Estimación de biomasa aérea de Grevillea robusta A. implantada en la provincia de Misiones, Argentina

Abstract

El ecosistema forestal es potencialmente un importante sumidero de carbono por ello es relevante poder cuantificarlo. Una buena aproximación es la obtenida a través del conocimiento de su biomasa. El presente trabajo se realizó con datos provenientes de una plantación de Grevillea robusta ubicada en Posadas, Misiones, Argentina. El objetivo fue la generación de modelos de estimación de la biomasa aérea a través de diferentes técnicas aditivas de estimación. Se generaron modelos para cada compartimento (hojas, ramas, corteza, fuste) y para la biomasa aérea total. Para ello se consideró el principio de aditividad mediante modelos estadísticos de ajustes simultáneos. Se evaluaron modelos que consideraban como variables predictoras al diámetro a altura de pecho (dap) y altura total (h). La adición de esta última variable aumentó la proporción de variación explicada para la biomasa aérea de Grevillea robusta aunque esto fue prácticamente imperceptible, con una disminución del error estándar. En la validación contra una muestra independiente, la biomasa total en este caso presentó un error 8,9% menor al que se dio en el modelo de una sola variable predictora. El mejor resultado se obtuvo con modelos con transformación logarítmica de variables. Al ser altura total una medida de mayor dificultad de obtención, se procedió a ajustar en forma alternativa un modelo con dap como única variable predictora.

The forest ecosystem is a potentially significative carbon pool, so it is important for it to be quantifiable. A good approximation is obtained through the knowledge of its biomass. This work was prepared based on data taken from a Grevillea robusta plantation in Posadas, Misiones, Argentina. The goal was to generate aboveground biomass estimation models through different additive estimation techniques. Models were built for each part of a tree (leaves, branches, bark and stem) and for the total aboveground biomass. For that purpose, the additive principle was considered through statistical models with simultaneous adjustments. The models assessed were those included dbh (diameter at breast height) and total height (h) as predictor variables. The addition of this last variable increased the proportion of explained variance for Grevillea robusta biomass although this was practically imperceptible. The validation contrast against independent sample, the total biomass showed an error of 8,9 % lower than the single-variable predictive model. The best result were obtained from models with logarithmic transformation of the variables. As total height is harder to measure, an alternative model using only dbh as a variable was adjusted.