,
Dcopa/dbase, Por detrás de eE5tas variables se sitúan las de tamaño del
árbol. Parece evidente que en el modelo propuesto, el incremento
diametral del cerezo depende más de la competencia que del tamaño del
árbol. Esta característica coincide con la descripción habitual del
cerezo como especie de luz, intolerante a la competencia (Franc y
Ruchaud, 1996) , y se relaciona directamente con la estrategia de
desarrollo típica de especies de distribución dispersa como el cerezo
o el serbal. En los claros de los bosques o en sus límites es donde
los brinzales de esta especie tienen una ventaja sobre otras especies,
ya que cuentan con espacio vital suficiente para que su mayor
crecimiento inicial y su temprana foliación se impongan sobre el de
pinos, castaños o haya. Esta ventaja se vuelve en su contra cuando
aumenta la competencia y el €;spacio disponible es insuficiente.
También evidencia la ajptitud de la especie para la reforestación
en terrenos agrarios, al ser estaciones de alta insolación en las que
se puede partir de espaciamientos relativamente amplios.
El alto porcentaje de variabilidad explicada (R = 66,66%),
contrasta con el de otros trabajos (Wykoff, 1990; Monserud y Sterba;
1996), Trasobares et al., 2004). El motivo de que este modelo explique
de forma aparentemente adecuada el incremento diametral, es la
inclusión del diámetro de copa actual, según recoge Vanclay (1994). El
modelo carece por lo tanto de capacidad predictiva, a diferencia de
los citados anteriormente.
El análisis de la correlación entre los parámetros ecológicos y
los residuos del modelo anterior indica de nuevo que los parámetros
térmicos son los de mayor influencia sobre el crecimiento en diámetro.
A diferencia de los modelos de calidad de estación, el modelo de
incremento diametral no presenta ninguna relación con la
precipitación, y en todas las relaciones están implicado directa o
indirectamente el balance térmico de la estación. Así, las relaciones
negativas con ALT, 1/ETR o positivas con TM, TMF y ETP reflejan la
influencia directa de la temperatura sobre el crecimiento, pero a
diferencia de los modelos de calidad de estación, hay parámetros
relacionados con la sequía estival como TMC, ISQ^, SF^ o IV que también
se relacionan con signo positivo con el crecimiento. El efecto
192
QaMfm® DD
negativo de la tasa de mineralización también se pueden englobar en el
efecto indirecto de la temperatura (en las parcelas más térmicas hay
mayores crecimiento y también menores porcentajes de la relación CN,
al ser más rápida la mineralización).
La relación positiva entre 1/ARE y el crecimiento se puede
interpretar como una relación directa entre textura y crecimiento. Sin
embargo, a la vista de los resultados encontrados en el capítulo I,
hay que considerar como explicación más probable la estructuración
latitudinal de la textura, por lo tanto se trata de nuevo de una
relación indirecta entre crecimiento y temperatura.
Los únicos parámetros ecológicos significativos en el modelo son
ETP y CN. La inclusión de un parámetro relacionado con el balance
térmico (ETP) anula la presencia de los otros parámetros térmicos,
incluido l/ARE por la mencionada estructuración latitudinal de la
textura. Hay que considerar al parámetro ETP como un representante del
grupo de parámetros térmicos, ya que se generan modelos similares con
TM, ALT o TMF. La inclusión de CN, aunque explica poca variabilidad,
parece implicar que la tasa de mineralización tiene una influencia
directa sobre el crecimiento, distinta de la relación de este
parámetro con la temperatura.
La variabilidad explicada por los parámetros ecológicos es
similar a la encontrada en otros modelos de incremento diametral
(Monserud y Sterba, 1996).
Parece evidenciarse que el rango de precipitaciones estivales
estudiado no implica problemas serios de sequía fisiológica para la
especie, pues no llega a influir negativamente sobre el crecimiento.
También es claro que la temperatura es el parámetro ecológico (entre
los estudiados) de mayor influencia sobre el crecimiento en diámetro.
Este resultado está en la línea del expuesto por Yaussy et al. (1997)
en un modelo de incremento diametral en función de parámetros
ecológicos. Estos autores encuentran que, tanto aplicando regresión
lineal como árboles de regresión, la temperatura media en el periodo
vegetativo es la variable de mayor peso. Por otro lado, la
precipitación no se relaciona con el incremento diametral, aunque los
autores no concluyen nada al respecto.
193
SMPwm® DD
5. CONCLUSIONES
Las parcelas se caracterizan por tener alta densidad y un
importante número de chirpiáles. Aunque el crecimiento de éstos es
superior al de los brinzales, la importante competencia limita su
desarrollo. En general, los crecimientos son bajos, en comparación con
los modelos de selvicultura existentes en la bibliografía.
Probablemente se debe a la fuerte competencia y a que el objetivo del
muestreo no es un estudio de selvicultura, sino de ecología.
Los resultados del muestreo indican que no deben superarse los
70 años de turno.
Se ha considerado que él diámetro es un indicador de calidad más
fiable que la altura. El modelo de crecimiento seleccionado es el de
Bailey-Clutter. El índice de calidad propuesto es el diámetro medio de
la parcela a los 5 0 años.
La ausencia de relación entre el índice de calidad y los
parámetros edáficos puede deberse a que el muestreo no recoge parte
del biotopo en que se puede desarrollar la especie, debido a la
competencia con otras especies, la actuación del hombre, etc. Se puede
concluir que en el rango edáfico estudiado el cerezo no encuentra
ninguna limitación importante a su desarrollo.
La precipitación primaveral y la oscilación térmica se
relacionan con la calidad de estación. Probablemente la temprana
foliación de la especie se ve protegida de las heladas por la
influencia oceánica, y permite que el árbol aproveche la precipitación
del inicio del periodo vegetativo.
Los parámetros de mayor influencia sobre la calidad de estación
son los térmicos. Probablemente esto es debido a que el incremento
diametral se extiende a lo largo de todo el periodo vegetativo (a
diferencia del crecimiento en altura), y manifiesta dependencia del
calor recibido en la parcela.
La altitud influye sobre la calidad, debido a su efecto en la
temperatura. Sin embargo no hay relación con el resto de parámetros
fisiográficos. Dado que el rango de estos parámetros es muy amplio, se
puede considerar que la ausencia de relación es fiable.
Se considera importante que en futuros trabajos se tenga en
cuenta la posición relativa de la parcela respecto a la ladera como
parámetro fisiográfico.
[Mw<sssms>m& sm. g a s ^ ® EÍIÍ sasamM, iíPimmss s^mmi'^ SKI Sa^ñniLm v [L@®cít
194
g/AlFWQfllL® DD
La variabilidad de los parámetros, junto con la escasa presencia
de la especie y lo puntual de su distribución, dificulta la
construcción de modelos de predicción de calidad.
Se han probado modelos de regresión lineal, análisis
discriminante y árboles de clasificación. Los primeros explican un
porcentaje muy bajo de la variabilidad. El análisis discriminante es
una buena alternativa, aunque la asignación final de la calidad en dos
clases queda representada de forma más correcta por árboles de
clasificación.
Los modelos confirman que la calidad de estación depende
fundamentalmente de la temperatura. En menor medida influye la
insolación (menor calidad en estaciones umbrosas), el porcentaje de
limo (calidad buena en suelos limosos). La mejor calidad (de tres
clases) también se relaciona con mayor precipitación y pH bajo, de
neutro a ácido.
Se concluye que la división en dos clases de calidad es
suficiente. El árbol de clasificación separa ambas clases con una
norma sencilla: las parcelas en las que TMF es menor o igual a -1,3 °C
son de clase 1 (inferior) y el resto son de clase 2 (superior).
En el modelo de incremento diametral estudiado, éste depende más
de la competencia que del tamaño del árbol. Se evidencia de nuevo que
los parámetros térmicos son los de mayor influencia en el crecimiento
diametral. En este caso el parámetro más significativo es ETP. La tasa
de mineralización parece aportar algo de información al modelo,
independientemente de su relación con la temperatura.
195
CAPITULO XXX. MODELO DXGXTAL DE UREA DE
(Sa iPOrm® DDD
1. INTRODUCCIÓN
La utilización de los sistemas de información geográfica (SIG)
en la gestión forestal se ha generalizado en los últimos años. La
popularización de estos sistemas permite abarcar trabajos de
planificación a gran escala mediante el manejo conjunto de múltiples
variables en forma de capas temáticas. Estas características son muy
adecuadas para el empleo en el estudio de autoecología de especies, en
particular en relación con la predicción del habitat (Austin y Meyers,
1996; Guissan y Zimmermann, 2000; Martínez, 2002), predicción de
calidad de estación (Bateman y Lovett, 1998; Tyler et al., 1995) y en
la caracterización ecológica de estaciones (Zimmermann y Roberts,
2001).
En España se ha empleado SIG en la investigación sobre
autoecología paramétrica de especies forestales. En esta línea, y bajo
una metodología común, se han estudiado distintas especies desde el
año 1967 (para una revisión completa ver Sánchez, 2001) . Los modelos
digitales se han incorporado recientemente para elaborar la
cartografía digital de potencialidad fisiográfica y climática (Sánchez
et al. 2001; Alonso y Sánchez, 2001). En cuanto a los modelos
edáficos, no existe cartografía temática con resolución adecuada para
ser empleada a escala regional.
La base al evaluar la capacidad de un territorio para que
sustentar a una especie es el estudio de su distribución actual. Este
tipo de estudios se denominan estáticos, frente a la creación de
modelos dinámicos que se derivan del conocimiento de las complicadas
relaciones entre ecología y fisiología. Este tipo de información no
existe para la mayor parte de las especies forestales, por lo que
habitualmente es necesario recurrir a los modelos estáticos (Guissan y
Zimmermann, 2000). La metodología empleada en los estudios de
autoecología en los que se inscribe este trabajo se incluye dentro de
este tipo de modelos.
La fase de muestreo de la distribución actual de la especie
puede abordarse por muestreo aleatorio, sistemático o estratificado.
El muestreo aleatorio se ha empleado al trabajar con catálogos de
datos ya existentes, como herbarios, estudios de vegetación,
recopilaciones de citas, etc, complementados con parcelas realizadas
ex profeso para muestrear estaciones escasamente representadas en los
datos bibliográficos (Yee y Mitchell, 1991; Austin y Meyers, 1996).
Los muéstreos sistemáticos son muy adecuados cuando se dispone de
197
S M P O I M L ® DDD
información procedente de inventarios regionales o nacionales (Bateman
y Lovett, 1998). Se han empleado con relativa frecuencia en el estudio
de la relación entre crecimiento y variables ecológicas (Monserud y
Sterba, 1996; Trasobares et al., 2004). La estratificación del
territorio es un paso previo que se contempla habitualmente a la hora
de estudiar la autoecología de una especie. Los pasos habituales
consisten en superponer capas temáticas en el SIG para determinar un
número razonable de estratos, y posteriormente seleccionar las
parcelas a muestrear en cada estrato. Los polígonos de cada estrato
representan combinaciones de parámetros similares, y la elección de
parcelas dentro de cada estrato se puede establecer de forma aleatoria
dentro de los distintos polígonos (Guissan y Zimmermann, 2000).
En los distintos estudios de autoecología de especies forestales
en España se ha empleado el muestreo estratificado (Blanco et al.,
1989; Rubio, 1993) . Aunque en los primeros trabajos se estratificaba
el territorio para cada especie, en lo últimos se emplean como
estratos las clases territoriales resultantes de la Clasificación
biogeoclimática (Elena, 1997). Otra diferencia es que en los estudios
más recientes, la información obtenida por el muestreo estratificado
se complementa con la extraída del Inventario Forestal Nacional según
el siguiente esquema (figura 1; Sánchez, 2001).
MODELO DIGITAL DEL TERRENC
ESTIMACIONES CLIMÁTICAS
INFORMACIÓN EDÁFICA
_i i
MUESTREO
INTEGRACIÓN EN UN S.I.G.
MODELOS EDÁFICOS
MODELOS CLIMÁTICOS
I
IFN
INFORMACIÓN PUNTUAL DE LA ESPECIE
MODELOS FISIOGRÁFICO£
ELABORACIÓN DE PARÁMETROS ECOLÓGICOS
ÁREA POTENCIAL DE LA ESPECIE (MODELO DIGITAL) DEFINICIÓN PARAMETRICf DEL HABITAT
Figura 1. Esquema general de los estudios de autoecología de especies
forestales realizados en España (Sánchez, 2001).
Los estudios de autoecología realizados con esta metodología
analizan exclusivamente estaciones en las que la especie está
198
QaMnfm,® [DD
presente, es decir, no se considera que la ausencia sea un dato. Esta
apreciación coincide con la expuesta por (Legendre y Legendre,
1998).Hay que señalar que aunque el estudio de datos del tipo
ausencia/presencia es muy habitual en la bibliografía (Olano y
Peralta, 2001), presenta el inconveniente de analizar un excesivo
número de ausencias Si el rango del estudio es mayor al nicho
ecológico de la especie (Austin y Meyers, 1996) . Por otra parte, el
principal inconveniente del análisis exclusivo de presencias es que
limita el nicho de la especie al ocupado en la actualidad. Entre ambos
métodos el segundo aporta la información más conservadora, y puesto
que el objetivo principal de estos trabajos es asegurar el éxito en la
reforestación, parece más adecuado emplear el método más restrictivo.
El análisis estadístico entre la variable presencia/ausencia se
ha llevado a cabo mediante distintas técnicas, como modelos lineales
generalizados, modelos aditivos generalizados, regresión, árboles de
clasificación, técnicas de ordenación, etc (para una revisión ver
Guissan y Zimmermann, 2000) .En los análisis de presencia no existe
esta variable dicotómica, por lo tanto se recurre a modelizar la
probabilidad de presencia de la especie en función de la curva de
distribución de cada parámetro analizado. Según lo expuesto en el
capítulo I, se define habitat central para un parámetro como el rango
de valores que comprende al 80% de los valores centrales de la
distribución. El habitat marginal es el conjunto de valores situados
por encima del percentil 90% y por debajo del percentil 10%, sin
superar los límites absolutos superior e inferior respectivamente. Se
considera que la adecuación de una estación a la presencia de la
especie depende del número de parámetros de la estación incluidos en
el habitat central, marginal o extramarginal, y de la posición
relativa del parámetro respecto a estos hábitats. Con esta premisa se
han propuesto distintas formulaciones para determinar la potencialidad
de la estación (Gandullo y Sánchez, 1994; Sánchez et al., 2001;
Sánchez y Rubio, 2003) .
Con el objetivo de evaluar la potencialidad del territorio de
Castilla y León para la reforestación con cerezo, se van a emplear los
resultados obtenidos en los capítulos anteriores para generar un mapa
de potencialidad asociado a un mapa de estimación de la calidad. Como
ya se ha indicado anteriormente, no existe información digital sobre
edafología con la resolución adecuada, por lo tanto el estudio de
potencialidad se limita a los parámetros climáticos y fisiográficos.
199
©iMnfm®DDD
2. MATERIAL Y MÉTODOS
Siguiendo la metodología establecida para los estudios
autoecológicos de otras especies citados anteriormente, se procede a
calcular un índice de potencialidad para cada celda del modelo digital
del terreno (MDT) empleado en el cálculo de los parámetros
fisiográficos y climáticos en el capítulo I.
2.1 Parámetros empleados en la modelización
A la vista de los resultados del análisis multivariante del
capítulo I y del análisis de las relaciones entre calidad y ecología
del capítulo II se concluye que:
• En el rango de precipitación analizado, existe relativa
seguridad sobre la viabilidad de la implantación del
cerezo.
• Los parámetros de precipitación más característicos son la
precipitación total (PA) y la recibida en el periodo
vegetativo (PP y PV).
• Los parámetros térmicos TM, ETP y TMF definen el
crecimiento diametral del árbol. Se selecciona el
parámetro TMF como representativo del este grupo, por la
importancia en la determinación de la clase de calidad
según se desprende de los resultados del capítulo II.
• La interacción entre temperatura y precipitación se
refleja en los E)arámetros de la ficha hídrica ETP, DEF y
SUP. El de mayor interés es DEF, por su relación
significativa con todos los parámetros edafoclimáticos, y
en particular con la sequía estival expresada como sequía
fisiológica.
• El parámetro OSC se relaciona con el crecimiento, a través
de la duración del periodo vegetativo y la existencia de
heladas. Además es uno de los 3 empleados en la
representación del análisis de escalamiento
multidimensional.
• El parámetro fisiográfico ALT influye sobre la presencia
de la especie a través de su relación con la temperatura y
200
(laEPOifm® DOD
la precipitación. Es el único parámetro fisiográfico
relacionado significativamente con las dimensiones
resultantes del escalamiento multidimensional.
• TTG define mejor que INS el concepto de umbría ya que
tiene en cuenta la latitud.
Los parámetros seleccionados son por tanto PA, PP, PV, TMF, DEF,
ose, ALT y TTG.
2.2 índice de potencialidad
El cálculo del índice se realiza según la metodología propuesta
por Sánchez y Rubio (2003). De estos autores es la siguiente
descripción:
Dada una estación determinada, para el parámetro i, conocemos
los valores que definen los hábitats: LIi, UIi, Mi (valor medio), USi y
LSi. Para un valor del parámetro Xi , evaluamos un índice de aptitud pi
de la siguiente forma:
• Pi igual a 1 si Xi es igual a Mi.
• Pi proporcional a la distancia (Xi - M^) e inferior a 1 mientras
nos encontremos en el intervalo (Uli, USi) •
• Pi disminuyendo linealmente desde el valor que toma en Uli hasta
alcanzar el valor cero en Lli y, análogamente, entre USi y LSi.
Es decir:
• Para el intervalo (Uli, USi) =
« Pi = 1 - (|Mi - Xil / ( USi - Uli ) )
• Para el intervalo (Lli, Uli) '•
• Pi = (USi - Mi) (Xi - Lli) / ((USi - Uli) (Uli - Lli))
• Para el intervalo (USi, LSi) •
• Pi = (Mi - Uli) (LSi - Xi) / ((USi - Uli) (LSi - USi))
• Para cualquier valor fuera de (Lli, LSi) =
• Pi = O
Se define el indicador final (indicador de potencialialidad -
IPot) como el producto de todos los índices de aptitud obtenidos de
manera individual para cada parámetro, de forma análoga a como se
aa!)Tr®(3sc2fi,®(aia u s t a a s ^ ® ©a wsmm ilF&Jimáf ¿ammi\^]) Sea ea=siraiMi v IÜKSCÍL
201
SñiMnML® DDD
definen otros índices factoriales (índices de fertilidad, de
productividad, etc .) •
Con objeto de hacer más manejables los resultados y con vistas a
establecer una serie de clases, mostramos el valor numérico del
indicador de potencialidad como el logaritmo decimal del producto de
los índices de aptitud, multiplicados estos por iC, dividiendo el
resultado final por el número de parámetros considerados (NP), siempre
que todos los índices de aptitud de cada parámetro sean mayores que
cero. Si alguno de ellos tomase ese valor, se situaría fuera del
intervalo definido entre los límites inferior y superior y, por
consiguiente, de acuerdo con lo establecido anteriormente, estaríamos
en el habitat extramarginal, no procediendo valoración de aptitud
alguna.
Es decir,
IPot = (1 / NP) . log(pi . 10* . p2 . 10* PNP . 10*)
De esta forma el valor de IPot varía desde prácticamente cero
hasta 4, independiente del número de parámetros utilizados.
Para facilitar la interpretación gráfica de la información, las
celdas se han agrupado en 4 clases de calidad según los límites
establecidos automáticamente por el método de Jenk del SIG ArcView 3.2
2.3 Modelos digitales
2.3.1 Modelo de potencialidad (Ipot).
Siguiendo la metodología expuesta en el capítulo I, se han
calculado las capas temáticas en formato ráster de resolución 25 m
correspondientes a los parámetros seleccionados. Los modelos de PA, PP
y PV se han obtenido interpolando para cada celda de 1 km los datos
medios de los últimos 30 años procedentes de las estaciones situadas
en un radio de 25 km mediante el inverso de la distancia ponderada.
Posteriormente se ha remuestreado esta información para una resolución
de 2 5 m. TMF se ha obtenido mediante los modelos termopluviométricos
desarrollados por Sánchez et al. (1999). OSC y DEF se calculan a
partir de los datos generados en modelos de precipitación y
temperatura mensual (elaborados según la metodología anterior), con
resolución de 1 km y empleando la base de datos Access ®. Al igual que
en el caso anterior, se remuestrea a 25 m. ALT se obtiene directamente
del MDT con resolución de 25 m elaborado por la Secretaría General de
a(w®ii(g®(L®@E\ ®@o= (SM^s^ ¡m smm^ iíPismmáy jí¡mmi\^) Ha Qa^irayya v tasca, 202
S/iMnfm® HD
Agricultura del M.A.P.A., (MAPA, 2000). Este mismo modelo sirve da base
para el cálculo del modelo de TTG de resolución 25 m. Se ha empleado
el SIG Arclnfo 8.0.1 ®. El cálculo de Ipot se realiza siguiendo la
formulación del punto anterior.
2.3.2 Modelo de potencialidad ampliado (Ipotsmpií^do)
Además de generar el mapa de potencialidad, se evalúa la
ampliación de este área desde el punto de vista de la implantación
artificial de la especie.
Según lo expuesto en antecedentes, el habitat marginal superior
en el caso de PA, PP, PV y TMF en Castilla y León, no supone una
limitación por si mismo a la presencia de la especie. Del mismo modo
el habitat marginal inferior de ALT, OSC y DEF en la región no se
puede relacionar directamente con la ausencia de este árbol. Por lo
tanto se considera que cualquier valor por encima de Mi para el primer
grupo de parámetros, o por debajo de Mi para el segundo grupo, no
supone ninguna limitación y se le asigna un valor de 1 a pi.
También se puede eliminar TTG como un factor limitante, ya que
se observa que la resolución de 25 m del MDT empleado para generar
este parámetro es insuficiente para representar el verdadero valor del
parámetro en las estaciones del cerezo. Como ya se ha comentado en el
capítulo I, el cerezo aparece con frecuencia asociado a microcuencas,
con lo que el valor de TTG de una celda de 25 m de lado no concuerda
con el valor puntual de la microestación ocupada por el árbol. De
hecho se comprueba que el modelo de TTG excluye a un buen número de
parcelas ubicadas en el habitat central.
Bajo estas premisas se elabora otro modelo de potencialidad,
IpOtampl iado •
La formulación para PA, PP, PV y TMF es:
• Para el intervalo (UIi, Mi) :
' Pi = 1 - (|Mi - Xil / ( USi - Uli ))
• Para el intervalo (Lli, Uli) '•
• Pi = (USi - Mi) (Xi - Lli) / ((USi - Uli) (Uli - Lli))
• Para cualquier valor por encima de MÍ:
• Pi = 1
• Para cualquier valor por debajo de Lli:
203
(SMMñfm® [ED
• Pi = o
La formulación para ALT, OSC y DEF es:
• Para el intervalo (Mi, USi) :
- Pi = 1 - (|Mi - Xil / ( USi - Uli ))
• Para el intervalo (USi, LSi) :
• Pi = (Mi - Uli) (LSi - Xi) / ( (USi - Uli) (LSi - USi) )
• Para cualquier valor por debajo de MÍ:
- Pi = 1
• Para cualquier valor superior a LSi =
• Pi = O
2.3.3 Modelo de crecimiento
El resultado del análisis de crecimiento mediante árbol de
clasificación elaborado en el capítulo II permite identificar dos
clases de crecimiento. La sencilla regla elaborada (no óptima si TMF
<= -1,3°C ; óptima si TMF > -1,3°C) se puede aplicar sobre el área del
modelo ampliado para identificar de forma general las área de mayor
crecimiento. La combinación de la información de aptitud y crecimiento
permite identificar las zonas en las que la plantación de cerezo puede
alcanzar los turnos más rentables.
2.3.4 Relación con los usos del suelo
Los modelos de potencialidad y calidad se han cruzado con el
mapa de usos del suelo de facilitado por la empresa TRAGSATEC
(TRAGSATEC, 2 001) . De esta forma se puede estimar el interés del
cerezo en la reforestación de tierras agrarias o en el enriquecimiento
de masas forestales.
atmroaso&odia ESO. <3Msm© ECÍ KixscínrB ilÑ^mmár ¿u!m!M!\^) día QasTimika v [LE®(Í!L
204
S/ iMnML® DDD
3. RESULTADOS
El mapa de potencialidad se presenta en la figura 2. La
representación del mapa de potencialidad ampliado es la figura 3.
Sobre este mapa se ha elaborado el mapa de clase de calidad (figura
4). En las tablas 1, 2 y 3 aparecen las superficies de cada una de las
clases de potencialidad del modelo inicial (Ipot), del modelo ampliado
(Ipotampiiado) Y de las clases de calidad sobre Ipotampiiado- En las tablas
5 y 6 se resume el resultado de superponer al mapa de usos del suelo
los de potencialidad y calidad respectivamente.
Tabla 1. Superficies por clase de potencialidad (Ipot)
Potencialidad
Baja
Media
Alta
Óptima
Superficie (ha)
53105
164054
299539
353673
Porcentaje
6,1
18,8
34,4
40,6
Total 870371 100
TaJbla 2. Superficies por clase de potencialidad (mapa ampliado IpOtajapUado)
Potencialidad
Baja
Media
Alta
Óptima
Superficie (ha)
148508
422775
718195
872707
Porcentaje
6,9
19,6
33,1
40,4
Total 2162185 100
Tabla 3. Superficies por clase de calidad y de potencialidad Clase de Calidad
clase 1
clase 2
Potencialidad
Baja
Media
Alta
Óptima
Total clasel
Baja Media
Alta
Óptima
Total clase2
Total
Superficie (ha)
119240
314515
562159
436968
1432882
29268
108260
156036
435739
729303
2162185
Porcentaje (clase) 8,4
21,9
39,2
30,5
4, 1 14,8
21,4
59,7
Porcentaje (total)
5,5
14,5
26
20,2
66,2
1,4
5
7,2
20,2
33,8
205
©AMnim® [BD
Tabla 4. Superficie (ha) por potencialidad y uso del suelo
uso del suelo
Regadío
Labor intensiva secano
Labor extensiva secano
Frutales secano
Cultivos leñosos extensivos secano
Praderas
Pastizal / matorral
Forestal arbolado
Otros cultivos
Improductivo
Total
Potencialidad
Baja
2954
33973
998
121
997
5068
66684
35073
0
2640
148508
Media
10929
84993
174
789
5418
15920
175438
117513
0
11601
422775
Alta
13853
91842
231
1927
3511
35762
327552
230011
0
13506
718195
Óptima
12318
108028
567
471
577
89624
410434
225532
471
24685
872707
Tabla 5. Superficie (ha) por calidad y uso del suelo
Usos del suelo
Regadío
Labor intensiva secano
Labor extensiva secano
Frutales secano
Cultivos leñosos extensivos secano
Praderas
Pastizal / matorral
Forestal arbolado
Otros cultivos
Improductivo
Total
Clase de calidad
No óptima
19615
168094
1442
280
61
92328
720322
394442
0
36298
1432882
Óptima
20439
150742
528
3028
10442
54046
259786
213687
471
16134
729303
206
OüIFmML® DDD
Potencialidad
I I Potencialidad baja
I I Potencialidad media
P i m Potencialidad alta
^ ^ ^ 1 Potencialidad óptima
Figura 2. Mapa de c l a s e s de p o t e n c i a l i d a d ( Ipot )
207
(S/íMnML® IH
Figura 3 . Mapa de c l a s e s de p o t e n c i a l i d a d ampliado (Ipotampiiaoo)
/A\¡¡jjT¡=®(i3g)(t®(i[ia EXML Q i s ^ ® ©(1 iiffleKmi iPmjm^ s^Mma^ dea Sasnimiya ^ (kioca, 208
QiMñML®ODD
clases de ca l idad
No óptima
Óptima
Figura 4. Clases de calidad sobre el mapa de potencialidad ampliado
209
(gMMfíML® DDD
4 . DISCUSIÓN
El mapa de potencialidad de la figura 2 presenta dos
características remarcables. En primer lugar se evidencia que la
metodología propuesta representa con exactitud la distribución de
probabilidad obtenida del muestreo. De esta forma, se consideran como
óptimas aquellas estaciones similares a las mejor representadas en el
trabajo de campo; y de baja potencialidad las que aparece con menor
profusión.
Se percibe fácilmente que el habitat fisiográfico y climático
general del cerezo en Castilla y León es el definido por las
estaciones de las montañas del borde de la región, en particular las
situadas en las laderas que vierten a la meseta. Las distintas
combinaciones de parámetros generan un tipo de estación similar, que
aparece en la Cordillera Cantábrica, en los Montes de León, Sanabria,
en el Sistema Ibérico, y. en el Sistema Central. En este rango
ecológico el cerezo presenta una gran aptitud, y por lo tanto se puede
plantear su empleo como enriquecimiento de la masa forestal en
pinares, hayedos, robledales o castañares o bien la utilización en
reforestaciones de antiguas praderas o huertos. En estas zonas
montañosas de la región no suelen existir fincas grandes en las que se
pueda plantear la reforestación a gran escala. Hay que recordar que
este modelo sólo estudia los parámetros fisiográficos y climáticos,
por lo tanto habría que completar esta información con la
proporcionada por un análisis edáfico. En particular habría que ser
especialmente exigente con la textura y el porcentaje de caliza
activa, a la vista de los resultados del capitulo I.
La otra característica importante de este mapa es la nula
potencialidad de algunas comarcas en las que la especie está presente,
en particular en los valles de Sajamabre y Valdeón, el norte de
Burgos, el valle del Tietar o del Alagón. A pesar de que no es la
situación más habitual del cerezo en Castilla y León, en todas estas
zonas se han muestreado parcelas para el estudio, e incluso en algunos
casos disponemos de información sobre plantaciones experimentales con
crecimientos interesantes.
Los motivos de la falta de representatividad en estas comarcas
son varios. En primer lugar, estos territorios son los de mayor
pluviometría y temperatura dentro de Castilla y León. Esta
peculiaridad los aleja del rango climático de la meseta y los sitúa
fuera del habitat definido por el muestreo. Por otra parte, limitar el
210
SíMñfm,® DDD
estudio a la región de Castilla y León introduce un importante sesgo,
ya que el área de distribución del cerezo se extiende en la mayoría de
las ocasiones desde los límites de la región hacia otras Comunidades
Autónomas. Para definir correctamente el habitat climático del cerezo
en Castilla y León habría que incluir en este trabajo una banda que
comprendiera parte de Galicia, Asturias, Cantabria, País Vasco, La
Rioja, Navarra, Aragón, Castilla - La Mancha, Madrid, Extremadura y
Portugal. No se trata por tanto de que la metodología limite los
resultados, más bien están caracterizados por la definición del área
de trabajo.
Otro punto a tener en cuenta es que en el caso del cerezo no
contamos con información de distribución del IFN, porque no se recoge
como especie (aparece como Prunus sp.) y su distribución es tan
puntual que la malla del inventario no ofrece la resolución
suficiente. En otras especies en las que se ha aplicado esta
metodología (Gandullo et al., 2003), la información aportada por el
IFN aumenta extraordinariamente la fiabilidad de los hábitats al
multiplicarse el tamaño de la muestra.
La elaboración del mapa de potencialidad ampliado pretende
extender los resultados más allá del límite superior o inferior cuando
la especie no encuentra limitaciones en estos límites. Básicamente se
trata de asumir que si el rango de la especie en Castilla y León no
alcanza al que ofrecen otros autores en su distribución mundial,
existe suficiente garantía de éxito.
La extensión del mapa de potencialidad aumenta el área apta para
la especie, básicamente en las comarcas en las que se da la
combinación de altas precipitaciones y temperaturas mencionada
anteriormente. Los resultados son acordes con la realidad: el cerezo
es apto para habitar en el piso montano de las sierras de Castilla y
León y también para ocupar los valles más húmedos y cálidos. Su
potencialidad desciende en un gradiente norte-sur y desde las montañas
hacia la meseta.
Conviene insistir de nuevo en la importancia de la información
edáfica. Las citas recogidas en antecedentes hablan de amplitud
litológica en el habitat del cerezo, sin embargo no parece que se
traduzca en amplitud textural. En Castilla y León la diversidad en
grupos texturales es muy escasa y conviene respetar al máximo el rango
de ARC, ARE y LIM. Una buena parte de los fracasos en la reforestación
con cerezo deriva del cultivo en parcelas arcillosas mal drenadas o en
a[BTr®(is®(L®(aia ©a. 013^® ES coscífirs ií^^smmár /smm\L]) SKI ea^iniuLa v tuscí 211
(g/aanrm,® M .
estaciones arenosas en las que la precipitación estival no compensa
adecuadamente la evapotranspiración. Por lo tanto, la potencialidad
que implica una estación de elevada precipitación puede ser
contraproducente si es excesivamente arcillosa. Del mismo modo la
caliza activa por encima del 10% elimina la posible aptitud. A la
inversa, hay que tener en cuenta que las parcelas de textura
francoarcillosa son interesantes en zonas donde la precipitación se
acerca al umbral inferior.
Hay que recordar que el mapa de potencialidad no es un mapa de
calidad de estación. En la figura 4 se esquematiza la ubicación de las
zonas de mayor crecimiento, siempre que la parcela se encuentre en el
rango edáfico analizado. Evidentemente hay otras zonas óptimas,
asociadas a zonas de vega, ribera, fondos de ladera, suelos profundos
en estaciones frescas, etc.
En estas zonas los turnos de plantaciones artificiales
orientadas a la producción de madera de calidad debería ser inferior a
60 años (entre 40 y 60 años) . Evidentemente las parcelas de mayor
aptitud son las ubicadas en las clases alta u óptima de potencialidad
y que a la vez están en la clase óptima de calidad. Estas estaciones
suponen 591775 ha, el 27,4% del total, lo cual implica que el cerezo
es una alternativa interesante en una superficie importante de la
región. Hay que pensar que en estas zonas la productividad agrícola es
importante y la superficie real disponible será sustancialmente
inferior. Objetivamente son más interesantes las parcelas de calidad
óptima catalogadas como "labor intensiva secano" y
"pastizal/matorral", ya que la rentabilidad de estos cultivos es menor
y la plantación de cerezo puede ser una alternativa viable. Suponen
150742 y 259786 ha respectivamente.
Al igual que en el caso anterior, se puede asegurar la
viabilidad ecológica y económica si los terrenos de "labor intensiva
secano" y "pastizal/matorral" se ubican en zonas de potencialidad alta
u óptima de la clase de calidad óptima. Con estos requisitos existen
aproximadamente 328237 ha, cifra que se puede considerar
representativa aproximación de la posibilidad de reforestación con
cerezo en la región.
212
(gflíPOiM](L@ [DD
5. CONCLUSIONES
Se ha elaborado un mapa de aptitud climática y fisiográfica a la
implantación de la especie, según la probabilidad de ocurrencia de los
distintos valores paramétricos obtenidos en el muestreo de 50
bosquetes en Castilla y León. Los parámetros escogidos son PA, PP, PV,
TMF, CSC, DEF, ALT y TTG.
Este mapa se ha modificado, al incorporar las áreas en las que
los parámetros no presentan valores limitantes al desarrollo de la
especie. También se elimina del grupo anterior el parámetro TTG. El
resultado es un mapa de potencialidad ampliado, propuesto como base
para planificar la reforestación con la especie en la región.
Sobre este mapa se ha superpuesto el modelo de calidad elaborado
en el capítulo II, para determinar las zonas en las que es previsible
encontrar los mejores crecimientos.
Se considera que existen cerca de 328000 en las que la
plantación de cerezos para la producción de madera es una alternativa
interesante en Castilla y León.
213
CONCLUSIONES
©2)(HS[L(lftS1](2mÍ^
CONCLUSIONES.
1. Se han obtenido los rangos caracterizadores del habitat
central y marginal del cerezo de monte en Castilla y León
para 16 parámetros climáticos, 10 parámetros
fisiográficos, 17 parámetros edáficos y 3
edafoclimáticos.
2. En la región la especie habita en clima húmedo a
perhúmedo, templado-frío a frío, en la transición entre
clima oceánico y continental. Su presencia en clima
mediterráneo es rara.
3. El rango textural es muy limitado, con marcada preferencia
por los suelos francos, francoarenosos y francolimosos.
El habitat textural es muy importante al definir el
habitat de la especie y al determinar la potencialidad
para la reforestación de una parcela. Los suelos
arcillosos y arenosos son excluyentes.
4. No existen fenómenos de compensación evidentes entre
textura y precipitación. Dentro del rango textural
estudiado, el cerezo se puede implantar con suficiente
seguridad cuando la precipitación anual supere los 700 mm
y la precipitación en el periodo vegetativo (PP+PV)
supere 280 mm. Tampoco existe compensación entre clima e
insolación.
5. La variabilidad climática se debe en primer lugar al
gradiente pluviométrico noroeste-sureste y en segundo
lugar a la temperatura. La variabilidad fisiográfica
deriva en primer lugar de la pendiente y en segundo lugar
de la altitud. La variabilidad edáfica depende de la
permeabilidad y en segundo lugar de la pedregosidad.
6. Teniendo en cuenta la evolución a lo largo del año de
temperatura, precipitación y reserva del agua, la
pedregosidad determina en gran medida la similitud entre
parcelas.
7. Se han elaborado curvas de crecimiento en diámetro para
bosquetes silvestres. Se evidencia la influencia de la
propagación vegetativa en el crecimiento, y los
crecimientos reducidos por la elevada densidad. Se ha
escogido como ecuación de la Bailey y Clutter, y como
215
©smauyjijiMai:^?
indicador de calidad el diámetro medio de la parcela a
los 50 años.
8. La asignación de calidades se ha reducido a dos únicas
clases y se propone un árbol de clasificación. El modelo
de regresión lineal múltiple no proporciona suficiente
flabilidad en la asignación de calidad. El análisis
discriminante genera un modelo correcto, aunque la
asignación final en dos calidades está mejor representada
mediante el árbol de clasificación.
9. Los parámetros relacionados con la temperatura son los de
mayor influencia sobre el índice de calidad propuesto.
Los parámetros pluviométricos, edáficos o fisiográficos
no suponen limitación al crecimiento en los distintos
rangos ecológicos hallados. El parámetro de mayor
influencia es TMF.
10. En el modelo de incremento diametral propuesto, las
variables de competencia tienen más peso que las del
tamaño del árbol. Los únicos parámetros significativos en
el modelo de regresión lineal propuesto son ETP y CN.
11. Se ha obtenido cartografía digital sobre potencialidad a
la reforestación del territorio de Castilla y León. Sobre
este mapa se ha elaborado otro de calidad de estación.
Ambos mapas se basan exclusivamente en parámetros
climáticos y fisiográficos. La potencialidad real
dependerá de la textura y del porcentaje de caliza
activa.
12. Se considera que existen cerca de 328000 en las que la
plantación de cerezos para la producción de madera es una
alternativa interesante en Castilla y León.
/A\t!í)Tí®íis®(L®Qm [2XML oasgg® ísxi; EsscíRfii il^^iEmms'£ímwj\^) Ha (Sa^=iímM\ v \^msm,
216
BIBLIOGRAFÍA
[1[MU1®Q35F[B
BIBLIOGRAFÍA.
ADAME, P. (2004). Comunicación personal.
ARMAND, G. (1995). Feuillus précieux. Conduite des plantations en
ambiance forestiére. Paris, Institut pour le Développement
Forestier.
ARIAS, R.M. (1999). El análisis multivariante en la investigación
científica. Madrid, La Muralla S.A.
BARTOLI, M.; DALL'ARMI, C. (1996). "Critéres d'exploitabilité de
l'érable sycomore, de l'érable plañe, du merisier et du frene
commun dans les Pyrénées centrales et leur piémont." Revue
Forestiére Frangaise XLVIII: 42-48.
BARY-LENGER, A.; EVRARD, R.; GATHY, P. (1988). La Forét, Editions
Gerfaut Club.
BENGOA, J.L. (1993). Crecimiento de las masas de rebollo de la Rioja.
Bases para su modelización. Congreso Forestal Español, Lourizán,
Sociedad Española de Ciencias Forestales
BLANCO, A.; CASTROVIEJO, M.; FRAILE, J.L.; GANDULLO, J.M.; MXrfíOZ,
L.A.; SÁNCHEZ, O. (1989). Estudio ecológico del pino canario.
Madrid.
BLANCO, E.; CASADO, M.A.; COSTA, M.; ESCRIBANO, R.; GARCÍA, M.;
GENOVA, M.; GÓMEZ, A.; GÓMEZ, F.; MORENO, J.C; MORLA, C ;
REGATO, P.; SAINZ, H. (1997). Los bosques ibéricos. Una
interpretación geobotánica. Barcelona, Editorial Planeta.
BOULET-GERCOURT, B. (1997). Le merisier. Paris, Institut pour le
Développement Forestier.
BRAGG, D.C. (2001). "Potential relative increment (PRI): a new method
to empirically derive optimal tree diameter growth." Ecological
Modelling 137: 77-92.
BRAVO, F.; GRAU, J.M.; GONZÁLEZ, F. (1996). "Análisis de modelos de
producción para Populus x euramericana en la cuenca del Duero."
Investigación Agraria: Sistemas y Recursos Forestales 5(1): 77-
95.
BRAVO, F.; MONTERO, G. (2001). "Site Índex estimation in Scots pine
(Pinus sylvestris L.) stands in the High Ebro Basin (northern
Spain) using soil attributes." Forestry 74(4): 395-406.
217
¡UnMsxasatFiB
BRAVO-OVIEDO, A.; MONTERO, G. (En prensa). "Site Índex in relation to
edaphic variables in stone pine (Pinus pinea L.) stands in
Southwest Spain." Annals of Forest Science.
Broadfoot, W.M. (1969) . "Problems in relating soil to site index for
Southern hardwoods." Forest Science 15(4): 354-364.
CAE. (2000) . Forestry Compendium. Global Module. Wallingford, CAE
International.
CALAMA, R.; CAÑADAS, N. ; MONTERO, G. (2003). "ínter-regional
variability in site index models for even-aged stands of stone
pine (Pinus pinea L.) in Spain." Annals of Forest Science 60(3):
259-269.
CARACHO, Y. (1996). "Le développement architectural du merisier."
Foret-entreprise 107: 72-80.
CASTROVIEJO, S. (coord) (1998). Flora ibérica: plantas vasculares de
la Península Ibérica e Islas Baleares. Madrid.
CATRY, B.; POULAIN, G. (1993). "Le merisier en Nord-Pas-de-Calais-
Picardie." Forét-entreprise 91.
CHEN, H.Y.H.; KLINKA, K. ; KABZEMS, R.D. (1998). "Site index, site
quality, and foliar nutrients of trembling aspen: relationships
and predictions." Canadian Journal of Forestry Research 28:
1743-1755.
CHEN, H.Y.H.; KRESTOV, P.V.; KLINKA, K. (2002). "Trembling aspen site
index in relation to environmental measures of site quality at
two spatial scales." Canadian Journal of Forestry Research 32:
112-119.
CHOJNACKY, D.C. (1997). "Modelling diameter growth for pinyon and
juniper trees in dryland forests." Forest Ecology and Management
93: 21-31.
CLAESSENS, H. ; PAUWELS, D. ; THIBAUT, A.; RONDEUX, J. (1999). "Site
index curves and autoecology of ash, sycamore and cherry in
Wallonia (Southern Belgium)." Forestry 72(3): 171-182.
COLÉ, W.G.; LORIMER, C.G. (1994). "Predicting tree growth from crown
variables in managed horthern hardwoods stands." Forest Ecology
and Management 67: 159-175.
218
[lllMo)@MMia
CORONA, P.; SCOTTI, R.; TARCHIANI, N. (1998). "Relationship between
environmental factors and site index in Douglas-fir plantations
in central Italy." Forest Ecology and Management 110: 195-207.
COXON, A.P.M. (1982). The user's guide to multidimensional scaling.
London, Heinemann.
CURT, T.; BOUCHAUD, M.; AGRECH, G. (2001). "Predicting site Índex of
Douglas-Fir plantations from ecological variables in the Massif
Central área of France." Forest Ecology and Management 149: 61-
74.
DANIELS, R.F.; BURKHART, H.E.; CLASON, T.R. (1986). "A comparasion of
competition measures for predicting growth of loblolly pine
trees." Canadian Journal of Forestry Research 16: 1230-1237.
DUCCI, F.; SANTI, F. (1997). "The distribution of clones in managed
and unmanaged populations of wild cherry (Prunus avium)."
Canadian Journal of Forestry Research 27: 1998-2004.
DUCCI, F.; TOCCI, A.; VERACINI, A. (1988). "Sintesi del registro del
materiale di base di Prunus avium L. in Italia centro-
settentrionale, Basilicata e Calabria." Annali Instituto
Sperimentale per la Selvicultura. Arezzo. XIX: 265-303.
ELENA, R.; SÁNCHEZ, O.; CARRETERO, P. (1985). Estudio fisiográfico y
climático de los pinares autóctonos españoles de Pinus nigra
Arn. Madrid, INIA.
EVANS, J. (1984). Silviculture of broadleaved woodland.
FAQ (1977). Guías para la descripción de perfiles de suelos. Roma.
FELICÍSIMO, A.M. (1994). Modelos digitales del Terreno. Introducción
y aplicaciones en las Ciencias Ambientales. Oviedo, Ed.
Pentalfa.
FERNANDEZ, R.; SANTI, F.; DUFOUR, J. (1994). "Les matériels forestiers
de reproduction sélectionnés de merisier (Prunus avium L.) :
classement, provenances et variabilité." Revue Forestiére
Frangaise XLVI(6): 629-638.
FERRAND, J.-C. (1983). "La veine verte du merisier est-ce du bois de
tensión?" Revue Forestiére Frangaise XXXV(2): 95-97.
FRANC, A.; BOLCHERT, C. ; MARZOLF, G. (1992). "Les exigences
stationnelles du merisier: revue bibliographigue." Revue
Forestiére Frangaise XLIV(n° sp): 27-31.
219
FRANC, A.; BOLCHERT, C. ; MARZOLF, G. (1992). "Les exigences
stationnelles du merisier: revue bibliographique." Revue
Forestiére Frangaise XLIV(n° sp): 27-31.
FRANC, A.; RUCHAUD, F. (1996). Autécologie des feuillus précieux;
frene commun, merisier, érable sycomore, érable plañe.
FRASCARIA, N. ; SANTI, F.; GOUYON, P.H. (1993). "Genetic
differentiation withiri and among populations of chestnut
(Castanea sativa Mili.) and wild cherry (Prunus avium L.)."
Heredity 70: 634-641.
GALÁN, C. (2000). Primeros resultados del establecimiento de parcelas
experimentales de espetóles de madera de calidad en la provincia
de Soria (Estudio Pin de Carrera), E.T.S.I.A. de Palencia.
GANDULLO, J.M. (1974) . "Ensayo de evaluación cuantitativa de la
insolación en función de la orientación y de la pendiente del
terreno." An. INIA, Serie Recursos Naturales 1: 95-107.
GANDULLO, J.M. (1994) . Climatología y ciencia del suelo. Madrid,
Fundación Conde del Valle del Salazar.
GANDULLO, J.M. (1997) . "Implicaciones térmicas de la topografía:
ensayo de un parámetro termotopográfico." Investigación Agraria:
Sistemas y Recursos Forestales 6(1 y 2): 7-15.
GANDULLO, J.M.; BLANCO, A.; SÁNCHEZ, O.; RUBIO, A.; ELENA, R.; GÓMEZ,
V. (2003). Las estaciones ecológicas de los hayedos españoles.
GANDULLO, J.M.; GONZÁLEZ, S. ; SÁNCHEZ, O. (1974). Ecología de los
pinares españoles IV. Pinus radiata D. Don. Madrid.
GANDULLO, J.M.; SÁNCHEZ, Ó. (1994). Estaciones ecológicas de los
pinares españoles. Madrid, ICONA.
GANDULLO, J.M.; SÁNCHEZ, O. (1998). Elaboración de parámetros
ecológicos en estudios forestales. Curso de Doctorado.
Comunicación personal.
GANDULLO, J.M.; SÁNCHEZ, O.; MUÑOZ, L.A. (1998). "Una nueva
clasificación climática para España." Ecología 12: 67-77.
GARCÍA, J. (1986). El clima en Castilla y León. Valladolid, Ámbito.
GOELZ, J.C.G.; BURK, T.E. (1992). "Development of a well-behaved site
Índex equation: jack pine in north central Ontario." Canadia
Journal of Forestry Research 22: 776-784.
220
IBiiMixissMia
GUINDEO, A.; GARCÍA, L.; PERAZA, F. ; ARRIAGA, F.; KASNER, C. ; MEDINA,
G.; DE PALACIOS, P.; TOUZA, M. (1997). Especies de maderas para
carpintería, construcción y mobiliario. Madrid, AITIM.
GUITTON, J.L.; BRETIERE, G.; SAAR, S. (1990). Culture d'arbres á bois
précieux en prairies paturées en moyenne montagne humide,
CEMAGREF.
HAIR, J.F.; ANDERSON, R.E.; TATHAM, R.L.; BLACK, W.C. (1999). Análisis
muítivariante, 5* Edición. Madrid, Prentice Hall Iberia.
HENRI, C.J. (2001). "Soil-site productivity of Gmelina arbórea,
Eucalyptus urophylla and Eucalyptus grandis forest plantations
in western Venezuela." Forest Ecology and Management 144: 255-
264.
HUANG, S. (1997). Development of compatible height and site index
models for young and mature stands within an ecosystem-based
mangement framework. Empirical and process based models for
forest tree and stand growth simulation, Oeiras, Portugal.
HUBERT, M. (1980). Le merisier arbre a bois, Institut pour le
Développement Forestier.
HUBERT, M. (1981). Cultiver les arbres feuillus pour récolter du bois
de qualité. Paris, Institut pour le Développement Forestier.
JIMÉNEZ, F.J. (1993). Interpretación de análisis de suelos.
JOKELA, E.J.; WHITE, E.H.; BERGLUND, J.V. (1988). "Predicting norway
spruce growth from soil and topographic properties in New York."
Soil Sci. Soc. Am. J. 52: 809-815.
KAYAHARA, G.J.; KLINKA, K. ; MARSHALL, P.L. (1998). "Testing site
index-site-factor relationships for predicting Pinus contorta
and Picea engelmanii x P. glauca productivity in central British
Columbia, Canadá." Forest Ecology and Management 110: 141-150.
LE GOFF, N.; MADESCLAIRE, A. (1985). Etude de la potentialite des
stations forestieres des plateaux calcaires de Lorraine pour
l'erable sycomore (Acer pseudoplatanus ,L.) et le merisier
(Prunus avium L.). Annales colloques phytosociologiques, XIV.
Phytosociologie et Foresterie., Nancy.
LEGENDRE, P/; ANDERSON, M.J. (1998). Program DistPCoA. Montreal,
Département de sciences biologiques, Université de Montreal.
221
IBllMaXMMMia
LEGENDRE, P.; LEGENDRE, L. (1998). Numerical Ecology. Oxford,
Inglaterra, Elsevier.
LOH, W.-Y.; SHIH, Y.-S. (1997). "Split selection methods for
classification trees." Statistica Sínica 7: 815-840.
MADOZ, P. (1845-1850). Diccionario Geográfico-Estadistico-Histórico de
España y sus posesiones de Ultramar. Edición facsímil de los
volúmenes correspondientes a Ávila, Burgos, León, Palencia,
Salamanca, Segovía, Soria, Valladolid y Zamora., Ámbito
Ediciones. 1984.
MAPA (2000) . Modelo Digital del Terreno.
MARGALEF, R. (1989) . Ecología. Ediciones Omega. Barcelona.
MASSET, P.L. (1979). "Étude sur les liaísons entre la qualité
technologíque du bois de merisier (Prunus avium L.) et la
station." Revue Forestiére Frangaise XXXI(6): 491-503.
MCQUILKIN, R.A. (1976). "The necessíty of independent testing of soil-
site equations." Soil Science Society of America Journal 40:
783-785.
MEEUWIG, R.O.; COOPER, S.V. (1981). "Site quality and growth of
Pinyon-Juniper stands ín stands in Nevada." Forest science
27(3): 593-601.
MERCURIO, R.; MINOTTA, G. (2000). Arboricoltura da legno. Bologna,
CLUEB.
MICHAIDILIS, G. (2004) . Multídímensíonal Scaling (Lecture
8).http://www.stat.lsa.umich.edu/-gmichail/stat5 03-W04/lecture-
mds-code.pdf [Abril, 2004]
MMA (1998). Segundo Inventario Forestal Nacional 1986-1996. Madrid,
Ministerio de Medio Amt)iente.
MONSERUD, R.A.; STERBA, H. (1996). "A basal área increment model for
individual trees growing in even- and uneven-aged forest stands
in Austria." Forest Ecology and Management 80(1) : 57-80.
MONTERO, G.; CISNEROS, O.; CAÑELLAS, I. (2003). Manual de selvícutura
para plantaciones de especies productoras de madera de calidad.
Madrid, Mundi-Prensa.
MYERS, R.H. (1990). Classical and modern regression wíth applications,
Second edition. Boston, PWS and Kent Publishing Company Inc.
222
[UUMeXl^MFDa
BANCO DE DATOS DE LA NATURALEZA, (1999). Coberturas en formato Arclnfo
sobre la distribución de Prunus avium L. en Castilla y León.
Madrid, Dirección General de Conservación de la Naturaleza.
PEÑA, D. (1989). Estadística. Modelos y métodos. 2. Modelos lineales y
series temporales. Madrid, Alianza editorial.
PRYOR, S.N. (1988). The silviculture and yield of wild cherry.
QUINE, C.P.; WHITE, I.M.S. (1998). "The potential of distance-limited
topex in the prediction of site windiness." Forestry 71(4): 325-
332.
RUBIO, A. (1993) . Estudio ecológico de los castañares de Extremadura.
Madrid, Universidad Politécnica de Madrid.
RUBIO, A.; ESCUDERO, A.; GANDULLO, J.M. (1997). "Sweet chestnut
silviculture in an ecological extreme of its range in the west
of Spain (Extremadura)." Annales des Sciences Forestiéres 54(7):
577-696.
RUBIO, A.; SÁNCHEZ PALOMARES, O.; GÓMEZ, V.; GRANA, D. ; ELENA, R.;
BLANCO, A. (2002). "Autoecología de los castañares de Castilla
(España)." Invest. Agr.: Sist. Recur. For. 11(2): 373-393.
RUIZ, J. (1990). Mapa Forestal de España. Memoria General. Madrid,
ICONA.
RUIZ, J.; CEBALLOS, L. (1979). Arboles y arbustos de la España
peninsular. Madrid.
SÁNCHEZ, M.; TOMÉ, M.; MONTERO, G. (2003). Modelling height and
diameter growth of dominant cork oak trees. Comunicación
personal.
SÁNCHEZ, O. (2001). Los estudios autoecológicos paramétricos de
especies forestales. Modelos digitales. III Congreso Forestal
Español. Montes para la sociedad del nuevo milenio. Granada.
SÁNCHEZ, O.; BLANCO, A. (1985). "Un modelo de estimación del
equivalente de humedad de los suelos." Montes 4: 26-30.
SÁNCHEZ, O.; CARRETERO, M.P.; ELENA, R. (1993). Modelos predictivos
ecológicos de la calidad de los hayedos en Navarra. Congreso
Forestal Español, Lourizán.
SÁNCHEZ, O.; RUBIO, A.; BLANCO, A.; ELENA, R. ; GÓMEZ, V. (2003).
"Autoecología paramétrica de los hayedos de Castilla y León."
Invest. Agrar.: Sist. Recur. For 12(1): 87-110.
223
[l^lMJXoXsl^fiMFlB
SÁNCHEZ, O.; SÁNCHEZ, F. (2000). Mapa de la productividad potencial
forestal de España. Cartografía Digital. Madrid, Dirección
General de Conservación de la Naturaleza. MMA.
SÁNCHEZ, O.; SÁNCHEZ, F.; CARRETERO, M.P. (1999). Modelos y
cartografía de estimaciones climáticas termopluviométricas para
la España peninsular. Madrid, INIA.
SAS, 1.1. (1989). SAS/STAT User's Guide, Versión 6, Fourth Edition.
Cary, NC, USA, SAS Institute Inc.
SAVILL, P.S. (1991) . The silviculture of trees used in British
Forestry, CAB International.
SPURR, S.H.; BARNES, B.V. (1982). Ecología forestal. México, A.G.T.
SUSZKA, B.; MULLER, C.; BONNET-MASIMBERT, M. (1994). Graines des
feuillus forestiers. De la récolte au semis. Paris, INRA.
THILL, A. (1975). "Contribution á 1'étude du frene, de l'érable
sycomore et du merisier." Bull. Soc. Roy. For. De Belgique
82 (1) : 1-12.
TRASOBARES, A.; PUKKALA, T.; MUÑA, J. (2004). "Growth and yield model
for uneven-aged mixtures of Pinus sylvestris 1. and Pinus nigra
Arn. in Catalonia, north-east Spain." Annala of Forest Science
61(1): 9-24.
TYLER, A.; MACMILLAN, D. ; DUTCH, J. (1995). "Predicting the yield of
Douglas fir from site factors on better quality sites in
Scotland." Annales des Sciences Forestiéres 52: 619-634.
U.S. DEPARTAMENT OF AGRICULTURE, S.C.S. (1988). Soil Taxonomy: a basic
system of soil classification for making and interpreting soil
surveys. Malabar, Florida, Rober E. Krieger Publishing Company,
Inc.
VANCLAY, K. (1994). Modelling forest growth and yield: Applications to
mixed tropical forests, CAB International, UK.
VERBYLA, D.L.; FISHER, R.F. (1989). "An alternative approach to
conventional soil-site regression modelling." Canadian Journal
of Forest Research 19: 179-184.
WALKLEY, A. (1946) . "A critical examination of a rapid method of
determining organic carbón in soils-effect of variations in
digestión conditions ánd of inorganic soil constituents." Soil
Science 63: 251-563.
Emr(SíMS(síusíMi\ ©no, g u i ^ ® m susmm ilFlsmMáT ammilLl @oa Qits=irinM\ \7 tisací 224
[IMyxoxisMFDa
WANG, G.G.; KLINKA, K. (1996). "Use of synoptic variables in
predicting white spruce site index." Forest Ecology and
Management 80: 95-105.
WILHELM, G.J.; RAFFEL, D. (1993). "La sylviculture du mélange
temporaire hétre-merisier sur le Plateau lorrain." Revue
Forestiére Frangaise XLV(6): 651-668.
WYKOFF, W.R. (1990). "A basal área increment model for individual
conifers in the northern Rocky Mountains." Forest Science 36(4):
1077-1104.
YAUSSY, D.; IVERSON, L. ; PRASAD, A. (1997). Diameter-growth model
across shortleaf pine range using regression tree analysis.
Empirical and proccess-based models for forest tree and stand
growth simulation, Oeiras (Portugal).
225
ANEXO
/¡tenis®
TaJbla I. Parámetros climáticos pluviométricos Parcelas
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu 6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Le5
Le6
Le7
Le8
Le9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So9
Zal
Za2
Za3
PA
931
763
791
750
787
1324
795
784
775
701
981
853
896
872
664
1189
837
1244
1426
1453
1276
988
1474
1439
1466
1063
971
1339
1260
906
1058
1044
1052
997
1020
706
614
694
573
678
716
738
803
694
850
856
582
1369
1108
1172
PI
329
252
266
254
268
531
221
214
213
191
291
252
266
268
186
478
266
433
436
438
425
396
563
553
579
378
361
455
424
292
363
410
414
392
374
204
175
201
149
177
197
202
249
208
264
267
151
542
422
455
PP
255
215
221
193
221
325
253
248
244
221
298
253
267
261
195
274
207
319
407
419
349
216
343
332
348
256
228
354
330
236
262
263
264
255
262
204
181
202
162
197
202
210
203
190
210
211
164
318
259
272
PV
72
95
96
78
88
89
143
145
142
132
138
129
132
136
128
124
132
138
200
211
143
104
143
140
142
128
114
144
142
142
136
79
81
83
84
105
93
102
121
137
147
150
134
132
132
132
124
121
113
115
PO
275
201
208
225
210
379
178
177
176
157
254
219
231
207
155
313
232
354
383
385
359
272
425
414
397
301
268
386
364
236
297
292
293
267
300
193
165
189
141
167
170
176
217
164
244
246
143
388
314
330
227
/¡tonK®
Tabla 2. Parámetros climáticos térmicos Parcelas
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Le5
Le6
Le7
Le8
Le9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So 9
Zal
Za2
Za3
TM
9,6
8,4
9,7
8,9
8,8
12,6
9,9
9,5
9,7
9,7
12,4
11,9
12,3
9,5
8,6
10,1
9,8
9,3
9,6
10,5
8,7
9,9
9,7
9,7
8,7
7,4
9
8,3
7,6
8
7
13,6
13,3
10,9
11,8
8,8
8,3
8,9
8,8
10
10
9,4
.7,1
8,8
7,4
8,1
9,6
8,9
9,1
9,9
TMC
27
25,7
27,3
26,2
26,1
29,8
25,9
25,3
25,7
25,6
25,9
25,6
25,7
23
23,1
25,1
27
26,2
23,2
24,4
25,4
24,6
23,8
23,8
22,5
23,9
25,9
24,9
24,1
24,6
23,3
31,3
30,8
27,2
28,3
26,3
25, 6
26,4
25,2
27
26,9
26,1
24
26,2
24,4
25,3
26,5
26,1
26,3
27,4
TMF
-2,5
-3
-2,4
-2,8
-2,9
0,5
-0,9
-1,2
-1,1
-1
1,9
1,3
1,8
-0,2
-1,4
-0,8
-2,7
-3,2
-0, 8
0,1
-3,6
-0,9
-0,7
-0,8
-1,8
-4,2
-3,3
-3,8
-4,2
-3,9
-4,4
1,5
1,4
0,1
0,5
-2,9
-3,1
-2,9
-2,3
-1,5
-1,4
-1,8
-3,9
-3,1
-3,8
-3,5
-1,8
-3,2
-3,1
-2,5
ose 29, 5
28,7
29,7
29
29
29,3
26,8
26,5
26,8
26,6
24
24,3
23,9
23,2
24,5
25,9
29,7
29,4
24
24,3
29
25,5
24,5
24,6
24,3
28,1
29,2
28,7
28,3
28,5
27,7
29,8
29,4
27,1
27,8
29,2
28,7
29,3
27,5
28,5
28,3
27,9
27, 9
29,3
28,2
28, 8
28,3
29,3
29, 4
29,9
íMmiS3S»j&mi& ísm, e@s^@ ES cascífijii il^imimár /sames K} Ha Qitsiniyua ^ tssKt
228
EmM.®
Tabla 3. Parámetros climáticos termopluviométricos Parcelas
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu 5
Bu6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
LeS
Le6
Le7
LeS
LeS
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So 9
Zal
Za2
Za3
ETP
618
584
624
596
593
715
630
616
623
623
694
679
691
616
594
634
630
615
618
643
595
627
621
620
595
555
606
584
562
574
539
747
737
659
685
596
580
598
596
634
633
616
539
599
550
575
621
600
607
633
DEF
274
242
258
266
255
311
206
196
204
217
208
221
219
196
204
188
206
174
92
90
160
218
151
154
148
170
215
155
150
175
154
336
328
280
294
249
255
253
231
227
213
200
183
215
186
196
240
196
218
227
SÜP
587
422
425
420
449
921
371
365
356
295
495
395
424
451
274
743
413
803
901
899
841
579
1004
973
1020
677
580
909
848
507
673
633
643
617
629
359
290
349
208
271
296
322
447
310
486
477
201
965
720
765
IH
68,5
47,3
43,3
43,7
50
102, 6
39,2
40,1
37,5
26,4
53,2
38,6
42,4
54,2
25,6
99,3
45,9
113,7
136,8
131,4
125,1
71,5
147,2
142
156,5
103,6
74,3
139,7
134,9
69,9
107,6
57,7
60,6
68,2
66
35,1
23,6
32,9
11, 6
21,2
26, 7
32,8
62,5
30,3
68, 2
62,6
9,2
141,4
97,1
99,4
DSQ
2,15
1,76
1,86
2,11
1,95
2,16
0
0
0
0,7
0
0
0
0
0
0,76
1,04
0
0
0
0
1,51
0
0
0,02
0
1,3
0
0
0
0
2,37
2,32
2,1
2,18
1,81
1, 99
1, 88
1,45
0,91
0,34
0
0
1,15
0
0,53
1,58
1,31
1,44
1,53
ISQ
0,05
0,03
0,04
0,05
0,04
0,06
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,02
0
0
0
0
0,01
0
0
0
0
0,08
0,08
0, 06
0,06
0,03
0,04
0, 03
0,01
0
0
0
0
0
0
0
0,02
0,01
0,01
0,02
IV
-3,50
-1,87
-2,06
-2,65
-2,28
-4, 03
-0,86
-0,79
-0,82
-0,84
-1, 08
-1,02
-1,04
-0,93
-0,64
-2,06
-1,08
-1,48
-0,68
-0,63
-1,29
-2,41
-1,65
-1,70
-1,68
-1,43
-1,90
-1,31
-1,24
-0,94
-1,20
-4,36
-4,21
-3,61
-3,45
-1, 18
-1,32
-1,25
-0,51
-0, 59
-0,47
-0,48
-0,85
-0, 72
-0, 95
-1, 00
-0,50
-2, 19
-2,15
-2,29
229
RasM.®
Parcela
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu6
Bu7
Bu 8
Bu9
Leí
LelO
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Le5
Le6
Le7
Le8
Le9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So9
Zal
Za2
Za3
ERO
1
1
1
1
1
1
1
3
2
. 1
1
1
1
1
1
1
1
1
2
2
1
2
1
2
1
1
1
1
1
1
2
1
2
2
1
2
1
1
1
1
1
1
2
1
1
1
1
1
1
1
Tabla 4
DRE
1
3
2
2
2
2
3
1
2
2
2
2
2
2
2
1
1
2
3
3
2
2
2
2
2
2
1
2
2
1
3
2
2
2
1
1
2
1
2
2
1
1
2
1
2
2
2
1
1
2
ALT
1367
1461
1236
1410
1363
996
1061
1152
1110
1070
430
534
467
836
1169
899
938
1077
945
729
1207
947
861
944
1170
1466
1117
1191
1301
1261
1357
827
834
1115
1078
1450
1429
1317
1385
1109
1145
1262
1493
1198
1436
1311
1233
1171
1089
1007
. Parámetros Piro
55
38
3 0
40
78
31
28
£15
53
55
26
22
42
48
35
30
1
63
70
75
22
85
35
90
55
55
72
61
50
35
90
30
48
40
23
65
45
60
25
47
42
0
49
2
23
1
38
39
40
5
INS
1,19
0,62
0,7
0,66
0,44
1,08
0,69
0,12
0,58
1,33
0,89
1,18
0,68
0,55
1,25
1,14
0,99
0,58
0,97
0,28
0,76
0,15
0,72
0,2
0,79
0,71
1,39
0,33
0,68
0,89
1,08
0,72
0,56
0,66
0,82
0,32
0,79
0,34
0,77
0,5
1,04
1
0,54
1,01
1,2
0,99
1,11
0, 57
0,74
1,03
fisiográfieos TTG
0,83
0,88
0,91
0,48
1,08
1,44
0,74
0,25
1,03
1,53
0,67
1,13
0,39
0,86
1,4
0,93
1,02
0,12
0,39
0,65
0,78
0,44
0,5
-0,18
0,31
0,26
1,49
0,38
1,15
1,27
0,46
0,65
0,38
0,46
1,08
0,23
0,43
0,44
0,97
0,42
0,68
1,05
0,33
1, 05
1,26
1,04
1,48
0,57
0,45
1, 04
RES
39,9
36,2
28,9
52,6
35,3
56,1
63,9
62,3
70,3
53,1
25,4
25,9
40,4
40
44,3
56,7
11,6
43,2
45,9
58,7
39,4
57,2
59,5
75,3
41,3
14,4
39,4
31,2
37,3
31,5
35,1
0,1
23,5
16,2
18,1
36, 7
15,8
40, 1
23,2
62,5
23,2
26,4
24
22,4
21,1
1,1
46,4
54, 9
51,5
12,7
SME
15
9
117
52
8 n 34
26
29
39
9
75,5
22,5
26,5
23
9
30,5
61
69
78,5
124,5
8
61,5
82,5
7,5
4,5
40
35
27
3
26
5
112
62
32
23
15
9
47
16
90
90
39
90
0
26
58
15
9
40
128
SMA
23
37
60
13
5
40
40
25
37
127
20,5
32,5
2,5
45
75
139,5
128
25
67,5
49,5
45
122,5
60,5
60,5
2,5
83
50
7
20
35
33
105
95
60
25
5
10
15
120
42
55
75
88
53
43
60
24
25
128
155
RÜG
31
15
32
212
6
162
294
254
614
346
46
4
39
317
39
54
13
567
357
594
55
89
97
907
114
38
182
24
26
22
91
91
126
55
32
23
30
196
7
89
114
15
14
16
5
13
60
48
100
10
230
Em:^®
Parcela
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Les
Le6
Le7
Le8
Le9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So9
Zal
Za2
Za3
CRA
101,3
135,8
135,9
166,2
62,6
144,5
55,2
155,9
97,1
76,3
299
354,1
347,3
198,1
270,5
136
313
110,8
181,6
252,9
257,8
129,9
128,4
98,2
59,7
187,3
74,1
48,3
226,8
145,2
258
70,5
112,2
269,1
107,1
242,9
183,7
178
108,9
109,5
218,7
142,2
124,2
136,7
180,4
151,4
192
95
107,5
258
Tabl TF
34
73
66
81
21
44
20
47
27
24
67
80
69
91
92
49
87
30
42
61
67
46
40
39
14
56
35
25
65
42
76
32
46
73
52
66
52
69
25
35
53
42
42
50
80
50
45
35
49
98
a 5. Parámetros ARE
63,1
78,2
69,6
69,9
72,1
52,5
50,3
32,8
28,3
48,4
31,4
9,6
13
66,6
50,9
48,5
36,1
53,3
22,5
24,2
24,8
41,9
35,4
35,8
35,4
48,6
69,5
13,7
37,9
49,3
37,1
64,5
60,8
10, 9
73, 3
37, 1
41, 9
52,9
26,4
32,7
29,6
50,3
56, 8
70, 7
56,8
58, 9
36
73, 8
55,5
48,3
LIM
26,1
14,7
21
22,6
16,1
27,5
42,5
56,1
59,8
36,2
43,7
50,6
49, 1
18, 9
27,8
38,3
39,3
25,4
50
45,6
53,4
46,1
54,3
48
40,3
36,9
28,4
39,6
47,2
29,6
50,6
26,4
25, 8
79,2
17, 7
39,4
43,5
33,6
56,4
52,7
42, 9
35,7
28
19,5
31, 1
27, 8
44, 8
21, 3
39,1
43,2
edáficos físicos ARC
10, 8
7,1
9,4
7,5
11,8
20
7,2
11,1
11,9
15,4
24,9
39,8
37,9
14,5
21,3
13,2
24,6
21,3
27,5
30,2
21,8
12
10,3
16,2
24,3
14,5
2,1
46,7
14,9
21,1
12,3
9,1
13,4
9,9
9
23,5
14, 6
13,5
17, 2
14,6
27,5
14
15,2
9,8
12,1
13,3
19,2
4,9
5,4
8,5
PER
5
5
5
5
2,4
2,9
5
4
4,2
1,6
1,7
1,1
1,6
4,2
3,5
3,5
2,8
2,8
2
1,6
3
5
4,4
4,3
2,4
4,5
4,9
1,5
3,5
2,4
3,7
4,4
4,3
2
5
2,5
3,6
4,3
2,2
3,9
2
3
3,3
4,6
4
3,3
2,9
4,8
4,8
3,3
ccc 0,07
0,04
0,02
0,02
0,63
0,38
0,03
0,1
0,18
0,59
0,53
0,59
0,68
0,14
0,19
0,22
0,26
1,34
0,78
0,62
0,21
0,09
0,08
0,11
0,57
0, 07
0
2,49
0,17
0,46
0, 07
0,19
0,12
0, 06
0, 06
0,33
0,21
0,12
1,09
0,26
0,43
0,32
0,29
0,02
0,1
0,26
0,32
0,05
0,06
0,06
CIL
0,1
0,11
0,14
0,19
0,04
0,12
0,09
0,27
0,16
0,09
0,31
0,42
0,35
0,18
0,26
0,18
0,34
0,08
0,21
0,3
0,37
0,21
0,22
0,19
0,06
0,21
0,12
0,11
0,32
0,13
0,39
0, 09
0,12
0, 58
0,1
0, 27
0, 23
0,23
0,15
0,18
0,23
0, 17
0, 13
0,13
0, 25
0,18
0,21
0, 09
0,2
0,42
HE
21,49
14,87
16,82
17,05
15,03
22,62
22,41
26,56
28, 03
21,3
27,81
36,9
36,68
16,23
21,96
22,38
26,34
23, 03
31,06
31,02
31,28
23,63
26,51
29,03
31,2
25,93
14,74
38,07
24,72
23,91
25,18
16,55
20,05
31,1
15,8
26,49
25,48
20, 76
28,37
25,92
29,27
21,19
19,81
17, 6
19,13
19,3
28, 05
17,21
18,16
20, 11
2 3 1
Emsz@
Tabla 6. Parámetros edáficos químicos Parcela
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Le5
Le6
Le7
Le8
Le 9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So9
Zal
Za2
Za3
MO
7
4
4
1
3
5
4
4
1
2
3
4
1
2
2
2
3
2
2
5
1
4
6
6
7
2
3
2
3
2
2
3
2
3
2
4
2
3
2
3
1
1
3
2
2
4
7
2
1
59
38
3
17
71
32
11
09
17
83
09
34
05
22
03
01
28
,8
59
48
03
84
62
51
61
53
55
,6
71
15
99
13
93
88
42
25
58
29
08
33
08
95
96
84
17
22
36
36
14
51
PHA
5,81
6,02
5,96
6,32
5,89
5,86
5,92
5,08
5,22
5,11
6,8
6,24
7,14
6,05
6,53
6,62
8
6,06
5,79
5,09
6,82
4,69
5,03
4,75
5,1
5,26
6,1
7,16
6, 03
6,57
5,16
6,3
5,66
6,94
5,85
5,52
5,3
5,32
5,72
6,72
8,26
6,86
5
5,35
4,76
5,23
7,55
5,6
5,87
5,41
PHk
5,16
5,25
4,75
5,35
4,73
4,9
5,Í9
4,02
4,14
3,92
6,06
4,98
6,25
4,56
5,58
5,9
7,38
5,18
4,52
4,03
6,03
3,78
4,3
3,95
4,32
4,29
5,38
6,27
5,12
5,74
4,76
5,02
4,81
5,95
4,91
4,54
4,4
4,05
4,39
5,72
7,47
5,78
3,75
4,46
3,97
4,21
6,9
4, 52
4,73
4,24
N
0,61
0,34
0,2
0,28
0,15
0,33
0,43
0,35
0,47
0,27
0,29
0,36
0,33
0,17
0,28
0,28
0,3
0,32
0,3
0,28
0,51
0,18
0,61
0,48
0,56
0,73
0,22
0,32
0,34
0,36
0,28
0,29
0,36
0,29
0,29
0,21
0,33
0,21
0,3
0,31
0,4
0,22
0,11
0,27
0,23
0,22
0,39
0,8
0,37
0,19
CN
11,57
12,33
11,08
11,73
10,26
10,58
10,47
9,94
8,31
7,18
6,63
7,43
11,21
8
7,73
3,64
8,35
10,31
7,41
7,89
9,29
6,23
7,06
11,38
9,99
10, 1
10,25
8,92
7,27
7,8
9,3
7,26
10,05
8,96
8,94
9,14
12
8,34
10,34
7,02
8,46
7,46
13,51
11,71
10,1
8,55
9,39
9,22
6,01
9,37
Cíe
80,86
64,26
48,86
97,56
44
76,75
42,06
56,4
57,37
32,2
23,92
29
32,54
13,25
20,55
49,42
44,58
52,69
41,79
35,03
47,82
54,92
43,83
36,94
43, 06
50,91
63,31
40,88
40, 86
50,34
56, 63
72,37
73,69
59,83
54,3
80,75
37,28
43,26
30,3
34,73
61,78
54, 19
31, 68
58,23
14,45
52,08
16, 94
45, 04
39,59
48,81
CAC
0
0
0
0
0
0
0
0
0
0
0,57
0,34
3,19
0
0
0
0,44
0
0
0
0
0
0
0
0
0
0
0,48
0
0
0
0
0
0
0
0
0
0
0
0
1,01
0
0
0
0
0
0,21
0
0
0
CIN
0
0
0
0
0
0
0
0
0
0
7,97
2,42
13,65
0
0
0
4,22
0
0
0
0
0
0
0
0
0
0
3,72
0
0
0
0
0
0
0
0
0
0
0
0
4,47
0
0
0
0
0
0, 68
0
0
0
232
[Mm©
Tabla 7. Parámetros edafoclimáticos Parcela
Avl
Av2
Av3
Av4
Av5
Av6
Bul
Bu2
Bu3
Bu4
Bu5
Bu 6
Bu7
Bu8
Bu9
Leí
Lelo
Lell
Lel2
Lel3
Lel4
Le2
Le3
Le4
Le5
Le6
Le7
Le8
Le9
Pal
Pa2
Sal
Sa2
Sa3
Sa4
Sgl
Sg2
Sg3
Sol
So2
So3
So4
So5
So6
So7
So8
So9
Zal
Za2
Za3
ETR
439
454
482
463
399
531
478
531
504
478
636
623
634
545
533
548
575
528
598
629
554
514
558
544
501
498
461
476
522
501
501
481
515
554
491
503
462
480
461
503
556
524
452
492
480
489
518
487
482
557
SF
179
129
142
133
193
184
152
85
119
145
58
57
56
71
61
86
55
86
20
14
41
113
62
77
94
58
145
69
40
73
38
266
222
106
194
93
118
118
135
131
77
92
88
106
70
86
103
113
125
76
DRJ
492
309
309
287
388
793
317
253
271
223
345
230
262
327
131
641
262
716
828
824
722
474
916
895
965
565
510
863
738
405
557
563
537
443
529
203
152
214
112
175
160
214
351
202
370
367
64
882
626
615
atüJFOsgs&ísxgifl E a (913^® [se csKaMH ilF&msáf ¿immííL]) Ha ©¡tSTmyía v tueca. 233