Professional Documents
Culture Documents
estimaci 7n del
estimacion d& volumen
volumen forestal
predicci6n del
y prediccion delrendirtnAentfo
rendimiento
on referencia
con referencia especial
especial a los trpicos
tropicos
por
d. alder
commonwealth forestry institute, vein
commonwealth reino unido
unido
ORGANIZACION DE LAS
ORGANIZACION DE LAS NACIONES
NACIONESUN
UNIDAS PARALA
IDAS PARA LAAGRICULTURA
AGRICULTURAYYLL
LAALIMENTACION
ALiMENTACION
Roma 1980
1980
.1/
Las denominaciones
Las denominaciones empleadas
empleadas en
en esta
esta publica-
cin
ci6n yy lalaforma
formaen enque
queaparecen
aparecenpresentados
presentados
los datos que contiene
co ntiene no
no implican,
implican, de parte
parte de
de
la
la Organizacin
Org anizaci6n dede las
las Naciones
Naciones Unidas
Unidas para
para 10.
Ag ricu ltura y la Alimentacin,
Agricultura Alimentaci6n, juicio alguno
alguno
sobre la
sobre la condicin
condici6n jurdica
jurldica de
de pases,
parses, territorios,
territorios,
ciudades
ciudades 0o zonas,
zonas, o0 de
de sus
susautoridades,
autoridades, nini
respecto de la
respecto de la delimitacin de sus
delimitaci6n de sus fronteras
fronteras o
a
Ifmites.
lmites.
M-35
ISBN 92-5-300923-3
ISBN
Este libra
Este libro es
es propiedad
propiedad de la Organizacin
Organizaci6n de las Naciones
Naciones Unidas
Unidas para
para la
la
Agricultura
Agricultura y la Alimentacin,
Al imentaci6n, yy nono podr
podrfl ser
ser reproducido, ni en
reproducido, ni en su
su
totalidad
totalidad nini en
en parte,
parte, por
par cualquier
cualquier mtodo
metoda o0 procedimiento,
procedimiento, sin
sin una
una
autorizacin por escrito
auto rizaci6n por derechos de
escrito del titular de los derechos de autor.
autar. Las
peticiones para tal
peticiones para tal autorizacin especificando lala extensi6n
autarizaci6n especificando extensin de
de lo
10 que
que se
se
desea
desea reproducir propsito que
reproducir y el prop6sito que con
can ella persigue, debern
ello se persigue, deberfln
Director de
enviarse al Director
enviarse de Publicaciones, Organizacin de
Publicaciones, Organizaci6n de las Naciones
Unidas para la
Unidas para la Agricultura
Agricu ltura yy la
la Alimentacin,
Alimentaci6n, Via
Via delle
delle Terme
Terme di
diCaracalla,
Caracalla,
00100
00100 Roma,
Roma, Italia.
Italia .
I
(O FAO
FAO 1981
1981
PROLOOO
PROLOGO
En el
En e1 presente manual se hace un esfuerzo por codificar metodoB
mtodos actualmente empleados
empleados
para estimar el volumen de los
lOB rboles
arboles yy de los rodales y pronosticar
pronoBticar el rendimiento
rendimi ento del
del
pr4ctica y util
bosque de una manera que sea prctica las personas encargadas de efectuar estos
til a las estos
calculos sin
clculos sin que necesariamente tengan
que necesariamente mucha experiencia
tengan mucha experiencia en la materia.
en la materia.
Es
Es preciso que esta
preciso reconocer que sta es
es una
una esfera dede la
la actividad
actividad humana
humana que
que se
se encuentra
en un proceso
actualmente en proceeD de evolucin rapida. sobre todo en lo
evoluci6n rpida, respect a a los bosques
10 que respecta
que crecen en
en el
e1 medio
medio tropical.
tropical. PorPor consiguiente hay que considerar todo
todo lo10 que
que se
se dice
dice
en el
el present e manual
presente manual como
como provisional
provisional yy sujeto
sujeto aa futuro
futuro perfeccionamiento,
perfeccionamiento, segUn
segn las
las ssitua-
itua-
ciones particulares que sese presenten o invent en Es
tecnicas que se inventen.
0 las nuevas tcnicas F.s de notar
notar
que haya otras t~cnicas que
otras tcnicas que no se
se mencionan
mencionan en
en este
eate texto,
texto, aunque
aunque sean
sean superiores
superiores para
para
determinados fines.
fines.
As!
As es
es que
que no
no se
se trata
trata de
de un
un manual
manual en el verdadero
verdadero sentido
sentido de
de la palabra;
palabra; es ms
mas
bien un conjunto de instrucciones para escoger un procedimiento,
procedimiento, combinadas con
can explica-
ciones ms
m!s detalladas acerca de la tcnica
tecnica de clculo
c!lculo que se aplica en
en algunos casos
especificos.
especficos.
Este
Este manual
manual Be
se refiere
refiere especialmente al tr6pico
trpico y es
es aplicable a llos
OB bosques tanto
tanto
naturales como artificiales. Dada la gran dificultad de estimar el el crecimiento y el
el rendi-
miento de los bosques naturales mixtos disetAneos, los mtodos
disetneos, los metodos que se dan a conocer sirven
para construir modelos de crecimiento, principalmente a los
crecimiento, aplicables principalmente lOB bosques coetneos.
coetaneos.
No
No se da ninguna instruccin
instrucci6n especfica
especifica sobre
sabre el
el caso
caso de los mixtos, sino m~s
los bosques mixtOB, ms bien
ejemplos
ejemplos de
de las
las posibles
posibles maneras de resolver los problemas que estos bosques presentan.
maneras .de presentan.
Este manual
manual se compane
compone de dos
dos volu.menes.
volmenes. En el el primer volurnen se dan
volumen se dan aa conocer
conocer las
l as
tecnicaa
tcnicas utili zadas para medir los
utilizadas los rboles
arboles y estimar
estimar el
el volumen de stos
estos y de los
los rodales
rodales
el segundo
yy en el segundo volumen,
volurnen, las
las de pron6stico
pronstico del crecimiento y del rendimiento.
rendimient o. EDEn una serie
de apendices
apndices se incluyen tecnicas estadiaticas y matemticas,
tcnicas estadsticas matematicas, algunos cuadros estadsticos,
estadisticos,
formularios
formularios en blanco de
de cAl culo y registro de datos y una
clculo una bibliografa
bibliograf!a anotada.
anotada.
El
Ea volumen II de este manual 10 redact6 Francis
lo redact FranciB Cailliez,
Cailliez, Centre Technique
Technique Forestier
Forestier
Tropical
Tropical (CTFT), Nogent-Bur-~~ne,Francia yy el
(CTFT),Nogent-sur-Marne,Francia el Volumen
Volumen II,
II, Denis
DeniB Alder,
Alder, Commonwealth
Commonwealth
Forestry Institute
Institute (CFI),
(CFI), Oxford, Gran
Gran Bretana, quien
quien tambin
tambien prepar
prepar6 los
los apndices.
apendices.
Coordin6
Coordin la labor
labor de
de ambos
ambos autores Jtlran
Juran Fries, Sueca de
Fries, Universidad Sueca de Ciencias
Ciencias Agrcolas,
Agricolas,
Upsala,
Upsala, Suecia. Formularon yy orientaron los
lOB trabajos
trabajos Jean-Paul
Sean-PaUl Lanly
Lanly yy Karn
Karn Deo
Deo Singh,
Singh,
Direcci6n ReCUTBOB ForestaleB,
Direccin de Recursos Forestales, FAO. Jean Clement (CTFT) colabor6 en la etapa inicial
(CTFT) colabor en la etapa inicial
de este
eate estudio.
estudio.
La traducci6n
La espanola del
traduccin espaola del Manual fue
fue hecha
hecha por
por el
el senor Noel Ogaya
seor Noel Ogaya de
de la
la Facul tad de
Facultad de
Fbrestales de la Universidad de
Ciencias Forestales de Los Andes,
Andes, M6rida, Venezuela, al
M~rida, Venezuela, eual estamos
al cual estamos sin-
ceramente agradecidos.
El
Ea presente manual es el
e1 primero en su au genera
gnero en 10
lo que se refiere aa la
la actividad
actividad fores-
fores-
pera hay
tal tropical, pero hay un
un gran
gran margen
margen para
para mejorarlo y completarlo.
completarlo. SeSe necesitan de
de inme-
diato sobre todo nuevos
nuevas estudios
estudios complementarios
complementarios sobre
sobre los
los rodales
rodales mixtos coet~eos.
mixtoB no coetneos.
I'llucho se
Mucho se agradecer
agradecerA cualquier
cualquier sugerencia
sug erencia al
al respecto.
respecto.
I~. A. Flores
M.A. Flores Rodas
Rodas
Subdirector General
Subdirector General
Departamento de
Departamento de Montes
Montes
-i-
-1-
VOLUMEN
VOLUMEN II
II
INDICE P~g.
Pgg.
11
11 Razones
Razones para predecir crecimiento yy rendimiento
rendimiento 1
1.2 La metodologa
metodolog!a de
de la
la prediccin
predicci6n del
del crecimiento
crecimiento yy rendimiento
rendimiento 22
122 La construcci6n
construccin de modelo matem~tico
de un modele a
matemgtico yy su ajuste a
los datos 33
124 La aplicacion
aplicacin del
del modele final requerido
modelo para el uso final 4
4
2
2 DISEROS DE ESTUDIOS PARA LA
DISEOS LA PREDICCION
PREDICCION DEL
DEL RENDIMIENTO
RENDIMIENTO 5
5
21 Aspectos especiales en la
la estimacin
estimaci6n de los par~metros de
los pargmetros de
regresi6n
regresin 5
222.1 requeridas
Cantidad de PMP requeridas 7
7
222.2 Ubicaci6n las PMP
Ubicacin de las PMP 7
7
222.3 Tamano las PMP
Tamao de las 8
8
222.4 Forma de las PMP 8
8
222.5 ~poca de
Frecuencia y poca de las
las mediciones 9
9
222.6 Muestreo con reemplazamiento
reemplazamiento parcial
parcial 9
9
-ii-
23 Disenos experimentales
Diseos experimentales 10
231.1 en bloques
Experimentos en bloques aleatorios
aleatorios 11
231.2 factoriales
Experimentos factoriales 12
241.1 de espaciamiento
Experimentos de espaciamiento 14
14
241.2 Experimentos de
Experimentos de clareos
clareos para ~reabasal
paraununarea basaloonstante
constante 14
241.3 Experimentos de clareos usando tratamientos de cla c1a
graduales.
reos graduales. 15
15
241.4 Experimentos factoriales con diferentes componen-
tratamientos de
tes de tratamientos de clareos
clareos 15
15
33 RECOLECCCION DE
PROCEDIMIENTOS PARA LA RECOLECCCION DE DATOS
DATOS YY ANALISIS PRELIMINAR
PRELIMINAR 18
311 Ubicaci6n
Ubicacin 18
312 Identificaci6n
Identificacin en el terreno de las parcelas
parcel as de muestreo
permanentes
permanentes 18
313 Determinaci6n de
Determinacin de los ~rboles del
los arboles del borde
borde 18
314 Marqueo
Marque() de
de los
los arboles
rboles 19
315 ~rbcles de la
Mapeo de los rboles la parcela
parcel a 19
316
316 Identificaci6n
Identificacin de los ~rboles de ingreso
los drboles ingreso 19
32
32 Formatos para las
las mediciones
mediciones de
de las
las parcelas
parcelas de
de muestreo an~
muestreoy yaria
lisi9
lisis preliminar 19
321
321 Bosque uniforme 20
323 inicial de
Levantamiento inicial de parcelas
parcelas permanentes
permanentes 24
33 Procedimiento de
de anglisis
anlisis del
del fuste
fuste 26
34 Metodos especiales
Mtodos especiales de
de estimacin
estimaci6ndel incrementodedelos
delincremento los arboles
futoles 27
341 simples
Mediciones simples 27
342 sucesivas en
Mediciones sucesivas en rboles
rboles con aletones 27
343 Bandas
Bandas perimetrales 28
344 Medici6n
Medicin de anillos
de anillos de crecimiento 29
35 Estimacin indirecta
Estimacion indirecta de la
la altura de los arboles y de la altu
rboles y
ra dominante
dorninante 30
4
4 DE DATOS
SISTEMAS DE ALMACENAMIENTO DE DATOS 32
41 ventajas de los
Ventajas de los sistemas
sistemasdedealmacenamiento
almacenamientode de datosoamputariza-
datosccanputariza-
dos
dos.. 32
42 Validaci6n datos
Validacin de datos 33
43 para la
Contratos para la preparacin
preparaci6n de
de programas
programas de
de computacin
computacion 34
441 Introducci6n
Introduccin 35
443 Comprobacion
Comprobacin de
de errores y edici6n
y funciones de edicin 36
36
445 Programas-utilidades 37
37
446 la base
Seguridad de la base de
de datos
datos 38
45 'rransferencia de
Transferencia de aatos
datos entre
entre sistemas
sistemas de
de computacin
computaci6n 38
5
5 ANALISIS DE DATOS DE CRECIMIENTO Y
Y RENDIMIENTO
RENDHUENTO DE
DE LOS
LOS BOSQUES
BOSQUES UNIFORMES 39
UNIFORMES39
51
51 Clasificaci6n sitios
Clasificacin de sitios 39
512 Construcci6n
Construccin de
de curvas de ndice
indice de sitio 40
52 M~todos estticos
Mtodos est~ticos de
de prediccin
predicci6n de
de rendimiento
rendimiento 62
522 Estimacin
Estimaci6n estadstica
estadistica directa
directa de
de funciones
funciones de
de predic-
predic-
ci6n
cin del di~metro promedio
del dimetro 65
523 Definici6n de la
Definicin la historia
historia de
de los
los tratamientos
tratamientos en
en funcin
funci6n
de la y la
la densidad y la edad
edad 66
524 est~ticas de
Funciones estticas de rendimiento
rendimiento predictivas
predictivas de ~rea
de rea
basal o
0 volumen 67
525 Limitaciones de
de los
los modelos est~ticos de
modelos estticos de rendimiento
rendimiento 67
53 M~todos din~micos
Mtodos dinmicos predicci6n del crecimiento y rendimiento
de prediccin rendimiento 69
531 La funcin
funci6n de incremento
incremento del ~rea basal
del rea basal 69
531.1 Incremento
Incremento del area basal como funcin
del rea funci6n de la
la al
al
tura dominante 69
531.
531.22 Otros mtodos
metodos de prediccin
predicci6n del
del incremento
incremento del
del
~rea basal
grea 70
531.
531.33 pr~cticos en
Problemas prcticos en el an~lisis de
el anlisis de datos
datos de
de
incremento 71
532 Construcci6n
Construccin de un modele
modelo de crecimiento con datos
datos de
un experimento de espaciamiento:
espaciamiento: Hiptesis
Hip6tesis de respues
respues
ta de Marsh - 71
71
533 Conversin
Conversi6n de modelos de
de crecimiento
crecimiento a
a modelos de ren
por integracin
dimiento por integraci6n 74
533.1
533.1 Introducci6n
Introduccin 74
533.2 Teora bsica
Teor!a basica 74
533.3 Aplicaci6n
Aplicacin de un modele
modelo integral de rendimien
to
to aa diferentes tratamientos de clareo 75
533.4 Ejemplo de uso de un modelo integral de rendi
rendi
miento - 76
533.5 Ajuste de modelos compatibles de crecimiento
yy rendimiento aa datos
datos de incremento 78
534.1 Requerimientos
Requerimientos dedeununmodelo
modele de simulaci6n
de simulacin 79
534.2 M~ todos de
Mtodos construcci6nde
de construccin un"redel
deun modele de simulacin
simulaci6n 79
534.3 Ejemplo unmodelo
Ejemplo dedeun modele simple
simple de simulaci6n
de simulacin 80
54 Clareos 82
541 proporci6n de
La proporcin de clareo
clareo 82
-v-
-y-
542 Estimaci6n de
Estimacin los rendimientos
de los rendimientos de
de clareos
clareos en
en modelos
modelos
esta,ticos
estticos 88
543 Estimacion
Es de los rendirnientos
timac ion de rendimientos de clareos en
en modelos
rnodelos dinmicos
di~cos 89
55
55 Mortalidad 90
551 en el
Mortalidad en el establecimiento
establecimiento 90
552 /,lortal idad dependiente de la densidad
Mortalidad 91
564 de los
Volumen de los clareos
clareos 95
57
57 Tecnicas prediccion de crecimiento yy rendimiento
Tcnicas avanzadas de prediccin 95
6
6 DATOS DE
ANALISIS DE DATOS DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO DE
DE BOSQUES
BOSQUES MIXTOS
/UXTOS 97
61 Clasificacion sitio
Clasificacin de sitio 98
62 Funciones estticas
estaticas de rendimiento para bosques mixtos 100
63 de transicin
Modelos de matrices de transici6n 103
103
632 .1
632.1 Datos de rboles
&rboles individuales
individuales 105
105
633
633 Refinamientos aa los
los modelos
modelos de
de transicin
transici6n 107
634 de los
Desventajas de los modelos de
de transicin
transici6n 108
64
64 independiente de la distancia basados en
~rbol independiente
Modelos de rbol
ecuaciones diferenciales 108
108
641
641 Definici6n
Definicin 108
642
642 y dinmicas
alom~tricas y
Variables alometricas din&micas 109
643
643 Representaci6n de la
Representacin la competencia
competencia 109
644 los datos y enfoques
Requisitos de los enfoques para el anlisis
an~lisis 109
109
72 validaci6n
Datos de validacin 112
73 residuales
Errores residuales 113
74 Comparaciones grficas
gr~ficas 114
75 Definici6n los limites
Definicin de los Hmites de utilidad
utilidad del modelo
modele 115
88 LA APLICACION DEL MODELO PARA EL USO
USO FINAL
FINAL REQUERIDO
REQUERIDO 116
116
81 Introducci6n
Introduccin 116
116
82 coet~neos
Rodales coetneos 116
83
83 Rodales
Rodales mixtos 117
-1-
1i INTRODUCCION:
INTRODUCCION: EL PROBLEMA DE LA PREDICCION DE CRECIMIENTO
CRECIMIENTO Y RENDIMIENTO
RENDIMIENTO
11 RAZONES
RAZONES PARA PREDECIR CRECIMIENTO Y RENDIMIENTO
las razones
Para poder entender las razones de lala diversidad de mtodos est~n siendo
metodos que estgn
rendimiento, es conveniente exa
utilizados para predecir el crecimiento y el rendimiento,
las preaicciones
minar en detalle porque las pred ic ciones de crecimiento y rendimiento son ne
cesarias.
111 Planificacion de la
Planificacin la produccin
producci6n
112 Investigacion
Investigacin silvicultur a l yy planificaci6n
silvicultural planificacin
pr i mario de
Aunque el objetivo primario de los
los estudios
estudios de
de crecimiento
crecimiento yy rendimiento
rendimiento es
es
probablemente
probablemente la cuantificacion producci6n forestal,
cuantificacin de la produccin foresta l, como respuesta a
a
l os tratamientos y
los y explotaciones, relaci6n dual entre es-
explotaciones, existe una marcada relacin
estudios yy pr~cticas
tos estudios
tos m~s cualitativas de investigaciones silvicultura-
prgcticas ms
les. Es una relacin
les. relaci6n dual
dual porque:
porque:
113 Investigacion
Investigacin ecologica
ecolgica yy manejo
manejo ambiental
Los
Los modelos
modelos cuantitativos para
par a predecir crecimiento y rendimiento
rendimiento pueden
pueden in-
in-
teractuar
teractuar con
con las necesidade s de la investigacin
las necesidades invest igacion ecolgica
eco16gica y planificacin
planificacion
ambiental
ambiental de diversos modos. Por
Por ejemplo:
ejemplo:
(i)
(i) Un modele indicar la
modelo forestal puede indicar la cantidad
cantidad de
de luz
luz que
que llega
llega al
al
suelo
suelo en las diferentes pocas
en las epocas del ciclo
cicIo de crecimiento.
crecimiento.
((ii)
ii) Un modele r~pidamente para
modelo forestal puede adaptarse rapidamente para mostrar
mostrar la
la bio
bio
masa y
y la tasa de produccin
produccion de
de una
una cosecha
cosecha de ~rboles.
de rboles.
~-
-2-
(iii) La duracion
duracin del ciclo de crecimiento durante
durante el cual la cosecha fo
cual la
restal est~
restal est disponible para los
los grandes herbvoros
herbivoros es
es una informa~
una informa-
cion importante para el
cin el manejo
manejo de
de la
la fauna
fauna silvestre.
silvestre.
12
12 LA METODOLOGIA
METODOLOGIA DE LA PREDICCION DEL CRECIMIENTO Y
Y RENDIMIENTO
La metodologia la prediccin
metodologa de la prediccion del
del crecimiento
crecimiento yy rendimiento
rendimiento puede
puede conside-
cons ide-
fases principales,
rarse como abarcando cuatro fases principales, que se
se discuten
discuten en
en los
los par-
para-
siguientes.
grafos siguientes.
121
121 estimacion del crecimiento
La estimacin crecimiento yy rendimiento
rendimiento
La estimacin
estimacion del crecimiento o0 del
del rendimiento
rendimiento implica
implica dos
dos tipos
tipos de proble-
proble-
mas. definicion del
mas. Uno es el de definicin del trmino
trmino rendimiento
rendimiento que
que puede
puede ser
ser el
el volu-
volu-
~rboles de una
men de los rboles una cosecha,
cosecha, o0 el
el volumen
volumen de
de los ~rboles de
los rboles de un
un grupo
grupo
particular de especies,
especies, o tambin algdn
0 tambin algun producto
producto no
no maderable,
maderable, taltal como
como cor-
cor-
teza, foliaje,
teza, foliaje, resina,
resina, etc.
etc. El enf~sis ms
El enfasis m~s coman
comun en
en los
los pases
paises tropicales
tropicales eses
t a en la prediccin
t prediccion del
del volumen
volumen yy clasificacin
clasificacion dede todos
todos los
los productos made~
productos made-
madera para
rables incluyendo madera para aserrlo
aserrio yy para
para pulpa,
pulpa, postes
postes yy lefia.
lena. Como la
Como la
composicion de especies afecta
composicin afecta la
la utilidad
utilidad del
del producto,
producto, elel rendimiento
rendimiento nono
aislado de
puede considerarse aislado de esta
esta composicin
composicion dede especies
especies en
en los
los bosques
bosques
mixtos.
La medicion
medicin del rendimiento yy del
del crecimiento
crecimiento eses relativamente
relativamente fcil
facil una
una vez
vez
que se han hecho las
las definiciones apropiadas.
apropiadas. Las
Las dificultades
dificultades mayores
mayores son
son
indole prctico
de ndole practico y estn
estan relacionadas
relacionadas concon la
la accesibilidad
accesibilidad deldel bosque,
bosque, de-
de-
limitacion
limitacin yy medicion
medicin de parcelas y el mantenimiento de de parcelas
parcelas permanentes
permanentes
periodos de
durantes largos perodos de tiempo.
tiempo. Estos
Estos problemas
problemas sese tratan
tratan en en las
las seccio-
seccio-
-3-
nes 22 yY 3.
3.
123
123 Prueba
Prueba del
del modele
modelo para su validaci6n
validacin
(i) El
El conjunto de datos originales puede representar un patrn
patr6n dife-
rente
rente de
de comportamiento del crecimiento que el conjunto de datos
se prueba.
con el cual se prueba.
(iii) Algunas
Algunas de extrapolarse durante la
de las funciones ha podido extrapolarse la compro-
baci6n
bacin con lo
10 cual los datos de la
la validacin
validaci6n han entrado
entrado en
en un in
in
son imprecisos.
tervalo donde son imprecisos.
(iv) Si
Si el
el modele ecuaciones puede volverse
modelo abarca un sistema de ecuaciones vo lverse inesta
inesta
ble cuando se trata como conjunto, aa pesar
pesar de que cada
cada una
una de las
las-
funciones en forma aislada puede ajustar
funciones ajustar los
los datos adecuadamente.
adecuadamente.
Estos
Estos puntos se exponen con cierta extensin,
puntos se extensi6n, con
con el
el fin
fin de
de enfatizar
enfatizar la
la im-
im-
de probar cualquier modelo
portancia de modele antes
antes de
de aplicarlo
aplicarlo aa la
la planificacin
planificaci6n
-4-
investigaci6n. En
o investigacin. En la
la seccin
secci6n 66 se
se trata
trata la
la validaci6n
validacin de
de modelos con deta-
lIe.
lle.
124 La aplicacin
aplicaci6n del modelo para
para el
el uso
uso final
final requerido
requerido
(ii) Como
Como un
un programa
programa para unun ordenador
ordenador 0o computador
computador que
que pueda
pueda producir
producir
una
una tabla
tabla 0o grafico
grgfico de crecimiento yy rendimiento
de crecimiento rendimiento para
para un
un conjunto
conjunto
tratamientos. Esto es apropiado cuando el modele
particular de tratamientos. modelo tie
ne
ne suficiente
suficiente flexibilidad
flexibilidad inherente
inherente yy no
no es
es posible
posible definir
definir todas
las
las predicciones en un slo
s610 conjunto
conjunto de
de tablas.
tablas.
22 DISE~OS
DISEOS DE ESTUDIOS PARA .LA PREDICCION DEL
LA PREDICCION DEL RENDIMIENTO
RENDIMIENTO
Los disenos
diseos experimentales yy de
de muestreo para estudios
estudios de
de crecimiento
crecimiento yy ren-
ren-
dimiento deben
deben condicionarse al
a] tipo de
de modele
modelo dede ajuste
ajuste de
de los
los datos
datos aa obte
obte
nerse, que usualmente es
nerse, es alguna
alguna clase
cla se de
de modelo
mode l o de
de regresin.
regresi6n.
Al respecto,
respecto, deben tenerse
tenerse siempre
siempre pendiente los los puntos
puntos siguientes:
siguientes:
(iii) La intensidad
intensidad de
de muestreo
muestreo en
en cualquier
cualquier pari:e
parte ddel
el intervalo debe
ser proporcional
ser proporcional aa la varianza de
la varianza de las
las muestras con res
muestras con pcc to
resp. to al
al mo
mo-
-
delo. Esto es
delo. Esto es particularmente
particularrnente importante
importante cuando
cuando sese pre.dice
predice el volu
volu
men,
men, como se
se seala
senala en
en la
la parte
parte II de
de este
este manual.
manual .
22 DISE~O
DISEO DEL
DEL MUESTREO
MUESTREO PARA LA CONSTRUCCION DEL MODELO
MODELO
El
El muestreo
muestreo es
es una
una alternativa de de la experimentaci6n situaciones donde
experimentacin en situaciones donde
las variables
las variables que
que entran en el el modele
modelo no
no pueden ser controlada
controladas s por
por el
el inves
inves
tigador. En estudios
tigador. En estudios de
de crecimiento yy rendimiento
rendimiento esta condicin
condici6n se aplica
aplica
principalmente aa las
principalmente las variaciones
variaciones dede sitio.
sitio. Los tipos de
de bosque contro
bo sque pueden contro
larse al
larse al seleccionar
seleccionar las
las areas
dreas experimentales
experimentales 0o al establecer loslos tipos
tipos de
de -
bosques
bosques deseados;
deseados; lala densidad
densidad de los rodales
de los rodales puede ser contro lada por opera-
controlada
ciones silviculturales
silviculturales yy dede explotacin.
explotaci6n.
Los
Los experimentos
experimentos son
son generalmente
generalmente mas
mds eficientes,
eficientes, yy por lo
10 tanto
tanto menos
menos onero
sos que
sos que el
el muestreo,
muestreo, para
para una
una determinada exactitud yy precisin
precisi6n dede la predic
prediE
ci6n.
cin. Sin
Sin embargo
embargo se
se necesitan
necesitan datos
datos de
de ambos tipos, si las
ambos tipos, la s vvariaciones
ariaciones de
de -
sitio van
sitio van aa incluirse efectivamente
efectivamente enen el
el modelo.
modelo.
Los
Los efectos
efectos reales
reales de
de las
las operaciones
operaciones dede explotaci6n tambien muy difici-
explotacin son tambin difci-
les
les de
de simular
simular experimentalmente
experimentalmente yy normalmente se determinan por un programa
de muestreo,
muestreo, efectuado inmediatamente despus
despues de la
la explotacin.
explotaci6n.
221 temporales
Parcelas temporales
Las
Las parcelas
parcelas temporales se usan
temporales se usan primordialmente para la estimacin
estimaci6n de rela-
--6-
6-
221.1 Inventarios
Inventarios forestales
Los diseos
disenos de inventarios
inventarios forestales est~n orientados principalmente para
forestales estn
estimaciones confiables de las
obtener estimaciones las masas boscosas en relacin
relaci6n a
a las su-
su-
ocupan. Sin embargo,
perficies que ocupan. embargo, mucha de la informacin
informaci6n obtenida puede
ser util
til en estudios dede crecimiento
crecimiento yy rendimiento.
rendimiento.
El aspecto general
general del diseo an~lisis de inventarios forestales
diseno y anlisis est~ cu-
forestales est cu-
en el
bierto en el manual
manual de
de la
la FAO
FAD de
de inventarios
inventarios forestales.
fores,t ales.
Generalmente es ineficiente,
ineficiente, requerir
requerir mediciones
mediciones de par~metros en
de parmetros en todas
todas las
las
forestal para las predicciones de crecimiento yy ren-
parcelas del inventario forestal ren-
dimiento. seleccionar un conjunto de parcelas para mediciones
dimiento. Es preferible seleccionar mediciones
m~s detalladas.
ms detalladas.
Donde los
los anillos
anillos anuales
anuales estn
esten claramente
claramente presentes,
presentes, pueden
pueden realizarse
realizarse los
los
estudios en
en parcelas
parcelas temporales
temporales en
en lugar
lugar de
de parcelas
parcel as permanentes.
permanentes. EnEn general
general
estimacin del incremento por medio de anillos anuales es m~s
la estimaci6n ms dif1cil
difcil yy
cara que el uso de parcelas permanentes para este fin.fin. Por otra parte
parte sin
sin em
bargo, resultados mucho
bargo, se obtienen resultados m~s rpidamente.
mucho ms r~pidamente.
221. 3
221.3 Muestreo para obtener relaciones
relaciones alomtricas
alometricas
Una relacin
relaci6n alomtrica
alometrica es es la
la que
que se
se establece
establece entre dos mediciones de un r ~r
bolo Por ejemplo,
bol. ejemplo, la
la relacin
relaci6n entre
entre el di~metro de la
el dimetro la copa di~metro del
cop a y el dimetro
fuste la altura total
fuste 0o entre la total yy la
la altura
altura del
del fuste.
fuste. Las
Las relaciones
relaciones alomtri
alometri
pueden ser
cas pueden ser importantes
importantes en en algunos
algunos modelos.
modelos. Los
Los datos
datosnecesarios, menu~
necesarios,a amenull
do, no se
do, se obtienen en forma
forma utilizable de un inventario
inventario forestal,
forestal, de modo
que es deseable hacer un programa de muestreo para determinar las las relacio-
nes.
nes.
b~sica del muestreo es
La unidad bsica ~rbol individual,
es usualmente el rbol individual, pero por
conveniencia sese establecen
establecen parcelas
parcelas yy se
se miden
miden todos
todos los ~rboles de
los rboles de ellas.
elIas.
El ndmero depender~ de
numero de muestras depender de las
las relaciones
relaciones a estudiar.
estudiar. Un buen proce-
dimiento es analizar los datos a medida que se se van obteniendo y terminar el el
muestreo
muestreo una
una vez
vez que
que se
se ha
ha alcanzado
alcanzado elel grado
grado de
de precisin
precisi6n requerido.
requerido.
Una tarifa de voldmenes
volGmenes de los ~rboles es un ejemplo
los rboles ejemplo particular de una rela-rela-
ci6n alome'trica.
cin alomtrica.
221.
221.44 par~etros de las 0operaciones
ara definir los parmetros
Muestreo para eraciones de explota-
ex lota-
cin
La
La mayorfa
mayora de los modelos de prediccin
predicci6n aceptan como
como entrada
entrada (input)
(input) las es-
formales de
pecificaciones formales de las
las operaciones
operaciones de
de explotacin
explotaci6n intermedias
intermedias o c1-
0 c-
clicas.
clicas. Es posible asumir que la la operacin
operaci6n fu
fue ejecutada
ejecutada tal
tal como se
se especi-
fic6, pero tambin
fic, tambien es posible formular
formular un programa de muestreo para examinar
entre las
las relaciones entre las especificaciones
especificaciones tericas
te6ricas yy los
los resultados
resultados reales.
reales.
requerir~n informacin
Adicionalmente, muchos modelos requerirn informaci6n sobre
sobre aspectos
aspectos de
de la
la
explotaci6n
explotacin no cubiertos en las las especificaciones.
especificaciones. Por ejemplo,
ejemplo, usualmente es
conocer la
necesario conocer la distribucin di~etrica de
distribuci6n diametrica de los ~rboles removidos
los rboles removidos o la
0 la
relaci6n
relacin entre el nmero ~rboles removidos y su
nGmero de rboles sO ~rea basal.
u rea basal.
llevado a
Un muestreo llevado a cabo
cabo inmediatamente
inmediatamente despus
despues de
de la
la explotacin
explotaci6n puede
puede
proveer informacin
informaci6n enen estos
estos aspectos.
aspectos . Alternativamente,
Alternativamente, pueden
pueden establecerse
establecerse
semipermanentes que
parcelas semipermanentes que se
se miden
miden antes
antes yy despus
despues de
de las
las operaciones
operaciones dede
-7-
explotacion
explotacin para obtener informacin
informacion precisa
precisa de
de los
los rboles
arboles removidos.
removidos.
Una caracterstica
caracteristica general de estos
estes estudios es la llsar parcelas
la necesidad de usar
mayores
mayores que para otro tipo de estudios.
estudios. Dimensiones tpicas
tfpicas podran
podrfan ser:
ser:
Esto
Esto es
es debido a
a que las
las operaciones
operac iones de explotacin
explotacion tienden a producir efec-
efec-
tos
tos rouy
muy heterogeneos asociadas con
heterogneos asociados con los
los caminos
eaminos de
de extracin
extracion yy las
las 'reas
areas de
de
carga.
En
En bosques
bosques mixtos tropicales,
tropicales, o tipo de bosques no
0 en cualquier otro tipo caeta-
no coet-
neas,
neos, 0o en
en bosques uniformes
uniforrnes que se par germinacin
5e regeneran por gerrninacion directa, las las
es timaciones de la regeneracin
estimaciones regeneraci6n pueden ser una parte importante
irnportante de los los mode-
los
los de
de prediccion rendimienta.
prediccin del rendimiento.
Las parcelas
Las parcelas de rnuestreo
muestreo de la regeneracin
regeneraci6n son pequeas.
pequefias. Pueden ser ser subpar-
subpar-
celas
celas dentro
dentro de las parcelas de inventarios
inventarios forestales
forestales convencionales
convencionales o pue-
0 pue-
den basarse
basarse en un diseno
diseo de muestreo deferente,
deferente, que se 5e lleva
lleva a cabo
cabo dede 33 aa
55 anos
aos despues
despus de
de lala explatacion.
explotacin. Tfpicamente las parcelas se dividen en cua
Tpicamente las
drados: cuadrado se
drados: en cada cuadrado se observa
observa la
la presencia
presencia o0 ausencia
ausencia de de las especies~
las especies:-
Puede
Puede efectuarse tambin
tambien un conteo
con teo de rboles
arboles sobre
sobre unun cierto
cierto dimetro
diametro o0 al-
al-
tura,
tura, pero
pero usualmente con esto no se aade
anade mucho a lala utilidad
utilidad de la la informa
informa
cion.
cin. Tamanos tfpicas de estas parcelas son
Tamaos tpicos son 0.01 (10
(10 xx 10
10 m)
m) 0 0.04 ha ha (20
(20 Tc x
20
20 m),
m), subdivididas segn
segun el caso
caso en
en cuadrados
cuadrados de m2 0 de
de 11 m2 m2 .
de 44 m2.
222 Parcelas de
de muestreo
muestreo permanentes
permanentes (PM?)
(PMP)
definir el
No es posible definir el nmero
nlimero de
de PMP
PMP requeridas
requeridas desde
desde unun punto
punt o de
de vista
vista pu-
pu -
ramente estadstico. La precisin
ramente estadfstico. precision de de un
un modelo, ajustado
ajustado aa datos
datos de
de PMP,depen
PMP , depen
dera lacalizacion de las
der de la localizacin las parcelas,
parcelas, dede lala duracin
duracion dede las
las mediciones
mediciones pos pas
teriores, as
tenores, as! como
como de
de las
las covarianzas
covarianzas dede las
l as diferentes
diferentes variables
variables predictoras
predictoras
yy coeficientes en en el
el modelo
modele ajustado.
ajustado.
La
La experiencia sugiere sin sin embargo,
embargo, que
que aproximadamente
aproximadamente 100 100 parcelas
parcelas que
que cu-
cu-
las variaciones de
bran las de sitio
sitia yy el
el desarrollo
desarrollo histrico
historico del
del rodal
rodal pueden
pueden serser
suficientes
sufi cie ntes en un determinado tipo tipo de
de bosque
bosque o0 enen una
una plantacin,
plantaci6n, aa menos
menos queque
haya evidencia de de diferentes
diferentes patrones
patrones de
de crecimiento
crecimiento sobre
s obre una
una parte
parte de
de lala zo
zo
na de estudio.
estudio.
sitios pobres
sitios promedios
sitios buenos
yen:
y en:
- rodales de
de densidad promedio
- rodales muy densos
yen:
y en:
- rodales jvenes
j6venes o recientemente explotados
0 recientemente explotados
- rodales a
a mitad del ciclo
cicIo o
0 turno de corta
- rodales a la
la edad de
de rotacin
rotaci6n o0 al
al fin
fin del
del ciclo
cicIo de
de corta.
corta.
22 .3
22.3 Tamano
Tamao de las PMP
En general el
el tamao
tamano de
de las
las parcelas
parcelas de de muestreo
muestreo permanente
permanente est
esta determina-
do por el
el tipo
tipo de
de bosque,
bosque, lala homogeneidad
homogeneidad de de la
la masa
masa forestal
forestal yy la
la distribu-
distribu-
cin
ci6n de
de las
las especies.
especies.
En bosques mixtos tropicales,
tropicales, un un tamao
tamano de
de 11 ha
ha es
es usualmente
usualmente apropiado.Pue-
apropiado.Pue-
de ser conveniente dividir la
convenien~e dividir la parcela
parcela en 100 cuadrados
en 100 cuadrados de 10 xx 10
de 10 10 m.
m. En
En bos-
bos-
ques uniformes sese usan
usan normalmente
normalmente parcelas
parcelas de
de unas 0.05 ha.
unas 0.05 ha.
Estas cifras
cifras pueden
pueden sufrir
sufrircjran.5ei?
g:;-:-anaer3 variaciones
variaciones par
por diversas
diversas circunstancias.
circunstancias.
Para experimentos
experimentos son
son ms C01"une~ parcelas
mas comune:J parcelas de
de mayor
mayor tamano.
tamao. La siguiente ta-
bla suministra algunas indicacio~es al
algunas indicaciones al respecto,
respecto, aunque
aunque las
las cifras
cifras indicadas
indicadas
no deben ser
ser tomadas
tomadas muy
muy rgidamente:
rlgidamente:
Tamao
Tamano de las parcelas permanentes
permanentes
(excluyendo
Experimentos (excluyendo 11 -- 5 ha 0.08 -- 0.12 ha
ha
aislamiento)
**Como contraposicin
contraposici6n a operaciones simuladas,
simuladas, las
las cuales
cuales se
se clasifican
clasifican en
en
la categoria
la de experimentos.
categora de experimentos.
las parcelas
Generalmente las parcelas de
de muestreo
muestreo permanentes
permanentes pueden
pueden ser
ser rectangulares
rectangulares o0
circulares. En
circulares. En inventarios
inventarios sese han
han utilizados
utilizados otras
otras formas,
formas, por
por ejemplo
ejemplo cruces
cruces
y conglomerados de
y de parcelas
parcelas circulares,
circulares, que
que tienen
tienen ventajas
ventajas especificas
especlficas para
para
-9-
La frecuencia
frecuencia de las mediciones de las depender~ de la
las PMP depender la tasa de crecimien
to de los
to de los arboles.
rboles. En las parcelas nuevas es provechoso efectuar la la segunda
segunda-
medici6n despus
medicin despus de un un lapso
lapso de
de tiempo m~s corto
tiempo ms corto que
que el
el normal,
normal, con
con el
el fin
fin
de utilizar
de 10 mas
utilizar lo r~pidamente posible los
ms rpidamente los datos de crecimiento que suminis
tren.
11neas generales puede decirse que
En lineas que mientras mayor
mayor sea
sea el
el lapso
lapso entre
entre las
las
mediciones con mayor precisin podr~ determinarse
precisi6n podr determinarse el
el incremento
incremento dede los ~rbo
los rbo-
les.
les
organizaci6n responsable
En una organizacin responsable de
de un
un gran
gran n5mero
nUmero de
de PMP
PMP es
es una
una buena
buena idea
idea
alternar
alternar las quiz~s slamente
las mediciones de manera que quizs s61amente un tercio
terci o de las
las par-
se midan
celas se midan en
en un
un ario
ano cualqiera.
cualqiera.
A
A continuacin
continuacion se se indican
indican intervalos
intervalos aproximados
aproximados entre
entre dos
dos mediciones
mediciones sucesi
sucesi
v as:
vas:
jovenes en los
Plantaciones jovenes los trpicos
tr6picos 1
1
La poca
poca de las mediciones debe tomar
tomar en
en cuenta
cuenta los
los efectos
efectos estacionales.
estacionales. Si Si
estaci6n de crecimeinto definida,
existe una estacin definida, las
las mediciones
mediciones deben
deben efectuarse
efectuarse
despus de
despus estaci6n. En cualquier
de dicha estacin. cualquier caso,
caso, una
una parcela
parcela determinada
determinada debe
debe
medirse siempre
siernpre en el
e1 mismo mes,
mes, cuando
cuando las
las mediciones
rnediciones son
son anuales,
anuales, para
para per
per
mitir
mitir ccomparaciones
o mparaciones y estimaciones de crecimiento
crecimiento anuales.
anuales . Con
Con lapsos
lapsos mayo--
mayo--
res yy climas menos estacionales, la
res la poca
poca de
de medicin
medici6n es
es meros
me no s critica.
crftica.
En algunos casos la poca
poca de medicin
medici6n puede
puede estar
estar restringida
restring ida por
por considera-
considera-
ciones de
ciones de accesibilidad o 0 posibilidad de
de trabajar
trabajar slo
solo en
en determinadas
determinadas fe-fe-
chas.
Estrictamente hablando,
hablando, el muestreo con
con reemplazamiento
reemplazarniento parcial
parcial es
es un
un diseo
diseno
de
de inventario donde se utilizan parcelas
parcelas semipermanentes
semipermanentes para
para complementar
complementar
informaci6n de las parcelas temporales.
la informacin temporales. Sin
Sin embargo,
embargo, el
el mismo
mismo contexto
contexto ge
ge
neral puede aplicarse a
neral a las parcelas de
de muestreo
muestreo permanente.
permanente. -
-10-
m~s veces
Mientras ms veces se
se mida una
una PMP, ser~ la
PMP, menor ser la informacin
informaci6n que suministra
suministra
r~, comparada con las
ra, las mediciones previas,
previas, aa menos que se es~
se encuentre en un es-
trato de densidad-edad-sitio de un un rodal
rodal que
que no
no haya
haya sido
sido suficientemente
suficientemente
muestreado. bosques con
muestreado. Para bosques con edades
edades uniformes
uniformes surgen
surgen dos estrategias b~sicas
estrategias bsicas
en relacin
de muestreo en relaci6n aa las
las PMP:
PMP:
se presenta
En bosques mixtos se presenta una
una situacin an~loga, excepto
situaci6n anloga, excepto que
que en
en lugar
lugar de
de
la
la edad, nGmero de aos
edad, se toma el nmero anos transcurridos desde la
la ltima
ultima operacin
operaci6n
de extraccin.
extracci6n.
23 EXPERlMENTALES
DISE~OS EXPERIMENTALES
DISEOS
experimentos son
Los experimentos son la
la fuente
fuente dede datos m~s eficiente
datos ms eficiente yy til
util para
para la
la cons-
cons-
trucci6n de modelos de crecimiento y
truccin y rendimiento.
rendimiento. SinSin embargo,
embargo, lala utilidad
utilidad
de muchos experimentos llevados
llevados a cabo
cabo en
en investigaciones
investigaciones forestales est~ li
forestales est li
falta de
mitada por falta de una
una clara
clara representaci6n
representacin del modelo matem~tico
del modele matemtico quequevava a-
a
comprobar el experimento.
experimento.
Los estudios dede crecimiento
crecimiento yy rendimiento
rendimiento no
no tratan
tratan fundamentalmente
fundamentalmente con con la
la
determinaci6n significativas entre
determinacin de diferencias significativas entre tratamientos,
tratamientos, sino
sino con
con la
la
construcci6n respuesta. Por
construccin de superficies de respuesta. Por esto,
esto, es
es un
un error
error comn,
comun, asu-
asu-
los experimentos
mir que los experimentos forestales
forestales de
de larga
larga duracin
duraci6n puedan
puedan proveer
proveer solu-
solu-
ciones tiles
utiles aa problemas originados por por causas
causas econmicas
econ6micas actuales.
actuales .
Casi
Casi siempre ocurre que cuando el experimento
experimento comienza
comienza aa suministrar
suministrar infor-
infor-
maci6n til,
macin util, las
las condiciones
condiciones econmicas
econ6micas han
han cambiado
cambiado dede tal
tal manera,
manera, que
que los
los
son irrelevantes.
resultados son irrelevantes.
soluci6n de este
La solucin este problema
problema eses concebir
concebir el
el experimento
experimento concon intencin
intenci6n dede de
de
finir principios generales a travs
finir traves de modelos matem~ticos, ms
modelos matemticos, m~s bien
bien que cal
que con
el fin de seleccionar el 'mejor'
el fin 'mejor' de una
una serie
serie de
de tratamientos.
tratamientos.
Similarmente, par~metros a medir nunca
Similarmente, los parmetros nunca deben
deben definirse
definirse en en trminos
terminos econ
econ6
micos, sino siempre
micos, sino siempre en t~rminos silviculturales
en trminos silviculturales o0 ecolgicos.
eco16gicos. -
Los experimentos de de poca
poca duracin
duraci6n que
que se
se definen
definen enen trminos
terminos de par~metros
de parmetros
econ6micos conocer el
econmicos son necesarios para conocer el costo
costo dede los
los tratamientos
tratamientos silvicul
silvicul
turales y lala determinacin
determinaci6n deldel rendimiento
rendimiento utilizable,
utilizable, enenrelacin
relaci6na amtodo-s-
metodos
especfficos
especficos de explotacin,
explotaci6n, pero estas
estas materias est~n fuera
materias estn fuera del
del alcance
alcance del
del
presente manual.
presente manual.
LOS principales diseos
Los disenos experimentales
experimentales queque son
son relevantes
relevantes para
para las
las investiga
investiga
ciones -de
de crecimiento y rendimiento pueden dividirse en aleatoriosaleatorios yy sistema
sisterj
ticos. Los primeros pueden
ticos. pueden estar
estar sujetos
sujetos al an~lisis de
al anlisis de varianza
varianza convencio-
convencio--
nal, mientras que los
nal, los ltimos
ultimos sonson normalmente
normalmente satisfactorios
satisfactorios cuando
cuando lala regre
regre
si6n
Sin es el principal mtodo an~lisis y
me to do de anlisis y pueden
pueden ser m~s econmicos
ser ms econ6micos en en su
su -
ejecuci6n
ejecucin que los diseos
disenos aleatorios. LosLos diseos
disenos aleatorios
aleatorios tambin
tambien pueden
pueden
por regresin,
analizarse por regresi6n, yy por
por lo
10 tanto,
tanto, preferirse
preferirse problamente
problamente en en todos
todos
los
los casos, los experimentos de
casos, excepto en los de espaciamientos
espaciamientos en en plantaciones.
plantaciones.
caracterfstica de
La principal caracterstica de los
los diseos
disenos aleatorios
aleatorios es
es la
la asignacin
asignaci6n de
de
los a las parcelas
los tratamientos a parce l as del experimento
experimento por
por algn
algun proceso
proceso aleatorio,
aleatorio,
-11-
una tabla
usualmente una tabla de
de nmeros
nUmeros aleatorios.
aleatorios.
otra caracterstica
Otra caracteristica es
es el
el principio
principio de replicacin.
replicaci6n. Cualquier
Cualquier tratamiento
tratamiento de
de
be minimo dos
be replicarse como mnimo dos veces,
veces, enen dos
dos parcelas
parcelas diferentes.
diferentes. -
caracteristicas son
Estas dos caractersticas son el
el comn
comun denominador de unauna amplia
amplia diversidad
diversidad
disenos experimentales que, incluyen
de diseos incluyen experimentos irrestrictamente
irrestrictamente aleato
aleat
rios, l'atices,
rios, latices, cuadrados
cuadrados latinos,
latinos, bloques
bloques incompletos, parcelas divididas.
incompletos, parcelas divididas.
mas comunes,
Los libros de textos ms comunes, tales
tales como
como Snedecor
Snedecor (ver
(ver bibliografa),
bibliografia), cu
cu
analisis y el uso
bren el anlisis uso apropiado
apropiado de tales
tales diseos.
disenos. Dawkins,
Dawkins, en
en su
su bien
bien co
ce-)
nocido
nocido libro de formatos,
formatos, suministra planillas para el clculo calculo de muchos de
estos diseos.
disenos.
En estudio de crecimiento yy rendimiento
rendimiento probablemente
probablemente slo
s610 dos
dos diseos
disenos alea-
alea-
torios comunmente apropiados:
torios son comnmente apropiados: loslos bloques aleatorios y los los experimentos
factoriales
en bloques
231.1 Experimentos en bloques aleatorios
aleatorios
La
La estructura de un experimento tpico
tipico en bloques aleatorios completos,
completos, se
se
ilustra aa continuacin:
continuaci6n:
ba t4
63 t, I -t,
LOs tratamientos,
Los tratamientos, de loslos cuales puede
puede haber
haber cualquier
cualquier nmero
nUmero (como
(como mnimo
minimo
2),
2), se
se designan
designan como
como t1' t2' etc.
tl, t2, etc . Se agrupan en bloques denominados bl, bl, b2,
b2'
etc. numero de
etc. Puede haber cualquier nmero de bloques.
bloques. Cada
Cada bloque
bloque contiene
contiene una rpl~
una rpli
cada tratamiento.
ca de cada tratamiento.
estan dispuestos de
Los bloques estn de tal
tal manera, queque las
las variaciones
variaciones de de sitio
sitio o0
de condiciones forestales,
forestales, son
son pequeas
pequenas dentro
dentro dede los
los mismos,comparadas
mismos,comparadas concon
las
las variaciones entre
entre ellos.
ellos.
Las
Las parcelas
parcelas dede un bloque no necesariamente tienentienen que seradyacente
seradyacente fisica-
fsica-
mente , como se
mente, se muestra arriba,
arriba, pero
pero usualmente
usualmente deben
deben estar
estar relativamente
relativamente cer
cer
canas comparado con la la distancia
distancia entre
entre los
los bloques.
bloques.
Los tratamientos se se asignan aa cada
cada parcela
parcel a dentro
dentro dede un
un bloque
bloque usando
usando una
una ta
ta
nUmeros aleatorios.
bla de nmeros aleatorios.
aleatori o incompleto
Un bloque aleatorio incompleto surge
surge cuando
cuando uno
uno o0 ms
mas tratamientos
tratamientos nono se
se re-
re-
uno o
plican en uno 0 ms
mas bloques.
bl oques. Esto
Esto puede
puede ser
ser un
un aspecto
aspecto deliberado
deliberado del
del dise-
dise-
no,
o, especialmente
especialmente cuando hay un gran nmeronumero de tratamientos,
tratamientos, o0 puede
puede ser
ser el
el
resultado dede la
la perdida
prdida de una o 0 ms
mas parcelas porpor accidentes.
accidentes. El El anlisis
analisis dede
varianza de un experimento de de bloques
bloques aleatorios
aleatorios incompletos
incompletos eses ms
mas complejo
complejo
completos, pero
que en el caso de bloques completos, pero en
en lo
10 relativo
relativo aa estudios
estudios de
de regre
regre
si6n, diferencia entre
si6n, no existe una gran diferencia entre ambos.
ambos. -
crecimiento yy rendimiento,
En los experimentos de crecimiento rendimiento, los los bloques
bloques aleatorios
aleatorios son
son
situac i ones donde los
adecuados para situaciones los tratamientos
tratamientos no no forman
forman un
un continuo
continuo di-
di-
mensional claramente definido. Por Por ejemplo,
ejemplo, sisi los
los tratamientos
tratamientos comprenden
comprenden
espaciamientos iniciales en en una
una plantacin,
p lantaci6n, estos
estos pueden
pueden variarse
variarse continua-
continua-
mente en cuyo caso los diseos factoriales o0 clinales
disenos factoriales clinales sonson ms
mas apropiados.
apropiados. PePe
ro
ro si
si los tratamientos son especificaciones de tratamientos
los tratamientos tratamientos de de explotacin
explotaci6n -
hUmedos expresados en
en bosques hmedos en funcin
funci6n de
de grupos
grupos dede especies
especies yy diferentes
diferentes
llmites
lmites dede corta
corta para
para diferentes grupos,
grupos, entonces
entoncesno esta claro
no est claro la
la continui
continui
los tratamientos
dad entre los tratamientos yy no pueden
pueden usarse
usarse disenos factoriales 0o clinales.
diseos factoriales clinals.
En este caso,
caso, un diseo
diseno de bloques
bloques aleatorios
aleatorios es es ms
mas apropiado.
apropiado.
-12-
-12--
Los factoriales se
Los experimentos factoriales se utilizan en situaciones donde el el tratamiento
tratamiento
consiste de dos o0 ms
consiste mas factores
facto res interactuantes.
interactuantes. Por
Por ejemplo,
ejemplo, en un experimen-
to
to de
de clareo
clareo de
de una plantaci6n,
plantacin, uno de los factores
factores puede representar la
representar la
edad yy el
edad el otro la intensidad del del clareo como dos separados.
dos factores separados.
Cada nivel de un factor
factor se
se combina concon cada
cada nivel
nivel de cada
cada uno
uno de los
los otros
factores, as! si
factores, as si hay
hay tres
tres niveles
niveles de
de un
un factor
factor yy dos niveles de unun segundo
segundo
factor,
factor, habra
habr en total
total seis
seis tratamientos.
tratamientos.
Todos
Todos los tratamientos deben ser ser replicados alal menos dos veces.
veces. Es eficiente
eficiente
agrupar las replicaciones en bloques,
bloques, pues ello
ella permite tener
tener en
en cuenta
cuenta lala
variaci6n bloques.
variacin entre bloques.
Los
Los tratamientos cualitativos,
cualitativos, tales comocomo por ejemplo, poda
pod a o no poda,
0 no poda, pue-
den inclu!dos en
den ser incluidos en un experimento factorial,
factorial, como
como un tratamiento
tratamiento con
con dos
niveles: presencia o0 ausencia.
niveles: presencia ausencia.
Los
Los experimentos factoriales
factoriales sonson muy apropiados
apropiados para estudios
estudios en
en bosques
bosques uni
uni
formes,
formes, que
que abarquen epoca
poca ee intensidad de clareos,
clareos, espaciamiento inicial,
inicial, -
podas,
podas, usa
uso de fertilizantes y control de maleza.
maleza. Existe ms
mas dificultad para
aplicarlos
aplicarlos extensivamente en bosques mixtos a causa de la la compleja
compleja naturale-
naturale-
za
za de
de la definici6n
definicin dede los
los tratamientos
tratamientos yy de
de sus
sus efectos.
efectos.
232
232 Disenos sistematicos
Diseos sistemticos
Los disenos sistemticos
Los diseos sistematicos son
son aquellos,
aquellos, en
en los
los cuales
cuales la asignac~on de
la asignacin de los
los
tratamientos
tratamientos no aleatorio, sino consencuencia de algdn
no es aleatorio, algun esquema, para eco-
eco -
nomizar
nomizar enen el tamano yy costo del experimento.
el tamao experimento . Los
Lo s experimentos
experimentos sistemticos
sistematicos
no
no pueden
pueden ser analizados
analizados por anlisis
analisis de varianza,
varian za, pero son
son muy eficiente
eficiente
como
como medios para proveer datos en en la
la estimacin
estimaci6n dede los
los parmetros
parametros de
de regre-
regre-
si6n.
sin.
La
La aplicaci6n
aplicacin principal de de los
los diseos
disenos sistemticos
sistematicos sese orienta
orienta hacia
hacia experi-
experi-
mentos de espaciamiento en en bosques
bosques uniformes.
uniformes. En
En aquellas
aquellas situacines
situaciones donde
donde
hayan algunas dudas sobre
sobre los
los resultados
resultados del
del experimento,
experimento, por
por ejemplo
ejemplo en
en ex-
ex-
p erimentos de fertilizacin
perimentos fertilizaci6n debe usarse
usarse un
un diseo
diseno aleatorio.
aleatorio.
En los experimentos de de espaciamiento
espaciamiento existen
existen dos
dos enfoques
enfoques bsicos
basicos de
de dise-
dise-
nos
os..
232 . 1
232.1 Experimentos de rboles
arboles individuales
individuales
diseno de espaciamiento
En el diseo espaciamiento sistemtico
sistematico dede rboles
arboles individuales,
individuales, el
el espa-
espa-
ciamiento entre cada rbol
arbol vara
var{a en
en una
una forma
forma continua.
cont!nua. Un
Un ejemplo
ejemplo muy
muy cono
co no
de Nelder,
cido es el abanico de Nelder, en
en el
el cual
cual los
los rboles
arboles se
se plantan
plantan en
en los
los ra-
ra-
dios que salen de un
un punto
punto central,
central, incrementndose
incrementandose lala distancia
distancia entre
entre rbo
arbo
les
les aa 10 la misma proporcin
lo largo de los radios en la proporcion que
que la
la distancia
distancia entre
entre-
los
los radios.
radios. La apariencia general se
se ilustra
ilustra aa continuacin:
continuaci6n :
':13-
aban~cos de Nelder
Los abanicos NeIder son
son algo
algo difciles
dif!ciles de planificar yy ejecutar
ejecutar en
en el
el cam
cam
po, pero es posible sustituirlos
Po, sustituirlos por algunos
algunos diseos
disefios rectangulares
rectangulares igualmen-
igualmen=
I iI
te
te efectivos.
efectivos. En
En el diagrama siguiente se muestra un disefio
diseo en el cual el es
paciamiento entre arboles
rboles sese incrementa
incrementa en
en medio metro para cada
cada grbol,
rbol, tan-
tan=
to
to en
en direcci6n como en
direccin vertical como en la
la horizontal
horizontal
Tfr_ r_______,
r---r--,---....---- -r- --- ....,
__ __
I
:_
I
!...-~----1
I I
1____________
_____
1I_____I_____
I I
i
I
I I
i
--!I
I
~
1
I I :
:1 : Ii
1
II I I
i I I i
I
I
I I
1 rI II I
I II
I It II I II I;
.---,----
I
I
--- .... -------------.--------.
I
I
II
:
--..
i i i
I I
1
Ii
I
I
Ir
II
1
II
I
I
1
II
I I
Ii
I
I I
i
: I I I I
1
r I
I
-
I I , t I I I
4 .
II II1
,
II
I
I I
I o
I
I
II I
I
I I
I
I
I
1
I
I
'I
o
I
JI
II
II I
I
Ii
I iI Ii I I II
I I
1 I I I I
~-!
I
1
-1 -- - - -!------!----- -1--
1 - - - ---.~
-i
Zonq
;tonQ dol.
Q(slawytie-,;To
ct (56,1/l'en-ro
t5
AiMi
ti t3 t
V0
Itit
I
1
1
1
I
i / Pov-c.al s ci <2.
1rcrl-co
f
E
...o
;44:1-iS
tz t3 t4 t5 E
E
../ ti 16
-A
r fE
o
cq
"
-14-
los experimentos
Para los experimentos de de espaciamiento,
espaciamiento, usualmente
usualmente eses deseable tener
tener de
de 55 aa
tratamientos. El espaciamiento m~s
8 tratamientos. ms cercano debe ser de 2 x 2 m 2.5 x
m 6 de 2.5
2.5 m,
2.5 m, dependiendo si si son especies de copa reducida (por (por ejemplo,
ejemplo, eucaliptos
pinos) o
o pinos) de copa
0 de copa ancha
ancha (por
(por ejemplo,
ejemplo, Gmelina
Gmelina arborea).
arborea). ElEl espaciamiento
espaciamiento marna
ser~ de
yor ser de 77 xx 77 m
m 66 de
de 88 xx 88 m.
m. Es
Es muy importante
importante incorporar
incorporar siempre
siempre estos
estos
dos extremos, como
dos tratamientos extremos, como se
se seala
senala en
en la
la seccin
secci6n 21.
21.
las parcelas
Los datos de las parcelas clinales
clinales pueden
pueden combinarse
combinarse sin
sin dificultad
dificultad con
con da-
da-
tos
tos de
de otras parcelas. parcel as en s
parcelas. Las parcelas sf mismas, son menos sensitivas a la
mismas, son la
prdida ~rboles individuales
perdida de rboles individuales queque los
los experimentos
experimentos de ~rboles individua-
de rboles individua-
les.
24 DE EXPERIMENTOS
EJEMPLOS DE EXPERIMENTOS DE
DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO
literalmente una
Existe literalmente una infinita
infinita variedad
variedad de
de maneras
maneras de
de disear
disenar yy ejecutar
ejecutar
experimentos que provean datos para predicciones de crecimiento y rendimie-
to.
to. El
El prop6sito
propsito principal de esta seccin,
secci6n, es presentar ejemplos sintetiza-
sintetiza-
dos
dos de los tipos m~s comunes
tipos ms comunes de
de experimentos,
experimentos, con
con alguna
alguna discusin
discusi6n de
de su
su uti
uti
lidad
lidad yy de
de los problemas especiales que surgen en su su ejecucin an~l isis. -
ejecuci6n y anlisis.
Existe una divergencia de tcnicas,
tecnicas, entre
entre los
los mtodos
metodos para
para bosques
bosques uniformes
uniformes
coet~neos y los
coetneos los mtodos
metodos para bosques
bosques mixtos.
241.1 de espaciamiento
Experimentos de espaciamiento
Los
Los experimentos de espaciamiento pueden
pueden catalogarse
catalogarse como
como experimentos
experimentos de de
~rboles clinales. Las
rboles individuales 6 como parcelas clinales. Las ltimas
ultimas son
son probablemente
probablemente
un
un tipo
tipo de experimentacin m~s til.
experimentaci6n ms util. Pueden
Pueden usarse
usarse entre
entre 55 yy 88 espaciamien-
espaciamien-
tos diferentes.
mejor, clarear
Es mejor, clarear las
las parcelas
parcelas aa su
su espaciaciamiento
espaciaciamiento final
final enen el
el segundo
segundo 66
tercer ario
ana de
de crecimiento
crecimiento que
que plantar
plantar directamente
directamente alal espaciamiento final.Es
espaciamiento final.Es
te
te ultimo sensitivo aa la
ltimo enfoque es demasiado sensitivo la baja
baja sobrevivencia
sobreviv encia que
que sigue
sigue -
a la plantaci6n.
plantacin. Cuando se efect~a el
se efecta el clareo
clareo al
al espaciamiento
espaciamiento final,
final, ste
este
debe
debe ser un clareo no selectivo
selectivo para lograr
lograr elel espaciamiento
espaciamiento deseado,
deseado, no
no un
un
clareo bajo 66 de
de copas.
copas.
Un experimento dede espaciamiento
espaciamiento debe continuarse durante todo todo elel turno
turno nor-
nor-
rotaci6n de
mal de rotacin de la
la cosecha.
cosecha. Una
Una vez
vez establecido,
establecido, nono debe
debe clarearse
clarearse ms.
mas.
f~cil analizar
Es muy fcil analizar los
los datos
datos dede los
los experimentos
experimentos dede espaciamiento
espaciamiento para
para
un modelo
que provean un modele flexible
flexible de
de crecimiento
crecimiento dede las
las especies
especies enen cuestin.
cuesti6n.
Los detalles sese discuten
discuten en la la seccin
secci6n 55 de
de este
este manual.
manual.
experimento de
En un experimento de clareo
clareo para
para un ~rea basal
un 'rea basal constante, se
constante, las parcelas se
sistem~tica
ubican sistemtica o
0 aleatoriamente, y y se
se permite
permite el
el crecimiento
crecimiento hasta
hasta que
que
cada ~rea basal
cada parcela alcance el rea basal designada.
designada. Entonces
Entonces se
se clarean
clarean cada
cada ao
ano o0
cada dos arios
anos para
para mantener el ~rea
mantener el rea basal
basal al
al nivel
nivel designado parc~
designado para cada parce
lao
la.
-15-
241.3 de clareos
Experimentos de clareos usando
usando tratamientos
tratamientos de clareos
clareos graduales
graduales
Un tratamiento de clareo en
en un
un bosque
bosque uniforme,
uniforme, puede
puede dividirse
dividirse en
en un
un nmero
numero
de componentes, tales
tales como:
como:
espaciamiento inicial
inicial
tiempo clareo
tiempo transcurrido entre cada clareo
Tambien son posibles otras variaciones,
Tambin variaciones, como
como por
por ejemplo
ejemplo el
el rea
area basal
basal al
al
primer clareo
clareo yy en los clareos subsiguientes,
subsigu ientes , o el uso
0 el uso de
de la
la altura
altura en
en lu-
lu-
gar de la
la edad.
edad.
Cuando el experimento se se disea
disena de
de esta
esta manera
manera puede
puede ser
ser considerado
considerado como
como un
un
experimento factorial, asignndose
experimento factorial, asignandose un
un nmero
numero de
de niveles
niveles aa cada
cada componente
componente
clareo.
del clareo.
El resultado puede serser un
un experimento
experimento muy
muy grande,
grande, con
con un
un considerable
considerable nmero
namero
de
de parcelas
parcelas de tratamiento, pero en
de tratamiento, en el
el anlisis
analisis eses posible
posible separar
separar los
los dife-
dife-
rentes
rentes efectos
efectos de edad del clareo, de de la
la intensidad
intensidad deldel mismo,
mismo, etc.Obviamen-
etc.Obviamen-
te
te el
el elevado
elevado namero significa que
nmero de tratamientos significa que sese requiere
requiere una
una adminis-
adminis-
traci6n
tracin muy
muy cUidadosa,
cuidadosa, mientras queque la
la naturaleza
naturaleza factorial
factorial del
del experimento,
experimento,
-16-
ser destruida
puede ser destru!da fcilmente
f&cilmente por
por causas
causas accidentales,
accidentales, tales
tales como
como fuego
fuego o0
brote infeccioso.
un brote infeccioso.
242 Bosques mixtos
La principal funcin
funci6n de
de los
los experimentos
experimentos enen bosques
bosques mixtos eses provocar
provocar un
un
de perturbacin
grado controlado de perturbaci6n enen el
el bosque,
bosque, de
de modo que
que finalmente
finalmente pueda
pueda
relacione el
ajustarse un modelo que relacione el incremento
incremento dede los
los rboles
&rboles con
con los
los dife-
dife-
par&metros del rodal,
rentes parmetros rodal, al
al cual
cual se
se le
le est
est& aplicando
aplicando el
el tratamiento.
tratamiento.
Un problema muy com5n
comun con
con los
los experimentos
experimentos enen bosques
bosques mixtos radica
radica en
en que
que
los
los tratamientos se especifican en trminos
t~rminos irrelevantes a a los parmetros
par&metros
principales del rodal
rodal que controla
control a el crecimiento.
crecimiento . Esto
Esto se
se discute
discute con
con mayor
profundiad y con numerosos ejemplos
ejemplos en Synott (ver
(ver bibliograf!a).
bibliografia). Sin embar
go,
go, un caso tpico
t!pico puede implicar
implicar la
la definicin
definici6n dede cuatro
cuatro tratamientos,
tratamientos, como
como
ejemplo:
por ejemplo:
2 -- 1, pero envenenando o
Como en 1, 0 anillando todas
todas las
las especies no
no co-
co-
merciales de
de ms
m&s de
de 30
30 cm.
cm .
3 -- en 2,
Como en 2, pero
pero eliminando
eliminando todos
todos los
los rboles
&rboles no
no comerciales
comerciales mayo-
mayo-
10 cm.
res de 10 cm.
4 -- 3, pero
Como en 3, pero extrayendo
extrayendo las
la s especies
especies comerciales
comerciales mayores
mayores de
de 20
20
cm.
cm.
242.1 Diseno
Diseo de blogues
bloques aleatorios
en los
Se sugiere que en los experimentos
experimentos en
en bosque
bosque mixtos
mixtos se
se adopte
adopte siempre
siempre un
un di-
di-
sene aleatorio,
seo replicaci6n . Las
aleatorio, con replicacin. r~plicas deben
Las rplicas deben estar
estar en
en bloques
bloques de
de
acuerdo
acuerdo aa los patrones de distribucin
distribuci6n de sitios yv especies,
de sitios as! como tam-
especies, asi tam-
bien a las explotaciones pasadas.
bin pasadas. Las rplicas
replicas dentro de loslos bloques
bloques deben
deben
ser 10
lo m&s posible. Esto implica
ms uniforme posible. implica un
un estudio
estudio preliminar
preliminar muy
muy cuidado-
cuidado-
so
so del &rea de experimentacin.
del rea experimentaci6n.
242.2 Definici6n de tratamiento
Definicin tratamiento
definirse en funcin
tra~amientos deben definirse
Los tratamientos funci6n del rea
&rea basal total
total a
a dejar
dejar en
en
pie, despu~s de la explotacin
pie, despus explotaci6n y/o envenenamiento,
envenenamiento, referida a
a los rboles
&rbo les con
con
di~metros superiores
digmetros superiores aa 10
10 cm.
ern.
Los tratamientos pueden definirse de otraotra manera,
manera, pero siempre
siempre en funcin
funci6n de
de
la
la masa
masa que
que va
va aa permanecer y no del material
material aa ser remouido yy deben ser in-
dependientes de
dependientes de consideraciones
consideraciones econmicas.
econ6micas.
adopt ados, deben incluir
Los tratamientos adoptados, incluir siempre
siempre dos extremos,
extremos, uno el
el de
de un
un
rodal no alterado,
rodal alterado, y el
el otro un tratamiento
tratamiento extremadamente
extremadarnente severo, quiz~s re
severo, quizgs re
todo el
moviendo todo el material
material sobre
sobre 10
10 cm
cm de di~etro.
de digmetro.
311
311 Ubicaci6n
Ubicacin
permanentes necesitan
Las parcelas de muestreo permanentes necesitan localizarse
localizarse con
con exactitud
exactitud en
los
los mapas forestales y determinar su posicin
posici6n precisa en el bosque con el el
brujula y cinta.
uso de brjula cinta. Adems,
Adem.s, es til
util dejar
dejar hitos
hitos de referencia
referencia .de
de piedra
en los
o de concreto en los caminos
caminos forestales
forestales cercanos,
cercano.s , mostrando la
la distancia y
la parcela.
rumbo a la parcela .
Las parcelas temporales taIDbi~n necesitan
temporales tambin necesitan ser
ser localizadas
iocalizadas en
en los
los mapas de
trabajo, pero el grado
trabajo, grado dede precisin
precisi6n requerido
requerido usualmente
usualmente es
es menor.
menor.
disefio relacionados
Los principios del diseo J;"elacionados con
con la
la ubicacin
tibicaci6n de parcelas
parcelas. se
se dis-
en la
cute en la seccin
secci6n 22.
22.
312
312 Identificaci6n el terreno
Identificacin en el terreno de
de las
las parcelas
parcelas de
de muestreo
muestreo permanentes
permanentes
permanentes deben
Las parcelas de muestreo permanentes deben demarcarse permanentemente en el
terreno.
terreno. Las parcelas circulares se marcar.n
marcarn en el centro con un poste de rna ma
durable, de concreto o0 de metal, indicando
dera durable, indicando elel nmero
nUmero de
de identificacin
identificaci6n-
parcela. Este punto
de la parcela. punto central
central tambin se sealar
tambi~n se sefialar. por
por medio de dos zan-
zan-
jas perpendiculares de 50 cm
jas crn de profundidad y aproximadamente 2.5 rn m de lar-
lar-
go. Con esto se
go. se tiene
tiene una
una marca permanente en en el
el suelo,
suelo, en
en caso
caso de que el
sea destruido.
poste central sea destru!do.
Las parcelas rectangulares se se demarcarn
demarcar.n en
en forma
forma similar
similar en
en las
las 44 esquinas
esquinas
postes, uno de los
con postes, los cuales
cuales llevar
llevar. el
el nmero
numero dede identificacin.
identificaci6n. Tambin
Tambi~n
zanjas que se
se recomienda hacer zanjas se intercepten
intercepten en
en las
las esquinas
esquinas de las
las parce-
las.
las
La identificacin
identificaci6n de la
la parcela tambi~n debe
parcela tambin debe pintarse
pintarse en
en forma
forma visible en un
.rbol cercano al
rbol al poste
poste central
central o0 alal poste
poste esquinero
esquinero con
con la
la identificacin.
identificaci6n.
Las parcelas rectangulares subdivididas
subdivididas enen cuadrados
cuadrados pueden
pueden tener
tener tambin
tambi~n
postes en lala interseccin
intersecci6n de loslos cuadrados. Estos
Estos postes
postes deben
deben ser
ser de menor
rnenor
tamao para evitar
tamafio que los esquineros para evitar confusiones.
confusiones. Un
Un mtodo alternativo es
m~todo alternativo
los cuadrados
replantear los cuadrados en
.en cada
cada medicin.
medici6n.
313
313 Determinaci6n de los
Determinacin los rboles
.rboles del borde
La mayor!a los rboles
mayora de los .rboles se
se hallaran
hallaran claramente
claramente dentro
dentro o0 fuera
fuera de
de la
la parce-
parce-
lao Algunos sin embargo se
la. se hallarn
hallar.n interceptando
interceptando los los limites
l!mites de
de la
la parcela.
parcela.
Estos sern
seran incluidos enen la
la parcela
parcela si
si el
el centro
centro estimado
estimado del
del rbol
.rbol se
se halla
halla
dentro de la linea de demarcacin
demarcaci6n y sern
seran excluidos
excluidos enen caso
caso contrario.
contrario .
Los bordes de una parcela circular
circular sese determinan
determinan usando
usando una
una cuerda
cuerda extendida
extend ida
desde el poste central;
central; debe
debe tenerse
tenerse cuidado
cuidado dede que
que dicha
dicha cuerda
cuerda no
no sea
sea elas-
els-
(rnuchas cuerdas de nylon
tica (muchas nylon son
son muy elsticas),
el.sticas), nini que
que se
se enrolle
enrolle en
en el
el
poste central mientras se se est
esta limitando
limitando lala parcela.
parcela.
La siguiente tabla muestra los los radios
radios (distancias
(distancias deldel centro
centro de
de la
la parcela
parcela
al borde)
borde) para algunas reas
areas comunes
comunes de parcelas
parcelas circulares.
circulares.
Area de las parcelas Radio
(ha)
(ha) (m)
00.04
. 04 11. 28
11.28
00.05
. 05 12.62
0.08 15.96
0.10 17.84
-19
-19--
~rboles de
Los rboles de las
las parcelas
parcelas permanentes
permanentes deben
deben ser
ser identificado
identificado de
de forma
forma per-
per-
manentemente. Hay ?os
manentemente. Hay maneras de
dos maneras de hacerlo:
hacerlo:
1. el nmero
Pintando el nfrmero de
de identificacin
identificacion en
en el ~rbol.
el rbol.
2. de aluminio
Utilizando placas de aluminio que se
se clavan
clavan al ~rbol
al rbol
5i el nmero
Si ~rbol se
nfrmero del rbol se pinta,
pinta, el
el sitio
sitio dede medicin
medicion para
para el
e l diametro
d!ametro debe
debe
marcarse tambin,
tambien, pintando
pintando unun anillo
anillo alrededor
alrededor del ~rbol. Si
del rbol. 5i se
se utiliza
utiliza una
una
placa de aluminio,
aluminio, sta
esta se clavar~ a
se clavar a una
una distancia
distancia fija
fija sobre
sobre elel punto
punto de
de me
me
dicion del
dicin di~metro, usualmente
del dimetro, usualmente 50
50 cm m~s arriba,
cm ms arriba, de
de manera
manera que
que pueda
pueda ser 10
ser13-
exactamente en
calizado exactamente en las
las mediciones
mediciones futuras.
futuras. ElEl punto
punto dede referencia
referencia para
para-
la
la medicion
medicin del di~metro normalmente es
del dimetro es 1.3
1.3 m,
m, aa excepcin
excepcion dede los ~rboles
los rboles
aletones. Esta altura
con aletones. altura inicial
inicial puede
puede cambiar
cambiar con
con el
el tiempo
tiempo si si se
se altera
altera
el nivel del suelo.
suelo.
Una segunda placa de de aluminio
aluminio deben
deben clavarse
clavarse enen el
el tronco
tronco del ~rbol, cerca
del rbol, cerca
del nivel del suelo.
suelo. Esto
Esto ayuda
ayuda en
en la
la identificacin
identificacion de de los
los tocones
tocones cuando
cuando
se
se cortan los ~rboles y aade
l os rboles anade seguridad
seguridad contra
contra lala prdida
perdida dede lala otra
otra placa.
placa.
Las marcas de de pintura no
no debe
debe ser
ser usadas
usadas como
como medio
medio nico
unico de
de identificacin
identificacion
las especies
cuando las especies pierden
pierden sus
sus corteza
corteza (por
(por ejemplo,
ejemplo, muchas
muchas especies
especies dede eu-
eu-
caliptos) .
caliptos).
Las marcas debe serser renovadas
renovadas en
en cada
cada medicin
medicion sisi se
se han
han vuelto
vuelto borrosas
borrosas o0
si se perdido.
se han perdido.
sea posible,
Cuando sea posible, los ~rboles debe
los rboles debe ser
ser mapeados,
mapeados, durante
durante el
el levantamiento
levantamiento
inicial. En parcelas
parcelas circulares anotar~
circulares se anotar la distancia y el rumbo de cada
arbol al centro de la parcela.
rbol parcela . Las parcelas
parcelas rectangulares se subdivir~n en
se subdivirn en
cuadrados, cada uno de los cuales no ser
cuadrados, ser~ mayor de 10 m x 10 m,
m x se medir~
m, yy se medir
la ~rbol a los
la distancia del rbol los limites
l!mites del
del cuadrado
cuadrado respectivo.
respectivo. Estas
Estas distan-
distan-
anotar~n como
cias se anotarn como las
las coordenadas
coordenadas de de los ~rboles dentro
los rboles dentro del
del cuadrado.
cuadrado.
El mapeo de
de los ~rboles es
los rboles es til
util tanto
tanto para
para resolver
resolver las
las frecuentes
frecuentesconfusio-
confusio-
nes que ocurre con la identificacin
identificacion de de los
los arboles, an~lisis
rboles, como en el anlisis
fenomenos de
de los fenmenos de crecimiento
crecimiento en en las
las parcelas.
parcelas.
32 Formatos para
Formatos para las
las mediciones
mediciones de
de las
las parcelas
arcelas -de an~lisis pre-
muestreo y anlisis
de muestreo re-
liminar
-20-
1. Di~metro sobre
Dimetro sobre corteza
cortez a aa 1.30
1.30 m,
m, de
de cada ~rbol, usando
cada rbol, usando una
una cinta
cinta
diam~trica.
diamtrica.
Codigo Descripci6n
Descripcin
D Pro blemas de
Problemas d e enfermedades
e nfermedades
M Arboles marcado
marcadoss para clareo (pero
(pero
todav!a en pie)
todava
T (puede ser
Arboles derribados (puede ser medi-
e n el
do en el suelo)
suelo)
w Arboles inclinados
Arboles inclinados66 turbados
tumbados par
par da-
nos del viento
os
xX muerto s
Arboles muertos
continuaci6n de las letras pueden aadirse
A continuacin anadirse cdigos
c6digos numricos
numericos que
que indican
el
el grado
grado de severidad del problema.
problema. Se
Se sugiere
sugiere la
la escala
escala siguiente:
siguiente:
22 -
- Daos m~s severos
Danos ms severos -- parecen
parecen significativos
significativos para
para reducir
reducir el
el creci-
creci-
miento o impedir su
0 impedir su utilizacin.
utilizaci6n.
-21-
-21.-
33 -- Danos/enfermedades
Daos/enfermedades muy severas. ~rbol morira
severas. Posiblemente el rbol morir o ser~
0 ser
inservible.
espec{ficos pueden
Para problemas especficos pueden utilizarse
utilizarse otros
otros cdigos.
codigos. Para
Para que
que un
un sis-
sis-
tema de esta naturaleza puede serser de utilidad,
utilidad, el m~s importante
el punto ms importante eses
que debe ser
ser completamente
completamente rgido
rfgido yy sin
sin alteraciones
alteraciones nini omisiones
omisiones aa travs
traves
muchos aos.
de muchos anos.
El formato 3.1, p~gina siguiente/se
3.1, pagina siguiente,se presenta
presenta como
como una
una planilla
p1anilla de
de registro
registro
este tipo
de datos para este tipo de
de parcelas. Est~ diseado
parcelas. Est disenado especialmente
especialmente para
para faci-
faci-
1itar autom~tico de los
litar el procesamiento automtico los datos.
datos. Las
Las anotaciones
anotaciones en
en el
el campo
campo
deben hacerse
deben hacerse con
con un
un lplz
lapiz suave
suave de
de manera
manera que
que puedan
puedan borrarse
borrarse los
los errores
errores
se comentan.
que se comentan.
Los variables preliminares
preliminares aa calcular
calcular de
de una
una parcela
parcela son:
son:
1. Densidad o0 ndmero
numero de ~rboles por
de rboles por ha
ha (N).
{N}. Se
Se divide
divide el
el nmero
nilrnero total
total
~rboles vivos en la
de rboles 1a parcela entre su
su superficie.
superficie. Del
Del ejemplo,
ejemp10, con
con
en el
tenido en el formato
formato 3.1:
3.1:
N
N ;
= 9/0.04 = 225 rboles/ha
225 arboles/ha
1d22 =
Ld 16237
V16237/9';
Dg = \b_6237/9 = 42.5 cm
42.5
; (32.1
Ho = {32.1 + 29.6 30.8 ++ 33.1)/4
29.6 + 30.8 33.1}/4 =; 31.4
31.4 mm
H
H ;= 31. 7 m
31.7 m
Ii} C~lculo
Clculo del volumen ~rbol de
volurnen del rbol di~metro Dg
de dimetro Dg yy altura
altura HH yy multi
multi
la densidad
plicar por la densidad NN para
para obtener
obtener el
el volumen
volumen en m3 /ha.
en m3/ha. -
Iii} C~lculo
Clculo de los
los volmenes
volilrnenes individuales
individuales de de los ~rboles v
los rboles v con
con los
los
diametros
dimetros d,alturas
dolturas h. h. Suma
Surna de
de estos
estos volmenes
volilrnenes yy divisin
division entre
entre
la
la superficie de la parcela para para obtener
obtener elel volumen
v ol urnen por
por ha.
ha. En
En
este caso,
caso, si h no es conocida para para todos
todos los ~ rboles se
los rboles se puede
puede
estimar de una regresin altura/di~metro (vea
regresion altura/dimetro {vea seccin
seccion 3) 3} o0 se
se
su lugar
usa en su lugar H.
H.
metodos introducen
Ambos mtodos introducen un
un error
error en
en la
la estimacin
estimacion del
del volumen.
volurnen. El
El primero
resultante de
tiene un error resultante de la
la distribucin
distribucion dede los di~etros yy el
los dimetros el segundo,
segundo,
de la estimacin
estimacion de las alturas.
alturas. El segundo mtodo
metodo es generalmente preferi-
por su
ble por su precisin,
precision, especialmente
especialmente sisi el
el volumen
volurnen va
va aa ser
ser estimado
estimado hasta
hasta un
di~metro Ifmite.
dimetro limite.
-22-
3.1
Formato 3.1 Evaluaci6n muestreo -- Plantaciones
Evaluacin parcelas de muestreo Plantaciones
Hoja
HOjaD de=
d~
Bosque
Bosque Distrito
Distrito Compartimiento
Compartimiento N* parcela
N parcela Especie
Especie
lilol31
o 1010 lot 1 I 111.21AI
lil.<.IAI 11.(.13Iql;t1
MINIENGIFI klii
Ic.lt-I
Area parcela Pendiente evaluaci6n
Fecha evaluacin . N~ de
:Di de oficina
oficina
I11111C10
1 40151 I I GI
I ('I 10111
o I~I'JI
0131 1 l.t I
mes ano Wurmro tarjetas
NiIJeri) tarjetas
Arbol
Asbol N [W> c/cort
DAP c/oort Al.tura
Altura ------- Cdigos
OSdigos .-------
~Lt
.2 ,"
1 ~ '3 I" '-
13
i
" " "r i i
-r ~ 3
(4 5
5"
i "I
2. I
2. 1
F
'3
4
it
"
4 i 2..
't
5"
Lt
Z. q
3
,EMI
3 1 3
() If
8t3 3
2, Ix
X
.1 ~
1- 3 II i 4 1,
Lt 4 Z ,S 3 1111
'3 i'
'3 Lt 14. '\ 3 Ell
u.
? L
Cuadro 3.1
3.1 Simbolos
Smbolos de las variables primarias del
del roda1
rodal
Simbo10
Smbolo Descripci6n
Descripcin Unidades
A 1a plantacin
Edad de la p1antaci6n del rodal afios
aos
N - nmero
Densidad - ~rbo1es vivos/ha
nUmero de rboles vivos/ ha arboles/ ha
arboles/ha
V Vo1umen del rodal.
Volumen rodal . El
E1 tipo
tipo de volumen
vo1umen se
se designa
indice, por
con un indice, por ejemplo:
ejemplo: m3/ha
Vsc
V50 vo1umen sin
volumen sin corteza
V7 -- co rteza hasta 7 em
volumen con corteza cm
Las mediciones
medi c iones efectuadas inmediatamente
inmediatamente despus
despues de
de los
los clareos
c1areos pueden
pueden ser
ser
designadas con un un apstrofe
ap6strofe (').
('j. Por
Por ejemplo:
ejemplo: N'
N' densidad
densidad despus
despues del
del clareo.
clareo .
Las extracciones
extrac ciones de los
los clareos
clareos deben
deben designarse
designarse con
con el
el indice
indice e.
e. Por
Por ejem-
ejem-
p10 : Ge
plo: ser~ el rea
Ge ser ~rea basal
basal removida
removida enen el
e1 clareo.
c1areo.
Diferentes volmenes
volUmenes pueden ser calculados,
ca1cu1ados, usando
usando diferentes
diferentes ecuaciones
ecuaciones de
de
volumen . Por
volumen. Por ejemplo:
ejemp10:
Vee
Vcc total con
Volumen total con corteza
cortez a (es
(es decir
decir hasta
hasta el
e1 tope
tope del ~rbolj.
del rbol).
Vsc
Vsc Volumen .tota1 sin corteza
total sin corteza
Cuando se levanta
l evanta una
una parcela
parcel a permanente
permanente por
por primera
primera vez,
vez, se
se requiere
requiere la
la si-
si-
informacion adicional:
guiente informacin adicional :
(1) El rea
area 0o superficie exacta de la parcela,
parcela, como proyeccion
proyeccin horizon
horizon
tal,
tal, es
es decir corregida por la
la pendiente.
(2) Informacion
Informacin basica lugar, incluyendo
bgsica del lugar, incluyendo latitud,
latitud, longitud,
longitud, aspec-
aspec-
to, altitud,
to, altitud, pendiente, exposicin
exposicion dede la
la pendiente,
pendiente, historia
historia del
del
anterior de
bosque y uso anterior de la
la tierra.
tierra .
(3) Imformacion
Imformacin metereologica la estacin
metereolgica de la estacion mgs
mas cercana,
cercana, consistente
consistente
mensuales yy temperaturas
en precipitaciones mensuales temperaturas promedio,
promedio, mxima
maxima yy m-
mi-
nima.
Figura 3.1
Figura 3. 1 Formato s de
Formatos d e registros
reg i s tro s de mediciones ~rboles en
rne dicione s de rboles e n diferentes
di f ere nte s
tipos de bosques.
b o sques .
i. C o !v~\"Q.~
j - '.' G B
CoUNInm5
5 0
Plantaciones yy otros
otros i ar- 'b 0 I
c;r6.1
Qt" \Svcd
\VJ10.1 ?Qr(../ ar6"\Q5
?ora CA-60),ZS 5" ",'" \' 0\
rnonoespec!f~
bosques monoespecifi 200 400
cos ijoo
I I
DAP
DA P
con
~7on
I II
1
."'" t
t1
I ,
C,,;r'!3O$
C.,:;-a
I II II
o.s. 2 , 3'!! '1 4 1.1"o
I I
DR?
<on
C:orirL'lC{
I I ,
H
V\
I , t
coa;gos
Coat,c_yS
I II II
,. 5 .,.
1 G .. 2Z
o0 3 5
Bosques 116medos
Bosques hGrnedos con rtgdoo
C",adrod
Cucza <tr dr
11 'ar Q'rbo { 1..D o (
i J ue l Q'r bO I
3v- ci-r-60
3!if
I
III
N
I
~rboles con aletones
rboles aletone s
I11111
I I 1I
k.l'-' C 8. ;,y 1)iJ""
IJ" (oa;3"
1111 1111
1I
..-r.....-c:.s
1._.; I <:iro
.. il1~l2'rio'f'
6,5iy,x;Q.
&.;pori 1001-(05^
1-1
1-\
I
1
I"ttar~l\c.lq
ir,-<,s
1
re.farenciR
11/
I "
P
(>
.$uyerlor
&u~. V"io"(""
1 -1
>1
1I
1 D
D
111
I I'
.ir5
....
.oo
o F.S.
~
I1,:
i
,. ..
T
c:o
, 2' 001,01
,
",,0
I I
~'-'di~o
(caso
I 1I
1 1 1
Dicrndiro;
Di&"V'T1a1Y'o$re-(a
6.1Tae_14, in -r ioY
06F(.iq.
"T 111
1 11 ' 1
1
D
n
TACcia
"'(!~ltl"'",
1
ia
&O~r-
SO ?c? y"tIO~
\ TI.,II i
Or.
1
O
0
t
.a :20
oCr
~t
o
i
, IA
6 B
G
Bosques semihmedos
sernihUrnedos s ",,1001
(Parcelas
(Parcelas ternporales,
temporales, 'to!! arl,o\
oirocA \uol
\~l.lol ~C.1Y'<""\, arboles
(Zy-bo\zs
~rboles sin numerar)
rboles sin nurnerar) ~.g PA? ~
" . f~ t;;0 .~" '2 tO n pot~1 "
DO?
"
Dft 4
Con Tottlct.1 k""", 2", 3~'r 'I 4"
4L' 0 0
1 'I'"
Oon ltal Co~
3~n I I
oi7\62ci
CO'l(Il&l.
I I, I
J J q, ~ eo~
u""
~
I
1
'1 I I I I 1 11
1 11 I I' I
i a - v'
Bosques de zonas
Bosques de z o nas ridas
Arboles bifurcados -
Midas
o
1" Q'
0
\'01
ciAn
\-\ i '>\JU\ D"y-Q a.rbo l s
etri:115 9
2 ... 1 S
3
310 QYIOO
1 0' arbol
~
(3u \
vara
(Parcelas
(Parcelas ternporale
~rboles
temporales,
sin numerar)
rboles sin nurnerar)
s,
io/) o~
()0 " iJ
.cs
uoo { )
N
'l~~~ ..J \
~
"
0>t d
\1
r",
~
J L 1. I 'U0 W
" ~
or
..L
AI
I I /
I' I
-26-
- Color
- Textura
- pH
- Anlisis
Analisis de
de N,
N, P,
P, K,
K, Ca,
Ca, Mg.
Mg.
- Profundidad
- Densidad
33 Procedimiento de anlisis
analisis del fuste
fuste
(a) Turnba o
Tumba ~rbol;
del rbol;
0 apeo del
cantidad de
Una gran cantidad de informacin
informaci6n sobre
sobre la
la dinmica
dinarnica de
de un
un rodal,
rodal, puede
puede ser
ser
obtenida del
del analisis fuste, pero en
anlisis del fuste, en este
este manual,
manual, el
el principal inter~s
principal inters
radica
radica en la reconstruccin
reconstrucci6n histrica
hist6rica del
del crecimiento
crecimiento dede la
la altura
altura dominan-
dominan-
te
te de un rodal.
rodal.
El
El procedimiento slamente
s6lamente eses posible
posible en
en climas
climas estacionales
estacionales yy con
con especies
especies
anillos claramente
que produzcan anillos claramente definidos.
definidos.
la reconstruccin
Para la reconstrucci6n del
del crecimiento
crecimiento de
de la
la altura,
altura, slamente
s6lamente sese necesita
necesita
anotar
anotar la altura de la medicin
medici6n yy contar
contar los
los anillos.
anillos. Con
Con especies
especies yy climas
climas
anillos muy
que produzcan anillos muy diferenciados
diferenciados esto
esto puede
puede hacerse
hacerse en
en el
el campo
campo con
con
poca dificultad.
Cuando los anillos no son
Cuando los son tan
tan claros,
claros, deben
deben cortarse
cortarse discos,
discos, yy marcar
marcar clara-
clara-
mente en el campo tanto susu punto de origen en el rbol,
arbol, como . susu orienta-
ci6n laboratorio para
cin y llevarlos al laboratorio para su
su evaluacin
evaluaci6n por
por uno
uno de
de los m~todos
los 22 mtodos
-27-
siguientes:
siguientes:
34
34 Metodos
Mtodos especiales de estimacin
estimaci6n del
del incremento
incremento ~rboles
de los rboles
(i) anillo en
Pintando un anillo en el
el punto
punto de
de medicin
medici6n aa la
la altura
altura del
del pe
pe
cho.
cho. Esto
Esto puede
puede ser en algunas
algunas ocasiones un m~todo
ocasiones un mtodo relativa--
relativa--
mente complicado.
complicado .
Cuando
Cuando los ~rboles desarrollan aletones,
los rboles aletones, es costumbre
costurnbre medir el dimetro
diametro en
un punto
punto de referencia de aproximadamente un metro sobre los aletones.
aletones. Pues-
to que
to los aletones pueden extenderse entre las
que los ser~
las mediciones,obviamente ser
necesario mover el
el dimetro
diametro de
de referencia
referencia dede vez
vez en
en cuando.
cuando.
Este
Este procedimiento hace imposible la la determinacin
deterrninaci6n del incremento por dife-
sucesivas.
rencia de dos mediciones sucesivas.
Dos
Dos metodos adoptarse para
mtodos pueden adoptarse para obviar
obviar este
este problema:
problema:
1.
1. Usar dos dimetros
diarnetros de referencia en
en cada
cada medicin.
medici6n. As,
Asi, si
si es nece-
nece-
sario mover el dimetro
diarnetro de referencia
referencia inferior,
inferior, se
se reemplazar
reemplazara por
el superior y se tomar~ un nuevo
se tomar di~metro de
nuevo dimetro de referencia m~s arriba
referencia ms
-28-
del
dei original. ser~ posible la
siernpre ser
original. De esta manera siempre la estimacin
estimaci6n di-
incremento.
recta del incremento.
Se recomienda que los di~metros estn
los dos dimetros est~n separados 1.5 m m entre si,
si,
con el di~metro inferior a
el dimetro a 1 metro sobre el extremo de los
los aletones.
aletones.
El
El procedimiento se
se ilustra
ilustra en
en el
el siguiente
siguiente dibujo:
dibujo:
-e.2------------ d1
-d2-------____ d
1
medici6n
Primera medicin medici6 n
Segunda medicin Tercera medici6n
medicin
di~metros de referencia
Los dimetros referencia deben
deben marcarse
marcarse con
con pintura
pintura o0 clavos.Se-
clavos.Se-
r~
r necesario trepar
trepar los ~rboles con
los rboles con escaleras
escaleras yy medir
medir los di~me
los dime-
tros con cinta.
cinta. Los
Los instrumentos
instrumentos pticos,
6pticos, tales
tales como
como el
el relascopio,
relascopio,
precisos para
no son suficiente precisos para estimaciones
estimaciones de
de incrementos.
incrementos.
2. El otro m~todo
2. El mtodo consiste en en usar
usar bandas
bandas perimetrales como sese descri
be aa continuaci6n
continuacin y y obtener las estimaciones del incremento en pe-
rodos
riodos cortos (1(1 aa 22 aos),
anos), antes
antes que
que los
los aletones
aletones puedan
puedan influir
influir
significativamente el di~metro de
el dimetro de referencia.
referencia.
El incremento se se mide
mide como
como el
el movimiento
movimiento dede la
la escala
escala entre
entre las
las lecturas
lecturas ini
ini
final. Las
cial y final. Las escalas
escalas tienen
tienen normalmente
normalmente graduaciones
graduaciones en en unidades
unidades 1f cm~
1T cm,
dando lecturas
dando lecturas directas
directas del
del dimetro.
diametro. Si
Si elel punto
punto dede partida
partida dede la
la escala
escala ma
rna
y or ha sido
yor side colocado
colocado aa un
un numero
nGmero exacto
exacto dede cm
em de
de la
la marca
marca cero,
cero, lala banda
banda da
da-
tambi~n
tambin una lectura absoluta del del dimetro.
diametro. SiSi la
la escala
escala mayor
mayor comienza
comienza en en un
un
p unto arbitrario, el
punto el dimetro
diametro absoluto
absoluto (como
(como opuesto
opuesto alal incremento)
incremento) debe
debe ser
ser
una cinta
medido con una cinta justamente
justamente arriba
arriba o0 debajo
debajo dede la
la banda.
banda.
para marcar
Las plantillas para marcar yy cortar
cortar las
las bandas
bandas pueden
pueden obtenerse
obtenerse de de un
un distri
distri
instrumentos forestales
buidor de instrumentos forestales o0 manufacturadas
manufacturadas localmente
localmente enen un
un taller
taller -
equipado.
bien equipado.
directamente varios
Pueden comprarse directamente varios tipos
tipos dede bandas
bandas perimetrales
perimetrales sofistica-
sofistica-
das,, algunas equipadas para telemetra.
das telemetria. A A causa de sus costos,
costos, slo
s6lo deben
trabajos de
utilizarse en trabajos de investigacin
investigaci6n muymuy intensivos
intensivos yy bajo
bajo una
una supervi-
supervi-
sion
sin ccontinua
o ntinua en las
las reas
areas experimentales
experimentales aa causa
causa dede los
los daos
danos humanos
humanos o0 dede
pueden sufrir.
animales que pueden sufrir.
344 Medicion
Medicin de anillos de crecimiento
Cuando existan anillos de
de crecimiento,
crecimiento, pueden
pueden utilizarse
utilizarse para
para estimar
estimar el
el in-
in-
cremento. m~todo ms
cremento. El mtodo mas prctico,
practico, es
es usar
usar secciones
secciones dede rboles
arboles apeados
apeados toma-
toma-
das aa la altura del
del pecho.
pecho. La
La anchura
anchura de
de los
los -Gltimos
ultimos tres
tres 0o cuatro anillos
ser medidas en
anuales debe ser en dos
dos dimetros
diametros perpendiculares
perpendiculares de de la
la seccin.
seccion. Los
Los
dimetros deben ubicarse a
diametros a lo
10 largo de los
los eje mayor y menor,meno r, si
si la
la seccin
seccion
eliptica. Esto da
es elptica. da el
el incremento
incremento peri6dico
peri6dico bajo
bajo corteza.
co r teza. Es
Es necesario
necesario cons
cons
-30-
Deben sefialarse
sefialarse algunos
algunos puntos
puntos especiales:
(I)
(1) Los m~todos clculo para esta regresin
mtodos de calculo regresi6n se
se explican
e xplican en el apn-
apen-
dice A. 2, conjuntamente
A.2, conjuntamente con
con un
un ejemplo.
ejemplo.
(2)
(2) Si hay ms rodal, los
mgs de una parcela en un rodal, los arboles
rboles de muestra de
las
las diferentes parcelas deben ser tomados
tornados en
en conjunto
conjunto para ajustar
la regresin
regresi6n altura/digmetro.
altura/ dimetro .
(3)
(3) Muestras de rodales
rodales de
de densidades
densidades o0 edades
edades diferentes
diferentes nunca
nunca deben
deben
tomarse en conjunto para lala determinacin
determinaci6n de la
la regresin,
regresi6n, a menos
las comparaciones de
que las de las
las diferentes
diferentes regresiones
regresiones (apndice
(apendice A.
A.
2.8)
2.8) muestren no significativas.
muestren diferencias no significativas.
(4)
(4) regresi6n ajustada
La regresin ajustada no
no debe
debe utilizarse
utilizarse para
para predecir
predecir alturas
alturas si
si
no se satisfacen las tres
no tres condiciones siguientes:
siguientes:
(i) de la
El valor de F de la regresin
regresi6n es
es significativo al nivel
significativ~ al nivel del
del
95%.
95%.
(ii) El coeficiente
coeficiente bl
bl es
es positivo.
positivo.
(iii}El coeficiente b2
(iii)E1 b2 es
es negativo.
negativo .
(5)
(5) Una vez la regresin
vez que se ha calculado la regresi6n yy se
se ha
ha comprobado
comprobado que
que es
es
utilizable, la altura promedio
utilizable, promedio HH puede
puede estimarse
estimarse como
como lala altura
altura
se obtiene cuando
que se cuando en
en la
la regresin,
regresi6n, se
se sustituye
sustituye dd por
por Dg.
Dg.
(6)
(6) De forma
forma similar,
similar, la altura dominante Ho se predice cuando el dig di
de los
metro promedio de los arboles
rboles dominantes
dominantes (los
(los 100
100 arboles
rboles con
con los
los-
dimetros por
mayores digmetros por hectgrea)
hectrea) simbolizado
simbolizado por
por Do
Do entra
entra en
en la
la re-
re-
gresi6n lugar de
gresin en lugar de d.
d.
Respecto al punto (4),
(4), debe observarse
observarse que
que cuando
cuando esas
esas condiciones
condiciones no
no se
se sa-
sa-
-31-
m~s seguro
tisfacen es mgs segura asumir
asumir que laslas alturas
alturas de los ~rboles individuales
los arboles individuales hh
usadas para lala estimacin
estimacion del
del voltmen
volUffien son
son iguales
iguales a la la altura
altura promedio
promedio del
del
H. Esta situacin
rodal H. situacion surge
surge con
con muchas especies
especies tropicales,
tropicales, porque
porque las
las va-
va-
riaciones en las alturas de de los ~rboles no
los arboles est~n relacionadas
no estgn relacionadas con con las dife ~
las dife-
di&metro yy los
rencias de digmetro los errores
errores de loslos instrumentos
instrumentos utilizados
uti liz ados en
en las
las medi
medi
ciones son mayores que loslos efectos
efectos del digmetro
di&metro sobre
sobre lala altura.
altura. Regresiones
Regresiones
relaciones bien
significativas y relaciones bien desarrolladas entreentre digmetros
di&metros y alturas de
los
los &rboles
Arboles parecen ocurrir masm&s frecuentemente entre especies escifitas
esciofitas y
en rodales de densidades
densidades altas.
altas.
En rodales no coetgneos,
coet&neos, lala regresin
regresion ser
ser& siempre
siempre significativa
significativa yy podr
podr&
determinacion de
usarse para la determinacin de las
las alturas
alturas de
de Arboles
&rboles individuales.
individuales . Sin
Sin em
em
bargo, hay que tener
bargo, tener cuidado
cuidado de
de nono mezclar
mezclar regresiones
regresiones de de rodales
rodales diferen-
diferen-
tes, sin haber hecho
tes, hecho las
las pruebas
pruebas estadsticas
estadfsticas apropiadas
apropiadas sobre
sobre la
la homogenei-
homogenei-
los datos.
dad de los datos.
regresion altura-digmetro
Si una regresin altura-di&ffietro sese ajusta
ajusta aa una
una serie
serie dede plantaciones
plantaciones dede didi
ferente edad ser
ser& tambin
tambin significativa.
significativa . Debe
Debesealarse
senalarsesin sinembargo,
embargo,que s~
ques.7.
diferente al
te es un modelo diferente al que
que sese obtiene
obtiene cuando
cuando se se ajustan
ajustan rodales
rodales coetg-
coet&-
ser& apropiado
neos y no ser apropiado para
para predecir
predecir alturas
alturas individuales
individuales dentro
dentro de
de un
un ro-
ro-
dal uniforme (a(a menos
menos que
que se
se prediga
prediga la la altura
altura promedio
promedio HH como
como una
una funcin
funcion
diametro promedio Dg,
del dimetro Dg, en
en el
el supuesto
supuesto de
de que
que la
la densidad
densidad deldel rodal
rodal sea
sea
constante).
constante). Dentro de de un
un rodal
rodal dede edad
edad -dnica,
unica, lala regresion
regresin refleja
refleja diferen-
cias
cias de
de dominancia. rodales de
dominancia. Entre rodales de diferente edad,
edad, refleja
refleja relaciones
relaciones dede
crecimiento dependientes
dependientes deldel tiempo.
tiempo.
-32-
44 DE ALMACENAMIENTO
SISTEMAS DE ALMACENAMIENTO DE
DE DATOS.
DATOS.
41 de los
Ventajas de los sistemas
sistemas de almacenamiento
almacenamiento de datos computarizados
co mputarizados
o bien:
(b) Adquisici6n de
Adquisicin de un sistema
sistema de
de microcomputacin
microcomputaci6n con:
con:
32
32 -- 64
64 K bytes de memoria
Sistema de discos o0 disquetes
*
* Por ejemplo, el
Por ejemplo, e1 Instituto forestal
forestal para
para la Ma~comunidad Britnica,
la Mancomunidad Brit~nica, en
en
Ing1aterra.
Oxford, Inglaterra.
-33-
Impresora
BASI C o0 FORTRAN
Un compilador BASIC FORTRAN
sistema de
Un sistema de este
este tipo
tipo podra
podr!a costar
costar aa los
los precios
precios de
de mediados
mediados de
de
1979,
1979, unos $$ 10.000 en Europa
10.00 0 en Europa o0 Norte
Norte Amrica.
America.
La opci6n (b) da aa la
opcin (b) la organizacin
organizaci6n forestal
forestal un
un computador
computador propio
propio que
que proba-
proba-
blemente serg
sera mas productiv~ y
mgs productivo y facilitara
facilitara el
el entrenamiento
entrenamiento de
de personal
personal mgs
mas
rapidamente que la
rgpidamente la opcin
opci6n (a).
(a).
42 Validaci6n de los
Validacin de los datos.
datos .
Los
Los errores en los
l o s datos magnticamente
magneticamente almacenados
almacenados provienen
provienen de
de las siguie~
las siguien
tes fuentes:
fuentes :
(1) Errore s en
Errores en las
las mediciones
medic iones de
de campo
campo
(2) en la
Errores en la entrada
entrada de
de datos
datos o0 en
en la
'la perforacin
perforaci6n
(3) Errore s de
Errores de programas
programas
E l tercer tipo
El tipo de errores
errores se
se asume
asume que
que serg
sera eliminado
eliminado por
por las
las comprobaciones
comprobaci o nes
con algun
algn programa de computacin
computaci6n usado para
para almacenar,
almacenar, corregir,
corregir, actualizar
actualizar
imprimir 0o seleccionar datos.
datos. La comprobacin
comprobaci6n dede los
los programas
programas es
es responsabi
responsabi
lidad del
del prog ramador, el cual es
programador, es directamente responsable
responsable por
por los
los errores
errores -
pro gramas as
de sus programas as! como
como lo
10 es,
es, el
el investigador
investigador dede campo
campo por
por los
los errores
errores dede
los datos obtenidos.
los '
Los
Los errores
errores de de entrada de datos o 0 de perforacin
perforaci6n sese eliminan
eliminan en
en gran
gran parte
parte
verificaci6n, el
por el proceso de verificacin, el cual
cual debe
debe usarse
usarse siempre
siempre que
que exista
exista un
un
volumen apreci a ble de datos.
apreciable datos. La verificacin
verificaci6n supone
supone comprobar
comprobar dos
dos veces
veces cada
cad a
dato , por dos
dato, do s operadores diferentes
diferentes o0 en
en dos
dos corridas
corridas dede programas
programas diferen-
diferen-
tes.
tes. Los
Los dos
dos conjuntos de datos se se comprueban
comprueban entre
entre si
s! automgticamente
automaticamente yy
ualquier inconsistencia se
ccualquier se reporta al
al operador,
operador, el
el cual
cual podrg
podra suministrar
suministrar
la
la correcci
correccin6 n apro piada. Los detalles del proceso
apropiada. proceso de
de verificacin
verificaci6n dependergn
dependeran
del sistema de entrada de de datos
datos usados.
usados. La
La mayora
mayorla de
de las
las organizaciones
organizaciones de de
preparaci6n de datos,
preparacin datos, ofrecen
ofrecen la
la verificacin
verificaci6n como
como un
un servicio
servicio normal
normal yy esto
esto
debera siempre estipularse explcitamente,
deber expl!citamente, cuando
cuando se
se enven
env!en datos
datos para
para per-
per-
forar
forar..
Lo s errores de mediciones de
Los de campo
campo no
no podrgn
podran ser
ser eliminados
eliminados enen su
su totalidad,
totalidad,
ppero
ero pueden reducirse:
reducirse:
Recolecci6n de
Recoleccin
datos
datos en el campo Regresar al campo para de-
t,,---------,
Jf4
Perforaci6n
Perforacin "=
terminar el verdadero
- verdadero valor
Suplir las
las
. J
Verificaci6n
correcciones
Verificacin
lAlgun
Alg5n error?
Si l'
J
Almacenamiento
Si
en un
de datos en
media magnetico
medio magntico
la correccin
lEs posible la
Es correcci6n
J
Programa de comprobaci6n
Programa de comprobacin
la oficina?
en la
lAlgun l6gico?
Algdn error lgico? Si
Si
J,JI
listos para
Datos listos para
analizarlos
Los
Los contratos para la
la preparacin
preparaci6n de
de programas
programas de
de computacin
computaci6n deben
deben contener
contener
cl~usulas
clausulas que cubran las
las condiciones
condiciones siguientes:
siguientes:
(i)
(i) El
El contratista
contratista debera
deber entregar todos los
los listados
listados originales
originales de
de
los
los programas
programas que elabore (en
(en BASIC,
BASIC, FORTRAN o0 cualquier otro len-
utilizado).
guaje utilizado).
(ii)
(ii) Documentaci6n
Documentacin completa de todos los
los programas,
programas, incluyendo:
incluyendo:
(a) Un
Un glosario del significado
significado de
de los
los identificadores
identificadores yy varia-
varia-
bles usados en
en el
el programa.
programa.
(d) Explicaci6n de la
Explicacin de la teora
teoria en
en la
la cual
cual se
se basa
basa el
el programa,
programa, con-
con-
juntamente con
con referencias
referencias aa textos
textos uu otro
otro material
material de
de apoyo.
apoyo.
(iii)
(iii) Responsabilidad
Responsabilidad del contratista
contratista por
por cualquier
cualquier error
error los
en los pro-
-35-
-35-
Para
Para parcelas temporales la
la estructura
estructura de
de los
los registros
registros es
es mgs
mas simple,
simple, sien-
sien-
do
do Gnicamente
nicamente::
Levantamiento de la parcela 11
-36-
Levantamiento de la parcela 2
Levantamiento de la parcela n
Esta estructura de registros
registros se
se refiere
refiere aa la
la base
base de datos permanentes,
permanentes, la
la
en forma
cual debe estar en forma magn6tica en cinta
magn~tica en cinta o0 en
en disco.
disco. Para datos
datos de
de entra-
entra-
da de parcelas permanentes
permanentes son
son posible
posible dos
dos tipos
tipos diferentes de
de entrada:
entrada:
(i) inicial
Levantamiento inicial
-Tratamiento 1
{Tratrmiento
Bloque 11 -
Tratamiento n
-Tratamiento
Tratamiento 11
_[ Tratrmiento
Bloque 22 T
Tratamiento n
-Tratamiento
Tratamiento 11
{Tratrmiento
Bloque m
m
Tratamiento n
'-Tratamiento
446 Seguridad de la
la base de
de datos
datos
45 Transferencia de
de datos entre
entre sistemas
sistemas de computacin
computaci6n
Frecuentemente existe
e x iste la
la necesidad
necesidad de
de transferir
transferir datos entre
entre diferentes sis-
sis-
temas de computacin,
computaci6n, bien
bien para una
una investigacin
investigaci6n cooperativa,
cooperativa, o para permi-
0 para
tir aa los investigadores de una organizacin
organizaci6n realizar
realizar estudios utilizando
utilizando
sus propios datos
sus datos enen cualquier
cualquier lugar.
lugar.
manera de
La mejor manera de transferir
transferir grandes
grandes cantidad
cantidad de
de. datos
datos es
es con
con cintas magn~
cintas magn-
ticas de marcas conocidas.
conocidas . Pueden ser
ser cintas
cintas de 77 6 99 pistas.
pistas. Cuando sese gra-
una cinta,
be una cinta , debe
debe anotarse
anotarse la
la siguiente
siguiente informacin:
inforrnaci6n:
numero de
El nmero de pistas
pistas (7
(7 66 9)
9)
densidad (usualmente
La densidad (usualmente 800
800 6 1600
1600 bits
bits por
por pulgada)
pulgada)
paridad (par
La paridad (par o0 non)
non)
5
5 ANALISIS DE DATOS DE
DE CRECIMIENTO
CRECIMIENTO Y
Y RENDIMIENTO DE
DE BOSQUES
BOSQUES UNIFORMES
uniformes son
Los bosques uniformes son aquellos
aquellos enen los
los cuales
cuales la
la cosecha
cosecha principal
principal de ~r
de r-
es de
boles es de edad
edad conocida
conocida yy uniforme.
uniforme.
est~n compuestos
Usualmente estn compuestos dede una
una sola
sola especie
especie o0 de
de pocas
pocas especies
especies ecolgica
eco16gica
similares. Los
mente similares. Los bosques
bosques uniformes,
uniformes, porpor definicin,
definici6n, sese manejan
manejan bajo
bajo unun --
sistema de corta total,
total, con
con o 0 sin
sin clareos intermedios.
intermedios. La regeneracin
regeneraci6n puede
ser por plantacin,
plantaci6n, por
por siembra
siembra artificial
artificial o0 natural
natural o0 por
por brotes.
brotes.
clase de situacin,
En esta clase situaci6n, los par~metros principales
los parmetros principales para
para la
la prediccin
predicci6n del del
crecimiento y est~n bien definidos.
y los rendimientos estn definidos. Existe una amplia varie vari~
modelos posibles
dad de modelos posibles aa utilizar.
utilizar. ElEl principal
principal factor
factor limitante
limitante dede la
la efeC-
efe
tividad del modele
modelo usualmente es es la
la disponibilidad de datos de los los bosques -
en cuesti6n, amplia gama de sitios,
cuestin, que cubran una amplia sitios, edades
edades y densidades de
rodales.
los rodales.
El crecimiento yy rendimiento
rendimiento dede un
un bosque
bosque puede
puede ser
ser modelado
modelado aa tres
tres niveles
niveles
b~sicos: el
bsicos: el rodal
rodal completo,
completo, lala categora
categorfa de de grosor
grosor yy el ~rbol individual.
el rbol individual. En En
los bosques uniformes,
los uniformes, los
los modelos de los los rodales
rodales son
son usualmente
usualmente apropiados
apropiados
la mayor parte
para la parte de los
los propsitos,
prop6sitos, yy sonson tambin
tambien mucho m~s simples
mucho ms simples para
para
construir y y usar que los
los otros dos tipos
tipos de modelos.
modelos. EnEn consecuencia,
consecuencia, sta
esta
es
es la estrategia de modelaje que que se tratar~ ms
se tratar m~s ampliamente;
ampliamente; los
los otros
otros dosdos
enfoques sese discuten someramente
someramente en en la
la seccin
secci6n 57.
57.
Aun dentro del nivel m~s simple
nivel ms simple de
de modelos
modelos dede rodales,
rodales, existe
existe una
una amplia
amplia va-
va-
riedad de eleccin
elecci6n en el conjunto
conjunto particular de funciones
funciones aa ser
ser incorporadas
incorporadas
en
en el
el modelo. seccio nes siguientes,
modelo. En las secciones siguientes, se se presentan algunas
algunas alternativas
alternativas
conjuntamente con un intento
intent o de
de definir
definir laslas situaciones
situaciones enen las
las cuales,
cuales, un m~
un m
to
todo m~s apropiado.
do particular es el ms apropiado . Se hanhan omitido
omitido otras
otras alternativas,
alternativas, sim-
sim-
plemente por lala necesidad
necesidad de
de mantener
mantener este
este manual
manual razonablemente
razonablemente conciso.
conciso.
resumen, se
En resumen, se discuten las
las tcnicas
tecnicas que
que se
se caracterizan
caracterizan por
por su
su simplicidad,
simplicidad,
precisi6n yy flexibilidad.
precisin flexibilidad.
Dentro de un aspecto particular del del modelaje de de rodales,
rodales, como
como por
por ejemplo
ejemplo la la
producci6n de un
produccin un conjunto
conjunto de
de curvas
curvas de ~rea basal/altura/densidad
de rea basal/altura/densidad del del rodal,
rodal,
se
se ha hecho un intento de incluir
incluir tanto
tanto mtodos gr~ficos, como
metodos grficos, como mtodos
metodos esta-
esta-
disticos grados de
dsticos de diferentes grados de complejidad.
complejidad.
51 CLASIFICACION DE SITIOS
precisi6n que
La relativamente alta precisin que es
es posible
posible con
con los
los modelos
modelos de
de crecimien-
crecimien-
to
to yy rendimiento para rodales uniformes,
uniformes, en en parte
parte proviene
proviene dede la
la precisin
precisi6n
con la cual es posible clasificar
clasificar sitios.
sitios. Esto
Esto es
es en
en si
sf mismo,
mismo, una consecue~
una consecuen
cia
cia del la edad
del hecho de que la edad es
es normalmente
normalmente conocida
conocida aa travs
traves de
de los
los regis-
regis-
tros que la
tros administrativos y de que la altura
altura de
de los
los rboles
arboles dominantes
dominantes puede
puede ser
ser
normalmente medida con
con hipsmetros
hips6metros o0 instrumentos simi lares
instrumentos similares.
511 Uso
Uso de la altura dominante como
de la como un indicador
indicador del
del sitio
sitio
La
La altura de un rodal uniforme aa una
una edad
edad dada,
dada, es
es un
un buen
buen indicador
indicador del
del po-
po-
tencial
tencial productivo de ese tipo
tipo de
de bosque
bosque enen ese
ese sitio
sitio particular.
particular. Por
Por eso,la
eso,la
construcci6n
construccin de curvas altura/edad
altura/ edad para
para diferentes
diferentes clases
clases dede sitio,
sitio, es
es el
el
primer paso en la la construccin
construcci6n de
de modelos
modelos dede crecimiento
crecimiento yy rendimiento.
rendimiento.
Sin embargo,
embargo, la altura promedio dede un
un rodal
rodal es
es usualmente
usualmente sensitiva
sensitiva no
no slo
s610
aa la
la edad yy a
a la clase de sitio,
sitio, sino
sino tambin
tambien aa la
la densidad
densidad del
del rodal.
rodal. Por
Por
consiguiente.,
consiguiente, se usa normalmente la la altura
altura dominante
dominante enen la
la definicin
definici6n dede la
la
altura del rod al. La altura dominante es
del rodal. es casi
casi insensible
insensible aa diferencias
diferencias dede
densidad de los
los rodales.
La altura dominante puede definirse de varias maneras,
maneras, pero la definicin
definici6n
mas aceptada, es la
ms ampliamente aceptada, la de la
la altura promedia de los arboles m~s
los 100 rboles ms
gruesos por ha.
ha. La altura dominante
dominante se
se llama
llama aa veces
veces tambin
tambien 'altura
'altura tope'.
tope'.
-40-
-40--
Baja u ~ g u ~ as circunstancias
Bajc _,14ur,as circunstancias encontradas
encontradas en
en bosques
bosques uniformes
uniformes de los trpicos,
tr6picos,
la
la altura dominante deja de ser un buen indicador de la clase de sitio. sitio. Esto
ocurre en rodales jvenesj6venes de especies
especies de
de muy rpido
rapido crecimiento,
crecimiento, yy tambin
tambien
con ciertas especies que varan var!an notablemente
notablemente enen sus
sus crecimientos
crecimientos de
de altura
altura
tales como Pinus Pinus caribaea.
caribaea.
situaci6n puede
Esta situacin puede ser
ser detectada
detectada ordenando
ordenando los
los datos
datos de
de parcelas
parcelas permanen-
permanen-
tes
tes por alturas dentro de cada cada clase
clase de
de edad.
edad. Si
Si la
la posicin
posici6n de
de las
las parcelas
parcelas
ordenadas en sucesivas
sucesivas ocasiones muestra una baja correlacin,
correlaci6n, cualquier
curva de
de clase de sitio sitio que se
se construya
construya debe considerarse
considerarse de dudoso valor.
valor.
El problema se se presenta
presenta simplemente
simplemente por
por la
la gran
gran variabilidad
variabilidad del
del crecimiento
crecimiento
de
de la altura,
altura, a a causa de los
los efectos de sitio,
sitio, en
en este
este tipo
tipo de rodales.
rodales. Po-
Po-
drfa solucionarse
dra solucionarse parcialmente
parcialmente por
por una
una redifinicin
redifinici6n dede la
la altura
altura dominante
dominante
que requiera una una muestra
muestra mayor
mayor de
de rboles
arboles por
por parcela,
parcela, por ejemplo equiva-
lente aa 200 6 400
400 rboles/ha.
arboles/ha. Otra idea
idea alternativa
alternativa eses correlacionar
correlacionar lala pro-
pro-
ductividad final final con variables del medio ambiente,
ambiente, y usar una clasificacin
clasificaci6n
solamente en
de sitio basada slamente en pendiente,
pendiente, altitud,
altitud, tipo
tipo de
de suelo,u
suelo,u otros
otros facto
facto
res
res que
que aparenten ser ser significativos.
significativos.
relaci6n altura-edad-Indice
La relacin altura-edad-!ndice dede sitio
sitio es
es bsica
basica para
para la
la prediccin
predicci6n del
del cre
cre
bosques uniformes.
cimiento en bosques uniformes. Esta
Esta relacin
relaci6n usualmente se denomina mas siE
ms sim
curvas de
plemente como curvas de ndice
fndice de
de sitio
sitio para
para una
una especie
especie en
en un
un medio ambien~
medio ambien-
dado.
te dado.
La construccin
construcci6n de
de curvas
curvas de
de Indice
!ndice de
de sitio
sitio puede
puede hacerse
hacerse por
por mtodos graf~
metodos grfi
cos o anal isis de
0 por anlisis de regresin.
regresi6n.
Los
Los metodos graficos de
mtodos grficos de construccin
construcci6n proceden
proceden como
como sigue:
sigue:
2. A continuacin
continuaci6n se dibujan 33 curvas a
a mano aa travs
traves de los
los datos.Es
datos.Es
tas
tas ccurvas
urvas deben de seguir
seguir las
las tendencias
tendencias de:
de:
En cada caso,
caso, las
las curvas
curvas deben
deben trazarse
trazarse tantan paralelas
paralelas como
como sea
sea posi
posi
las tendencias
ble a las tendencias de
de las
las parcelas
parcel as de
de muestreopermanentesen
muestreopermanentesenaque-
aque-
grafico. El
lla parte del grfico. El dibujo
dibujo de
de estas
estas 33 curvas
curvas se
se muestra
muestra en
en la
la
5.2.
figura 5.2.
Cuando todos los datos son de parcelas
parcel as temporales,
temporales, puede aplicarse
aplicarse
el mismo metoda,
el mtodo, pero existe lala posibilidad de cometer un error
error con
con
siderable debido aa que
que las
las parcelas
parcelas dede edades
edades diferentes
diferentes pueden
pueden no
no-
representativas de
ser igualmente representativas de diferentes
diferentes sitios.
sitios.
Figura 5.1
5.1 Datos
Datos de parcelas permanentes yy temporales
de parcelas ternporales listos
..
30 .. +
.5
...,<1l
s::
..
+ +
..
+ +
III
....s:: 25
+
.
eo T ..
+
+
'"
III +
k
...," 20
+
+
M
..: + + ...
I
....I
15
10
10
oo
o
0 2 4
4 6 8
8 10
10 12 14 16 18 20
20 22 24
24 26 28 30 .
Edad (aos)
(anos)
5.2
Figura 5.2 Curvas
Curvas de
de indice
Indice de
de sitio
sitio dibujadas
dibujadas aa mano
mano trazadas
trazadas por
por los
los datos
datos
que
que representan las tendencias mnima,
minima, mediana m~xima.
mediana yy maxima.
35
..
30
.5
-E.
....cv
a)
4-3
s::
...
'"
MI
s:: 25
.....
..-1
8E
O
'"
Ti
'"
(11
k
20 ...
...."
o
4--)
.-<
,-1
..:
4 .
I
IV
I
15
10
5
5
o
0
o
0 2
2 4
4 6
6 88 10
10 12 14
14 16
16 18
18 20
20 22
22 24
24 2,6
26 28
28 30
30
Edad (aos)
Edad (anos)
Figura 5.3
5.3 cqivas principales de indice de sitio y
Trazado de las tres curvas
dos
dos Curvas
curvas intermedias
intermedias anadidas
aadidas por
por interp.o+aci6n,
interpolaci6n, con
con cada
cada curva
curva
35 asiqnada
asignada aa una clase de sitio
sitio
1 sitio
clases de sitio
30
E:
JI.
Q)
.... m
c
....'c" 25
E:
o __ - - llZ:
..-- --
'" ...--
'"
H
...."
.-<
..:
20
//
/~_/.
...
...--/ -- __ V ....I
w
I
15
//
//
//
10
10 //
//
/
5
5
o
o -->
o
0 22 4
4 6
6 88 10
10 12 14 16
16 18 20 22
22 24 26 28 30
Edad (aos)
(anos)
-44-
3.
3. Se pueden interpolar
interpolar do.s
dos curvas'
curvas adicionales
adicionales entre
entre la
la curva superior
super i or
y central y
y entre la
y entre la curva
cur-va . inferior
i'riferior y
y central.
centra.! . El sistema
sistema puede
puede di di
bUj,ar,se
bujarse en una p~9ina diferente dando
una pgina dando el
e.1 resultado q\.]e se
resultado que se muestra
muestra-
en la .figl1ra 5.3
figura 5.3
4
4 .
. sistem'a de-curvas
El sistema de curvas puede expresarse
expre'sarse como
como una una ecuacin
ecuaci6n usando los
mtodos del apndice
mtodos apndice A.1. curyas se
A.1. Las curvas se enumeran
enumel?an secuencialmente
secuencialmente y
se
se denominan c.u r.va s de clases de :sitio
denominan curvas sitio (o al.gunas veces
(0 algunas veces clases
clases de
de
prdducc'i6n, clases
produccin, clases de de rendimiento,
rendirniento, et.c.
etc.). ) . As,
As.!, en
en la
la figura
figura 5.3,
5.3,
las cl.ases
las sitio se enumeran desde I
clases de sitio I (la (.1-a m~s
ms productiva)
productiva) aa V V
( La menos
(la menos productiva). ..
La
La simplicidad de esta tcnica
tcnica de construcci6n
construccin de curv a s de ndice
curvas indice de sitio
de sitio
por mtodos gr~ficos es
metodos grficos es obvia.
obvia. Tiene 33 desventajas
desventaja.s ,significativas.:
significativas:
(i.) juicio de
Las curvas producidas dependen en gran parte del juicio
la persona que hace el trabajo,
la trabajo, especialmente
especialmente' si
si los
los datos
datos
son escasos o
son de parcelas
0 provienen mayormente de parcelas temporales.
temporales.
producir~n diferentes conjuntos de cur-
Diferentes personas producirn
vas, las
vas, ser~n ms
las cuales sern mas o e insesgadas
0 menos precisas e insesgadas en
la
la representaci6n la tendencia real.
representacin de la real.
tecnicas matemticas
Las tcnicas matematicas de
de ajuste
ajuste de curvas
curvas de
de indice
indice de
de sitio
sitio tienen
tienen una
una
ventaja considerable sobre
sobre los
los mtodos gr~ficos, si
mtodos grficos, si se
se dispone
dispone de
de un
un compu-
compu-
tador y el volumen de datos
tador datos es
es considerable.
considerable . Sin
Sin embargo,
embargo, no
no debe
debe suponerse
suponerse
estas tcnicas
que los resultados de estas tecnicas son
son necesariamente ~s precisos
necesariamente ms precisos que
que el
el
trazado
trazado de
de curvas a
a mano; depender~ en
mano; esto depender en gran parte 10 adecuado
parte de lo adecuado que
que
sea
sea el
el modele
modelo de
de crecimiento de alturas escogido yy de la la validez
validez de las
las supo
supo
siciones
siciones estadisticas
estadsticas usadas en el ajuste de ' los par~metros del
los parmetros del modelo.
model o . Las
Las-
tcnicas matem~ticas
tcnicas matemticas pueden ser clasificadas enen 44 grupos
grupos del
del modo
modo siguien-
siguien-
te:
I
parcelas
Datos de parcelas Datos de parcelas
temporales permanentes
Curvas
, Mtodo
I
jer~rquica Regresin
Regresi6n mltiple
multiple con
proporcionales minimo-maximo
mnimo-mximo sin
sin indice sitio indice
Indice de sitio de sitio
Indice de sitio apriori
apriori
-45-
m~todos la
De estos 44 mtodos la regresin jer~rquica (nested)
regresi6n jerrquica (nested) es
es estadisticamente
estad!sticamente el
el
tambi~n es
apropiado yy tambin es adecuado
adecuado para c~lculos manuales.
para clculos manuales. Por
Por consiguiente
consiguiente sese
examinar~ esta
examinar t~cnica con
esta tcnica m~s detalle,
con ms detalle, discutiendo
discutiendo los
los otros m~todos de
otros mtodos de ma-
ma-
m~s abreviada.
nera ms abreviada.
m~todos pueden
Los 4 mtodos pueden referirse
referirse aa un
un modelo
modelo simple
simple de
de crecimiento
crecimiento de
de altura,
altura,
ecuaci6n de
como la ecuacin de Schumacher:*
SChumacher:*
H
Ho Hmax exp
o = Hmax exp (b/Ak)
(b/Ak) (1)
(1)
donde, es la
donde, Ho es la altura
altura dominante,
dominante, Hmax
Hmax es
es un par~metro a
un parmetro a ser
ser ajustado
ajustado que r~
que re
presenta la m~xima altura
la mxima altura que
que la
la especie
especie podria
podr!a alcanzar,
alcanzar, exp
exp ( ) es la
( la ano-
) ano-
taci6n
tacin matematica para indicar
matemtica para indicar que
que la
la expresin
expresi6n dentro
dentro del par~ntesis es
del parntesis es el
el
exponente de lala constante
constante ee == 2.71828;
2.71828; b,k
b,k son
son parmetros
par~metros aa ser
ser ajustados
ajustados yy
A la edad
A es la edad del
del rodal.
rodal.
Las esta ecuacin
Las formas dadas por esta ecuaci6n se
se ilustran
ilustran en
en la
la figura
figura 5.4.
5 . 4. Utilizando
Utilizando
e(ln) en
logaritmos de base e(in) en ambos
ambos lados
lados de
de la
la ecuacin
ecuaci6n (1)
(1) se consigue:
in Ho
1n I n Hmax + b/Ak
Ho = in (2)
(2)
Si
Si se hace a = inIn Hmax,
Hmax ' entonces
entonces aa yy bb pueden
pueden ajustarse
ajustarse por
por regresin
regresi6n lineal
lineal
siempre que k sea
sea conocido.
conocido. Para
Para la
la mayor
mayor parte
parte de
de las
las especies
especies los
l os valores
valores
apropiados de k varian entre
entre 0.2
0.2 yy 2,y
2,y pueden
pueden ser
ser estimados
estimados por
por tcnicas
tecnicas des
des
critas m~s
critas secci6n, o0 por
ms adelante en esta seccin, por estimaciones
estimaciones no no lineales
lineales como
como se
se-
ap~ndice A.4.
describen en apndice A.4. Para muchas especies,
especies, un valor asumido
asumido dede k=l
k=1 su-
su-
min istrar~ un ajuste satisfactorio.
ministrar par~metro b
satisfactorio. El parmetro b en lala ecuaci6n (2) debe
ecuacin (2) debe
ser
ser siempre negativo;
negativo; si
si no
no lo
10 es,
es, comprobar
comprobar los c~lculos en
los clculos en busca
busca de
de erro-
erro-
res.
res
El parametro a
El parmetro a normalmente
normalmente se hallar~ entre 2 y
se hallar 7; de
y 7; nuevo comprobar
de nuevo comprobar para
para
correcci6n de
correccin de errores,
errores, si
si difiere
difiere ampliamente
ampliamente de de dichos
dichos valores.
valores.
proporcionale~ se
Para curvas proporcionales se ajusta
ajusta lala ecuacin
ecuaci6n (2)
(2) al
al conjunto
conjunto global
global de
datos de las parcelas de muestreo temporales por
datos por regresi6n lineal, siendo
regresin lineal, siendo lala
variable dependiente Y,Y, el inIn Ho, Y la
Ho ' y la variable predictora X la expresi6n
expresin
l/Ak.
1/Ak. Si
Si kk no es conocido,
conocido, sese siguen
siguen las
las indicaciones
indicaciones del ap~ndice A.
del apndice A. 4 para
determinarlo.
Esto da la tendencia de crecimiento de la altura promedio,
promedio, asumiendo
asumiendo que
que en
en
edad, todos los sitios
cada clase de edad, sitios tienen igual
igual probabilidad de de estar
estar re-
re-
presentados.
presentados. Si se conoce que, ejemplo, las clases m~s
que, por ejemplo, ms viejas
viejas sese hallan
hallan
m~s pobres y
en sitios ms m~s jovenes
y las ms jovenes en los m~s ricos, no
ms ricos, no debe
debe usarse
usarse este
este
metodo. dibujadas a
mtodo. Se construyen entonces curvas dibujadas a mano,
mano, o si se dispone
0 si dispone dede
datos de PMP se usa la regresin
datos regresi6n jerrquica.
jerarquica.
Una vez que lala curva
curva de
de crecimiento
crecimiento de de la
la altura
altura promedio
promedio ha ha sido
sido ajustada,
ajustada,
pueden trazarse curvas
curvas de
de la
la misma
misma forma
forma que
que pasen
pasen por
por diferentes
diferentes valores
valores
del
del !ndice sitio. Si el Indice
ndice de sitio. !ndice de sitio S se define como la altura altura domi-
domi-
nante
nante del rodal a a una edad Indice
!ndice AL,e1 par~metro a
AL.el parmetro a de la curva que pasepase por
por
este Indice
!ndice de sitio,
sitio, ai
at estar
estara dado
dado por:
por:
ai = in
ai b/A~
In S -- b/Ai (3)
(3)
donde:
donde: b yY k provienen
provienen de
de la
la curva
curva promedio.
promedio.
El
El metodo
mtodo m!nimo - m~ximo
mnimo - m~s flexible
mximo es ms flexible en el tipo de la forma de la
la curva
curva
* Schumacher,
* F.X., 1939.
Schumacher, F.X., 1939. A
A new growth
growth curve and its application to timber
timber
yield studies. J. Forestry
studies. J. Forestry 37:
37: 819-820.
819-820.
-46-
-46-
Figura 5.4
5.4
(a)
(a) Gr~fica
Grgfico 1a ecuaci6n de Schumacher
de la Schumacher con
can aa == log(Hmax),
1ag(Hmax ), kk == 1,
1,
va1ares de
y diferentes valores de b.
b.
b
Hmax
.-i
5
'"'a"
5
I< 10
10
.-i
Q)
20
'"
'"
I<
"
.j.J
.-i
..:
Edad (arias)
o 10 20 30 40
40 50
50
(b) Gr~fica de la
Grglico 1a ecuaci6n
ecuaci6n de
de Schumacher
Schumacher con
con aa == log(Hmax),
1ag(Hmax ), bb = 5,
5,
Y va1ares de
y diferentes valores de k.
k.
k
Hmax
1
1
0.67
0.50
o0 10 20 30 40 50
50
(arias)
Edad (aos)
-47-
que el mtodo
metodo de
de curvas
curvas proporcionales,
proporcionales, pero
pero requiere
requiere observaciones
observaciones mltiples
multiples
en cada clase
clase de
de edad
edad (como
(como mnimo
minimo 3)
3) por
por lo
10 cual
cual no
no puede
puede usarse
usarse con
con una
una
cantidad limitada
limitada de
de datos.
datos.
El
El procedimiento es
es el
el siguiente:
siguiente:
(1) edad, se
En cada clase de edad, se calcula
calcula elel promedio
promedio de de Ho
Ho para
para todas
todas las
las
parcelas, yy los
los valores
val ore s mnimo
minimo yy mximo
maximo de
de Ho.
Ho'
(2) Se
Se ajustan 3 regresiones
regr e sione s diferentes,
diferentes, del tipo de la ecuacin
ecuaci6n (2),
(2),
a1 conjunto de observaciones de
al de los
los mximos,
maximos, mnimos
minimos yy promedios.
promedios.
El parmetro
parametro no
no lineal
linea l kk se
se asume
asume como
como una
una constante
con stante para
para los
los 33
conjuntos, o0 se
se ajusta
ajusta independientemente.
independientemente.
Se mas compleja
Se justifica una variante ms compleja de
de este
este mtodo,
metodo, sisi existe
existe unauna gran
gran
edad, como podrian
cantidad de datos en cada clase de edad, podran obtenerse
obtenerse en en un
un inven-
inven-
forestal. Las observaciones de las alturas
tario forestal. alturas de
de cada
cada clase
clase sese orden an,de
ordenan,de
mayor aa menor,
menor, yy cada
cada punto
punta se
se asigna
asigna aa una
una clase
clase de
de sitio
sitio SS de
de acuerdo
ac uer do a:
a:
S = (
( i
i - 1/2 )) /
- 1/2 / n
donde ii es la
la posicin
posici6n de la parcela despues
despus del sort eo 0o arreglo,
del sorteo arreglo, yy nn eses la
la
parcelas en
cantidad de parcelas en la
la clase
clase de
de edad.
edad. Despus
Despues dede que
que las
las parcelas
parcelas han
han si
si
d o asignadas
do asignadas aa una
una clase
clase de
de sitio,
sitio, puede
puede hacerse
hacerse elel anlisis
analisis usando
usando regre-
regre- -
si6n
sin multiple,
mltiple, como enen el
el ltimo
ultimo mtodo
metodo queque se
se describe
describe msmas adelante.
adelante.
conven iente observar
Es conveniente observar que
que los
los mtodos
metodos anteriores
anteriores con datos provenientes de de
parcelas de de muestreo temporales
temporales deben
deben ser
ser considerados
aonsiderados como de utilidad pro- pro-
visional, ya ya que
que depende
depende crticamente
cr{ticamente del supuesto
supuesto de que todos los los sitios
igual probabilidad
tienen igual probabilidad de
de estar
estar representados
representados en en cada
cada clase
clase de de edad.
edad.
En la
la realidad
realidad este
este caso
caso es
es raro,
raro, yy de aqu
aqui que
que las
las curvas obtenidas son en
mayor o 0 menor grado
grado defectuosas.
defectuosas. LaLa /mica
unica solucin
soluci6n es obtener datos peridi-peri6di-
cos de altura-edad
a ltura-edad de parcelas permanentes o 0 de anlisis
analisis de de fustes,
fustes, los
los cua-
cua-
ser analizados
les pueden ser analizados por
por uno
uno de
de los
los mtodos,
metodos, que
que se
se explican
explican aa continua
continua
ccin.
i6n. -
metodos de
Los mtodos de regresin leElaui
regresi6n jerarquica ('nested
,'nested regression')
regression') son son dede dos
dos tipos.
tipos.
El primero usausa variables
variables condicionales
condicionales (o (0 variables
variables 0-1)
0-1) en
en regresin
regresi6n multi-
mlti-
ple, ejemplo del apndice
ple, como se describe en el ejemplo apendice A.2.10.
A.2.10. Este metodo
mtodo no haha
side
sido utilizado,
utilizado, de acuerdo aa loslos conocimientos
conocimientos del del autor,
autor, en en lala construccin
construcci6n
de curvas de Indice
de indice de sitio,
sitio, probablemente porque con cualquier numero nmero real
real
de parcelas, el el nmero
numero de
de variables
variables envueltas
envueltas en en la
la regresin
regresi6n seria
seria enorme;
enorme;
pero el enfoque
enfoque es
es realizable,
realizable, con un un programa
programa especialmente adaptado para
generar y manejar una una gran
gran cantidad
cantidad dede variables
variables condicionales.
condicionales.
segundo mtodo,
El segundo metodo, descrito por
por primera vez vez por
por Bailey
Bailey y Clutter*,
Clutter*, implica
implica
estimadores de
el uso de estimadores de pendiente
pendiente comn
comun yy de
de trmino
termino independiente
independiente comn,
comun,
anal isis de covarianza.
del anlisis covarianza. Este mtodo
metodo es es apropiado
apropiado para la la construccin
construcci6n de
indice de
curvas de indice de sitio
sitio yy es
es lo
10 suficientemente
suficientemente simple
simple para
p a r a hacer
hacer posible
el calculo manual de
el clculo de los
los parmetros.
parametros.
El
El modele regresi6n de pendiente comn
modelo de regresin comun representado en la figura 5.5
5.5 (a)
(a)
est~
est dado por la
la ecuacin:
ecuaci6n:
Y = ai + b X (4)
(4)
donde
donde ai parcela, pero bb (la
a; es diferente para cada parcela, (la pendiente)
pendiente) es la
la misma
para todas las parcelas.
toaas las parcelas.
El
El modele termino independiente
modelo del trmino independiente comn
comun mostrado enen la
la figura
figura 5.5
5.5 (b)
(b) se
representa por lala ecuacin:
ecuaci6n:
Y = a + bi X (5 )
(5)
Pendiente comn
comun b:
b:
In ni n
z1 yii /
2.2.
i (6
(6))
b = i i i
n- ni
Ei2
rn
1 j j
m
m m
m
;r; ~
i
2
.....
n.
j
J
Yij - I" (2:
i j
ni
Xii
Xij ~
ni
J
Xii.Yii
ni
n.
j
2
Xij' Yij IE Xii
XIj /E
a.
(7
(7))
aa =
= J
m
Lni
Lni
i
rn m
-r
i
((((
t J
..)2
Xij)2 I
n
ni
1.44)
tXfj)
J
j j
Como
Como estas
estas formulas
frmulas parecen mas complejas (aunque
ms bien complejas (aunque en
en el
el fonda
fondo son
son muy
muy
simples)
simples) sese da
da un formato de calculo con un un ejemplo
ejemplo calculado,
calculado, elel formato
formato
5.1, partes 1 y 2.
5.1, 2 . La parte 11 contiene las sumatorias dentro de las las parce-
las correspondientes al al indice
fndice jj de
de las
las frmulas
formulas anteriores
anteriores entre
entre 11 yy ni,
ni'
mientras
mientras que
que la parte 2 contiene las sumatorias entre entre las
las parcelas
parcelas correspon
correspon
dientes
dientes alal Indice
fndice ii desde 11 hasta
hasta m.
m. -
El
El ejemplo utiliza los datos mostrados en la la figura 5.6 de seis
seis parcelas
parcelas de de
muestreo permanentes en rodales de Cupressus lusitanica en Kenia. Kenia. Para
Para prop
prop6
sito
sito de
de ilustraci6n se ha asumido el
ilustracin se el valor
valo r del
del parmetro
par&metro kk como
como 1.
1. Los
Los datos
datos
altura-edad sese transcriben enen las
las dos
dos primeras
primeras columnas
columnas de
de la
la parte
parte 11 del
del
formato
formato 5.1. hojas de
5.1. Se necesitan dos hojas de esta
esta parte
parte para
para las
las seis
seis parcelas.Los
parcelas.Los
valores transformados X
valores X e
e YY se hallan
ha11an en las columnas 3 y 4, X2est~
y 43 X2est en la la co
co
lumna
lumna 55 yy los productos XY en lala columna
columna 6.6. Los c~lculos deben
Lo s clculos deben hacerse
hacerse con
con
un mfnimo
mnimo de cuatro dgitos
dfgitos significativos.
significativos. Los totales para cada parcela
(totales
(totales dentro
dentro de parcelas) de las
de las parcelas) las columnas
columnas 33 a a 6 se hallan en la la lnea
linea
-49-
x
X
(a)
(a) Regresiones
Regresiones para
para cuatro
cuatro parcelas con pendiente
pendiente coman
x
(b)
(b) Regresiones
Regresiones para
para tres
tres parcelas con el trmino
trmino independiente
independiente comn
coman
_50_
-50-
Figura 5.6
5.6 Datos de
de seis
seis parcelas
parcelas de
de muestreo
muestreo permanentes
permanentes en
en rodales
rodales de
de
Cupressus lusitanica
lusitanica en Kenia.
Kenia. Ejemplo usado en el texto para el
el
ajuste de curvas de Indice
Ljuste 1ndice de sitio
sitio por
par regresin
regresi6n jer.rguica
jerarquica
30
er,
.. /46
(l)
....<: -
n1 25 52
<:
OM
f'i
a
'tl /
n1
I-<
...."
ri
20
.0:
15
10
5 10 15 20 25 30
Edad (aiios)
Edad (aos)
-51-
Formato 5.1
5.1 Modelos de regresin
re resi6n de pendiente
endiente comn
comun y trmino
termino independien-
inde endien-
corn n.
te com6n.
Parte
Partel1 Resumen de los datos de la parcela,
parcela. Usar tantas hojas de la
la
parte 11 como
como sean
sean necesarias
necesarias para
para todas
todas las
las parcelas.
parcelas.
Transformaci6n
Transformacin de datos X = A
usada:
Y =
[-- Caisari-4./
-
Parcela 3
Datos oriqinales
a-tos oriainalesDatos
Datos transformados
transformados
A H ,
,,!L xv
iiiniNii
f",,!-
MEiraip
4-1
1,6
'f.b 0.14
X
, 44(0
q:,
o l3 r,
Z.M
Y
11f
2,648'
.4).
~. l) 2 n 8 o. ,n'
+.t:
iIRMII
~O, b
~L 0
~4.8 : ~
e o'l4:'4
e
.,
J. \q
Ata
'l4'
+'5
cr--415 D.'" 11-34
0.'D n'H
o. o 9 E' o
1l.()Of~O
o.'l,iS'S'
o.H42-
fal
H.t:
lZ . 6
d.5"
4S'.1..
H.'"
~ ~.
,,
c;
0 . 0 gf,.H
o.Otq~1
O.Di-'-IO;
o 2.t ) Z2.
2.42 n
l, f
2.+ '42
l.t
O, El o~4:,
0.0o no
0.00 63,9
o. 00 ~4~
~.l%'
Il.22. H'
O.2.I'?'O
11111114"El
~4.Lj 4 K.:' ~'CjLI
0. 0614(4
0.0 .1..'H>
:, 61) 0.00 4f:1- o.20i~
Totales nn =; 1-7. O. 6843 1.b'l,S-i?
D. (;84:' ??. 05-g \9.0 t lS3
0-041S3 4.
0\. 't't':t ')
Parcela 35'
batos
1... oriqinales Datos transformados
A H X Y XL xy
(,.1- g.i 14 q." ~.E1H~ 1. ~ 'Z. S'g DJin
f.r
T.
'l.r
.s*
i
o.?
{o.f
S'A.
0.+
O.
I
O. ln&
flI loS'>
2:n 0.4
2 . ~ 'IS'
.
0.)
0.07_2.2.
1 84
0.0 i'l, 84
o. i iJ40011
D.D S'
o.
O.2.'if"l
Q.
O. l:r
oS'
os-
IIFICII
10. (, 12.S n, ,1l '\4'>4 2.; n- n nO 1?'t 100 D.2. 'l,.\'3
to.2.
42. b
11E4E11 14.3 w ,I1
'1-1)1-
I. 1.6601,:,
:I..Ho ,. o 630
ll.ooG,o 0.2..~ HA
0.
MEINIMEN
HS
4.4
0\1 4-1.4
H:.2
0\4.T
/;.s-
0.0
0. otol
Ii. 0+401
O.O(;fj44
1..1U'l.
2...7 9.
2.Ro "4
o / 'I
D. DO C; 4
0.00 4~~
0-0o 1-?2,
O,,toH
0.ZOiC
D.1<\l"i-
D. 't 141-
O. "1414 2- go 3I-1
7
n ;= ':(.
Totales n O.H'34
O. 6M-4 S-S s7,2.,
4.rts 2,; 0.1)1-2 H
0.942 'Ti ~.6gt-:z,
4. 681-9v
Parcela :,"
Ta-r-c-7--5-----Z_a S
oriqinales Datos
Datos originales Datos transformados
AA- H X
X yY x~
X2 Xy
XY
b.':f. t.'3 14"1,
00,14613 2.4 f?61 0.1).2,2.2.
'+
1-.6 A1.i
/14.1 n.nl'
0.1'3 t. a .z.140_6_ 9.0 11-31 0.34 C-4
~.6
40. 6 i 4.6
14.(' 0l-,34
0 . 0,\4)4 2_4. 10 0.o o VIO
i 41. 6 -I 6.5 0.6.8 621 /,,to$3
42. 4$.1 0.01-q31 2..J',!:r~
.2..r1s-5 o so 3 o
0.00630 o.l.l'H
0. 2.2.q e
43.<
43.s" 2,0.0O.ofL,0
2..0.0 0.0 rljO ,1/ 54 ' 0. oo 549 0.12,49
0\'-1.4
46i.1-1 .11.0
.2..1.0 o.06(/44
o.o't44 3.o44f
3. ott /AS" D.0041?.2..
0. oo 4 8,9.- 0.24 414
O.2H4
; '1-
Totales n =7. P.6343
O.6(J43 41.0135 0.04A,S3 4.8001-
-52-
Formato 5.1
5.1 Mode10s de
Modelos de regresi6n
regresi6n de
de pendiente comn
comtin y termino independien-
y trmino independien-
.te comG.n.
te comn.
Transformaci6n de
de datos
datos x -==
X i /A A J....d
A = EE 4.k.ci.
usada: y =
Y -en
n>arcela
Parcela 4
46 i
n>tos oriainales
lo.tos originalesDatos
Datostransformados
transformados
A-
A H
1-4 X Y '\{2
2 YV
H.>:j:
46. "1 II.1
. o.oC;'\~
0.0s'018 ( "I. 'I
9 ." n mo ~ <" .,
on SS" ) () HI J. /,
O
1-.--z z?:L.
MEIMMEll iol
A
..M.
).().
?
&. ".i
I.Z - ?~~
MilinglIIMI,
Ea"r
0.6.0 Z3
o 0 s.
O.048r4
,
O.n4{'30
81
r'K~ ." lo'l i
117 70.
-':-'4 b
11
0.00,.2.3
n .nO
. O ).,
S6 ,
o-00 2.ILL
o.oo,z"L<
0.. f!l.f,1-
i
0.45-(
o.1'1b44
i. 4s-01
n. ~~11~
0:
F.b W
IIMOMPTEll fl.O 4 c(.7.)' _,22 G,
(.~,
(p. ~.oo 1q5q
0.00 ~qS'., " ~4444'+
41.
? 4.~
IRIZEI LkWNTTTJ
2.~. ~
O.04o'H' 3. ':z..il.j
1. 2.4 d.o0 4680
0.001680 ()4 (16i
rH,1.
=
Totales n = b 0.2 'lbW {'1.H8~ O.O!4'1~
o.01.1-161g f)-'~ 4L
0.ct 14 (, fe i
Parcela 4..--;2.
Parcela
Parcela i'H 198
!Datos oriainales
originales Da c c~~ transformados
gp
Datc.-2. transformados
A- H Y
X V
Y ,2
y2 xv
XY
'1"7:;f 2.'1-:'2: (6
n.,so/) t..L oS 1 :>.I.t
2,9~ O."'~ 1.-
0A, i:O\4
Li i
j, ~L,':f?"
4 1
WI
2:1s 2e. a.
'Z8'. 9.04z.sf
n.o42.,f 3 6b:1, S
1.?. a 0.00
O.on 181 ieS '1.~43
43 1{
,d- I. ~
1:11.1 0. o3r)cg2
O.03~Ob 4'31t U. oo S S
ts'l, n ij7,43
4S
lc7
26. 1?:~ .5 .0
~.n '2~~~
4L . 4 Ii'!.:t
%..48 3,2 .00 04?.,
"'.00.42- n .'J..u t._
111,1-
1115119111 1 '1..0
. D n 0;4Q':f, 'J,.l.~b S" o.oo.H.~ o. (.tzo,
l-q 4 n.' Q'()'40j '<.'\l<S' o.ooJ"-l. o. i f q ~
= ,
Totales n = o0.234 .to.' 1[,z.
..2~.t4.20..6621 0,00 (3,De
0.00 ')v8 1O.'1"}'H'
0 .71-5 g. S'
-53-
5. 1
Formato 5.1 de regresin
Modelos de regresion de
de pendiente
pendiente comn
comun yy trmino
terrnino independiente
independiente
comlin.
comn. .
Par- IXy_L)ln
xy (X.X)2
LX2- (2:.:)2
Ix2 DHY
IX .)C`i (LX}"
(D<) IIY
Y
cela \'l
,r) Y1
rxz
I x2 LX2
IX
\'\
Y1
35
3s. -0.0414\1 ~). 'l"l1h
D.oo~f1W) 49`112)
-0.040-61 D.00z0315 3L.1
b.'lHrr ~
4. iTssz3
1~.sS2.3
~,
-C
4~,
Li
o.~oST~4~
- O.()Sl'oo$"0.005C3
0-0seopY ~'.H"H
LIE 4C.9g1
O.ooo.2'f;('\ 4H.1'1b1
O.oO~8'14'3 0.00020,21
- 0_00;8941 g461 61-
~.4rbJ.8
6.4SCJE
s-.3qau z,
s". z ~32, ,
~
4.
C
i~9.on~
9.013
49.24H'~
49.2 85
1)~
'2i
~~
_- 0.00-2,0.2.1
o.oo)4U- 0.000
Alif F o.00ls-08e
(3;4?~i.Hb3'+
!3?)~i
0.00 as.131-
:1.0. LOS-
0.0000183'1- 2o.
- o.ool)o8f o.0000le37. 4J'I r
'.~ISo
.11 so 6{,
').9" g .t.i
S-90.2..1
,
I.
1- H.lO,?>!
.zo. (,;'
.20- GS C'Z,t
I .JJ
q).6 l,:H
_ 'i).iS
Totales -- 24 C ~. oj(; S'(, 4 W
20.0iG504 ~{O.U.'t ~~8.2.04S
-- 440.12 21 40 &.J 4U
_;8.2.0145 __ S [,Q
146.S.60
Pendiente
Pendiente comtin
comn bb ;= (1)/(2)
(1)/(2);= -D.15Z.1'/O .()jb~(,}
o.452:1 c/0.0.1 6s- 6 s" ;= - Q.Z2<'
Termino indep. comn
Trmino indep. comun a
a =
; ((6)-(3))/((5)-(4))
6) - (J) ) / ( (5) _ (4) ) = C416SL
(fIb.) ~ I 0.(2.1) /CLtO - ~~.:l
to - -440.42.7)/0-10 o~y
-8.200
;= 3.,
3.5383
-54-
apropiada. Tambi~n se
apropiada. Tambin se anota
anota elel nmero
nGmero dede puntos
puntos en en cada
cada parcela.
parcela. Los c~lcu
Los cglcu-
los se continan
los continuan en la la parte 22 del formato
formato 5.1.
5.1. Para cada parcela,
parcela, los
los dife-
dentro de
rentes totales dentro de las parce1as (I.
las parcelas (I_X, Y, ~ x2,
IY,
X, l. EXY )) yy el
X2, I:.XY el nGmero
nmero de
puntos nn se
se combinan de de acuerdo
acuerdo aa las
las frmulas
f6rmulas mostradas
mostradas en en el
el encabezamien-
encabezamien-
to
to de las columnas
colurnnas de la la parte 2.2. Al sumar
sumar estos
estos nmeros
nGmeros se se obtienen
obtienen los
los re-
re-
l!nea de totales,
sultados en la linea totales, sealados
sefialados con los los nmeros
nGmeros (1) (1) al (6).
(6). Final
se calcula la
mente se la pendiente
pendiente comn
comGn yy el t~rmino independiente
el trmino independiente comn
comGn como
como sese
en las
muestra en las ltimas
Gltimas dosdos lneas
l{neas dede la
la parte
parte 2.2.
finales en
Los resultados finales en este
este ejemplo
ejemplo nmerico
nGmerico es es de
de -- 9.222
9.222 para
para el
el coefi-
coefi-
ciente de lala pendiente
pendiente comn,
comGn, mientras
mientras queque el t~rrnino independiente
el trmino independiente comn
comGn
tiene
tiene un valor de 3.583.
un valorde 3 . 583. Si
Si estos
estos modelos
modelos se se plotean
plotean como
como un
un conjunto de de cur
cur
indice de
vas de indice de sitio
sitio se encontrar~ que
se encontrara que tienden
tienden aa curvarse
curvarse mucho m~s abrup-
mucho mgs abrup~
tamente que lo10 indicado
indicado por por los
los datos
datos enen la
la ffigura
igura 5.6 Esto sucede
5.6 Esto sucede porque
porque
el
el valor asumido de k es es demasiado
demasiado grande
grande para
para este
este conjunto
conjunto de de datos.
dat o s.
Bailey yy Clutter, enen elel articulo
art!culo mencionado
mencionado anteriormente,
anteriorrnente, muestran
muestran como
como es
es
posible calcular elel coeficiente
coeficiente nono lineal
lineal kk directamente,
directamente, usando
usando un
un modelo
modelo
de regresi6n que contiene este coeficiente en
regresin en forma
forma lineal,
lineal, asumiendo
asumiendo queque
se tienen datos dede mediciones
mediciones sucesivas,
sucesivas, (de(de PMP de an~lisis
PMP 0o de anglisis de fuste)
fuste) de
que se
modo que se pueda
pueda estimar
estirnar elel incremento
incremento de de la
la altura.
altura. El El mtodo
metodo es
es el sigui~
el siguien
te:
1. C~lculo'
Calculo de un conjunto de valores transformados
transformados de
de YY para
para la
la 2a,
2a, 3a,
3a,
etc., parcela de acuerdo
etc., observaciones dentro de una parcela acuerdo aa la
la frmula:
f6rmula :
Hij -
- Hii_l
Hij_j; 1
Y..
13 = in
Yij In
Aij~l
Aij - Aii,1
Aii '"ij ' "ij-1)
No hay valor de Y
Y correspondiente
correspondiente aa la
la primera
primera observacin
observaci6n de
de la
la altu
altu
ra.
2. C~lculo
Cglculo del correspondiente conjunto
conjunto de
de valores
valores transformados
transformados de
de X,
X,
de acuerdo aa la
la frmula:
f6rrnula:
X..
13 = ln
Xij In (2/(A..ij +~ A..
(2/(A 13 A13-1))
ij _ 1 ))
3. estimador de la
Ajuste de un estimador la pendiente comn
comGn usando el formato
formato 5.1
5.1 0o
ecuaci6n (6)
la ecuacin (6) con los
los valores transformados
transformados dede XX ee Y.
Y. Ntese
N6tese que
que
si
si se
se utiliza
utiliza el 5 . 1, solamente
el formato 5.1, solamente sese necesitan
necesitan las
l a s dos
dos prime-
prime-
ras columnas y los
los totales
totales (1)
(1) y (2)
(2) de parte 2.
de la parte 2.
4. Al estimador obtenido de la
la pendiente
pendiente comn
comun se
se le
Ie resta
resta la
la unidad.E1
unidad.El
resultado es la
la estimacin
estimaci6n requerida
requerida de
de k.
k.
c~lculos se hacen
Si los cglculos hacen manualmente, puede puede utilizarse
utilizarse el
el formato
formato 5.2
5.2 para
para
efectuar las las transformaciones indicadas en los los pasos
pasos 11 yy 2.
2. En
En el
el ejemplo
ejernplo
ilustra su
que ilustra su uso,
uso, se
se haha hecho
hecho el c~lculo completo
el clculo completo para
para la
la primera
primera parcela.
parcela.
Las frmulas
f6rrnulas para los los estimadores
estimadores de de lala pendiente
pendiente comn
comGn yy del
del trmino
termino indepen
indepen
diente pantin,
diente as! como
gorrtrin, como t~cnicas
as las de transformaci6n
las tcnicas para
de transformacin estimarelelpar~metro
estimar
para pargmetro-
k,
k, pueden serser programadas con facilidad
facilidad en computadores pequeos
pequefios 0o calculado
calculado
res programables.
programables. Cualquier calculador
calculador concon un
un mnimo
minimo de
de 15
15 registros
registros para
para da
tos yy 200 pasos de programacin
prograrnaci6n es es apropiado.
aprGpiado. datos
Si el par~etro
pargmetro kk se se ajusta de este modo a a los datos de la figura
figura 5.6,
5 . 6, se
se ob
los siguientes
tienen los siguientes valores:
v alores :
Formato 5.2
5.2 Transformaciones
Transformaciones aa los
los datos
datos de
de edad
edad yy altura de PMP para ajustar
el parametro k de la ecuacin
parmetro k ecuaci6n de Schumacher para estimar la pendiente
coman
comn
'"
cia
:rr ~ ~ ,H. ':j. .2.1.1
I i .z. H.' "Lt. -; 0.'1 ~S8H ~z.g4t. INI
22 .... ~~.r 1., U-l~4 .U.~S' O.o6n~ -2.142
-l..HZ
.-
Li 3 .
<>-
~ 4 ."
20. " 'l,g.Z
9.2, 1.0 O.o~2. ;" -Z.'1~O ?5".
1121111 ~ L,'M ~.1-
).,_a 0.' OIl> .q.
23. 5 o.o~
':fS' -~ . .zn
0.034r) -3.24
r.
IreiniirallEgM
<L
i 4 .U-b 4Z.Z
11.Z.Z i.O 0.04 'H'\ -~. o~q ':1-
111161I 5"o.\i'
1. O.b ~.'oo1) -1S.40 0.02362, ---1
.2.. S'.1.t 0 o.oUU, ....La
.1. Lj.(;
i S' 2.2. b l,/i. ~ -i. 0 10.04>.tf -, Il"l b 2..~ ~.z.0 .
D.b o.~ooo 2.G.oo o.o.t1or -:.l.c1~
1 gC. 2.44
2.4.4 14O
u1.0 '1-8' 0.042. t~ -3.1s4
o.otaJT -l.l$l 2.1.'4 ,>".0 {.4 o!).H~ 2.!J-.oO l) .oHfS - 2.'1tl
'"
'"I
I)
a formato
Transferir a formato 5.1
5.1
-56-
kk = 0.25
bb =-6.638 (modelo
(modelo de
de pendiente comun)
pendiente coman)
a = 6.311
a 6.311 (modelo de t~rmino
(modelo de independiente coman)
termino independiente comun)
A continuacin
continuaci6n se
se examina
examina la
la construccin
construcci6n de
de un
un conjunto
conjunto de
de curvas
curvas de
de Indice
1ndice
de sitio a partir de
de estos
estos resultados,
resultados, utilizando
utilizando el
el modelo
modele del t~rmino inde
del termino inde
pendiente coman:
comun:
Se
Se tiene
In
in Ho = 6.311 + b i / / .A0.25
6.311 +bi AO.25 (8 )
(8)
El parametro bi
b i depende
depende del
del Indice
1ndice de
de sitio.
sitio. Para
Para un
un Indice
1 ndice de
de sitio
sitio selec-
selec-
cionado, la edad Indice
cionado, a la 1ndice Ai:
In
ln S
S = / Ai 0.25
6.311 + bi / 0.25
.Al
bi = ( In S -
in - 6.311
6.311 ). Ai O 25
). A10.25
S bi
16 -7.483
18 -7.234
20 -7.011
22 -6.809
24 -6.625
26 -6.456
los bi
Sustituyendo los b i en
en la
la ecuacion
ecuacion (8)
(8) para
para cada
cada curva
curva de
de indice
indice de
de sitio,
sitio,
valores seleccionados
pueden calcularse valores de Ho para valores seleccionados de A. curva r~
A. La curva re
sultante con los
los valores
valores arriba
arriba indicados,
indicados, sese muestra
muestraenenlalafigura
figura5.7
5.7enen1.;-
la
misma escalaque la empleada
escalaque la empleada para
para los
los datos
datos de
de la
la figura
figura 5.6.
5.6.
de sea calcular el
Si se desea el Indice
1ndice de
de sitio
sitio de
de un
un rodal,
rodal, dada
dada su
su edad
edad yy altura
altura
dominante, se
dominante, se usa
usa lala frmula:
f6rmula:
In
ln S = a ++ ( In
ln Ho -- aa )
( ) . (( A/Ai
A/Ai ) k
k ) (9 )
(9)
Por
Por ejemplo,
ejemplo, para los valores de los pardmetros
parametros a
a y
y kk dados anteriormente,su
anteriormente,su
poniendo un
un rodal con 14.5 m a
a los 11.5 aos,
anos, el estimado del indice de
del Indice de si--
tio esta por:
est dado por:
In
ln 6.311 ++ ( In
S = 6.311 in 14.5 -
( - 6.311 ) ( 11.5 /
/ 20 )0.25
)0.25
) . (
_:'7_
'-57-
Figura 5.7
5. 7 Indice de sitio
Curvas de indice sitio producidas con loslos datos de la
la figura
figura
por el
5.6 por rn~todo dede
el 1116-todo regresi6njer~rquica
regresi6n jer6rguica de
de Bailey & Clutter,
Bailey & Clutter,
usando la
la ecuacin Sch~~acher
ecuaci6n de Schumacher
sitio
Indice de sitio
26
35
24
24
22
30
20
25 18
1166
20
15
10
55
o
0
5 10
10 15
15 20 25 30
(ano s)
Edad (aos)
-58-
In
in 3.144
S = 3.144 23.2
S = 23.2
Se
Se puede
puede decir que el Indice
!ndice de
de sitio
sitio de
de este
este rodal
rodal es
es 23
23 m.
m.
Si
Si se utiliza el modelo
modele de la
la pendiente
pendiente coman,
comun, en lugar
lugar del
del modelo t~r
modele del tr-
mine independiente coman,
mino independiente comun, la
la ecuacin b~sica es:
ecuaci6n bsica es:
in Ho = ai + b/Ak (la)
(10)
siendo
siendo ai !ndice de
ai dependiente del Indice de sitio
sitio de
de acuerdo
acuerdo a:
a:
ai = in S - b/Aik (ll)
(11)
El Indice
El indice de sitio
sitio para una observacin
observaci6n seleccionada
seleccionada de
de altura-edad
altura-edad viene da
do por:
(4) curvas de
Puede usarse un conjunto de curvas de sitio
sitio ya
ya existentes
existentes para
para
sitio aa las
asignar clases de sitio las parcelas.
parcelas. Alternativamente,
Alternativamente, pueden
pueden
especialmente curvas
dibujarse especialmente curvas aa mano
mana para
para una an~lisis particular,
una anlisis particular,
Esta tcnica
como clasificar parcelas. Esta tecnica eses til
util cuando
cuando las
las curvas
curvas
son casi satisfactorias,
existentes son satisfactorias, aunque
aunque su
su curvatura
curvatura nono es
es com-
com-
pletamente correcta, oa cuando
cuando se
se desea
de sea aproximar
aproximar curvas
curvas dibujadas
dibujadas
aa mana
mano por una ecuacin.
ecuaci6n.
Altura dominante Ho
Edad A
Clase o 1ndice de
0 indice de sitio
sitio S
regresi6n mltiple
La regresin multiple puede
puede usarse
usarse para
para ajustar
ajustar un
un modelo
modele que
que relacione
relacione Ho
Ho aa
usanda diferentes transformaciones.
A y S usando transformaciones. Se
Se han
han utilizado
utilizado dos
dos tipos
tipos de
de mode
mode
los:
Ho o + biA
Ho == bbo blA + b2S + b3As
b3AS + b4A2
b4A2 (13)
(13)
log Ho = 130
log b o + bi/A
bl/A + b2S
b 2 S + b3S/A (14)
La ecuaci6n
La ecuacin (13)
(13) est
esta basada
basada en
en la ecuac~on cuadrgtica.
la ecuacin cuadratica. Ver
Ver la fig~
la figu
ra A.2.1
ra A.2.1 (e)
(e) en el apendice
en el apndice A para observar las
las formas
formas que
que puede
puede
para curvas
tomar la curva.Obviamente, para curvas de
de indice
indice de
de sitio,
sitio, slamen-
s61amen-
te se desea una de laslas diversas formas
formas posibles.
posibles. La
La ecuacin
ecuaci6n (14)
(14)
esta
estg basada en lala ecuacin
ecuaci6n de Schumacher,
Schumacher, o0 figura
figura A.2.1
A.2.1 (c)
(c) del
del
apndice.
apndice.
Asi
As del modele (13) se
modelo (13) se tiene:
tiene:
S* o + blAi
S* == bbo b1Ai + b2S
b 2 S + b3AiS + b4Al2
b4Ai2
-60-
de donde;
sS = ( S*- be,-
( b4Ai2) /
biAi -- b4Ai2)
b o - b1Ai 2 + b3A1)
/ (( bb2+ b3Ai) (15)
(15)
Del
Del mode10 (14) se
modelo (14) se tiene:
tiene:
log S*=
log o + b1/Ai
S*= bbo+ b1/A1 + b2S + b3S/A1
b3S/Ai
de donde:
S = ( log
( * - bbo
log SS*- - b1Ai
o - ) ( + b3/Ai
blAi ) // ( b2 + b3/Ai ) ) (16 )
(16)
Predicciones mas
mgs detalladas dede clase
clase de
de sitio
sitio con
con referencia
referencia aa un
un
de curvas
conjunto particular de curvas altura-edad
altura-edad de
de una
una especie
especie determinada
determinada
por medio de construccin
construcci6n dede relaciones
relaciones funcionales,
funcionales, para
para bosques
bosques yaya
la regin
establecidos en la regi6n en
en cuestin,
cuesti6n, entre
entre clases
clases de
de sitios
sitios yy fac-
fac-
tores ambientales tales
tales como
como nutrientes,
nutrientes, profundidad
profundidad yy textura
textura del
del
suelo,
suelo, altitud, aspecto yy precipitacin.
altitud, aspecto precipitaci6n.
enfoque es
El primer enfoque es particularmente
particularmente relevante
relevante para
para bosques
bosques mixtos
mixtos natura-
natura-
les.
les. En lo
10. concerniente a bosques
bosques uniformes
uniformes creados
creados por
por el
el hombre,
hombre, esta
esta ma-
ma-
mas aa la
teria corresponde ms la fase
fase de
de seleccin
selecci6n de
de especies
especies yy proveniencias
proveniencias que
que
a una detallada prediccin
a predicci6n dede rendimiento,
rendimiento, de
de lo
10 cual
eual trata
trata este
este manual.
manual.
-61-
(3) Las
Las diferentes variables
variables ambientales
ambientales se
se transforman
transforman yy seleccionan
seleccionan
como se describe en la
la siguiente
siguiente seccin
secci6n para
para producir
producir un
un modelo
modele
predictivo de
predictivo de la
la forma:
forma:
513.2 Construcci6n y
Construccin y seleccin
selecci6n de variables ambientales
El
El numero
nmero total
total de variables ambientales medidas puede ser muy grande,
grande, posi-
blemente hasta
blemente hasta cien por parcela,
parcela, aun cuando un modele
modelo utilizable debera
deber con-
con-
tener
tener el
el menor nmero
numero posible
posible de
de las
las variables
variables ms
mas facilmente
facilmente medibles.
medibles.
La
La reducci6n
reduccin del numero total
del nmero total de variables puede lograrse de diferentes
diferentes mane
mane
ras:
Selecci6n estadstica
Seleccin estadlstica de las
las variables ms
mas significativas. an~li
significativas. El anli-
sis
sis de
de componentes
componentes principales puede par ~ esto,
puede utilizarse para esto, pero
pero qui-
qui-
zas
zas es
es mas
ms simple
simple usar
usar un
un analisis
anlisis de
de regresi6n
regresin mul t iple paso aa pa-
mltiple pa-
so.
Analisis grficos
Anlisis graficos de
de las
las variables
var iables consideradas
consideradas como
como las
las ms
mas impor-
impor-
tantes limitantes del crecimiento,
tantes como factores limitantes crecimiento, seleccionando
seleccionando sla-
s6la-
aquellas que
mente aquellas que tienen
tienen una
una relacin
relaci6n definida
definida yy obvia
obvia con
con las
las cla-
cla-
ses
ses de sitio.
sitio.
-62-
deber~n en lo
Las variables medidas deberdn 10 posible ser
ser transformadas,
transformadas, con elel fin
fin de
de
obtener valores que puedan correlacionarse con el crecimiento.
crecimiento. El ejemplo
ejemplo
mas obvio
ms obvio es
es la
la exposicin topogr~fica del
exposici6n topogrdfica de.l lugar,
lugar, que
que puede
puede medirse
medirse en
en gra-
gra-
dos,
dos, de O
0 a 3600,
360, donde los
los valores cercanos
cercanos alal cero y al 360
360 corresponden
corresponden
aa direcciones al norte.
norte . Tomando el seno
sene de los ~ngulos dividido entre
los dngulos entre dos,
dos,
se obtiene un cdigo
c6digo de exposicin
exposici6n entre cero
cero para direcciones septentriona-
septentriona-
pendientes meridionales.
les y uno para pendientes meridionales.
52
52 HETODOS EsTATICOS
METODOs ESTATICOS DE
DE PREDICCION
PREDICCION DE
DE RENDIMIENTO.
RENDIMIENTO.
m~todos estdticos
Los mtodos est~ticos dede prediccin
predicci6n dede rendimiento
rendimiento son son aquellos
aquellos en en los
los cua-
cua-
les
les el rendimiento sese predice
predice directamente
directamente como
como una
una funcin
funci6n de
de la
l a edad,
edad, cla-c la-
se
se de e historia de la
de sitio e la densidad del
del rodal.
rodal. Los m~todos son
Los mtodos est~tic o s
son estdticos
en
en el
el sentido de que las
las funciones
funciones resultantes
resultantes deldel rendimiento
rendimiento nono permiten
permiten
variaci6n
variacin alguna en la la historia
histaria dede los
los tratamiento
tratarniento del
del rodal,
rodal, excepto
excepto dentro
dentro
tratamientos alternativos
de amplias clases de tratamientos alternativos de de clareos,
clareos, que
que ya est~n pre
ya estdn pre
los datos.
sentes en los datos. -
Los componentes del redimiento
redimiento de mayor
mayor inters
interes para
para el
el administrador
administrador fores-
f o res-
tal
tal son el volumen y el di~metro promedio.
el didmetr promedio. Para
Para determinar
determinar elel volumen
volurnen dede loslos
rodales se requiere conocer
conoc er el
el numero
numero de
de arboles,
arboles, la
la altura
altura yy el di~metro
el didmetro
promedio. numero de
promedio. El ndmero ~rboles es
de 'rboles es usualmente
usualmente la la base
base para
para definir los los trata
de clareo,
mientos de clareo, mientras
mientras lala altura
altura es
es lala medida ~s comn
medida ms comun para
para la clasi~
la clasi-
ficaci6n de
ficacin de sitio.
sitio.
En
En esta seccin
secci6n se consideran los metodos est~ticos para
mtodos estdticos para predecir
predecir el el di~me
didme-
tro pnomedio.
521
521 gr~ficos basados en la
Metodos grficos la funcin
funci6n dimetro/altura
diametro / altura
m3/ha
8
8
xv
t/
xv
/
7x x
6
6
~~
x
X
4
4
/7
/"
/
x X
(x)
(X)
Vx
2
2 x
X x
100
1.00 120 140 160 180 200
dlas + 6C
Figura 5.8
5.8 Modelo de evaluacin
evaluaci6n de
de sitio
sitio para
para bosques
bosques dede pino
pino escocs
escoces (P.
(P.
sylvestris) en Suecia.
sylvestris) Suecia. La
La productividad
productividad promedio
promedio dede las
las regiones
regiones esta
est plotea
plotea
numero promedio
da contra el nmero promedio de
de das
d1as anuales
anuales con
con temperaturas
temperaturas sobre 6C. (Re
sobre 6C. (1=t
Dg
.. ... .... .. ..
.... . .
Altura dominante Ho
Ho
(a)'
(a) de parcelas
Con datos de parcelas temporales
temporales se
se obtiene
obtiene un
un diagrama
diagrama disperso.
disperso. La ver
de la
dadera forma de la relacin di~etro/altura es
relaci6n digmetro/altura es dificil
dif!cil de
de definir.
definir.
Dg clareo
tratamientos de clareo
CC
...-
/ --
-- ' B
// , ..--.
"'"---
_-- ..-- -----
V/I,./..---
Ho
(b) Con
(b) Con datos
datos de
de experimentos
experimentos de
de clareo, la forma
clareo, la forma de la relacin
relaci6n yy su
su depen-
la densidad del rodal es
dencia de la es muy
muy clara. A representa el clareo m~s
clara. A mgs
ligero y DD el 'mas severo.
mas severo.
-65-
masa presente.
menor masa presente.
Puede verse queque las
las curvas
curvas son
son cncavas
a6ncavas concon respecto
respecto alal eje
eje horizontal.
horizontal. Con
Con
parcelas temporales
datos de parcelas temporales o0 permanentes,
permanentes, puede
puede construirse
construirse unauna serie
serie de
de
curvas dibujadas a a mano de una an~loga a
una manera anloga a la
la descrita enen la
la seccin
secci6n
512.1
512.1 para
para curvas de ndice
indice de sitio,
sitio, excepto que aqu aqu! las curvas sealan
sefialan di
ferencias enen la
la historia
historia del
del rodal m~s bien
r oda l ms bien que
que en
en clases
clases de
de sitio.
sitio.
parcelas temporales,
Con datos de parcelas temporales, laslas formas
formas dede las
las curvas
curvas pueden
pueden definirse
definirse
b~sicamente
bsicamente como envolventes, entreentre lala parte superior
superior y y la
la parte
parte inferior
inferior
del diagrama de puntos,
puntos, pero
pero obviamente
obviamente la la forma
forma dede la
la curva
curva puede
puede alterarse
alterarse
f~cilmente, como resultado de unos
fcilmente, unos pocos
pocos puntos anmalos
an6malos o excepcionales y
0 excepcionales y
es juicio subjetivo.
es en gran parte un asunto de juicio subjetivo. Con datos de parcelas
parcelas perma-
perma-
nentes por otra parte,
parte, las
las tendencias
tendencias principales de de la
la curva
curva son f~cilmente
son fcilmente
por las
visibles por las pendientes
pendientes de
de las
las lneas
lineas que
que unen
un en las
las mediciones
mediciones dede las
las mis
mis
parcelas.
mas parcelas.
all:ura se
La altura se usa
usa en
en el
el eje
eje horizontal
horizontal como
como un
un indicador
indicador dede la
la edad
edad dependien
dependien
sitio. Los
te del sitio. gr~ficos pueden
Los grficos pueden construirse
construirse utilizando
utilizando la la edad,
edad, pero
pero en
en di
dI
cho caso sese necesitan
necesitan conjuntos
conjuntos separados
separados de de curvas
curvas para
para cada
cada clase
clase de
de si-
si-
tio.
io.
un conjunto de
Una vez que un de curvas
curvas han
han sido
side dibujado,
dibujado, debe
debe determinarse
determinarse lala
historia de la densidad de los
los rodales
rodales representada
representada por
por cada
cada clase
clase de
de densi-
densi -
dad. Esto se
dad. se discute en
en la
la seccin
secci6n 523.
523.
Las curvas dibujadas aa mano
mano pueden
pueden ser
ser expresadas
expresadas como
como ecuaciones,
ecuaciones, utilizan-
utilizan -
los diferentes mtodos
do uno de los metodos de
de aproximacin
aproximaci6n que
que se
se describen
describen en
en el ape~
el apn
dice A.
A.
(i)
(i) Oon
Con datos de parcelas
parcelas temporales:
temporales :
T = i/n
i /n
donde i
donde i es el ndmero
numero de orden
orden dentro
dentro dede una
una clase
clase de
de altura
altura yy nn eses
el
el numero
ndmero de puntos que contiene lala clase.
clase. TT es
es un
un Indice
ind i ce de
de la
la
historia de
historia de los
los tratamientos.
tratamientos. Puede
Puede ajustarse
ajustarse un
und regresin
regresi6n mlti-
multi-
ple
ple de
de uno de los
los tipos discutidos anteriormente
anteriormente usando
usando TT como
como una
una
independiente.
variable predictora independiente.
linea de
Ajuste de una linea de tendencia
tendencia promedia
promedia por
por regresin
regresi6n simple
simple en-
en-
tre
tre el di~metro promedio y la
el dimetro la altura
altura dominante,
dominante, yy despus
despues construc
construc
ci6n
cin dede un curvas proporcionales 0o paralel~s
un conjunto de curvas (anam6rfI
paralelas (anam6rfT
cas)
cas).
-66-
-66-
(ii)
(ii) parcelas permanentes.
Con datos de parcelas permanentes.
Regresi6n simple
Regresin simple jerrquica,
jerarquica, como sese describe en lala seccin
secci6n
512.2
512.2 para curvas
curvas de indice de
de Indice sitio. Esto dependera
de sitio. dependerg de la habi
lidad
lidad de
de encontrar una
una trasformaci6n
trasformacin de los datos
de los datos que
que resulte -
figura como la
en una figura la 5.5
5.5 (a)
(a) 66 5.5
5.5 (b)
(b) para
para los
los model os de
modelos de pen
diente comn t~rmino independiente
comun 6 trmino independiente comn
comun respectivamente.
respectivamente. LaLa-
ecuaci6n de Schumacher puede ser
ecuacin ser adecuada,
adecuada, o trasformaci6n
0 una trasformacin
mas simple del
mgs simple del tipo:
tipo:
Dg = a + b Hok
= a
donde k es un
k es un exponente
exponente entre
entre O0 yy 1.
1.
Regresi6n mltiple
Regresin multiple convencional,
convencional, despus
despues de haber
haber asignado
asignado unun
valor de la
la historia los
los tratamientos
tratamientos T T aa cada parcela.
parcela. Esto
puede hacerse de varias maneras,
maneras, incluyendo
incluyendo unauna variante
variante del
del m
me
sorteo descrito anteriormente
todo de sorteo anteriormente para parcelas temporales
tempora1es-
cual, los
en la cual, los valores promedios de de T calculados
calculados para
para cada
cada me-
me-
dici6n,
dicin, se obtienen de parcelas manejadas de acuerdo acuerdo aa un
un plan
plan
de clareos.
consistente de clareos.
Con experimento de clareos,
clareos, los
los valores
va lores T asignados
asignados aa cada
cad a tra-
tra-
tamiento pueden
pueden ser
ser tan
tan simples
simples como 1, 2,
como 1, 2, 3,
3, etc.,
etc., si los tra-
tamientos pueden ordenarse claramente
claramente de de acuerdo
acuerdo aa su
su grado
grado de
de
intensidad.
Un enfoque muy comn
comun para ajustar
ajustar modelos de de regresin
regresi6n mltiple
multiple
a parcelas permanentes es
a es usar
usar elel espaciamiento,
espaciamiento, relacionndolo
relaci onandolo
la altura
con la altura o0 inclusive
inclusive simplemente
simplemente con con la
la densidad,
densidad, como
como In-
in-
de la
dices de la historia
historia de
de los
los tratamientos.
tratamientos. Este
Este mtodo
metodo da
da la
la im-
im-
presi6n bien, pero
presin de trabajar muy bien, pero introduce
introduce dificultades
dificultades con-
con-
ceptuales especiales que se se discuten
discuten ms
mas adelante
adelante en
en la
la seccin
secci6n
523.
La funci6n matematica
La funcin que se
matemtica que se use
use como
como base
base dede los
los modelos
modelos de
de ajuste
ajuste no
no es
es
muy importante,
importante, siempre
siempre que
que sea
sea capaz de asumir
asumir una forma correcta. Esta se-
correcta. Esta se-
ra
r la de una curva levemente
levemente cncava
c6ncava ', respecto
respecto al
al eje horizontal,
horizontal, como se
en la
muestra en la Fig.
Fig. 5.9
5.9 (b).
(b). Modelos
Modelos apropiados
apropiados son:
son:
2
2
(1) Dg = bo
b o + blHo + b2T + b3H0T
b3HoT + b4H0
b4Ho
k k
(2) = b190o + b1H
Dg = b1Ho + b2T
b 2T ++ b3H1r
b3HoT
El
El segundo modelo puede ser
ser ajustado usando valores tentativos
tentativos de
de kk entre
entre 0O
y 1 con metodos
mtodos dede regresin
regresi6n lineal,
lineal" seleccionando
seleccionando el
el valor
valor que
que de
de el
el mgximo
maximo
coeficiente de correlaci6n,
correlacin, o tambien directamente
0 puede ajustarse tambin directamente por
por regre
regre
si6n lineal .
Sin no lineal. -
Cualquiera que sea la funcin
funci6n usada,
usada, el resultado debe ser examinado
debe ser examinado grafica
grfica
mente y sobrepuesto
sobrepuesto aa los
los datos
datos para
para detectar
detectar comportamientos
comportamientos anmalos.
an6malos. -
523 Definici6n
Definicin de la historia de los tratamiento
tratamiento' en funcin
funci6n de la densidad
de la densidad
fa edad
yy la
historia de
Las clases de historia de los
los tratamientos
tratamientos pueden
pued'e n ser
ser definidas
definidas grgficamente,
graficamente,
-67-
oo por
por un metodo numerico, como se
mtodo numrico, se discute en las
las secciones
secciones 521
521 yy 522
522 respec-
respec-
tivamente. Una vez
tivamente. vez que
que esto
esto sese ha
ha hecho,
hecho, la
la densidad
densidad real
real involucrada
involucrada puede
puede
por un
determinarse por un proceso
proceso dede tabulacin.
tabulaci6n. Si
Si la
la funcin gr~fico relaciona
funci6n o0 grfico relaciona
di~metro
dimetro promedio a altura dominante,
dominante, se construir~ una tabla de clases
se construir clases de
de
altura para cada clase de tratamiento,
tratamiento, yy se determinar~ la
se determinar la densidad
densidad promedio
promedio
porhect~rea en cada clase de tratamiento.
porhectdrea tratamiento. Las
Las clases
clases de altura
altura pueden
pueden conver
conver
tirse posteriormente en clases de edad yy clasesclases de indice
!ndice de
de sitio
sitio por
por refe-
refe=
rencia aa las curvas relevantes
relevantes de indice
!ndice de
de sitio.
sitio.
Cuando lala funcin
funci6n del di~metro promedio
del dimetro promedio ha
ha sido
sido ajustada
ajustada utilizando
utilizando densidad
densidad
oo espaciamiento relativo como un un Indice
!ndice de
de la
la historia
historia de loslos tratamientos,
tratamientos,
determinar la
no es necesario determinar la densidad
densidad correspondiente
correspondiente aa unun tratamiento
tratamiento his-
his-
t6rico particular. Sin
trico en particular. Sin embargo,
embargo, los
los coeficientes
coeficientes determinados
determinados para
para una
una
funci6n dependen de
funcin de esta naturaleza dependen de la
la relacin
relaci6n particular
particular entre
entre lala edad
edad
yy la densidad observada
observada en
en los
los datos.
datos. Fallas
Fallas en
en la
la realizaci6n
realizacin de de esto pueden
funci6n podra
significar que la funcin podria ser
ser utilizada
utilizada para
para combinaciones
cbmbinaciones edad/densi
edad/densi
dad
dad no representadas enen los
los datos,
datos, dando resultados ~s o
resultados ms menos errneos.
0 menos erroneos. -
524 est~ticas de
Funciones estticas de rendimiento
rendimiento predictivas
predictivas de ~rea basal
de rea basal o0 volumen
volumen
As! como se
As se contruyen
contruyen funciones est~ticas de
funciones estticas de rendimiento
rendimiento para
para predecir
predecir elel
di~metro promedio,
dimetro promedio, es es posible
posible usar t~cnicas idnticas
usar tcnicas identicas para
para predecir
predecir el ~rea
el rea
basal
basal o v olumen por
0 el volumen hect~rea. Las
por hectrea. Las formas
formas de
de estas
estas funciones
funciones se
se muestran
muestran
en figur a s 5.10
en las figuras 5.10 (a)
(a) yy (b).
(b) .
general , el uso
En general, di~etro promedio significa
usc del dimetro significa ciertas ventajas
ventajas en
en termi
trmi
nos de simplicidad de un un modelo
mode l e general.
g eneral. Si
Si se
se predice ~rea basal
predice rea basal o0 volumen
volumen-
usualmente es necesario tener tener alguna
alguna funcin
funcion que
que permita
permita obtener
obtener posterior-
posterior-
mente el di~metro promedio.
el dimetro promedio .
Tambien, con rea
Tambin, ~rea basal
basal o volume n por ha,
0 volumen ha, un gran componente de la respuesta
respuesta
aa las diferentes densidades de de los
los rodales
rodales es
es simplemente
simplemente el
el efecto
efecto multipli
multipli
cativo de las diferentes densidades.
densidades. Con Con la
la funcin
funcion del
del dimetro
diametro promedio,
promedio, -
esta influencia desaparece, de de manera
manera que
que las
las relaciones
relaciones resultantes
resultantes refle-
ref le-
jan los efectos reales de de competencia.
competencia.
est~ticos de
Los modelos estticos de rendimiento
rendimiento tienen
tienen 33 desventajas
desventajas significativas:
significativas:
(iii) determinaci6n de
La determinacin de los
los rendimientos
rendimientos de
de los
los clareos
clareos es
es dificil,
dificil,
a menos que se
a se lleven
llev en registros exactos de los di~metros de los
los dimetros
~rboles removidos.
rboles removidos. Muy frecuentemente
frecuentemente con PMP o inclusive con ex
0 inclusive
tales datos
perimentos, tales datos no
no son
son obtenibles.
obtenibles.
parte , los
Por otra parte, est~ticos son
los modelos estticos son indiscutiblemente m~s sencillos
indiscutiblemente ms sencillos de
construir
construir yy usar din~icos, y en situaciones
usar que los dinmicos, situaciones apropiadas,
apropiadas, al menos
son confiables.
-6 8-
-68-
I
decreciente
I
decreciente
L-------------------------------Ho
-69-
53 METODOS DINAMICOS DE
DE PREDICCION
PREDICCION DE
DE CRECIMIENTO
CRECIlUENTO Y
Y RENDIMIENTO
RENDIMIENTO
Un
Un modele din~mico contempla tasas
modelo dinmico tasas de
de cambio
cambio dentro
dentro dede un
un sistema.
sistema. EnEn lo
10 con
con
cerniente aa estudios de de rendimiento
rendimiento forestal,
forestal, esto
esto significa
significa queque la
la predic-
predic--
ci6n b~sica es
cin bsica es el
el incremento
incrementodeldeldi~metro,
dimetro, &rea
rea basal
basal 0o volurnen.
volumen.
Los din~micos tienen
Los modelos dinmicos tienen lala ventaja
ventaja dede ser m~s representativos
ser ms representativos de de la
la ver
ver
dadera
dadera dependencia
dependencia causa yy efecto
efecto entre
entre la
la densidad
densidad del
del rodal
rodal yy su
su rendimien
rendimieF
to
to que est~ti.cos.
que los modelos estticos. No tienen
tienen lala limitacin
.1lmitaci6n dedeque
quelos
losdatos
datosd-e-
de
ben representar series
series consistentes
consistentes de de historias
historias del
del rodal,
rodal, yy consecuentemeiT
consecuentemen
te
te pueden ser utilizados como como base
base para
para analizar
analizar yy sintetizar
sintetizar datos
datos dede muy
muy -
tipos de
diversos tipos de parcelas
parcelas dede experimentos
experimentos yy parcelas
parcelas dede muestreo
muestreo permanen-
permanen-
tes.
Los
Los modelos de crecimiento se se basan
basan en
en funciones
funciones que
que predicen
predicen incrementos
incrementos
(del diametro
(del promedio, ~rea
dimetro promedio, rea basal
basal 0o volurnen)
volumen) en en cortos
cortos intervalos de tiem-
po, en funcin
po, en funci6n de la la densidad deldel rodal
rodal (expresada
(expresada en
en trminos
terminos de ~rea basal
de rea basal
y!o
y/o edad), rodal yy clase
edad), edad del rodal clase de
de sitio.
sitio. Las
Las ltimas
Gltimas dos
dos variables
variables pueden
pueden
ser
ser combinadas
combinadas como altura dominante, similarmente
altura dominante, similarmente al caso de los los modelos es es
t~ticos
tticos de rendimiento.
Para producir predicciones de de rendimiento,
rendimiento, la la funcin
funci6n de
de crecimiento
crecimiento debe
debe in
in
tegrarse matem~ticamente
tegrarse matemticamente o0 sumarse
sumarse iterativamente
iterativamente sobre
sobre una
una sucesin
sucesi6n dede aos.
anos.
El
El Gltimo
ltimo proceso se se lleva
lleva usualmente
usualmente aa cabo
cabo escribiendo
escribiendo un un programa
programa para
para un
un
computador pequeno, al
computador pequeo, al cual
cual sese le
Ie denomina
denomina modelo
modele de
de simulacin
simulaci6n porpor computa-
computa-
crecimiento forestal.
dor del crecimiento forestal.
En las secciones
secciones siguientes,
siguientes, se se discuten estas tcnicas con m~s
tecnicas con ms detalles,con
detalles,con
ref erencia particular a
referencia a las
las funciones
funciones dede incremento ~r ea basal
incremen to del rea ba sal del ro-
dal.
dal. Las tcnicas
tecnicas no varan
var{an mayormente si si se
se usan
usan el di~metno promedio
el dimetro promedio o0 elel
par~metros alternativos,
volumen como parmetros alternativos, pero el incremento del del area basal es
rea basal
quiz~s
quizs el modelo ms m~s simple.
simple.
El
El incremento del area basal
del rea basal de
de un
un rodal,
rodal, para
para la
la mayor
mayor parte
parte de
de las
las espe-
espe-
cies de las plantaciones, al
a1 plotearse
plotearse contra
contra la
la altura
altura dominante
dominante muestra
muestra el
e1
siguiente tendencia:
siguiente tipo de tendencia:
Ig
1g
I
/ incremento mximo
mximo
,,
'N4
Ha Hb Hc
-70-
donde 'g
Ig es el
el incremento
incremento corriente anual ~rea basal por ha,H0
anual del rea ha,H o es
es la
la al-
al-
tura dominante y N1,
N1' N2,
N2' etc.,
etc., son
son diferentes niveles
niveles de una densidad cons-
tante, N , mayor que N3,
tante, siendo N4, N3, el
el cual a su
su vez es
es mayor que N2,
N2, yy as
as1 su-
su-
cesivamente. 4
La
La curva tiene 33 regiones que pueden serser distinguidas para el
el propsito
prop6sito de
un an~lisis practico
un anlisis pr~ctico de
de los
los datos:
datos:
(1) El intervalo
intervalo HaHa -
- Hb
Hb muestra un
un incremento
incremento que
que asciende r~pidamente
asciende rgpidamente
hasta un m~'xiino
hasta mgximo y despus su descenso.
despus empieza su descenso. Hay fuertes
fuertes diferen-
cias entre las clases de densidad. dif1-
densidad. Esta parte de la curva es dif-
cil de
de ajustar por modelos de regresin
regresi6n simple.
simple. En algunas especies
esto ocurre a est~ representada en los
a una edad tan temprana que no estg los
datos de las parcelas
parcelas de
de muestreo.
(2) El intervalo
intervalo Hb
Hb --Ho
Hc muestra una
una fuerte
fuerte declinacin
declinaci6n en
en el
el incremento
incremento
~rea basal
del grea basal con
con elel tiempo,
tiempo, yy marcadas diferencias
diferencias entre
entre las
las cla-
cla-
ses de
de densidad f~cilmente
densidad.. Esta parte de la curva puede modelarse fcilmente
por varias funciones
funciones dede regresin
regresi6n del
del tipo
tipo mostrado
mostrado en
en la
la figura
fig ura
A.2.1 del apndice
apndice A.A. El siguiente
siguiente modelo
modele incluye
incluye el
el efecto
efecto de
de la
la
densidad:
b o + b131 k Ho - k
in Ig
In 1g = bo o - + b2 N
1 HHC:k N Ho-k (1)
(1)
k pueden
Al coeficiente k d~rsele determinados
pueden dgrsele deterrninados valores (1, 2,
valores (1, etc.) o
2, etc.) 0
por regresin
ajustarse por regresi6n no
no lineal.
lineal.
Se
Se usan (base e)
usan logaritmos naturales (base e) para transformar IgIg ya
ya que es
la integracin
to simplifica la matem~tica del
integraci6n matemtica del modelo
modele (ver
(ver seccin
secci6n
533)
533)..
M~s allg
(3) Ms all~ de
de Ho,
Hc, las
las diferencias
diferencias entre
entre las
las clases
clases de
de densidad pr~ct~
densidad prgcti
camente desaparecen yy el del ~rea
el incremento del basal ser~
grea basal ser casi
casi cons-
cons--
tante. est~ despus
tante. Esta parte de la curva est despues de lala culminacin
culminaci6n del in in
cremento volumetrico
cremento volumtrico promedio
promedio anual
anual en
en lala mayor1a
mayora dede las
las especies,-
especies,
ser relevante
pero puede ser releva'nte para
para predicciones
predicciones de de rendimiento
rendimiento en en roda-
roda-
les de
les de madera
madera de aserrfo
aserr!o con largas rotaciones.
rotaciones. El modelo
modele (1)(1) ante
ante
rior produce un tipo
tipo satisfactorio
satisfactorio de
de respuesta
respuesta en
en esta
esta regin.
regi6n. -
Es dif!cil, como se
difcil, como se ha
ha notado,
notado, encontrar
encontrar una
una funcin
funci6n lineal
lineal con
con buen
buen compor-
compor-
tamiento para ajustar elel intervalo
intervalo completo
completo de
de la
la curva,
curva, sin
sin sesgo
sesgo en
en ningu-
ningu-
na parte de ella. AA causa
causa de
de que
que el
el punto
punto Hb,
Hb, ocurre
ocurre usualmente
usualmente muy
muy temprano
temprano
del rodal,
en la vida del rodal, es
es mejor ajustar
ajustar una
una funcin
funci6n tal
tal como
como la
la (1)
(1) s6lamente
slamente
a m~s all
a los datos ms all~ del
del IQ m~ximo, y
Ig mximo, y predecir
predecir el
el 'rea
area basal
basal G en
en Hb,
Hb, de una
funci6n
funcin de rendimient
rendimientoo en trminos
trminos de densidad. Por Por ejemplo:
ejemplo:
Go = a + bi N + b2N2 (2 )
(2)
incremento del
El incremento ~rea basal
del rea basal puede
puede predecirse
predecirse como
como una
una funcin
funci6n de
de la
la edad
edad o0
area basal
del rea basal en pie.
pie. Si
Si se
se usa la
la edad,
edad, sese requieren
requieren diferentes
diferentes conjuntos
conjuntos
de
de curvas de incremento para cadacada clase
clase de
de Indice
1ndice de
de sitio.
sitio. Con
Con el
el rea
area ba-
ba-
sal en
sal en pie, satisfactorios para
pie, no pueden obtenerse modelos satisfactorios para rodales
rodales con
con his-
his-
muy variables.
torias muy variables. Consecuentemente,
Consecuentemente, lala prediccin
predicci6ndel
delincremento
incrementodel delrea
area
-71-
-71-
funci6n de la
basal en funcin la altura
altura dominante
dominante yy de la
la densidad como se
se describe an
an
es lo
teriormente es m~s recomendado.
10 mgs recomendado.
531.3
531.3 pr~cticos en
Problemas prgcticos en el an~1isis de
el anglisis de datos de incremento
incremento
incremento
Los datos de incremento son si
son e~pre muy
siempre muy variables.
variables. Esto
Esto se
se debe
debe al
al efecto
combinado de:
combinado de:
1. Variaciones en
Variaciones en el
el incremento
incrementode
de ario
ano aa ario,
ano, debido
debido aa fluctuaciones
fluctuaciones
clim~ticas.
climgticas.
532 Construcci6n de
Construccin de un
un modelo
modelo de
de crecimiento
crecimiento con
aon datos
datos de
de un
un experimento
ex erimento de
de
espaciamiento: Hip tesis de
espaciamiento: Hiptesis de respuesta
respuesta de
de Marsh
Esta hiptesis
hipotesis ha
ha sido
side validada
validada con
con diferentes
diferentes especies
especies subtropicales
subtropicales yy pare pare
ce precisos ee insesgados
ce suministrar estimados precisos insesgados del
del crecimiento
crecimi ento que que sigue
sigue aa -
los clareos, siempre que el
l o s clareos, e1 crecimiento
crecirniento se mida sobre
se mida un ill
sabre un mimo ~fios.
dede3 3arios.
_d imo
* ~arsh,
* E.K. and Burgers,
Marsh, E.K. Burgers, T.F.
T.F. 1973.
1973. The
The Response
Response of
of Even-Aged
Even-Aged Pine
Pine Stands
Stands
tto
o Thinning. Forestry in
Thinning. Forestry in S.
S. Africa,
Africa, 14 103~111.
14 : 103-111.
:
-72-
El procedimiento
procedimiento es
es como
como sigue:
sigue:
Clareo al
Clareo al G despus
despus N despus
N despus
n
n oirea basal
rea basal del clareo del clareo
1
1 28
28 22 900
2 35 28 500
33 35 30 300
300
carta final
corta final 35
(3)
(3) .Se
Se dibuja
dibuja el
el plan
plan de
de los
los tratamientos
tratamientos en
en el
el grfico
groifico (lineas
(lineas discon-
disc on -
tinuas en lala figura
figura 5.11)
5.11) y por
par la
la hiptesis
hip6tesis de Marsh se se determinan
los tiempo entre
los intervalos de tiempo entre clareos:
clareos:
11 0.0-
0.0 - 8.0
8.0 8
8 8
8
22 8.5-13.5 55 13
33 14.5-18.5 44 17
17
aorta
corta final
final 20.0-23.0 33 20
(4)
(4) Se relaci6n rea
Se reconstruye la relacin &rea basal/edad usando el eje de edades
para los
corregidas para los rodales
rodales clareados.
clareados. Entonces
Entonces es
es posible
posible obtener
obtener
de rendimiento
otras estadisticas de rendimiento para
para el
el rodal
rodal en
en relacin
relaci6n con
can la
la
edad.
metoda permite
Una variante de este mtodo permite usar
usar un
un diagrama
diagrama nico
unico para
par a construir
construir
curvas
curvas de
de rendimiento para diferentes clases
clases de
de sitio.
sitio. Esto
Esto implica
implica el
el uso
usa
dominante, en
de altura dominante, en lugar
lugar de
de la
la edad,
edad, como
como abscisa
abscisa del
del grfico.
grafico. La
La altu-
altu-
se usa entonces como
ra se como una
una transformacin
transformaci6n dede la
la edad
edad dependiente
dependiente del
del sitio
sitio
can los intervalos de edad a
con los a determinarse por
par medio
media dede curvas
curvas dede Indice
indice de
sitio. Este
sitio. Este metoda tambien puede utilizarse
mtodo tambin utilizarse cuando
cuando los
los datos
datos de
de los
los experi-
experi-
mentos de espaciamiento nono cubren
cubren adecuadamente
adecuadamente una
una gama
gama de
de sitios,
sitios, con
can el
el
fin
fin de
de proveer tablas hipotticas
hipoteticas de rendimiento
rendimiento para
para tales
tales sitios.
sitios. Ntese
N6tese
sin
sin embargo,
embargo, que utilizaci6n de la
que la utilizacin la altura
altura dominante
dominante enen lugar
lugar dede combina-
combina-
-73-
(rn 2 /ha)
Area basal (m2/ha) ~rboles/ha.
arboles/ha.
60 1300
900
50
500
40
300
30
30
200
200
20
10
10
o
0 5
5 10 15
15 20 25
25
(anos)
Edad (aos)
-74-
I "
ciones separadas sitio-edad
clones sitio-edad puede que no suministre
suministre siempre
siempre una representa-
ci6n suficientemente precisa
cin suficientemente precisa-de
de respuestas
respuestas dependientes
dependientes del
del sitio.
sitio .
Las funciones de incremento
incremento obtenidas de parcelas de muestreo permanentes de
espaciamientos no controlados,
controlados, o incrementos de fustes,
0 de muestras de incrementos fustes, pue-
den
den usarse para construir curvas
curva's de rea
1irea basal de los
los nodales
Jlodales no clareados aa
diferentes' densidades, las
diferentes las cuales
cuales pueden
pueden ser
ser analizadas
analizadas grficamente
gr1ificamente como
como se
se
indica
indica anteriormente.
anteriormente. Esto es
es conveniente cuando el usuario de de un
un modele
modelo par
ticular
ticular de crecimiento no tiene acceso a un equipo de computacin.
computaci6n. -
533 Conversi6n crecimiento aa modelos de
Conversin de modelos de crecimiento de rendimiento
rendimiento por inte-
inte-
graci6n
gracin
533.1
533.1 Introducci6n
Introduccin
La integraci6n matem1itica
La integracin funci6n de incremento
matemtica de una funcin increment'o del
del rea
1irea basal
basal para
una
una serie dada de operaciones de clareo da como resultado una una funcin
funcion de ren
ren
dimiento del rea
1irea basal para dicha
dicha serie de de clareos.
clareos. La
La integracion
integracin matematT
matemtT
sobre la
ca tiene ventajas sobre la simulacin,
simulaci6n, como
como una
una manera
manera dede usar
usar los
los modelos
modelos -
que no
de crecimiento que no requieren
requieren de
de. equipo
equipo especial
especial de
de computacin.
computaciqn. Por
Por otro
ot~o
lade
lado sin embargo, muchos, aparentemente simples,
embargo, muchos, simples, modelos de de crecimiento
crecimiento (por
(por
ejemplo, ecuaci6n (1)
ejemplo, la ecuacin (1) seccin
secci6n 531.1)
531.1) pueden
pueden ser
ser muy
muy difciles
dificiles de
de integrar.
integrar.
metodo supone un
Este mtodo un conocimiento
conocimiento elemental
elemental de
de clculo
calculo diferencial
diferencial ee inte-
inte-
parte del
gral por parte del investigador.
investigador.
533.2 Teoria bsica
Teora b1isica
Si
Si se
se tiene
tiene una funcion de incremento
una funcin incremento del tipo
tipo mostrado aa continuacin
continuaci6n
t
to ti
tasa de
donde q es alguna tasa de crecimiento
crecimiento (rea
(1irea basal,
basal, dimetro
di1imetro o0 volumen)
volumen) yy tt
es
es el
el eje
eje del tiempo, la
del tiempo, la ecuacin
ecuaci6n de
de la
la tasa
tasa de
de crecimiento
crecimiento puede
puede ser
ser repre-
repre-
sentada en forma muy
sentada muy general
general por:
por:
q = ff (t)
(t) (1)
(1)
:"-:,
, : '
-75-
...
a la vez,
a vez, el grea
area bajo
bajo esta
esta curva
curva de
de: incremento
incremento eses el rendimiento
rendimiento total
total acu-
acu-
mulado. Asi,
mulado. Asi, el rendimiento
rendimiento acumulado
acumulado hasta
hasta el
el tiempo
tiempo t,
t, est
esta dado
dado por:
por:
ti
Q t~l q.dt
Qo ++ ,Jr
Q == Qo ci.dt (2)
o
'o
Qo es el rendimiento
donde Q0 rendimiento acumulado
acumulado al princ~p~o del
al principio del perodo,
peri6do, to.
to'
Para un rodal no clareado,
clareado, la
la curva
curva area
area basal/edad
basal/edad representa
representa la
la funcin
funci6n in
in
tegral equivalente aa la
la ecuacin (2) con
ecuaci6n (2) Q == O0 yY to
con Qo to == O.
O. Por 10 tanto
Por lo cua l ~
tanto cual-
funci6n ajustada
quier funcin ajustada aa los
los datos
datos de
de rodales
rodaes no
no clareados
clareados suministra
suministra una
una
. forma ya integrada
-forma integrada d
de modelo
modele de
de crecimiento.
crecimiento. Consecuentemente,
Consecuentemente, si si se
se ajustan
ajustan
datos de un experimento
experimento de
de espaciamiento
espaciamiento concon una
una funcin
funci6n dede rendimiento
rendimiento de-
de-
pendiente de la
la densidad
densidad del
del rodal,
rodal, esta
esta funcin
funci6n puede
puede usarse
usarse para
para predecir
predecir
con cierta precisin
precisi6n el
el crecimiento
crecimiento de de rodales
rodales clareados.
clareados. Esto
Esto es
es una
una genera
genera
lizaci6n de
lizacin de la
la hiptesis
hip5tesis de
de Marsh
Harsh aa cualquier
cualquier tipo
tipo de
de funcin
funci5n de
de crecimientE,
crecimiento
variable.*
utilizando cualquier variable.*
533.3 Aplicaci5n de un
Aplicacin de model~ integral
un modelo_ integral de
de rendimiento
rendimiento aa diferentes
diferentes trata-
trata-
mientos de clareo
modele integral
Si un modelo integral de
de rendimiento
rendimiento sese ha
ha ajustado
ajustado aa datos
dauos de
de rodales
rodales no
no
para predecir
clareados para predecir el
el 'rea
area basal
basal como
como funci5n
funcin de
de la
la altura dominante y
del nmero
ntimero de arboles,
arboles, del
del modo
modo siguiente:
siguiente:
G = f(Ho,N) (1)
Y si el rodal
y rodal se
se clarea
clarea aa una
una altura
altura dominante Ht hasta
dominante Ht hasta una
una masa Nt, el ren-
masa Nt,
dimiento hasta
hasta el
el momento del
del clareo
clareo ser:
sera:
Gt = f(Ht,N0) (2 )
(2)
es la
donde No es la masa
masa inicial
inicial (despus
(despues de
de que
que se
se haya
haya tomado
tornado en
en cuenta
cuenta la
la mor-
mor-
temprana). Si
talidad temprana). Si la
la proporcin
proporci6n de
de clareo
clareo (ver
(ver seccin
secci6n 54)
54) es:
es:
_ N'/N , de dnde
d5nde
G' N
N'/N
Tr = G'7G
Tr- -- ,
G' =-'/N
Tr/G
entonces para este clareo particular, el
el area
area basal
basal de
de la
la masa
masa en
en pie
pie des-
des-
pues del
pus del clareo
clareo ser:
sera:
N
G'tt - -t/No---
G' (3
Tr/Gt (3))
mientras que
que el
el rendimiento
rendimiento aa un intervalo tt ++ ii despus
un intervalo despues del
del clareo
clareo ser:
sera:
* La
* hipotesis de Marsh como
La hipotsis como se
se discuti
discuti6 anteriormente
anteriormente es
es equivalente
equivalente aa la
la
integraci6n de una funcin
integracin funci5n de
de la
la forma:
forma:
Ig
1 = f(G,N)
f(G,N)
,"
In b o + b11-1*
G == 1)0
in G blH* + +b2E
b2E ++ b3EH*
b3EH* (5 )
(5)
Cbnde
donde H*
H* == 1/ (H o -- 1.3)
1/(H0 1. 3) Y
y E == 100/VN
100/17
modele fu
El modelo fue ponderado con
con GG para
para evitar
evitar un
un excesivo
excesivo sesgo
sesgo hacia
hacia los
los valo-
valo-
mas bajos que aa menudo resulta
res mis resulta cuando
cuando se
se usa
usa una
una transformacin
transformaci6n logart-
logarit-
mica. valor de
mica. Se obtuvo un valor de 0.95
0.95 para
para R2,
R2, con
con los
los siguientes
siguientes valores
valores de
de los
los
coeficientes:
bID()
o = 4.0865
bb1
1 = 1. 5991
1.5991
b2
b2 = 0.047838
b3
b3 = - 4.3063
4. 3063
El modele
El modelo se muestra en la figura 5.12 sobrepuesto
figura 5.12 sobrepuesto aa los
los datos
datos de
de 44 tratamEm
tratambn
tos.
tos
Se
Se deseaba
deseaba aonstruir rendirniento para rodales plantados
construir una tabla de rendimiento plantado s aa 1100
1100
arboles/ha, clareados una
rboles/ha, una vez
vez aa los
los 99 aos,
anos, usando
usando un
un clareo
clareo sistemtico
sistematico aa
700
700 arboles/ha corta total
rboles/ha y corta total aa los
los 16
16 aos.
anos.
los sitios,
Para el promedio de los sitios, aa 99 aos
anos le
Ie correspondi
correspondi6 una
una altura
altura dominan-
dominan-
te de 17 m, la edad
m, y a la edad de
de rotacin
rotaci6n dede 16
16 aos,
anos, 24
24 m.
m. El
El rea
area basal,
basal, ante-
ante-
rior
rior al
al clareo, a los 9
clareo, a 9 dabs
amos puede serser calculada directamente
directamente de
de la
la ecuacin
ecuaci6n
(5)
(5)::
H* =
H* -
1. 3 ) = 0.0637
= 1/(17 - 1.3)
E 1100 == 3.02
100/V 1100'
= 100/1 3.02
In G9
in G9 == 4.0865 + 1.5991 0.0637 ++ 0.047838
1. 5991 xx 0.0637 0.047838 xx 3.02 -
3.02 - 4.3063
4.3063 xx 3.02x
3.02 x0.0637
0.0637
3.5043
= 3.5043
G9 ,
= e3.5043 = 33.26 m2 /ha
m2/ha
G9
Puesto que el clarea
clareo de
de 1100
1100 aa 700
700 rboles/ha
arboles/ha iba
iba aa ser si~ematico, la pro-
ser siEtemtico, pro -
porci6n
porcin dede area
rea basal a remover debera
deberia ser
ser la
la misma queque la
la proporcin
proporci6n del
del
nilrnero
nmero dede arboles removidos. De la
rboles removidos. la ecuacin
ecuaci6n (3),
(3), con
con TrTr == 1.0
1.0 por
por defini-
defini-
ci6n:
cin:
,f
G' 700/1100 - 21.17
= 700/1100 m2 /ha
21.17 m2/ha
'9
9 1/33.26
1/33.26 =
-77-
.
Figura 5.12
5.12 Experirnento n345
Experimento n0345 de espaciamiento
espaciarniento en
en Kwira,
Kwira, Tanzania, en
en roda-
roda-
les
les de Pinus patula
S!rnbolos
Smbolos
+ 1388 Arboles/ha
4rboles/ha
e 694 "
347 " arboles/ha
70 60 173 "II
N 11odelo ajustado
Modelo ajustado
50
1388
40
40-
694
30
30-
347
173
20
20 -
10
10-
. .0/
o 5
5 lo
10 15 20 25
dorninante (m)
Altura dominante (rn)
_78-
P~r 10
Por lo area basal
tanto el area basal aa extraer
extraer en el clareo
Em el clareo era:
er,a:
G
Ge - 21.17
e = 33.26 - m2 /ha
21.17 = 12.1 m2/ha
El
El rendimiento en lala corta final
final se:obtiene
seLobtiene de la
la ecuacin
ecuaci6n (4),
(4), donde
f (Ht+i,Nt)
f (Ht+i,Nt) corresponde
corresponde aa la
la ecuaci6n
ecuacin (5) H = 24
(5) entrando con H 24 mm y N N = 700
700
arboles/ha,
arboles/ha, dando:
ff (Ht+i,Nt)
(Ht+i,Nt) = 35.98
y ff (Ht,Nt)
(Ht ,Nt) es
es la
la ecuaci6n (5) utilizando HH =
ecuacin (5) 17 m:
= 17 m:
f (Ht,Nt) = 26.97
.asi
.as1 el
el rendimiento
rendimiento del
del area
area basal
basal en
en la
la corta
corta final
final est&
esta por:
dado por:
,,"
533 .5
533.5 Ajuste
Ajuste de modelos compatibles de crecimiento y rendimiento aa datos de
incremento
Cuando no se
se disponen de datos
datos apropiados
apropiados de experimentos
experimentos de
de espaciamiento
espaciamiento
para un ajuste directo de lala forma
forma integrada
integrada de
de un
un modelo
modele de
de rendimiento,pue
rendimiento,pue
de
de ajustarse un modelo
modele de crecimiento
crecimiento aa los
los datos
datos de
de incremento
incremento de
de parcelas
parcelas-
permanentes o fuste, el
0 de analisis de fuste, el cual
cual puede
puede ser
ser integrado
integrado posteriormen
posteriormen
paraobtener un modele
te paraobtener modelo de rendimiento.
rendimiento. Clutter* propone unun modelo de crecT
crecr
tipo:
miento del tipo:
I
I (a + bS -
g = G (a - ln
In G ) A-1
A-I
) (6)
(6)
donde I, el incremento
Iq es el incremento deldel area
area basal/ha/ario,
basal/ha/aiio, AA es
es la
la edad,
edad, SS es
es el indi-
el Indi-
ce de sitio,
ce sltio , aa y b son
s on los
l o s coeficientes a estimarse
estimarse porpor regresin
regresi6n lineal
lineal al
al
ajustar la
la funcin:
funci6n:
A
A I
( ~ + ln
In GG )) = a + bS (7)
(7)
G
donde expresi6n a
donde la expresin a la
la izquierda
izquierda del signo
signo igual
igual es
es la
la variable
variable dependiente
dependiente
Y, indice de sitio
Y, siendo el Indice sitio S
S la
la variable predictora.
predictora. Este
Este modelo
modelo se
se inte-
inte-
gra para dar la
gra la ecuacin
ecuaci6n del
del rendimiento:
rendimiento:
A
bS --,~(a(a+ +bS
ln Gt == aa ++ bS bS -- ln
In Go)
Go) (8 )
(8)
At
At
donde
donde Gt eses' el rendimiento al
al final
final del
del periodo
periodo yy Go
G es
es el
el rendimiento
rendimiento al
al co
co
menzar , el periodo.
periodo. Durante
Durante el
el intervalo
intervalo de
de prediccin
prediccign no
no deben
deben realizarse
real.izarse -
clareos,
clareos, pero el grea
area basal despues
despues del
del clareo
clareo se
se convierte
convierte enen Go
Go para
para pre-
pre-
decir
decir el area
area. basal inmediatamente
inmediatarriente anterior
anterior al
al prximo
pr6ximo clareo.
clareo.
"
Clutter ~.L.
** Clutter J.L. 1963.
1963. Compatible growth and yield models
models for
for Loblolly
Loblolly Pine.
Pine.
Forest Sci.
Sci. 99 (3) : 354-371.
:
-79-
534 Uses
Usos de medeles crecimiente .por
modelos de crecimiento per simulacin
sirnulaci6n
534.1 Requerimientes
534.1 Requerimientos de un medele simulaci6n
modelo de simulacin
= f2(H01N)
Ig =
Ig f2(H e ,N)
6
6 = f2(10,G)
Ig =
Ig f 2 (H e ,G)
6 Ig = f2(A,S,N)
Ig =
6 Ig =
Ig f 2 (A,G,S)
= f2(A,G,S)
o etras combinaciones
.0 de otras cembinacienes de
de A,
A, G,
G, N,
N, S,
S, Ho.
He.
(3) relaci6n entre
La relacin entre la
la masa
masa removida
rernevida yy el ~rea basal
el rea basal removida
remev ida para
para
tipe de
cada tipo de clareo:
claree :
N' / N == f3(G'/G)
N'/N f3(G ' /G)
(4) funci6n del
La funcin del volumen
velurnen en
en trminos
termines de
de altura ~rea basal:
altura yy rea basal:
vV f 4 (H e ,G)
= f4(Ho,G)
(5) basal inicial
~rea basal
El rea inicial del
del rodal
redal aa una
una cierta
cierta edad
edad .oe altura
altura de
d e re-
re-
ferencia, en la
ferencia, la cual comienza
cemienza la
la simulacin,
simulaci6n, en
en funcin
funci6n de
de la
la masa
masa
plantada:
plantada:
Go = f5(N0)
funcienes no
Estas funciones ne necesitan ser relaciones
relacienes matemticas
matematicas centinuas.
continuas. Cada fun-
Cada fun-
ci6n puede ser un conjunto
cin cenjunte de ecuaciones,
ecuacienes, de las cuales se selecciona
selecciena una
una
per un
por un precese cendicienal, o
proceso condicional, ser un
.0 pueden ser un conjunto
cenjunte de
de valores
valeres tabulados,
tabulades,
ceme se
como se ver
vera en el
el prximo
pr6xime ejemplo.
ejemple.
534 . 2
534.2 Metede
Mtodo de construccin
censtrucci6n de un medele simulaci6n
modelo de simulacin
Les medeles
Los simulaci6n se construyen
modelos de simulacin censtruyen codificando
cedificande laslas relaciones
relacienes funciona-
funciena-
les,
les, yy las
las intercenexienes l6gicas entre ellas,
interconexiones lgicas ellas, c.ome
como instruccienes
instrucciones en en un
un leE!.
len
guaje de computacin,
cemputaci6n, usualmente
usualmenteFORTRAN,
FORTRAN,BASIC
BASICo .0ALGOL.
ALGOL.Este
Este medele
modelo de de 'len
'1e7-1-
guaje
guaje fuente'
fuente' es 'cempilade 'per
es 'compilado 'por el
el c.omputader
computador en un un c6dige
cdigo prepie interne-
propio interno -
maquina y se
de mquina se', corre
cerre o precesa en el computador.
.0 procesa cemputader. AsAs! como pr.ocesa, requ~
c.ome se procesa, reque
--80-
80-
rirg .1.1tos
rira uatos que definan:
1. E1 Indice
El indice de
de sitio
sitio yy el
el espaciamiento
espaciamiento inicial
inicial del
del rodal,
rodal,
2. frecuencia ee intensidad
La frecuencia intensidad de
de los
los clareos.
clareos.
El programa generar
generara salidas,
sa1idas, en
en forma
forma de
de tablas
tab1as o0 grficos
graficos de
de rodal,
rodal, de
de
10 que se
acuerdo con lo se estipule
estipu1e en
en el
el programa.
programa. La
La simulacin
simulaci6n puede
puede dividirse
dividirse
fases lgicamente
en dos fases 16gicamente distintas:
distintas:
(1) La fase
fase de inicializacin
inicia1izaci6n en la
la cual sese definen
definen los
los valores
val o res inicia-
inicia-
les
les del
del rodal: ~rea basal,
rodal: rea basal, altura yy .nl1mero
wemero de rboles,
arboles, y se imprime
imprime
los
los encabezamientos de
de las
las tablas.
tablas.
(2) La fase
fase dinmica
dinamica en lala cual se
se calcula el
el crecimiento
crecimiento del rodal
rodal en
en
un periodo de tiempo (usualmente
(usualmente de uno aa cinco
cinco aos)
ano s) yy se
se aade
anade aa
la masa existente;
existente; cualquier operacin
operaci6n de
de explotacin
explotac i6n requerida
requerida se
se
a cabo y la
lleva a la edad del rodal sese incrementa
incrementa en
en la
la duracin
duraci6n del
del
periodo, repiti~ndose nuevamente el proceso.
periodo, repitindose proceso. Durante
Durante lala fase
fase dindmi
dinami
ca se imprimen los
los res5menes
resl1menes de la
la masa forestal.
forestal . La
La fase
fase dinmica
dinamica-
termina cuando se efect5a
efectl1a la
la corta
corta total
total o0 cuando
cuando se
se alcanza
alcanza unun 11-
li-
tiempo previamente
mite de tiempo previamente establecido.
estab.1ecido.
En este ejemplo se
se construye un
un modelo simple
simple de
de simulacin
simulaci6n en
en BASIC
BASIC para
p ara ro
ro
dales coetaneos de Pinus patula. Las
dales coetneos Las funciones
funciones del
del modelo
modelo son
son las
las siguien-
siguien- -
tes
tes::
(1)
(1) La funcin
funci6n altura/edad, Alder* :
altura/edad, tomada de Alder*:
bo' bl,
donde bo, b1, b2,
b2, b3
b3 se
se obtienen
obtienen por
por anlisis
analisis de
de regresin
regresi6n de
de los
los
de Pinus
datos de PMP de Pinus patula,
patula, yy cuyos
cuyos valores
valores son:
son:
bbo
o = 3.6068
bbl
1. =-17.513
bb2
2 == 0.0080 57
0.008057
b3 =
b3 0.3308
que cl,
mientras que c1, c2
c2 se
se definen
definen como:
como:
cl
c1 = bo
b o + b1/15
b1/15
c2 = b2 + b3/15
b2 + b 3/15
La edad Indice
indice para
para el
el Indice
indice de
de sitio
sitio es
es 15
15 aos.
anos.
** Alder,
Alder, D.
D. 1977.
1977. A
A Growth and Management Model for
for Coniferous Plantations
Plantations
in
in East Africa.
Africa. D. Phil. thesis,
D. Phil. thesis, Oxford
Oxford University.
University.
-81-
Cuadno
Cuadro 5.1 Tabu1aci6n los valores del incremento
Tabulacin de los incremento del .1rea par es-
grea basal por
paciamiento altura. Experimento 345,
y altura.
vaciamiento y 345, Kwira,
Kwira, Tanzania
clases de espaciamiento, m.
m.
-
2 - 33 - 4
3 - 4 -- 5 55 -- 6 6 -- 77
6 7 -- 88
7 88 -- 99
Altura
dominante, m.
3 -
- 55 3.89 2.87
5 - 77 6.59 3.69
-
77 - 99 7.22 4.49
- 11
9 - 7.33 6.10 33.83
. 83
11 -
- 13
13 5.90 5.39 4.55 3.56 3.17
13 - 15
13 - 4.59 4.59 4.41 3.50 2.84 1. 91
1.91
15 -
- 17 2.82 3.30 4.35 2.93 2.34
2.34 2.18 1. 51
1.51
17 - 19
17 - 2.24 2.22 3 .34
3.34 2.50 2.00
2.00 2.11 1. 54
1.54
19 - 21
19 - 2.09 2.03 2.40 73
1.73
1. 1. 42
1.42 1. 72
1.72 1. 43
1.43
21 -- 23
23 2.01 57
1.57
1. 1. 99
1.99 32
1.32
1. 1. 28
1.28 1. 37
1.37 1. 27
1.27
23 -- 25
25 1. 86
1.86 93
1.93
1. 1. 59
1.59
Los
Los valores del cuadro
cuadra son
son incrementos
incrementos del
del rea
.1rea basal/ha/ario.
basal/ha/ano. Ejemplo:
Ejemplo: para
un
un espaciamiento de 4.5
4.5 m una altura dominante
m y una dominante de de 12
12 m,
m, el
el incremento
incremento es
es
de 4.55 m2 /ha/ano .
4.55 m2/ha/ario.
-82-
(2)
(2) La funci6n del incremento del
La funcin del &rea basal se
rea basal se ext rae del
extrae del experimento
experimento
345, Kwira,
345, Kwira, Tanzania,
Tanzania, por tabulaci6n del
por tabulacin del incremento promedio del
del
&rea
rea basal
basal por
por clases de
de densidad yy altura dominante, obteni~ndose
altura dominante, obtenindose
los
los resultados
resultados del
del cuadro 5.1.
5.1. Este
Este cuadro
cuadro se
se usa
usa directamente
directamente en
en
sin mayor
el programa sin mayor anlisis.
an&lisis.
(3)
(3) Las proporciones
proporciones de
de clareos
clareos se
se definen
definen por
por los
los siguientes
siguientes supuestos
supuesto&
(a) sistem&tico:
Clareo sistemtico: Tr = 1.0
(4)
(4) La funcin
funci6n de volumen
voiumen es la ecuacin
ecuaci6n para volmenes
volrtmenes de rodales de
Pinus patula de
de Kenia:
Kenia:
Vm = Vt(0.97352
Vt (0 . 97352 -- 21.9737
21.9737 exp
exp (-0.15407
(-0.15407 Dg))
Dg))
(5)
(5) la inicializacin
Para la inicializaci6n sese utiliza
utiliza una
una rea
&rea basal
basal del
del rodal
rodal igual
igual aa
cero a
a la edad
edad de
de 33 aos.
anos.
54 CLAREOS
El componente econmico
econ6mico del
del crecimiento
crecimiento en en rodales
rodales uniformes
uniformes manejados
manejados para
para
producir madera es
es parcialmente
parcialmente removido
removido enen forma
forma dede clareos
clareos comerciales.Adi
comerciales.Adi
cionalmente, pueden efectuarse clareos no comerciales
cionalmente, comerciales con con el
el fin
fin de
de reducir-
reducir-
la
la densidad del rodal y obtener un un dimetro
di&metro promedio
promedio mayor
mayor para
para los
los siguien-
siguien-
clareos y en la
tes clareos la cosecha
cosecha final.
final .
Obviamente, el modelaje de
Obviamente, el de los
los clareos
clareos eses un
un punto
pun to central
central para
para cualquier
cualquier
ejercicio en prediccin
prediccion del
del rendimiento.
rendimiento. UnaUna operacin
operacion de de clareo
clareo sese caracte-
caracte-
riza bsicamente
b&sicamente por el nrtme~o de
el nmero de rboles
&rboles por
por haha yy rea
&rea basal
basal por
por ha
ha aa remo-
remo-
ver. los modelos de
ver. En los de rboles
&rboles individuales,
individuales, es es necesario
necesario describir
describir la la dis-
dis-
tribucion de los
tribucin los rboles
&rboles removidos;
removidos; peropero esto
esto no
no eses necesario
necesario para
para los
los mode-
mode-
los
los de rodales, que son el tema
de rodales, terna principal
principal dede esta
esta seccin.
secci6n.
proporci6n de
declareo N rboles dejados/N rboles antes del clareo
Proporcin clareo -= N &rboles dejados/N &rboles antes del clareo
Area basal
basal dejada/
dejada/ Area
Area basal
basal antes
antes del
del clareo
clareo
SELECT pnI~T
55 SSLSCT PRINT 005(64)
005(64)
10
10 REM
REM EXt.!!Pi.S
EXAMPLE 0:-
OF STAriD
STAND GRO;''TH
GROWTH SIr-ruLt.TION
SIMULATION MODE!.
MODEL
20
20 REH
REM nan;LIUTICN
INITIPLIZATION P!!fS;:
PHASE
30
30 PRI};T "sn:ULI.TION ~::)DSL.
PRINT "SIMULATION MODEL fOR PINUS PATULA
FOR PINUS PLA1:TI.TIO~:S"
PATULA PLANTATIONS"
~O
40 PRWT
PRINT "GIl'::
"GIVE IIlITIAL
INITIAL STOCKING AND SITE SI TE INDEX,
INDEX, PLEASE"
PLE:'S;;"
50
50 n:PUT
INPUT II,S
N,S
60
60 REY.
REM READ
READ TABULATED
TABULATED nlCREtsNT
INCREMENT VALUES
VALUES
70
70 DIP.
DIM T(7,11)
T(7,11)
80
80 MI.T
MAT READ T
90
90 01.11. 3.89,6.59,7.22,7.33,5.90,4.59,2.82,2.24,2.09,2.01,,1.86
DATA 3.89,6.59,7.22,7.33,5.90,4.59,2.82,2.24,2.09,2.01 1 .86
100
100 DATA
DATA 2.87,3.69, 4 .~9,6 . 10,5 . 39,4.59,3.30,2.22,2.03,1.57, I .93
2.87,3.69,4.49,6.10,5.39,4.59,3.30,2.22,2.03,;.57,1.93
"0
110 DATA
DATA 0,0,0,3.83,4,55,4.41 , 4.35,3.3 1,,2.40,1.99, I .59
0,0,0,3.83,4.55,4.41,4.35,3.34,2.40,1.99,1.59
120
120 DATA
DATA 0,O,O,0,3.56,3.cC,2.93,2.50,1.73,1.32,0
0,0,0,0,3.56,3.!-0,2.93,2.50,1.73,1.32,0
130
130 DATA
DATA 0,0,0,0,3.17,2.84,2 . 34,2.00,1.42,1.28,0
0,0,0,0,3.17,2.84,2.34,2.00,1.42,1.28,0
~40
140 DATA
DATA 0,0,0,0,0 , 1,91,2.18,2.11 , 1.72,1.37,0
0,0,0,0,0,1.91,2.18,2.11,1.72,1.37,0
150
150 DATA
DATA 0,0,0,0,0,0,1 . 51,1.54,1,43,1 . 27,0
0,0,0,0,0,0,1.51,1.54,1.43,1.27,0
152 REM
152 REM READ SITE UlDEX
READ SITE INDEX CUIlVE
CURVE COS:'fICIENTS
COEFFICIENTS
153
153 REI.D
READ BO,Bl,32,33
B0,P1,B2,B3
154
154 DATA 3,6068,-17 . 513,0.008057,0 . 3308
DATA 3.6068,-17.513,0.008057,0.3308
155 LET
LET C1-:130+B1/15
Cl=BO.B1115
156 LET C2=32+33/15
156 LET C2=B2+B3/15
160
160 RElI,
REM SET
SET STAND
STAND BASAL AREA AREA TO ZERO, AGE TO 3
ZERO,AGE
170
170 LET G=OG=0
ISO
180 LET A=5
190 REM
REl'1 RnD
READ DS1'ULS
DETAILS 0: T?SAT~::r:!
OF STAND TREATMENT
200
200 PRINT
PRINT UHOv.'
"HOW LONG
LONG IS IS THE:
THE P.C'TAT!Or: PL:':AS~"
ROTATION,t PLEASE"
210 INPUT
I1,PUT RR
220
220 DIM A1(10),N1(10),TS(10)
AI(IO),Nl(lO),TS(10)
230 PRI}~T "HOW
PRINT tlHm~ MANY-
MANr THINNINGS PLEASE"
TBINNINGS,t PLEASE"
240 INPUT MII,
250 If MM == 00 THEN
IF THEi, 300
300
260 fOR 1=1
FOR 1=1 TO M H
270 A::;E.STE:~!s/HA LEFT,
PRINT "GIVE AGE,STEMS/HA LEfT, AND
AND TYPE(S/L)
TIPE(S/L) FOR
fOR THINNING
TI-:rmm:G ";1
";I
280 1. 1(I) ,N1(I). T$(I)
INPUT A1(I),N1(I),TS(I)
290 NEXT I I
300 LET
300 LET M=.1
M=1
305
305 SELECT PRINT "'5(,20)
PRIllT 215(120)
310 !1E!1 PRlliT 1ABLE
REM PRINT HE,\ilINGS
TABLE HEADINGS
320 PRINT
PRII\T
330
330 PRINT
PRUiT TAB(20);"GROWING
TAB (20) ; "GROlWIG STOCK";TAB(80);"THINNINGS"
STO:;K"; TAB( 80); "Tf'.Hn:!NGS"
340
340 PRINT
PRn:TUSING 360
350 PRINTUSING 360
360
360 %% AGE HDO~I STEI''s/HA
AGE HDOM STEMS/HA DIAM(G)
DIAX(G) BA/HA V O L/H;. (2 0 :;~)
EA/HA VOL/HA VOLTHA(20CX)
VOL/HA(20C/-ll
VOL/HA VOL/MA(200M)
Dn:Amc PHASE
370 REM DYNAMIC PHASE OF
0: SI1.:lJLATION
SInLATION
380 REM CALCULATE
380 REM DO~!INANT HEIGHT
CALCULATE DOMINANT H::IGHT
390 LET
H=El:? (30+3 I I A+ LOG (S )-C I )/C2)' ( B2+331 A
LET H=EXR(B04-B1/A+ULOG(S)-C1)/C2)*(B24-YqA))
400 PEM
REM SELFCT
SELEC7 HEIGHT AND AKD STOCKING CLASSCLASS FOR
FOR GROZTE I1:CR~:2::T
GRa,:!;: INCRMENT
1110 Hl=(H-1l/2
410 LET H1=(H-1)/2
411
411 IFIF H1(12
B1(12 THEN 420
TH::N 420
~12 LET
412 LET H1=11
H1=1] ..-
simulaci6n de crecimiento de
simulacin de un
un rodal
rodal
SIMULATION MODEL
MODEL FOR
FOn PINUS
PINUS PATULA
PATULA PLANTATIONS
PLANTATIONS
CIVE INITIAL
GIVE IIIITIAL STOCKING
STOCKING AND
AND SITE
SITE INDEX,
INDEX, PLEASE
PLEASE
1700
1700 23
23
1101;
HOW LONG IS THE ROTATION,
nOTATION, PLEASE
16
16
HOW
HOW MANY
MANY THrN~INGS, PLEASE
THINNINGS, PLEASE
11
CIVE ACE,STEHS/HA LEFT,
GIVE AGE,STEMS/HA LEFT , AND
AND TYPE{S/L) Fon THINNING
TYPE(S/L) FOR THINNING 1
1
. 88 700
700 S
S
&
CROW INC STOCK
GROWING THINNINCS
THINNINGS
5.2
Cuadro 5.2 Definicion
Definicin de las variables utilizadas en el programa de simula-
cion ,un rodal
cin de crecimiento de un rodal
Variable Dimension
Dimensin Descripcin de uso ________________________________________
~D~e~s~c~r~1~'p~c~i~o~n~d~e~~u~s~0~
A rodal, aos
Edad del rodal, anos
A1
Al 10 de los
Lista de edades de los clareos
clareos
-
BO
B1
Bl funcion de crecimiento de la
Coeficientes para la funcin la altu-
B2 ra, representados
ra, representados como bo'
bo, b1,
bl, b2,
b2, b3
b3 en el
el texto
texto
B3 -y
C1
Cl la funcin
Coeficientes para la funcion de crecimiento de la
la altu-
C2 ]
1 ra,
ra, representados como cl,
c1' c2 en el texto
E1
El Clase de densidad del rodal,
rodal, desde 1
1 para espaciamiento
de 2-3 m
m hasta 77 para espaciamiento de 88 y ms
mas m
m
G basal/ha de
Area basal/ha de la
la masa permanente
permanente
G1 basal/ ha de
Area basal/ha de los
los arboles
rboles removidos en clareos
G2 de la
Area basal de la masa
masa permanente
permanente inmediatamente
inmediatamente despus
despues
del clareo
H dominante del
Altura dominante del rodal
rodal
Nl
N1 10 Lista
Lista de la masa residual a ser
ser dejada despus
despues de cada
cada
clareo
N2 Nmero de arboles/ha
NGrnero arboles / ha removidos
removidos en
en cada
cada clareo
clareo
R Edad de rotacin
rotacion del rodal,
rodal, en aos
anos
-87-
5.2
Cuadro 5.2 (continuaci6n )
(continuacin...)
Variabl
Variablee Dimensi6n
Dimensin Descripci6n usa
Descripcin de uso
8
S El Indice
El indice de sitio del rodal,
rodal, (altura
(altura dominante a
a los
15 arios)
anos) en
en m
m
T$ 10
10 Listado de los tipos de clareos,
clareos, para cada clareo.
clareo. "S"
"8"
sistematico y "L"
representa clareo sistemtico "L" clareo bajo
V Volumen total con corteza la masa permanente
cortez a por ha de la
Vl
V1 di~metro de 20
Volumen con corteza/ha hasta un digmetro cm, de
20 cm,
la
la masa
masa permanente
V2 Volumen total/ha
total / ha de los
los clareos
V3 Volumen/ha hasta 20
20 cm,
cm, de los
los clareos
clareos
* * * * * * * * * * *
-8U
-d8--
ser expresada
puede ser tambi~n como:
expresada tambin como:
La
La proporci6n determinarse empricamente
proporcin de clareo puede determinarse empiricamente usando
usando parcelas
parcelas tem
tern
porales en las cuales sese efectan
efectuan los
los clareos
clareos por
por medio dede contratistas,
contratistas, o0 -
en est~n marcados los
en las cuales estn ~rboles sin
los rboles sin que
que hayan
hayan sido
sido derribados
derribados toda-
toda-
via.
va. La
La primera tcnica
tecnica da una estimacin
estimaci6n msmas real,
real, pero
pero puede
puede no
no ser
ser apro-
apro-
piada
piada para tipos experimentales de de clareo,
clareo, los
los cuales
cuales simplemente
simplemente sese desean
desea n
evaluar en un modelo din~mico.
modele dinmico.
Las
Las estimaciones de lala proporcin
proporci6n dede clareo
clareo obtenidas
obtenidas de
de parcelas
parcelas dede mues-
mue s-
pueden no
treo permanentes pueden no ser
ser confiables,
confiables, ya ya que
que normalmente,
norrnalmente, las
las PMP
PI4P se
se de
de
claramente en
marcan claramente en el
el bosque,
bosque, yy por
por lo
10 tanto
tanto probablemente
probablemente nono reciben
reciben unun -
tipico.
tratamiento tpico. .
donde Dp
Dp es el dimetro
diarnetro que predice
predice lala funcin est~tica de
funci6n esttica de rendimiento,
rendimiento, yy
Da
Da yy bd son los
Dd son di~metros antes
los dimetros antes yy despus
despues del
del clareo
clareo en
en algn
algun momento
momenta que
que
ha
ha de ser determinado.
determinado. La
La proporcin
proporci6n dede clareo
clareo tambin
tambien relaciona
relaciona los di~me
los dime-
tros desconocidos Da Y y D d , obtenindose
Dd, obteniendose dos
dos ecuaciones simult~neas:
ecuaciones simultneas:
Tr = Di/Di (2)
(2)
soluci6n del
La solucin del sistema
sistema de
de 'ecuaciones
ecuaciones es:
es:
-89-
Dd = 2.D / (1 + (3)
(3)
Da = 2,D - Dd (4 )
(4)
Si se aonocen
Si se di&metros del rea
conocen los dimetros &rea basal promedio antes y y despus
despues del cla-
reo,
reo, es posible calcular elel rea
&rea basal
basal removida,
removida, conociendo
conociendo el
el nmero
numero de
de r-
&r-
boles removidos 6 calcular el el nmero
nUmero de
de rboles
&rboles removidos
removidos si
si se
se conoce
conoce el
el
&rea extraida.
rea basal extrada.
En el caso donde la
la intensidad
intens i dad de los
los aclareos
aclareo s se
se especifica
especifica en
en funcin
funci6n del
del
numeno
nmero 1e &rboles, el dimetro
de arboles, di&me tro del rea
&rea basal
basal promedio
promedio de
de los
los rboles
&rbo les removi
removi
dos en el clareo est
est& dado
dado por:
por :
TrNa
TrN a -- Nd
D
Dt (5 )
t = Dd
Dd Na -
Na - NdNd
( 5 )
0o bien:
Naa -- Nd/Tr
Nd/T r
Dt = Da
Dt Da VN (6
(6))
Na
Na -- Nd
N6tese
Ntese que las ecuaciones (5)
(5) yy (6)
(6) son
son independientes dede la
la su?osicin
supo si c ion (1)
(1)
que
que predice los dimetros
di&metros como promedios de de los
los valores
valores inmediatamente
i nme d J3t amente antes
antes
yy despues
despus del clareo. As,
del clareo. Asi, cualquiera de de las
las dos
dos ecuaciones
ecuaciones (5)( 5) 66 (6)
(6) puede
puede
usarse
usarse para determinar el diametno
diamettto promedio
promedio del
del clareo,
clareo, segn
segun laslas funciones
funciones
esten
estn definidas
definidas para predecir ' dimetros
di&metros despus
despues o0 antes
antes del
del clareo
clareo respecti-
respecti-
vamente.
Todas las trasformaciones algebraicas que han llevado a a las frmulas
f6rmulas anterio
anterio
res la relacin
res se basan en la relaci6n simple:
simple:
2
G = N k D2
G=NkDg g
donde
donde G es el &rea basal, N
rea basal, N la
la masa forestal,
forestal, kk la
la constante
constante 0.00007854 (pa-
0.00007854 (pa-
ra di&metros
ra dimetros en cm,
cm, rea
area basal m2 /ha y masa forestal en arboles/ha)
basal en m2/ha &rboles/ha) y Dg
es
es el
el di&metro
dimetro del &rea basal promedio.
del rea
vez que
Una vez que se conoce el dimetro
diametro promedio del clareo,
clareo, pueden ca lcularse los
calcularse los
vo lumenes total y comercial utilizando
volmenes utilizando una
una ecuacin
ecuaci6n de
de volumen
volumen apropiada.
apropiada.
543 Estimaci6n
Estimacin de los
los rendimientos de
de clareos
clareos en
en modelos
modelos dinmicos
dinam icos
55 MORTAL~ DAD
MORTALIDAD
551 Mortalidad en
en el
el establecimiento
establecimiento
La mortalidad enen el
el establecimiento
establecimiento define
define el
el porcentaje
porcentaje de
de plantas
plantas que
que no
no
al primer
sobreviven al primer ario.
ano. En
En el
el caso
caso de
de plantaciones,
plantaciones, obviamente
obviamente esto es f-f~
cil de definir campo, pero
definir en el campo, pero en
en el
el caso
caso de
de rodales
rodales establecidos
establecidos por
por siem
siem
bra artificial o natural, probablemente
0 natural, pnobablemente es es preferible
preferible considerar el el nmero
numero-
plantulas que
absoluto de plntulas que se
se establecen,antes
establecen,antes queque considerar
considerar unun porcentaje
porcentaje
de sobrevivientes. La
de sobrevivientes. La sobrevivencia
sobrevivencia puede
puede definirse
definirse tambin
tambien en
en funcin
funci6n del
del
porcentaje del rea
area que
que est
esta completamente
completamente ocupada,
ocupada, tal
tal como
como se
se discute
discute enen
secci6n 6.
la seccin 6.
factores que
Los factores que influyen
influyen ms
mas poderosamente
poderosamente enen la
la sobrevivencia
sobrevivencia yy que
que deben
deben
ser considerados enen cualquier
cualquier modelo
modele predictivc
predictive son:
son:
metodo ee intensidad
El mtodo intensidad de
de preparacin
preparaci6n del
del sitio.
sitio.
El
El clima en el momento del establecimiento
establecimiento yy en
en los
los meses
meses siguientes.
siguientes .
aspecto del
El aspecto del sitio.
sitio.
exposici6n del
El grado de exposicin del sitio.
sitio.
Para
'Para plantaciones
plantaciones tambien
tambin debe considerarse:
considerarse:
edad de
La edad de las
las plntulas.
plantulas.
procedimientos de
Los procedimientos de manejo
manejo de
de las
las plntulas
plantulas del
del vivero
vivero al
al bosque.
bosque.
La epoca de la
La poca la plantacin.
plantaci6n.
Por traves de
Por siembra a travs de mtodos
metodos artificiales
artificiales o0 naturales
naturales debe
debe considerarse:
considerarse:
tratamientos para
Revestimiento de pesticidas o0 tratamientos para reducir
reducir la
la predacin
predaci6n
de semillas.
semillas.
552
552 Morta1idad dependiente
Mortalidad dependiente de
de la
la densidad
densidad
La mortalidad dependiente de de la
la densidad
densidad puede ser
ser un
un resultado
resultado directo de
la
la supresi6n,
supresin, pero
pero mas comunmente es indirecto,
ms comnmente indirecto, en el sentido de que los r- ar-
boles menos vigorosos,
vigorosos, con
con copas bajo
bajo el dosel,
dosel, se
se vuelven
vuelven suceptibles
suceptibles aa en-
en-
fermedades
fermedades 0o danos
daos de animales en un grado mucho mayor que los rboles arboles ms
mas
vigorosos.
usualmente puede
Este tipo de mortalidad usualmente puede 19norarse
ignorarse enen modelos
modelos de
de rodales
rodales
espaciamientos yy de
plantados con amplios espaciamientos de rotaciones
rotaciones cortas,
cortas, o0 sujetos cl~
sujetos aa cla
reos adecuados. embargo, muchas predicciones
adecuados. Sin embargo, predicciones de crecimiento
crecimiento yy rendimien-
rendimien-
to se refieren a a rodales
rodales no
no clareados
clareados o0 aa rodales
rodales en
en los
los cuales
cuales los
los clareos
clareos
side postergados, en
han sido en cuyo
cuyo caso
caso debe
debe hacerse
hacerse algn
algun esfuerzo
esfuerzo para
para incluir
incluir
este tipo
tipo de mortalidad.
mortalidad.
modele til
Un modelo util es lala lnea
linea de
de Reineke,
Reineke, enen el
el cual
cual la
la densidad
densidad sese grafica
grafica con
con
tra
tra la
la altura
altura dominante, logaritmicas en ambos
dominante, utilizando escalas logartmicas ambos ejes.
ejes. Esto
Esto
de tipo que
da un diagrama del tipo que se
se muestra
muestra en
en la
la figura
figura 5.15.
5.15. La
La linea
linea de
de Reine-
Reine-
ke define la
la densidad mxima
maxima que
que puede
puede sustentarse
sustentarse para
para cualquier
cualquier altura
altura do-
do-
minante dada.
dada.
Si los rodales normalmente se
Si los se clarean bien,
bien, puede ser
ser difcil
dificil obtener
obteper los d~
los da
tos
tos necesarios para construir esta esta linea.
linea. AA veces resulta
resulta ventajoso, establ~
ventajoso, estable
plantaci6n dada
cer en una plantacin dada unas
unas 10
10 parcelas
parcelas de bosque aa 1 xx 11 6 2 x 22 me-
de bosque
tros
tros en
en una amp1ia variedad de sitios
una amplia sitios diferentes
diferentes para
para proveerse
proveerse dede estos
estos da-
da-
tos. Obviamente esto
tos. esto no
no es
es aplicable
aplicable en
en casos
casos donde
donde existan
existan extensos
extensos rodales
rodales
sin clareos.
clareos .
En
En los
los modelos estticos
estaticos de rendimiento,
rendimiento, lala mortalidad
mortalidad dependiente
dependiente dede la
la den
den
sidad, esta
sidad, implicitamente considerada
est implcitamente considerada enen las
las funciones
funciones dimetro
diametro promedio/a1
pnomedio/ar
tura
tura dominante, explicitamente.
dominante, y no necesita definirse explcitamente. -
En los modelos dinmicos
En los dinamicos de crecimiento,
crecimiento, lala reduccin
reducci6n del
del nmero
nUmero de
de rboles
arboles
causada
causada por la mortalidad puede simularse
simularse como
como un
un clarea
clareo bajo,
bajo, con
con una
una pro-
pro-
porci6n
porcin de clareo de aproximadamente
aproximadamente 0.6,
0.6, cada
cada vez
vez que
que la
la relacin
relaci6n nmero
nUmero de
de
arboles/altura
rboles/altura se se mueve a unun punto
punta aa la
la derecha
derecha de
de la
la linea
linea de
de Reineke.
Reineke.
553 Mortalidad
Mortalidad por enfermedades yy plagas
plagas
554 Danos
Daos por vientos ee incendios
Como
Como en
en el
el caso
caso de
de los
los problemas
problemas de
de plagas yy enfermedades, los efectos
enfermedades, los efectos de
de
los
los danos
daos de
de los vientos e incendios
incendios pueden
pueden ser
ser dependientes
dependientes o0 independien-
independien-
tes dede la densidad.
densidad. Los
Los dependientes de la densidad tienden a a tener una na-
turaleza
turaleza catastr6fica, es la
catastrfica, esto es la destruccin
destrucci6n completa
completa del
del rodal.
rodal. De
De nuevo,
nuevo,
el
el componente
componente catastr6fico
catastrfico s61amente
slamente puede predecirse como la la probabilidad
probabilidad
7
-92-
-92-
Figura 5.15
5.15 La relaci6n entre la
La relacin la masa forestal
forestal y la altura
altura dominante aa tra-
v~s del tiempo
vs tiempo en un bosque uniforme no clareado muy denso
den so
N arboles/ha
N lirboles/ha,
log.)
(escala log.)
Linea de Reineke
Densidad
inicial Comienzo de la mortalidad
la densidad
dependiente de la
indica la
La flecha indica la
direcci6n
direccin de avance
a travs
a traves del tiempo
Altura dominante
(escala
(escala logaritmica)
Ntese que
N6tese que aun
aun cuando la
1a linea de Reineke est
este bien definida para un un nodal
rodal
individual, su posicin
individual, posici6n yy pendiente
pendiente puede
puede depender
depender del
del sitio.
sitio. La
La parte
parte infe-
infe-
=ior tambi~n tiende
rior de la linea tambin tiende aa curvarse
curvarse ligeramente
ligeramente hacia
hacia abajo.
abajo.
~ 93-
-93-
de su ocurrencia,
ocurrencia, dependiendo de de factores
factores climticos
climaticos yy de sitio,
sitio, as
as1 como
como de
de
las condiciones de lala masa forestal.
forestal. En el
el caso
caso de
de incendios,
incendios, factores
factores adi-
adi-
cionales tales como el tiempo
tiempo transcurrido
transcurrida desde lala ltima
ultima quema
quema controlada
yy el
el uso de una poda baja pueden ser ser variables
variables importantes
importantes en
en la
la determina-
ci6n
cin de la probabilidad del daoda na catastrfico.
catastr6fiao.
predicci6n exitosa
Una prediccin exitosa de
de la
la probabilidad
probabilidad dede un
un evento
evento catstrfico
catstr6fico es
es extre-
extre-
madamente difcil,
dif1cil, pues
pues tales
tal es eventos
eventos son
son raros.
raros.
los fuegos,
Cuando los fuegos, daos
danos del
del viento,
viento, o0 ciertas
ciertas plagas
plagas o0 enfermedades
enfermedades son
son nor
nor
males, ser construidos
males, pueden ser construidos tales
tales modelos;
modelos; pero
pero todava
todav1a se
se requerir
requerira un
un -
proceso cuidadoso de de obtencin
obtenci6n yy evaluacin
evaluaci6n de
de datos
datos por
por unos
unos 20
20 aos,
anos, antes
antes
de ser tiles.
de que puedan ser utiles . Debe
Debe sealarse
senalarse tambin
tambien que
que los
los parmetros
parametros de
de tales
tales
modelos tienen que ser revisados continuamente,
continuamente, ya que aparentemente son son
muy sensibles a las
las fluctuaciones
fluctuaciones climticas.
climaticas.
56 DEL RODAL
PREDICCION DEL VOLUMEN DEL RODAL
El
El volumen total de un rodal,
rodal, hasta
hasta la
la cima
cima dede los
los rboles
arboles 6 hasta
hasta algn
algun li-
11-
mite diametrico pequeno como por
diamtrico pequeo por ejemplo
ejemplo 10
10 cm,
cm, puede
puede predecirse
predecirse con
con preci-
preci-
si6n,
sin, por
por medio
medio de una ecuacin
ecuaci6n que contenga como variables
variables el
el rea
area basal
basal yy
la altura dominante.
la Ecuaciones tpicas
dominante. Ecuaciones t1picas son:
son:
(1) V = bo
b + b/GH
b 1 GH (lineal)
o
(2) V!G b o ++ bb1H
V/G == 1)0 1H (lineal,
(lineal, ponder con G)
ada con
ponderada G)
(3) log V
log V == bbo
o + bbi G + b2 log
1 log G log H
H (logaritmica)
(logartmica)
(4) b o ++ bill
V/G == bo
V!G b1H + b2H2 (cuadratica,ponderada con G)
(cuadrtica,ponderada con G)
Una
Una amplia
amplia variedad
variedad de
de otros
otros modelos son posibleS.Como
modelos son posibleS.Como ya ya sese haha discutido
discutido enen
la Parte I,
la I, en el
e1 ajuste de ecuaciones
ecuaciones de
de volumen
volumen normalmente
normalmente es e s deseable
deseable alal
gun
gan tipo de ponderacin,
ponderaci6n, pues los
los errores
errores residuales
residuales tienden
tienden aa ser aproxima~
ser aproxima-
damente
damente proporcionales a loslos volmenes.
volGmenes. Las
Las ecuaciones
ecuaciones (2), (2), (3)(3) yy (4)
(4) logran
log ran
esto. modelo (2)
esto. El modelo (2) es
es muy graficamente.
muy simple para ajustarlo grficamente.
La
La cantidad
cantidad V!G
V/G es
es ampliamente conocida comocomo el
el producto
producto dde e la
l a al tura por
altura por el
el
factor
factor de forma y su su dimensin
dimensi6n es
es el
el metro.
metro.
El grado del ajuste obtenido cuando el el volumen total deld e l rodal
r od al se expresa en
forma
forma de
de un
un modele
modelo de
de regresi 6n en funcin
regresin funci6n del
del area basal yy Ja
rea basal la altura
altura domi-
domi-
nante, tal como en las
nante, las ecuaciones anteriores,
anteriores, es usualmente muy rouy alto,
alto, a ve-
ces con coeficientes de de correlacin
correlaci6n que
que exceden
exceden aa 0.99.
0.99.
-94-
563 Estimaci6n
Estimacin del volumen hasta
hasta un
un dimetro
di!metro limite
limite tope
tope
En
En bosques uniformes aa menudo se
se requiere
requiere que
que el rendimien~o del
el rendimiento del volumen
volumen se
se
estime para
para dos o tres dimetros
0 tres diametros limites
11mites tope.
tope. Esto
Esto puede
puede hacerse
hacerse de
de la
la si-
si-
guiente manera:
(3) grafico de
Un grfico de estas
estas razones
razones en
en funcin
funci6n del
del digmetno p~omedio del
diametno ptomedio del
rodal producir
producir! un
un diagrama
diagrama del
del tipo
tipo mostrado
mostrado aa continuacin:
continuaci6n:
R = Vm/Vtot
1.0 -----------------------------
0" '
. '.
o Dg
Diametro
Dimetro
tope
-95-
(4)
(4) Esta forma
forma .puede
puede ser aj~stada por
ser ajustada por la
la funcin:
funci6n:
R == 1 -
- a. exp(b.D g )
a. exp(b.Dg)
la cualpuede
la ser transformada
cual puede ser transformada en:
en:
(1 -- R)
log (1 R) == a*
a* + b Dg
Dg
Y
y ajustada regresi6n lineal.
ajustada por regresin lineal. Ntese
N6tese que aa es exp (a*).
(a*).
Con varias razones de este este tipo
tipo puede
puede intentarse
intentarse armonizar
armonizar los
los coe
coe
ficientes
ficientes de tal modo,
modo, que ellos mismos sean funcin di~metro
funci6n del dimetro
llmite tope.
lmite tope. Alternativamente puede intentarse
intentarse construir una exten
exten
si6n multivariante
sin multivariante del
del modele
modelo anterior,
anterior,incorporando
incorporandodi.:!metnoG
digmetnosco co
merciales. .
Cuando se ajusta el modelo,
modelo, eses. importante
importante que los
los datos cuyas
cuyas razo
razo
nes
nes . sean cero se excluyan.
exc luyan. Cuando
Cuando se
se use la
la funcin
funci6n yy se
se obtenga
obtenga -
como predicci6n raz6n negativa,
prediccin una razn negativa, el volumen comercial debedebe ser
ser
tornado como cero.
tomado como cero.
En un modele
modelo de clases de grosor de un rodal uniforme,
uniforme, la masa forestal
forestal en
un momento determinado se describe por una distribucin
distribuci6n de frecuencias
frecuencias del
del
~rboles. El incremento en cada clase de grosor se calcula por
grosor de los arboles.
grosor
separado,
separado, usualmente
usualmente como
como una funci6n del
una funcin sitio, edad,
del sitio, edad, densidad
densidad del
del rodal
rodal yy
de la relaci6n
de la di~etro de la
relacin entre el dimetro la clase de grosor y la altura promedio
6 dominante.
claraos y la mortalidad deben ser
Los clareos ser expresados .tambien funci6n de la
tambin en funcin
distribuci6n
distribucin de modific~ndose la
frecuencias, modificgndose
de frecuencias, la distribucin
distribuci6n de la masa para
cada clareo o0 mortalidad ocurrida.
ocurrida.
La
La ventaja de este tipo de modelo
modele para nodales .uniformes es que suministran
suministran
-96-
informaci6n detallada
mucha informacin detallada sobre
sobre la
la clasificacin
clasificaci6n porpor tamao
tamano dede la
la produc-
produc-
ci6n,
cin, especialmente si si se
se usa
usa una
una funcin
funci6n del
del perfil
perfil del
del fuste
fuste para
para el
el clcu
calcu
10
lo del
del volumen. La desventaja
volumen. La desventaja es
es que
que el
el anlisis
analisis dede los
los datos
datos del crecimien~
del crecimienr:
to es mas que en
ms complejo que en los
los modelos totales
totales dede rodal
rodal yy requiere
requiere lala conside
conside
raci6n parametros adicionales
racin de parmetros adicionales para
para la
la distribucin
distribuci6n dede los
los dimetros; ade~
diametros; adj.:
mas para
mgs para usar
usar el
el modelo
modelo se
se necesita utilizar un un computador
computador electrnico.
electr6nico .
Los
Los modelos de este tipo
tipo no
no son
son necesariamente
necesariamente ms mas precisos
precisos enen la
la prediccin
predicci6n
de
de parametros rodal completo,
pargmetros del rodal completo, tales
tales como
como grea
area basal
basal o0 dimetro
diametro pnomedio,
pnomedio,
si proveen mgs
pero si mas informacin
informaci6n detallada
detallada sobre
sobre el
el rodal.
rodal.
de posicin
Los modelos de posici6n del
del rbol
arbol son
son aquellos
aquellos enen los
los cuales
cuales las
las relaciones
relaciones
entre todos
espaciales entre todos los
los *rboles
arboles dede una
una parcela
parcela simulada
simulada estan
estgn representa-
das en el modelo.
modelo. La
La competencia
competencia entre
entre arboles
arboles depende
depende de
de sus
sus tamaos
tamanos relati
relati
vos y de las
las posiciones
posiciones de
de los
los arboles
arboles vecinos.
vecinos. Esta
Esta informacin
informaci6n se se utiliza
utiliza-
para proveer un Indice competitiv~ a
indice competitivo a cada
cada grbol,
arbol, el
el cual
cual se
se usa
usa para
para reducir
reducir
el
el crecimiento del
del grbol
arbol alal relacionarlo
relacionarlo concon el
el que
que tendra
tendria sisi creciese
creciese sin
sin
competencia. Este Ultimo
competencia. ultimo crecimiento
crecimiento eses funcin
funci6n dede la
la edad
edad yy del
del sitio.
sitio .
Los modelos de posicin
posici6n requieren
requieren una
una extraordinaria
extraordinaria cantidad
cantidad dede cglculos
calculos yy
los recursos
exceden incluso los recursos de
de computadores
computadores relativamente
relativamente grandes.
grandes. Como
Como tc
tec
nica para modelar el
el crecimiento
crecimiento dede rodales
rodales uniformes
uniformes son
son innecesariamente
innecesariamente -
complejos, pues aunque
complejos, aunque no
no suministran
suministran significativamente
significativamente ms mas informacin
informaci6n
util sobre el crecimiento
Util crecimiento dede los
los uodales
nodales que
que un
un modelo
modele de
de clase
clase dede grosor,re
groso r ,re
quiere pnobablemente
pnooablemente unun numero
nGmero de
de cglculos
calculos muy
muy superior.
superior . Las
Las principales
principa l es veri
ven
tajas de
de los modelos de posicin estan
de posici6n estn relacionadas
relacionadas concon investigaci6nes
investigacines fi- fi---
sio16gicas y con la
siolgicas la prediccin
predicci6n de
de crecimiento
crecimiento yy rendimiento
rendimiento en en rodales
rodales mix-
mix-
tos.
Para interesados en
Para los lectores interesados en consultar
consultar lala literatura
literatura dede estos
estos tipos
tipos dede
modelos mas avanzados, se
mgs avanzados, se recomiendan la la bibliografa
bibliografia publicada por por el
el .
Bu~eau
Commonwealth Agricultural BuVeau "Computarized Methods in
titulada "Computarized in Forest
Forecasting". Los
Planning and Forecasting". Los detalles
detalles estgn
estan en
en el
el apndice
apendice D.D.
-97-
6
6 ANALISIS DE DATOS
DATOS DE CRE~IMIENTO Y
DE CRECIMIENTO Y RENDIMIENTO
RENDIMIENTO DE
DE BOSQUES
BOSQUES MIXTOS
MIXTOS
Modelos de
Modelos de matrices
matrices de
de transicin.
transicion.
Modelos de rbol
arbol independiente
independiente de la distancia basados en ecuaciones
diferenciales.
61
61 CLASIFICACION DE SITIO
Debido aa que los
los bosques
bosques mixtos
mixtos normalmente
normalmente comprenden
comprenden muchas
muchas especies,
especies, el
el
concepto de indice
indice de
de sitio
sitio debe
debe referirse
referirse aa una
una especie
especie dentro
dentro de
de un
un modelo
mode le
de rbol
arbol individual
individual o0 aa una
una asociacin
asociacion de
de especies
especies en
en un
un modelo
modele de
de rendimien
rendimien
to.
to. Hay muchas tcnicas
tecnicas especficas
espec1ficas propuestas
propuestas para
para determinar
determinar el
el Indice
1ndice de
de-
sitio,
sitio, aunque
aunque todas
todas son equivalentes en sussus orgenes.
origenes. Los indicadores
indicadores de si-
tic son:
tio son:
combinaciones de
Varias combinaciones de parmetros
parametros de
de mediciones
mediciones (por
(por ejemplo,
ejemplo, altu-
altu-
ra
ra dominante y edad en
en la
la curva convencional
convencional de
de ndice
indice de
de sitio
sitio de
de
rodales uniformes).
S bien:
<5 bien:
I
f
\
-99-
edad.
Una vez que unun conjunto
conjunto dede valores
valores de
de clases
clases de
de sitio
sitio haha sido
sido asignado
asignado por
por
determinacion de
determinacin de los
los residuales
residuales de
de un
un modelo
modele independiente
independiente del del sitio,
sitio, los
los re
re
factores ambientales,
siduales pueden correlacionarse con factores arnbientales, para determinar -
cual m~s efectivo para
cual es el ms para explicar lala variacin
variacion residual del modelo.
modelo. Los
Los
indicadores de especies se se incluyen
incluyen como variables cero-uno
cer~-uno para cada espe-
cie:
cie: cero para la ausencia de la la parcela yy uno
uno para la la presencia enen la
la mis-
mao factores cualitativos,
ma. Otros factores cualitativos, tales
tales como
como tipos
tipos dede suelo,
suelo, pueden
pueden codificar
codificar
se del mismo modo.
se modo. En el apndice
apendice AA se
se discute
discute el uso
uso de variables ceno-uno-
ceno-uno-
regresi6n m-altiple.
en regresin multiple.
usc de variables
El uso variables queque provienen
provienen de
de mediciones
mediciones como
como indicadores
indicadores dede sitio
sitio eses
~s
ms dificil enen un
un rodal
rodal mixto
mixto que
que en
en rodales
rodales uniformes
uniformes yy puede
puede hacerse
hacerse efec-
efec-
solo con
tivamente slo con unun modelo est~tico de
modele esttico de rendimiento.
rendirnient o. Sin
Sin embargo,
embargo, los
los fac-
fac-
pueden usarse
tores ambientales pueden usarse como
como indicadores
indicadores de
de sitio
sitio con
con cualquier
cualquier tipo
tipo
de modelo; en bosques
modelo; en bosques mixtos,
mixtos, los
los indicadores
indicadores dede sitio
sitio ambientales ser~n por
arnbientales sern por
lo tanto m~s
10 rodales uniformes.
ms importantes que en rodales uniformes. En loslos bosques
bosques mixtos,los
mixtos,los
par~metros ambientales
Parmetros ambienta les son
son una
una parte
parte necesaria
necesaria de
de un
un modelo
modele efectivo,
efectivo, mien-
mien-
en rodales
tras que en rodales uniformes,
uniformes, usando
usando la
la altura
altura como
como base
base para
para la
la determina-
determina-
cion del sitio,
cin sitio, los par~metros ambientales
los parmetros arnbientales son
son un
un extra
extra opcional.
opcional.
Podr~ haberse apreciado
Podr apreciado dede la
la discusin
discusion anterior,
anterior, que
que los
los trminos
terminos convenca
convencio
indice de
nales indice de sitio,
sitio, etc.,
etc., estan
estan siendo
siendo usados
usados hasta
hasta cierto
cierto grado
grado de mane~
de mane-
erronea. Realmente
ra errnea. Realmente son
son modelos
modelos que
que se
se autocalibran
autocalibran yy usan
usan unun error
error estima
estima
prediccion del error
do en un momento para reducir la prediccin error dede un
un estimado
estimado poste--
poste--
rior . No hay
rior. hay nada
nada inherentemente
inherentemente monodimensional
monodimensional sobre
sobre el
el efecto
efecto del
del ambien-
ambien-
modele de
te en un modelo de crecimiento
crecimiento forestal. Adem~s, parte
forestal. Adems, parte del
del error
error que
que la
la auto
auto
calibracion puede
calibracin puede efectivamente
efectivamente compensar,
compensar, puede
puede no
no estar
estar relacionado
relacionado al am~
al am-
biente yy deberse
deberse a:a:
factores
factores hist6ricos (tratarnientos anteriores
histricos (tratamientos anteriores del rodal),
rodal),
puntos pueden
Estos puntos pueden resumirse
resurnirse simblicamente
simbolicamente como
como sigue:
sigue:
Tiempo T1
Tiempo Tl ~lodelo de crecimiento/rendimiento
Modelo
Resolver:
Y1 = f(X14)
para I
I tal,
tal, que
que Y1 = Yt
Yl y*
1
Ajustar lala regresin
regresion
entre I j , EE.
j
I'3
.
Ij
I g(B,Ej)
= g(B,Ei)
T2
Tiempo T2
Usar
~
II = g(B,E2)
!
Tir
Calcular:
Y2 = f(X2II)
S1mbolos
Smbolos
B en la
Coeficientes en la regresin
regresi6n entre indice par~me
1ndice de sitio y pargme-
tros ambientales.
Ej par~etros ambientales
Conjunto de pargmetros ambientales de
de una
una serie
serie de
de parcelas,
parcelas,
usados en el ajuste de la regresin
regresi6n
gO Cualquier funcin
funci6n matematica
matem&tica (lineal
(lineal o lineal) usada como
0 no lineal)
regresi6n Indice
regresin 1ndice de
de sitio-ambiente.
sitio-ambiente .
I estimado del
Valor estimado del indice
1ndice de sitio
sitio para
para una
una parcela
parcela
Ij Conjunto de
de valores
valores de
de Indice
1ndice de
de sitio
sitio en las mismas parcelas
en las parcelas
donde se determin
determin6 EEj
Y1 Y2 Rendimientos estimados
estimados por
por el
el modelo
modele en
en los
los tiempos
tiempos 11 yy 2.
2.
Y*1 la parcela en
Rendimiento real de la en la
la que
que se
se determin
determin6 X1
Xl
Las
Las variables xi son cualquier variable que
que satisfagan
satisfagan los
los dos
dos criterios
criterios si-
si-
quientes:
guientes:
(1) Son
Son utiles
tiles para predecir Y.
Y. Esto es, aaden
anaden algo
algo significativo,en
signific ativ o,en
un
un sentido estad1stico, la bondad
estadstico, a la bond ad de
de ajuste
ajuste de
de la
la funcin
funci6n ff ( ) ( )
al
al rendimiento.
(2) Pueden
Pueden ser determinadas sin
sin requerir
requerir mediciones
mediciones en
en el
el bosque
bosque en
en un
un
momento t.
momenta t. Pueden ser
ser estadsticas
estad1sticas de inventario al
deinventario al tiempo
tiempo base
base to
to
-101-
o pueden ser
o ser Indices
!ndices de
de sitio
sitio regionales
regionales derivadas
derivadas de
de datos
datos de
de sue-
sue-
lo, topogr~ficos
10, topogrgficos o clim~ticos. Pueden ser
0 climgticos. ser variables cualitativas
el tipo
que denoten el tipo particular dede tratamiento
tratamiento de
de explotacin
explotacion que
que ha
ha
tenido el
el bosque.
bosque.
desde el
El tiempo transcurrido desde el tiempo
tiempo base
base es
es t,
t, yy debe
debe considerarse,
considerarse, si
si la
la
funcion ha
funcin ha de
de ser
ser -til
util como
como un
un instrurnento planificacion.
instrumento de planificacin.
La forma de la
La la funcin
funcion variar
variara enormemente,
enormemente, dependiendo
dependiendo del
del rendimiento
rendimiento aa pre
pre
decir,
decir, de los datos involucrados
involucrados yy en
en alguna
alguna manera
manera de
de la
la sofisticacin
sofisticacion de
de -
instrumentos analticos
los instrumentos anal!ticos disponibles.
disponibles.
Los
Los datos pueden provenir
provenir dede parcelas
parcelas temporales
tempora1es o0 permanentes
permanentes o0 de experi-
mentos. El tipo
mentos. tipo ms
mas simple
simple dede anglisis
analisis dede datos
datos que
que se
se puede
puede emprender ser~
emprender serg
regresion lineal
una regresin lineal mltiple
multiple acompaada an~lisis grafico
acompafiada de un anglisis grfico de
de los
los datos
datos
yy de residuales. Para
de los residuales. Para ello,
ello, es
es esencial
esencial un
un computador
computador electrnico,
electronico, aun-
aun-
que
que puede ser
ser de
de los m~s pequeos.
los mgs pequefios .
las parcelas
Los datos de las parcelas deben
deben resumirse
resurnirse antes
antes de
de determinar
determinar la la ecuacin
ecuacion dede
rendimiento. sumario contendrg
rendimiento. El sumario contendra el el siguiente
siguiente tipo
tipo de
de informacin
informacion para
para cada
ca da
parcela, enen cada
cada medicin:
medicion :
Area basal/ha
basal/ha por
por grupos
grupos de
de especie
especie al
al tiempo
tiempo to.
to'
para grupos
Densidad %% para grupos de
de especies
especies al
al tiempo
tiempo to.
to'
explotacion al
Intensidad de explotacin al tiempo
tiempo to
to
silviculturales
Clases silviculturales
Codigo de tipo
Cdigo tipo de bosque
bosque
arnbientales (tipo
Indicadores ambientales (tipo de
de suelo,
suelo, altitud,
altitud, precipitacin,
precipitacion,
etc. )
etc.).
En la seccin
seccion 5 se
se han
han considerado
considerado las
las diferentes formas
formas de ecuaciones que
procesos de crecimiento asint6ticos.
pueden utilizarse para modelar procesos asintoticos. En el el
ap~ndice A,
apndice A.2.1, se
A, figura A.2.1, se muestra una
una variedad de funciones
funciones bsicas
basicas que
formas adems
pueden representar otras formas ademas dede la
la asinttica.
asintotica. Para
Para establecer
establecer una
una
curva o funcion que modele el desarrollo del rendimiento
0 funcin rendimiento en un un bosque
bosque natu-
natu-
ral,
ral, es preferible empezar por por graficar los
los datos,
datos, ploteando
ploteando elel rendimiento
rendirniento
el tiempo
contra el tiempo desde
desde el
el tiempo
tiempo base
base (sea
(sea una
una explotacin
explotacion . oo inventario).Los
inventario).Los
clasificarse por
datos deben clasificarse por el
el rea
area basal
basal dede los
los rodales
rodales al
al tiempo
tiempo base;
base; dede
ben dibujarse graficos
ben separados para
grficos separados para diferentes sitios
sitios o0 bosques
bosques dede diferen
diferen
composicion de especies.
te composicin especies.
base a tales
En base tales grficos,
graficos, puede
puede seleccionarse
seleccionarse unauna ecuacin
ecuacion apropiada
apropiada dede las
las
formas descritas
varias formas descritas en
en diferentes
diferentes lugares
lugares dede este
este manual.
manual. LosLos datos
datos pue-
pue-
ser ajustados directamente
den ser directamente usando
usando regresin
regresion mltiple
multiple o0 regresin
regresion jerr-
jerar-
quica; o
quica; se puede
0 se puede trazar
trazar aa mano
mano una ~nea a
una linea trav~s de
a travs de ellos
ellos yy posteriormente
posteriormente
requiere, aproximarla
si requiere, aproximarla por
por una
una ecuacin.
ecuaci6n.
casos donde
En muchos casos donde slamente
s6lamente se
se lleva
lleva aa cabo
cabo una
una ligera
ligera corta select i-
selecti-
va,
va, y el bosque
bosque es
es una
una mezcla
mezcla compleja
compleja dede muchas
muchas especies
especies yy tipos
tipos ecolgi-
ecologi-
cos,
cos, puede
puede que no
no se
se halle
halle aa travs
traves del
del tiempo
tiempo una
una relacin
relacion directa
directa entre
entre
rendimiento, rea
rendimiento, area basal
basal yy clase
clase de
de sitio.
sitio. EnEn tales
tales casos,
casos, la
la prediccin
predicci6n del
del
crecimiento con unun modelo
modele simple
simple de
de rendimiento
rendimiento nono es
es una
una estrategia
estrategia efecti-
efecti-
va.
624 estaticos de
Problemas con modelos estticos de rendimiento
rendimiento en
en bosques
bosgues mixtos
mixtos
los modelos
A causa de que los modelos estticos
estaticos de
de rendimiento
rendimiento son
son relativamente
relativamente simples
simples
de construir yy usar,
usar, pudiese
pudiese parecer
parecer que
que son
son una
una panacea
panacea para
para los
los problemas
pnoblemas
predicci6n del rendimiento
de prediccin rendimiento en
en bosques
hosques mixtos.
mixtos. Desafortunadamente
Desafortunadamente sto
esto es-
es-
ta muy lejos
t lejos de la
la verdad.
verdad. Los
Los problemas
problemas son
son esencialmente
esencialmente del
del mismo
mismo tipo
tipo
los discutidos en
que los en la
la seccin
secci6n 525
525 referentes
referentes aa los
los modelos
modelos de
de rendimiento
rendimiento
uniformes, aunque
en bosques uniformes, aunque ms
mas complejos.
aomplejos.
tipos bsicos
Existen dos tipos basicos de
de problemas:
problemas:
(1) Un
Un modele rendimiento conlleva
modelo particular de rendimiento conlleva implicitamente
implcitamente una
secuencia
secuencia historica los eventos correspondientes
histrica de Ios carrespondientes a a los
los ocurri-
dos en el conjunto
conjunto de
de datos
datos usado
usado para
para construir
construir el
el modelo.
modelo. El
El mo-
mo-
delo no puede ser
ser aplicado
aplicado con
con confianza
aonfianza aa datos
datos que
que han experime~
han experimen
historia diferente.
tado una historia diferente.
es insuperable
Ninguno de estos problemas es insuperable en
en principio.
principio. Con cantidades ade-
ade-
cuadas
cuadas de
de datos
datos de y de experimentos
de parcelas permanentes y experimentos aa largo
largo plazo,
plazo, los
los
hist6ricos que
factores histricos que representan
representan diferentes
diferentes secuencias
secuencias de
de tratamientos
tratamientos
pueden incorporarse
inaorporarse como variables cualitativas adicionales. Los problemas
adicionales. Los problemas
de compatibilidad pueden solucionarse por ajuste de regresiones
regresiones con
con restric-
restric-
ciones~ fuercen
ciones,que fuercenlalasatisfacci6n
satisfaccinde
de requerirnientos
requerimientos particulares.
particulares.
estaticos de
Los modelos estticos de rendimiento
rendimiento arriba
arriba mencionados
mencionados tienen
tienen la
la limitacin
limitacion
basica de no poder utilizar datos de diferentes fuentes histricas
bsica (por eje~
hist6ricas (por ejem
-103-
625 en consideracin
Conclusiones en consideraci6n aa los
los modelos est~ticos de
modelos estticos de rendimiento
rendimiento en
en
bosques mixtos
tipos de
En muchos tipos de bosques
bosques mixtos
mixtos no
no se
se observan
observan relaciones
relaciones claras
claras
aa traves la intensidad
travs del tiempo entre la intensidad de los
los tratamientos y el
el si-
si-
tio.
tio. En tales casos,
casas, no pueden usarse los est~ticos.
los modelos estticos.
est~tico est
Debe tenerse presente que un modelo esttico esta restringido aa la
la
secuencia
secuencia de
de tratamientos
tratamientos hist6ricos
histricos predifinidos en los datos usa-
en su
dos en su construccin.
construcci6n.
Un model
Un modeloo de matriz de transicin
transici6n requiere que un sistema
sistema pueda
pueda representar-
representar-
se
se par
por una fila de variables que pueden
una fila pueden llamarse
llamarse un
un vector
vector de
de estado.
estado. Esto
Esto
puede imaginarse
imaginarse como:
como:
Xm
Xm =
~ (xm1,xm2,...,xmn)
(xm1,xm2""'xmn )
donde
donde cada xmi representa el nmero
ntimeno de rboles
arboles en la la clase diamtrica
diametrica i. i. El
El
primer ndice
lndice (m)
(m) denota
denota el
el perlodo tiempo.Ias XX nb
periodo de tiempo.Ts nb necesitan
necesitan representar
clases
clases de grosor. Podrlan
de grosor. ser, por
Podran ser, par ejemplo,
ejemplo, lala biomasa
biomasa total en los diferen-
tes
tes niveles trficos
tr6ficos de
de un
un ecosistema
ecosistema o0 etapas
etapas de
de desarrollo
desarrollo enen una
una poblacin
poblaci6n
animal.
animal. Pero en los modelos de crecimiento para bosques mixtos, mixtos, los elemen-
tos
tos del
del vector de estado ser~n normalmente
estado sern normalmente clases
clases dede grosor.
grosor .
La
La rnatriz
matriz de transici6n misma,
de transicin denornina T,
misma, denomina T, consiste en una tabla de n x n
-104- -
~sta:
elementos como esta:
T==
T t11 t12 t13 tln
t21
t21 t22
t22
tt2n
2n
Cada elemento ti
t ij representa la proporcin
proporci6n del
del elemnto xmi que se se transforMa
transforma
en xm+1 j en el
el intervalo de m El valor
m a m+1. El valor total
total de x m+1 , j ser&
dexm.1.1,j ser la
la suma
todo~
de todo A los
los productos de tij
tij por xmi,
xmi' es
es decir:
decir:
xm + 1,j = 1]
t - .xml - (1)
(1)
Repitiendo la ecuacin
ecuaci6n (1)
(1) para
para cada valor
valor dede jj de 11 hasta n,
n , se calcula
calcul a un
un
nuevo conjunto de valores de Xm+1
Xm+ 1 aa partir
partir dede Xm.
X
El
El ejemplo siguiente puede aclarar
aclarar esto.
esto . El cua~ro representa
El cuadro representa unun vector
vec t or de
de
(X) de las clases dimetricas,
estado (X) di&rnetricas, tal
tal como
como sese indican:
indican:
Clases dimetricas
di&metricas al fin del periodo
<
<20
20 20-40 40- 60
40-60 60-80 >80 Total
clases "<20
20 0.6 0.39 0.01 o.
0. 0 1.0
1.0
di&metnicas
diametnicas 20-40 0 0.68 0 . 30
0.30 0.02 0 1.0
el periodo 60- 80
60-80 0 0 0 0.90 0 . 10
0.10 1.0
>80 0 0 0 0 1.00
1.00 1.0
probabilidades de
Las probabilidades de la
la matriz
matriz de
de transicin
transici6n estn
est&n dadas
dadas en
enel elcuadnor.
cuadno'. N6te
se
se que
que los
los valores
valores cero en
en las
las casillas
casillas debajo
debajo de
de la
la diagonal
diagonal principal
principal indY
indT
hecho de que los rboles
can el hecho &rboles no se mueven hacia clases de de menor
menor grosor.La
grosor.L7
suma
suma de
de las
las probabilidades de transicin
transici6n en
en cada
cada fila
fila eses 1.0,
1 . 0, si
si todos
todos los
los
sistema estn
estados del sistema est&n verdaderamente
verdaderamente definidos.
definidos pper
o r el vector de estado.
estado .
Ahora se asume que la distribucin
distribuci6n de laslas clases de di&metro
dimetro al al inicio
inicio del
del
es:
periodo es:
Di&metros
Dimetros <20 20-40 40-60 60-80 > 80
>80
<:
4'20
20 20-40 40-60 60-80 >80 Total
<
<20
20 623 404 10 1037
Clases di~
Clases di g 20-40 149
149 , 66
66 44 219
al
metricas al 40-60 66
66 19
19 33 88
iniciar el
iniciar e1 60-80 20 22 22
periodo. >
> 80 77 7
7
ejemplo se
En este ejemplo se ignora
ignora el
el ingreso,
ingreso, la
la mortalidad
mortalidad yy la
la explotacin,
explocaci6n, que
que se
se
consideran en las
las siguientes
siguientes secciones.
secciones.
Los
Los mtodos matrices
m4todos para construir matrices de transicin
de transici6n pueden
pueden diferenciarse
diferenciarse de
de
acuerdo:a que los
l os datos disponibles
disponibles de ~rboles
sean de
sean rboles individuales o 0 de parce-
las permanentes,
las permanentes, o0 si
si se
se trata
trata slo
s610 de mediciones
de mediciones sucesivas
sucesivas de
de clases
clases de di~
de did
metros.
632 .1
632.1 Datos de rboles
~rboles individuales
individuales
Segunda medici6n
medicin
Primera
I
IABCD
I A B C D M E Total
medicin
medicion
A
A
B
C
D
M
E
se muestra el
Arriba se el esquema
esquema de
de la
la matriz
matriz de
de transicin.
transici6n. Las
Las letras
letras A,
A, B,
B, C,
C,
..... ..
-106-
D, .
... denotan
denotan clase
clase dimetricas
digmetricas sucesivas.
sucesivas. M M indica
indica la
la mortalidad, los ~r
mortalidad, E los r
explotados ee II los
boles explotados los ingresos.
ingresos.
de transicin
La matriz de transici6n se se construye
construye del
del siguiente
siguiente modo:
modo:
(1) Definir la
la clase
clase inicial
inicial yy final ~rbol para
final de un rbol para un periodo
periodo de de tiem
tiem
po. Ubicar el rbol
po. rbol en la
la casilla
casilla apnopiada
apnopiada yy enen 1a
la columna
columna de de tota~
tota7
les
les aa la derecha.
derecha. Esta ltima
ultima est
est basada en los valores de las cla-
ses iniciales.
iniciales .
~rboles de ingreso
Los rboles ingreso se
se definen ' como los
los que aparecen
aparecen en
en una
una clase
clase
en la segunda
segunda medicin,
medici6n, pero que
que no estaban presentes
presentes enen la
la primera
primera
medici6n. Los
medicin. Los rboles
rboles muertos
muer-tos son
son aquellos
aquellos que
que mueren
mueren entre
entre ambas
ambas meme
diciones yy los ~rboles explotados
los rboles explotados los
los que
que fueron
fueron removidos
rernovido senenese l~
eselaja
so.
SO.
(2) Una
Una vez
vez que todos los'los rboles
1irboles han
hab sido
sido ubicados
ubicados en
en la
la tabla
tabla se
se divi-
div i-
numer6 de cada
de el nmero cada casilla
casilla por
por el
el total
total de
de la
la fila
fila (ltima
(ultima columna
columna
de derecha), ' para obtener una
de la derecha), una prcporcin
prcporci6n redondeada al
al segundo
segundo de
cimal.
S1 uno de los
Si los totales
totales de
de las
las columnas
columnas es
es cero,
cero, la
la clase
clase debe
debe unirse
unirse con
con una
una
clase de grosor adyacente ya
ya que
que no
no hay
ha y datos
datos que
que definan
definan transaciones
transaci o nes en
en
ella.
I E A
I~ ~
~
I
111Ir, ~ ~
~
"'>
?
~ Po ~
~ ~
~
,,,
~
..-
~
1" ' "
~
<,-,...
h
P rr E
I~
~ ~ ~
%/ ~
~
~ ~ ~ --::::::
....-;
I"'" 1
E
~/, i j ~ ~
1
~
~
,---'
B % ,--,:
de una
Los egresos de una clase
clase slo
s610 puede
puede ir
ir aa la
la clase
clase siguiente
siguiente mayor.
mayor.
El nmero ~rboles explotados
ndmero de rboles explotados en
en cada
cada clase
clase se
se conoce de una
una fuente
fuente
independiente o0 se
se deduce
deduce de
de las
las prescripciones
prescripciones de
de tratamiento.
tratamiento.
A ++ P*
Po = BB -- A p* ++ E
E (2)
(2)
o
(3)
(3)
la ecuacin
En la ecuaci6n (2), (2), AA eses el
el total
total de
de la
la fila
fila yy BB el
el total
total de
de lala columna
columna de
de
la
la casilla correspondiente
correspondiente aa Po; P~
Po; Pts es el valor de Po en la la fila
fila siguiente.
siguiente.
P5
P* definici6n para la mayor clase de grosor . E son los ~rboles
O es cero por definicin para la mayor clase de grosor. E son los rboles
explotados para la la fila.
fila. Po
Po se
se clcula
calcula por
por un
un mtodo
metodo recursivo,
recursivo , empezando
empezando enen
la
la esquina i n ferior derecha con
esquina inferior con P*
P* = o0 yy prosiguiendo
prosiguiendo hacia
hacia lala izquierda.
izquierda.
oespues que los
Despus los valores
v alores PoPo yy Pr
P han
hgn sido
sido calculados
calculados en en nmeros
ndmeros de ~rbo les /ha
de rboles/ha
se
se cconvierten
o nvi e rten en proporciones aividindolos
aiVidiendolos porpor el total
total correspondi e nte de
correspondiente
la fila (A).(A) .
v al ore s Po
Los valores Po yy Pr
P r representan
representan pnocesos
pnocesosreales
realesdedeacuerdcc
acuerdcr a:
a:
(3) Po
Po es la proporcin ~rboles que
proporci6n de rboles que pasa
pasa de
de una
una clase
clase aa la
la clase
clase si-
s i-
guiente superior durante un
un periodo
periodo de
de tiempo.
tiernpo.
633 Refinamientos
Refinamientos aa los modelos de transicin
transici6n
(b) Los datos deben agruparse en clases ~rea basal para diferentes
clases de rea
bosques, para permitir el uso de matrices de transicin
bosques, transici6n distintas
para rodales de
de densidades
densidades diferentes.
diferentes.
Es dificil y tedioso
tedioso representar
representar interacciones
interacciones iindmicas.
dinamicas. Por
Por
ejemplo, la interaccin
ejemplo, la interacci6n entre densidad
densidad del roda l y tasa de cre-
del rodal
cimiento.
cimiento. Esto slo
s6lo puede hacerse teniendo una matriz de transi
ci6n nivel de
ojn separada para cada nivel de la
la variable
variable de
de control, 10 cul
control, lo cual
es tolerable con una interaccin
interacci6n significativa.
significativa. Con dos
dos o0 ms,
mas,
el nGmero
ndmero de matrices requerido es el producto del ndmeno,de
numeno' de ni
ni
veles de cada interaccin.
interacci6n.
La
La precisi6n
precisin de un modele transici6n est
modelo de transicin esta limitada
limitada por lala ne-
ne-
trabajar con
cesidad de trabajar con clases
clases definidas
definidas muy
muy ampliamente;
ampliamente; dede
otro modo ocurren demasiadas
demasiadas transiciones
transiciones indefinidas
indefinidas o0 las
las TI' .
trices
trices se hacen muy grandes para calcularlas con facilidad.
facilid a d.
A causa de su
A su ineficiencia
ineiiciencia yy falta
falta de
de interacciones
interacciones dinmicas,
dinamicas,
los modelos de matrices de transicin
los transici6n ofrecen
ofrecen poco
poco campo
campo para
para
conocimiento de
mejorar el conocimiento de los
los procesos
procesos de
de crecimiento
crecimiento forestal.
forestal.
64
64 MODELOS DE ARBOL INDEPENDIENTE
1NDEPEND1ENTE DE LA DISTANCIA
D1STANC1A BASADOS EN ECUAC10NES
ECUACIONES D1-
DI-
FERENC1ALES
FERENCIALES
641 Definici6n
Definicin
Un modelo
modele de ~rbol es
de rbol es aquel
aquel enen elel cual
cual cada
cada rbol
arbol de unun rodal
rodal est
esta represen-
individualc. :onte por
tado individual,-nte por unun conjunto
conjunto de de variables
variables que
que describen,
describen, porpor ejemplo,
ejemplo,
la especie,
la especie, el dimetro, l ~ a ltura y
diametro, lip.ltara y las
las condiciones
condiciones dede la
la copa.
copa. En
En un
un mode-
mode-
10 dependiente de
lo de lala distaiicia,
distan cia, la la posici6n
posicin del
del arbol rodal tambin
rbol en el rodal tambien eses
t~ representada
t norrnalmente
nol.nalmente por por sus
sus cordenadas X, Y.
cordenadas X, Y. En un un modelo
modele indeperi
indepen
diente de la
la distancia,
distancia, la la posicin
posici6n del ~rbol no
del rbol no est
esta representada.
representada. Los modj mode
independientes de
los independientes de la
la distanci.a
distancia son son generalmente
generalmente mucho msmas econmicos
econ6micos en en-
terminos de recursos
trminos recursos dede computacin
computaci6n que que los
los modelos de
de posicin,
posici6n, pero
pero dan
dan
representaci6n menos real
una representacin real yy detallada
detallada dede los
los procesos
procesos competitivos
competitivos entre
arboles. En este manual slo
rboles. s6lo se se consideran
consideran modelos
modelos independientes
independientes de de la
la dis-
tancia, pues la
tancia, la experiencia
experiencia ha ha sugerido
sugerido que
que para
para proyecciones
proyecciones aa grosso
grosse modo
rendimiento, los
del rendimiento, los modelos de de posicin
posici6n dede los
los rboles
arboles nono tienen
tienen ventajas
ventajas
especificas aa causa
causa dede su
su mayor
mayor complejidad
complejidad yy exigencia
exigencia de c~lculos.
de clculos.
-109-
643 Representaci6n de
Representacin de la
la competencia
competencia
Los
Los datos
datos deben
deben de
de provenir de
de parcelas de muestreo permanentes 0o temporales
temporales
oo de
de parcelas
parcelas experimenta les para poder definir todas las relaciones
experimentales relaciones dinami-
dinmi-
cas
cas yy alometricas
alomtricas enen el modelo.
modelo. Cualquier variable
var iable inclufda
inclu!da enen el
el modele
modelo ha
ha
debido ser realmente medida en en una
una muestra de
de rboles.
!rboles. SiSi la
la competencia va
aa definirse
definirse en
en funci6n
funcin de la densidad de los cuadrados,
cuadrados, como se discute an- an-
teriormente (secci6n 643),
teriormente (seccin 643), entonces las parcelas de muestreo o 0 las experi-
mentales deben tambin
tambien haber
haber sido
sido medidas de
de manera que
que los
los rboles
arboles puedan
ubicarse
ubicarse en
en los
los cuadrados y y pueda calcularse un Indice
fndice de competencia
crmpetencia de
de
cuadrado por cuadrado..
cuadrado por cuadrad~
En los bosques
En los bosques mixtos,
mixtos, es
es posible quel.as
quelas especies raras est~n representa-
raras no estn representa-
das
das por
por muchos
muchos puntos.
puntos. En estos casos es mejor agruparbas
agruparllis especies
especies raras
raras yy
proveerlas
proveerlas de comun de
de un conjunto comn de funciones
funciones dede crecimiento
crecimiento yy alomtricas.
alomebricas.
A diferencia
diferencia dede un
un modelo
modelo de matrices de transicin,
transici6n, el proceso
proceso de
de ajuste
ajuste dede
las diferentes
las diferentes ecuaciones
ecuaciones del modele a los datos de campo requiere considera
modelo a considera
ble habilidad. Los Los diferentes
diferentes problemas
problemasque
quesesepresentan
presentansesehanhandiscutido
discutido en
ei-T
diversas partes
diversas partes de
de este manual,
manual, especialmente en la la seccin
secci6n 5 y y en apndice
apendice
A,A, pero el tiene que
el investigador tiene que considerar:
considerar:
-110-
el
el problema de
de selecciortar funci6n
seleccionar una funcin que
que produzca la forma
forma
apropiada.
una t~cnica
ajustar los datos usando una tcnica estad1stica
estadistica y/o
y/o gr&fica
grfica
adecuada yy satisfactoria,
satisfactoria, conjuntamente con un exarnen re-
examen de los re-
siduales
siduales en cuanto al
al sesgo
sesgo se
se refiere.
refiere.
que
que suceder&
suceder si
si en la aplicaci6n
aplicacin del
del modelo
modelo se requiere la extra
polaci6n
polacin de
de una funcin
funci6n particular
particular yy si
si el
el resultado
resultado obtenido
obtenido ba-
ba
jo tales
jo tales circunstancias
circunstancias es
es razonable, si no
razonable, si no necesariamente precT
so.
La
La estructura general del modelo
modele es muy similar
similar aa la
la de los din~mi
los modelos dinmi-
cos
cos de rodal, discutidos en la
de rodal, la seccin
secci6n 534,
534, y
y se
se ilustra
ilustra en el
el diagrama
diagrama si-
si-
guiente:
guiente:
Inicializar las
las variables
los &rboles
de los rboles
un periodo
Calcular el crecimiento de un
dado, por ejemplo 11 ao,
dado, ~rbol por rbol
ano, rbol ~rbol
un
Incrementar un
periodo de
de tiempo
tiempo los rboles
Remover los
!
1
&rboles explotados,
explotados,
calcular el rendimiento
los rboles
Remover los
l
~rboles muertos
los rboles
Generar los
!
1
&rboles nuevos
nuevos del
del ingreso
ingreso
i
Imprimir el resJlen de las estadsticas
el resumen estad1sticas
de la parcela para este periodo
inicial est
Como punto inicial est& la
la fase
fase de
de inicializacin
inicializaci6n donde
donde sese indica
indica el
el estado
estado
al comienzo
del rodal al comienzo de
de la
la simulacin,
simulaci6n, que que puede obtene~se de
puede obtenerse de los
los datos re~
datos rea
les de un inventario o
les 0 puede generarse
generarse aleatoriamente
aleatoriamente o de un
0 de un conjunto
conjunto dede
funciones.
el modelo entra
Entonces el entra en
en una
una fase
fase cclica
c1clica o0 iterativa,
iterativa, donde
donde cada
cada ciclo
ciclo
una unidad
representa una unidad del
del periodo b~sico de
periodo bsico de crecimiento,
crecimiento, tpicamente
t1picarnente 11 66 55
anos. En cada
aos. cada iteracin
iteraci6n se
se repiten
repiten una
una serie
serie de c~lculos siguiendo
de clculos siguiendo loslos pasos
pasos
indicados. Generalmente
principales indicados. Generalmente el el orden
orden enen el
el cual
cual se
se ejecutan
ejecutan estos
estos papa
es importante;
sos no es importante; as,
asi, por
por ejemplo,
ej,E mplo, se
se pueden remover rboles
&rboles muertos o0 -
antes,mas bien
explotados antes,ms bien que despu~s, de
que despus, de calcular
calcular el el crecimiento
crecimiento en el el ro-
ro-
dal permanente.
perinanente.
646
b46 mortalidad _y
Ingresos, mortalidad y explotaci6n
explotacin
la creacin
involucran la creaci6n o0 remocin
remoci6n de
de rboles
!rboles en
en el
el modelo.
modelo.
son
son inherentemente procesos
procesos aleatorios,
aleatorios, yy no
no pueden tratarse con
tacilidad como simples
simples relaciones
relaciones funcionales.
funcionales.
la
la descripci6n
descripcin de los datos
datos aa menudo
menudo carece de informaci6n sobre
de informacin
par!metros.
estos parmetros.
647 en consideracin
Conclusiones en consideraci6n aa los
los modelos
modelos de
de rbol
arbol
Los
Los modelos
modelos de
de !rbol
rbol individual son altamente
altamente flexibles,
flexibles, pero
pero requieren
requieren con-
con-
siderable habilidad del investigador
investigador tanto
tanto en
en la
la programacin
programacion para
para el
el compu-
compu-
tador,
tador, como en el anlisis
an!lisis dede datos.
datos. Tambin
Tambien requieren
requieren el
el uso
uso de
de computado-
computado-
res
res de considerable
considerable tamao.
tamano.
metodo nico
No existe un mtodo unico para construir
construir tales modelos.
modelos. El lector interesado
debe
debe estudiar las referencias,
estudiar las como las
referencias, tales como las indicadas
indicadas en
en la
la bibliograffa
bibliografa
que
que aparece en el apndice
apendice D.D.
Los
Los modelos
modelos de
de !rbol
rbol individual no son una una panacea.
panacea. Como todos los
Como todos otros m~
los otros m-
todos de
todos de prediccion
prediccin requieren de unauna base de datos
datos extensa
extensa de
de mediciones
mediciones en
en
parcelasexperimentales
parcelas experimentales yy dede muestreo
muestreo cuidadosamente
cuidadosamente mantenidas y permanen-
te evaluadas.
te Tambien, como
evaluadas. Tambin, como en
en los
los otros
otros mtodos
metodos discutidos
discutidos anteriormente,
anteriormente,
sofisticacion no es garanta
su sofisticacin garantfa dede su
su precisin.
precision.
-112-
7
7 VALIDACION DE ~IODELOS DE
DE LOS MODELOS DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO
71 DE LA
EL PAPEL DE LA VALIDACION
VALIDACION
va1idacion es,
La validacin es, literalmente
1iteralmente hablando,
hablando, elel proceso
proceso de
de determinar
determinar si
si un
un mode
mode
10
lo verdaderamente representa de unun modo uu otro la
la realidad.
realidad. En la
la validacin
validacion
tenerse siempre
deben tenerse siempre en
en cuenta
cuenta los
los siguientes
siguientes puntos:
puntos:
de prediccin
Los modelos de prediccion se
se aproximarn
aproximar&n ms
m&s a
a la
la realidad
realidad a
a medida
los esfuerzos en la
que se incrementen los la recoleccin
recoleccion de datos y en la
la
construccion del
construccin del propio
propio modelo.
modelo.
algun momento,
En algn momento, el esfuerzo involucrado
involucrado para obtener ms
mas datos o
0
modele estadsticamente
para crear un modelo estadfsticamente ms
m&s slido
solido es ms
mas costoso,que
costoso,que
la
la mejora
mejora marginal garantizada
garantizada por
por las
las predicciones
predicciones del
del modelo.
modelo.
El proceso de de validacin
validacion puede
puede ser
ser ms
m&s costoso
costoso yy consumir
consumir ms
m&s tiempo,
tiempo, que
que la
la
construccion del
construccin del modelo. Puede
Puede ser
ser necesario
necesario lala realizacin
realizacion dede experimentos
experimento s
para comprobar
especiales para comprobar elel modelo, tambi~n la
modelo, yy tambin la construccin
construccion dede sistemas
sistemas
de procesamiento de de datos
datos que
que permitan
permitan lala validacin
validacion por
por comparaciones
comparaciones en en un
un
nUffiero de parcelas.
gran namero parcelas. A A veces se requerirn
requeriran considerables anlisis
an&lisis esta-
d!sticos estimar las
dsticos para estimar las covarianzas
covarianzas dede los
los errores
errores residuales.
residuales.
Este c6mulo
cUffiulo de esfuerzos
esfuerzos puesto
puesto en
en los
los procesos
procesos dede validacin,
validacion, enen ninadn
ningun sen
sen
superfluo. La
tido es superfluo. La ciencia
ciencia defieren
defieren dede la
la filosofa
fil.osofia yy de
de la
la religin
religion por=
por=-
que siempre estest& sujeta a a criterios dede validacin
validacion emprica
empirica dede sus
sus teoras
teorias yy
modelos. modele que no
modelos. Un modelo no se
se valida
valida eses simplemente
simplemente especulacin
especulacion yy trabajoper
trabajoper
dido. -
Adem~s de
Ademas de eso,
eso, la
la naturaleza
naturaleza de
de la
la construccin
construccion deldel modelo
modele implica
implica que
que debe
debe
interactuar con la la validacin
validacion en
en un
un proceso
proceso cclico.
cfclico.
Recoleccion
Recoleccin de datos
Construccion
Construccin validacion
Validacin
modele
del modelo
La validacion debilidades en
validacin puede mostrar debilidades en el
el comportamiento
comportamiento del
del modelo,
modelo, lo
10
cual conducir& su estructura
conducir a mejorar su estructura o0 aa la
la necesidad
necesidad de
de recolectar
recolectar ms
m&s da
da
tos
tos de campo. Los experimentos con
de campo. con modelos,
modelos, inclusive
inclusive aquellos
aquellos completamente
completamente
inv&lidos, conducir aa conceptos
invlidos, pueden conducir conceptos altermativos
altermativos dede diseos
disenos experimenta-
experimenta-
les recolecci6n de
les y de recoleccin de datos.
datos.
72 DATOS DE VALIDACION
dos.
dos. Estos datos
datos pueden
pueden llamarse
llamarse datos
datos de
de validacin,
validaci6n, yy obtenerse
obtenerse de
de parce-
parce-
las de muestreo permanentes o0 temporales
las de temporales o0 de experimentos.
experimentos. Existen usualmen
usualmen
te
te dos respecto a
dos situaciones distintas respecto a los
los datos de
de validacin:
validaci6n:
Los
Los datos us ados para validar
datos usados val idar el modele los mismos que se utili
modelo son los
zan
zan para construir las
l as diferentes
di ferentes funciones que forman
forman parte del mE
mo
delo.
delo. Esto puede llamarse
ll a rnarse autovalidacin.
autovalidaci6n.
en la
Los datos usados en la validacin
va lidaci6n del
del modelo
modele no
no han
han sido
sido utilizados
utilizados
para estimar ninguno
ning uno de
de los par~metros de
los pargmetros de las
las funciones
funciones del
del modelo.
Esta situacin
situaci6n puede denominarse
denominarse validacin
validaci6n independiente.
independiente.
73 RESIDUALES
ERRORES RESIDUALES
La validacin
validaci6n de
de los
lOS modelos
modelos usualmente
usualmente se
se basa
basa en
en un an~lisis de
un anglisis de los
los errores
errores
residuales, los cuales se
residuales, se definen
definen como:
como:
rado.
rudo
Por ejemplo,
ejemplo, un modelo
modele dinmico
dinamico de rodal
rodal para hacer predicciones precisas re re
quiere informacin
i nformaci6n sobre
sobre la
la densidad de plantacin
plantaci6n y el tiempo
tiempo e intensidad
intensidad-
de los clareos.
clareos. Para una
una validacin
validaci6n de de un
un modelo
modele de esta clase se se necesitan
datos
datos de parcelas de muestreo permanentes aa largo largo plazo o experimen
0 datos de experimen
clareos.
tos de clareos. -
Un modelo de crecimiento y rendimiento
rendimiento generalmente
generalmente har
hara predicciones de de di-
di-
ferentes
ferentes parametros,
parmetros, por ejemplo dimetro
diametro promedio,
promedio, altura dominante,
dominante, volu-
men total y volurnen comercial.
y volumen comercial. Los errores
errores residuales
res iduales normalmente
normalmente se se incre-
incre-
men tan (en
mentan (en relacin
relaci6n aa los
los parmetros
parametros nombrados
nombrados anteriormente)
anteriormente) de altura
altura aa
diametro
dimetro a a volumen
volurnen total
total aa volumen
volurnen comercial.
comercial. EnEn consecuencia,
consecuencia, normalmente
normalmente
sera suficiente hacer los
ser los estudios
estudios dede validacin
va lidaci6n sobre
sobre elel volumen
vo lurnen total
total o0 co
co
mercial.
mercial. A menos que exista
exista una necesidad
necesidad especial
especial de
de conocer
conocer la la precisin
p recision -
de diametro y la
de los estimados del dimetro la altura, ~stos no
altura, stos no necesitan
necesitan ser ser sometidos
sometidos
aa estudios separados
separados de
de validacin.
va lidaci6n . .
Los errores residuales pueden sumarizarse
sumarizarse dede diferentes
diferentes maneras:
Graficamente, ploteando
Grficamente, ploteando los
los errores
errores residuales
residuales contra
contra los
los valores
v alorespre
pre
dichos o
0 contra Las variables
contra las variables predictoras.
predictoras. Lo
Lo comentado
comentado en el ap~ndI
en el apndr
ce A.2.6 se
se aplica
aplica en
en este
este caso.
caso.
una desviacin
Como una desviaci6n standard
standard residual,
residual, calculada
calculada como:
como:
Como un porcentaje de
de la
la desviacin
desviaci6n standard
standard residual
residual (equivalente
(equivalente aa
de variacin)
un coeficiente de variaci6n) calculado
calculado como:
como:
Desviaci6n residual
Desviacin standard residual
Promedio de
de los
los valores
valores predichos
predicfios
74 COMPARACIONES GRAFICAS
El
El analisis
anlisis de
de errores t~cnica algo
errores residuales es una tcnica algo abstracta.
abstracta. Un
Un enfoque
enfoque
alternativo para lala validacin
validaci6n de
de modelos
modelos es
es plotear
plotear loslos parmetros
parametros dede inte-
inte-
r~s v ariable predictora,
rs contra alguna variable predictora, tanto
tanto para
para los
l o s rodales
rodales reales
reales como
como pa
pa
los modelos
ra los rendimiento . Por ejemplo,
modelos de rendimiento. ejemplo, podra
podr1a dibujarse
dibujarse el el desarrollo
desarrollo -
del volurnen en funcin
del volumen funci6n del
del tiempo
tiempo para
para el
el rodal verdadero yy para
rodal verdadero para el
el modelo.
modelo.
Este
Este tipo de apreciaci6n ms
de enfoque da una apreciacin mas concreta de la solidez
solidez 0o debili-
debili-
dad de
de un modelo que el anlisis
analisis de residuales.
residuales. Sin embargo no no puede
puede usarse
usarse
con efectividad para definir el comportamiento de un modele modelo con muchas
muchas varia
varia
bles predictoras, tampoco para
predictoras, ni tampoco para representar
representar resultados
resultados de de grandes cantida~
grandes cantida-
des de datos dede validacin.
validaci6n.
-115-
75 DEFINICION
DEFINICION DE LOS LIMITES DE UTILIDAD DEL MODEL
Los
Los errores residuales de un modelo generalmente tienden a a incrementarse a a
medida que las
las variables predictoras
predictoras sese acercan
acercan aa sus
sus valores extremos.
extremos. Esto
Esto
parece ser
ser especialmente cierto
cierto cuando
cuando los
los datos
datos de
de validacin
validaci6n cubren
cubren una
una ga
ga
rna sitios, edades y
ma de sitios, y condiciones
condiciones dede crecimiento
crecimiento mds
mas amplia
amplia que
que la
la de los
los -
datos usados en en la
la construccin
construcci6n del
del modelo.
modelo.
Sin embargo,
embargo, habrg
habra que establecer
establecer limites
limites aa los
los datos
datos de
de validacin,
validaci6n, del
del mis
mo
mo modo que fueron
fueron establecidos
establecidos aa los
los datos
datos usados
usados en
en la
la construccin
construcci6n del
del mo
ME
delo. importante, como
delo. Es importante, como parte
parte del
del proceso
proceso de
de validacin,
validaci6n, examinar
examinar elel com-
com--
portamiento del modelo fuerafuera de
de estos
estos lmites
Ifmites yy estimar,
estimar, para
para cada
cada tipo
tipo de
de
variable predictora,
predictora, un un intervalo
intervalo de
de valores fuera
fuera del
del cual
cual las
las predicciones
predicciones
del
del modele obviamente imprecisas
modelo se vuelven obviamente imprecisas e e intiles.
inutiles.
Esto es
Esto es importante porque muchas de de las
las aplicaciones
aplicaciones dede los
los modelos dede crec
creci
rniento y
miento y rendimiento
rendimiento pueden
pueden tener
tener lugar
lugar en
en situaciones,
situaciones, enen las
las cuales los va
cuales los va-
lores
lores absurdos no se detectan de de inmediato.
inmediato. Por ejemplo,
ejemplo, como
como parte
parte de
de un
un mF
mo
delo economfa forestal
delo sectorial de economa forestal o como un componente
0 como componente enen un
un programa
programa para
para
ccalcular
alcular planes
p lanes de
de cortas.
cortas.
El
El intervalo de de los
los valores
valores con
con los
los cuales
cuales un
un modelo
modele puede
puede ser
ser razonablemen-
razonablemen-
te
te preciso (para
(para determinadas especificaciones)
especificaciones) debe
debe por
por lo
10 tanto
tanto definirse
definirse
explcitamente
explfcitamente durante
durante el
el proceso
proceso de
de validacin.
validaci6n.
-116-
88 LA APLICACION DEL
DEL MODELO usa FINAL
~IODELO AL USO FINAL REQUERIDO
REQUERIDO
81 INTRODUCCION
Esencialmente, los modelos de crecimiento y
Esencialmente, los y rendimiento
rendimiento pueden
pueden ser
ser aplicados
en una de las
las tres
tres maneras
maneras siguientes:
siguientes:
(i) y
Las alternativas (i) y (ii)
(ii) han
han sido
sido suficientemente
suficientemente tratadas
tratadas en la
la seccin
sec ci6n
534.
534. Queda
Queda por comentar la alternativa (iii),
(iii), en la cual
cual el
el modelo se usa en
combinaci6n con datos
combinacin con datos dede inventario
inventario en
en planificacin
p lanificaci6n forestal.
forestal.
Un prerequisito necesario
necesario en este caso,
caso, eses que las
las variables
variables incluidas
inclufdas en
en elel
modele como
modelo par~metros (variables
como pardmetros (variables predictoras)
predictoras) tambin
tambiE.n estn
esten incluidas
inclufdas enlos
en l os
datos de inventario.
inventario.
82 RODALES COETANEOS
de que
En el caso de que el
el bosque
bosque consista
consista de
de rodales coet~neos podran
rodales coetdneos podrfan incluirse
inclufrse
en el modelo las
lag tres
tres funciones
funciones siguientes:
siguientes:
(Sp, S,
Ho == (Sp, S, A)
A)
Ig = (Sp,
(Sp, S,
S, A,
A, G)
G) 6 1g = ff (Sp,
Ig (Sp, Ho,
Ho ' N)
N)
Hf = (Sp,
Hf = (Sp, Ho,
Ho ' N)
N) 6 = ff
Hf = (Sp,
(Sp, Ho ' N, G)
Ho, G)
especie, SS clase
Donde Sp denota especie, clase de
de calidad
calidad dede sitio,
sitio, Ho Ho altura
altura dominante,
dominante, A A
edad, N nmero
edad, numero de ~rboles por
de drboles por ha, ~rea basal
ha, GG drea basal por
por ha,
ha, 1g
Ig incremento
incremento del area
del drea
basal por ha y ao,
basal ano, y Hf
Hf forma
forma de
de altura
altura definida
definida porpor la
la funcin
funci6n VV == GG xx Hf,
Hf,
donde V es el volumen
vo lumen por
por ha.
ha. En
En este
este caso,
caso, las
las variables
var iables Sp,
Sp, A,
A, Ho,
Ho ' NN yY GG
tiene que ser conocidas de loslos datos
datos dede inventario,
inv entario, mientras
mientras que
que la
la clase
clase dede
sitio, S,
sitio, S, puede ser
ser calculada por
por medio
medio dede la
la primera
pr i mera funcin.
funci6n.
Se puede asumir que el modelo
modele es
es calculado
calculado por por medio
medio de de observaciones
observaciones en en par
par
celas
celas de crecimiento yy rendimiento. Adem~s,puede asumirse
rendimiento. Ademds,puede asumirse tambin
tambien que
que los
los da
tos de inventario,
tos inventario, aa los
los cuales
cuales se aplicar~ el
se aplicar el modelo
modele provienen
provienen dede observa--
o bserva--
ciones
ciones en parcelas de muestreo. Si Si el
el tamao
tamano dede las
las parcelas
parcelas es
es el
el mismo
mismo en en
ambos
ambos casos, podr~ ser
casos, el modelo podr ser aplicado
aplicado directamente
directamente aa los los datos
datos dede inven-
inven-
tario. Sin embargo,
tario. embargo, si
si hay
hay diferencias
diferencias en en el
el tamao,
tamano, porpor ejemplo,
ejemplo, si
si las
las par
par
celas de inventario
inventario son
son menores
menores que
que las
las parcelas
parcelas de de crecimiento rendimien ~
crecimiento yy rendimienl=
-117-
to,
to, el modelo puede dar resultados
resultados sesgados.
sesgados. Esto
Esto sese explica
explica porpor dos
dos razones.
razones.
Una, es
Una, es que
que la
la clase
clase dede sitio podr~ subestimarse
sitio podr subestimarse unun poco
poco en
en las
las parcelas
parcel as pe-
pe-
quenas (0.01
queas (0.01 -- 0.02
0.02 ha)
hal comparadas
comparadas concon las
las parcelas
parcelas grandes
grandes (0.05
(0 .0 5 -- 0.1
0.1 ha)
hal
este sesgo
aunque este sesgo usualmente
usualmente eses muy
muy pequeo.
pequeno. La
La otra
otra razn
raz6n para
para elel sesgo
sesgo es,
es,
que el efecto de de competencia
competencia de de los ~rboles que
los rboles est~n fuera
que estn fuera de
de las
las parcelas
parcelas
se
se incrementara,
incrementar, cuando decrece el el tamao
tamano de
de la
la parcela. Esto
Esto aa su su vez
vez signi
signi
fica
fica que
que una funcin
funci6n de crecimiento
crecimiento Queque contenga
contenga variables de de competencia
competencia o 0-
densidad como N N o0 GG es
es correcta
correcta slamente
s6lamente para
para parcelas
parcelas dede igual
igual tamao
tamano alas
alas
fu~ calculada.
que fu calculada. El El valor
valor del
del sesgo
sesgo depender
dependera dede la
la diferencia
diferencia de de tamao
tamano
entre las parcelas
parcel as dede crecimiento
crecimiento yy las
las parcelas
parcelas dede inventario,
inventario, el el tipo
tipo de
de
crecimiento en
las funciones de crecimiento en el
el modelo
modele yy finalmente
finalmente de de las
las variaciones
variaciones
dentro de los
los rodales inventariados.
inv:entariados. Por 10 tanto
Por lo tanto nono se
se puede
puede generalizar
generalizar so so
bre el tamao
tamano de este error.
error. -
8i crecimiento yy las
Si las parcelas de crecimiento las de
de inventario
inventario sonson ms
mas o0 menos
menos de de igual
igual
tamano, el modelo
tamao, modele puede aplicarse
aplicarse aa los
los datos
datos del
del inventario
inventario para
para prever
prever el
el
desarrollo de cada parcela individual.
individual. Al Al final
final del
del periodo
perlodo previsto
previsto las las par
par
celas
celas pueden sortearse en en estratos
estratos dede acuerdo
acuerdo aa la
la especie,
especie, clase
clase de sitio yy
de sitio
edad
edad yy calcular las sumas
sumas yy promedios
promedios dede cada
cada estrato.
estrato.
8in embargo,
Sin embargo, cuando
cuando haya
haya una
una gran
gran diferencia
diferencia enen el
el tamao
tamano de
de las
las parcelas,de
parcelas,de
modo que las parcelas de crecimiento sean mucho mayores que las de
que las de inventa-
inventa-
rio, es recomendable
rio, recomendable primero
primero sortear
sort ear los
los datos
datos dede inventario
inventario de de acuerdo
acuerdo alas
alas
especies, clases
especies, clases dede sitio
sitio yy edad
edad yy despus
despues aplicar
aplicar elel modelo
modelo aa estos
estes estra-
estra-
tos
tos en
en lugar de a a cada parcela individual
individual deldel inventario.
inventario .
83 RODALE8 MIXTOS.
RODALES MIXT08.
un bosque
En el caso de que un bosque consista
consista de
de rodales
rodales mixtos
mixtos (edades
(edades diferentes),
diferentes),
pueden incluirse
incluirse en
en el
el modelo
modelo de
de prediccin
predicci6n las
las funciones
funciones siguientes:
siguientes :
Iv == ff (S,
(8, F, G(1),
G(1), G(2)
G(2) ,...G(n),
, G(n), N(1),
N(l),N(2)
N(2),...N(n),
,' .. N(n),L(1),L(2),...L(n))
L(1),L(2), ... L(n
V
V f (8,
= f (S, F,
F, G(1),
G(1), G(2), ... G(n), N(1),
G(2),...G(n), N(1), N(2),...N(n))
N(2), ... N(n
donde Iv es el
donde el crecimiento del volumen comercial por ha y ao, ano, 8S es
es la
la clase
clase
de sitio definida
definida por indicadores ambientales (tipo (tipo de suelo,
suelo, altitud,
altitud, preci
preci
pitac i 6n, etc.),
pitacin, etc.), F es es el
el tipo
tipo dede bosque,
bosque, GG (1),
(1), GG (2),...
(2) , .. GG (n)
(n) es area -
es el rea
basal despus
despues de la la explotacin
explotaci6n por por grupos
grupos dede especies
especies por hect~rea, NN (1),
por hectrea, (1),
N (2),...
N (2) , . N
N (n)
(n) es
es el nmero
numero de ~rboles despus
de rboles despues dede la
la explotacin
explotaci6n por grupos
de hect~rea, L (1),
de especies yy hectrea, (1), L (2),...
(2) , . L (n)
(n) es
es la
la intensidad de la la explo-
explo-
ci6n
ojn por grupos de de especies
especies yy finalmenteV
finalmenteVes el volumen comercial despus
es el despues dede
explotaci6n
explotacin por por hectrea.
hectarea.
Para
Para hacer
hacer posible
posible la predicci6n,
prediccin, las mismas variables (variables (variables predicto-
predicto-
ras) incluyan en
ras) que se incluyan en elel modelo tendr~n que
modele tendrn que ser
ser obtenidas
obtenidas en en el
el inventario.
inventario.
La cliscusi6n
discusin sobre
sobre el tamaodedelalaparcela
el tamaiio parcelaenenrelacion a la
relacin predicci6n
a la prediccin para
pararodales
rodales coe
taneos se aplica en principio tambin
t'aneas tambien para rodales mixtos.
mixtos. Debe admitirse
admitirse
sin
sin embargo,
embargo, que que hasta
hasta ahora
ahora se ha hecho muy poco en el campo de los modelos
de los modelos
de crecimiento para bosques mixtos tropicales tropicales todav!a en
estando todavia en una
una etapa
etapa
investigacion. Por eso no es posible dar
de investigacin. dar alguna
alguna instruccIn
instruc c16n precisa de co
mo hacer predicciones sobre sobre elel desarrollo de de bosques
bosques mixtos tropicales
tropicales des--
pues de la explotacin.
pus explotaci6n. Para bosquesbosques mixtos templados
templados han han sido
sido desarrollados
modelos por por medio de de los
los cuales
cuales pueden
pueden hacerse
hacerse pronsticos
pron6sticos confiables
confiables (ver,
(ver,
-118-
-118-
p~r ejemplo,
por ejemplo, Monserud*
Monserud* 1980).
1980). Valdra
Valdr1a la pena tratar
la pena de probar
tratar de probar estos modelos
tambien para bosques
tambin bosques mixtos tropicales,
tropicales, pero
pero hasta
hasta ahora
ahora esto
esto no
no se
se ha
ha he-
he-
cho.
cho.
** Monserud,
Monserud, A.
A. and Ek,
Ek, A. 19~0. comparison
A. 19b0. comparison of
of two
two stand
stand growth
growth models
models for
for
northern hardwoods.
hardwoods. Wright HH (editor)
(editor) 1980.
1980. Planning,
Planning, perfomance and
evaluation of growth
evaluationof growth and
and yield
yield studies.
studies. Reuni6n
Reuni6n de IUFRO S4.01.Cornrnenwealth
de IUFRO S4.01.Commenwealth
Forestry Institute, Oxford,
Oxford, Great
Great Britain,
Britain, pp
pp B.
8.
MANUAL DE ESTIMACION DEL VOLUMEN
VOLUI1EN FORESTAL Y
Y PREDICCION DEL
APENDICES
APE N D ICE S
Pag.
Pg.
A. Tecnicas estadsticas
Tcnicas estadfsticas yy matemticas
matematicas para
para estudios
estudios
de rendimiento 1
D. Bibliograffa
Bibliografa comentada 76
-1-
APENDICE A
A
.1 La lnea
linea recta 1
3
3 Ejemp10 de aproximacin
Ejemplo aproxirnaci6n de una curva usando transfor-
trans for-
rnaciones l!nea recta
maciones a una linea recta 33
.5
5 Grficos tres variables
Gr~ficos que contienen tres 55
.2
2 Regresi6n con dos variables
Regresin variables predictoras
predictoras 17
.3 Transformaci6n ajuste de
Transformacin de datos yy ajuste de curvas
curvas 21
.4 An~lisis
Anlisis regresi6n mltiple
de regresin multiple 25
.5
5 C~lculos para la
Cglculos la estimacin par~metros de un modelo
estimaci6n de pargmetros modele
regresi6n mltiple
de regresin multiple 26
.66 An~lisis
Anlisis de residuales 36
.8
.8 Comparaci6n l!neas de regresin
Comparacin de lneas regresi6n 40
.9
.9 Regresin jer~rquica usando
Regresion jergrquica usando variables
variables condicionales
condicionales 47
A.3
A.3 Solucion de
Solucin de ecuaciones 52
.1 Soluci6ndela
Solucin dela ecuaci6n cuadr~tica
ecuacin cuadrgtica 52
.2
.2 Solucin gr~fica de ecuaciones
Soluci6n grfica 52
A.4 de modelos no
Ajuste de no lineales
lineales 56
-2
-2--
A. 11 gr~ficos
Ecuaciones y grficos
secci6n trata
Esta seccin trata de
de los m~todos de
los mtodos de expresar
expresar relaciones gr~ficas como
relaciones grficas como ecua-
ecua-
ciones.
m~s simple
El tipo ms simple de gr~fico es
de grfico es la
la linea
linea recta:
recta:
I
I
lAy b=Ay/~
Ay/tli.x
I
--------------' B
Ax
a
o ;-------------------------~x~
y =a+bx
y = a + b x
aa es
es el
el valor de y en el punto
punto donde
donde la
la lnea
linea corta
corta el
el eje
eje yy (es
(es decir,
decir, cuan
cua n
do xx = 0). b es la pendiente de
O). b de la
la lnea
linea yy puede
puede ser
ser convenientemente
convenientemente obteni
obtenI
da gr~fico como
da de un grfico como sigue:
sigue :
Un m~todo algebraico de
mtodo alternativo algebraico de calcular
calcular los
los coeficientes
coeficientes a,
a, bb de
de una
una li
li
es como
nea recta es como sigues
sigue~
-3-
Y
Y
Y1
I
,
I
,1,
,,
,,,
Y2 ------t-------------------
,
I
'Y2)
,
I
~------L-----------------~~----x
b = (Y2-Y1)/(X2-X1)
a ~ yl
a = Yl -
- b xi
xl
A.!.
A.1.22 Transformaciones
Transformaciones para
para ajuste
ajuste de
de curvas
curvas
log10
10glO x logaritrno de base
logaritmo 10
base 10
loge 615 In
loge ln x logaritmo (2.71828 . )
logaritrno de base ee (2.71828...)
l/x
1/x rec!proco
reciproco
V77
rY:' ra!z
raz cuadrada
2
x
x2 cuadrado
la funcin
Puntos de la funci6n Transformaciones
ori~inal
D
D V
V D2
D2 log DD V
Log V
10 00.05
. 05 100 1.000 -1. 301
-1.301
40 00.85
. 85 1600 1.602 -0 . 071
-0.071
50 1.50
1.50 2500 1. 699
1.699 0.176
0.176
tran s fo~aci6n se
La primera transformacin se muestra en en la
la figura
figura A.1.1(b),
A.1 . 1(b), donde
donde VV se
se plo-
plo-
funci6n de
tea en funcin de ID'.
D .. Los
Los puntos
puntos dede la
la curv a original
curva original siguen casicasi una
una linea
recta, pero todava
recta, todav ia 'aparece
aparece unauna ligera
ligera curvatura.
curv atura.
En la figura
figura A.l.l(c)
A.1.1(c) se se muestra otra
otra transformacin.
transformaci6n . En En ambos
ambos ejes
ejes se
se han
han
tornado logaritmos
tomado logaritmos de base 10. 10. Los valores transformados
transformados de de los
los 66 puntos
puntos se-
se-
leccionados se han listado
l istado enen el
el cuadro
cuadro anterior.
a(lterior. Puede
Puede observarse
observarse que
que estas
estas
transformaciones dan un ajuste casi casi perfecto, aa excepcin
excepci6n del
del valor m~s pe-
valor ms pe-
queno,
queo, que est
esta ligeramente
ligeramente sobresobre lala linea.
linea. DeDe esta
esta figura
figura sese calcula
calcula lala pen
pen
diente yy el t~rmino independiente
el trmino independiente de la linea.
de la linea. Tomando
Tomando loslos dos
dos puntos (1301;
puntos (13017
-0.699) y (1.740,
-0.699) (1. 740, 0.279)
0.:279) correspondientes
correspondientes aa los los DD de
de 20
20 yy 55
55 cm,
cm, se
se tiene:
tiene:
,
(0.279 -- (
b = (0.279 ( ;-0.699))/(1.740
,0.699))/(1.740 -- 1.301)
1.301) = 0.978/0.439
0 . 978 / 0.439
:
= 2.228
aa == -0.699 -
- 2.228
2 . 228 x
x 1.301
1 . 301
= -3.597
log10
10g10 V == -3.597 + 2.228
2.228 log10
10g10 DD
-5-
A.l.l Transformacin
Figura A.1.1 Transformaci6n de una curva dibujada aa mana mano para obtener una
aproximaci6n una linea
aproximacin a una l!nea recta.
recta. (a)
(a) Curva
Curva original
original concon los
los puntos selecciona
el c~lcu16
dos para el cglculo ' de los transformados. (p)
los valores transformados. (b) Transformaci6n del eje
Transformacin del
xx al cuadrado!! de los
al tomar los cuadrados los puntos seleccionados
seleccionados.. .. (c.)
(c) Transformaci6n de
Transformacin de
los ejes x e y al
al tomar
tomar logaritmos
logarl tmo,s de
de base
base 10
J:O de
de los
los puntos
puiitos seleccionados.
seleccionados.
-:, .. "........
(a) .' ,
(a).-
,v
.. t . 2
."
D
10 20 30 40 50 60
(b)
(b)
2
v
D2
1000 2000 3000
(c) log V
0,5
log D
0,0
0,5
-1,0
1,5
-6-
-6-
donde
donde nn es el orden y bi los coeficientes.
coeficientes. Mientras mayor sea el orden,
orden, ma-
ma-
yor funci6n. Por otra parte,
yor la flexibilidad de la funcin. parte, polinomios de sup~
de grados supe
riores
riores son dificil de de ajustar
ajustar por
por tcnicas
tecnicas manuales.
manuales.
cuadr~ticos (2'orden)
Para polinomios cuadrticos (2orden) o
0 cbicos
cubicos (3er orden), los c~lculos
(3er orden), clculos rna
ma
nuales
nuales de
de los coeficientes es posible realizarlos en unos 30 minutos minutos cona0Q
conayE
da
da de una m~quina
de una funciones (+,-,x,:).
mquina calculadora de 4 funciones (+,-,x,:). Se provee un formato
formata
(Formato
(Formato A.1)
A.1) para ayudar al
al usuario.
usuario. El
El formato
forma to muestra
muestra el
el ajuste
ajustede
de una
ecuaci6n
ecuacin cubica
cbica aa la linea de la figura
figura A.1.2.
A.1.2. Se toman cuatro puntos de la
funci6n
funcin aa ser ajustada yy se anotan en el cuadro (1) (1) del formato.
formato. Los puntos
no
no necesitan estar ordenados, peropero es
es deseable
deseable que:
que:
(i) la funcin
cada extremo de la funci6n est
este representado
representado por
por un
un punto
punto (ef
(el:
este caso, xl y x ).
caso' x1 3
x3).
(ii) x4 ~
no debe
debe ser punto extremo,
extremo, si se quieren calcular los
los coefi-
Clentes
cientes de la ecuaci6n cuadratica,
ecuacin cuadratica,
(iii) los
los otros
otros puntos
puntos deben estar m~s
deben estar ms 0o menos
menos regularmente
regularmente espacia-
espacia-
dos.
( iv) Si
Si s610
slo se
se desea ecuacin cuadr~tica,
desea calcular la ecuaci6n cuadrtica, tres
tres puntos
puntos
son suficierites .
son suficientes.
En
En el se explican
el formato A.1 se e xplican los c~lculos necesarios.
los clculos necesarios .
Las curvas cuadr~ticas
Las curvas cuadrticas yy cbicas
cubicas suministran un medio til
util de aproximar cur-
vas
vas dibujadas
dibujadas aa mano
mano por una ecuacin.
ecuaci6n. Cuando se utilizan,
utilizan, deben tenerse en
cuenta los siguientes detalles:
detalles:
A.l.S
A.1.5 Gr~ficos
Grficos que contienen tres
tres variables
Figura A.1.2
Figura A. 1. 2 Aproximaci6ndedeuna
Aproximaci6n una curva
curva dibujada
dibujada a mano por un
mano por un polinomio
poli.n omio de
de
tercer grado
tercer grado (Ver
(Ver formato
formato para
para clculos
cAlculos A.1)
A.1)
y
Y
25-
25
_~J _____________________________________- - -
20-
20 _~1. __________________________ _
Y2
-------------------
15-
15
10
10 - Y1
-------- ,
I
I,
5
5 -
1,,
1
,
1
,,
I
,I I
I.
IX! P'2 X3
x
5 10 15 20 25
-8-
-8-
Formato
Formato A.1 cuadr~tica o
A.1 ' Coeficientes para aproximar una curva cuadrgtica cGbica
0 cbica
Obetivo:Calcularloscoeficientesb.en
Objetivo: las
Calcular los coeficientes b en
i
lasecuaciones:
ecuaciones:
Y = b0 + bl x+ b2
X2 + b3 X3 cGbica)
(curva cbica)
6
Y = b O + bl X + b2 X2 (~ cuadr~tica)
OMNU cuadratica)
ii 1 22 3
3 4
4
Y.99
Yii
X1
Xi
q .t .4.4 46.0
.tCO 2,1.0
':U.O <> ~IL4
5 40
~o 2.0
.2.0 ~
-5. 4)'
4S-
x~2
x.1i 22S"'
< ..) loo
ioo Ltoo
400 <>
<> 225
2:1,S-
)01 <> iizs-
X~3..
~ ~S' o i000
<> iooO o s?000
<> fooD 3375
o 33'15'
<>
(2)
(2) Del cuadro (1)
(1) calcular
calcular las
las diferencias
diferencias siguientes:
siguientes:
iYYi+1
i i+1 --YYii Xi+1
X. X - X.
X,1i 2
X2
Xi+1
i+1
_ x22
- X.
ii
3
X3
Xi+1
i+1
- X~i1
- X3
11 6.?
b.g 5
'5 'U; <>
<> 8.
~1S"'
4s-
2 5
5' 10
10 3o0
300 <>
42' iooo
700o
3
<>
.e>.
-I.0,
-I. <> -5
'~'' -5
<> -14
4> - i t:fS"
5" <> - 4 {'2,s"
(3)
(3) Del
Del cuadro (2) construir los
cuadro (2) t~rminos mostrados en
los trminos en el
e1 cuadro
cuadro siguiente,
siguiente,
de acuerdo
acuerdoa alas
1asdefiniciones:
definiciones:
ii uu.ii v.1
vi W.
wi ui= (Yi+1 -
1 Y1)/(X+1 - Xi)
d.:36b
1,'?> 45
l5' <>
1 115
115.
vi= x2i ) / ( xi+ - X1)
2 0.5
O.S 3D
30 .1'
-0
7oo
':(.00
-0.
O.3~ <> 35
<> <> lf~S-
(X~+l
1+1 - ~)/(xi+1
..,
33
.:> 0.3:4., '''' '125" w.= (X.
Wi=
i
3 3
- X.)/(X.
i
- x.)
1+1 - Xi)
i
sigue/ .
sigue/...
,
I
-9-
-9-
A.l
Formato A.1 (continuaci6n . )
(continuacin...)
13.=(11i+1-11')/(v*1
1+ -y )
ii v.
vi1+1
-V.
+ l - vii i p.
Pi q.
qii
<> 3,
1 d1S"
5 o-O.On~~
05133 3
<> <> ~
'-is"
liS.
2 55 4> - O.03b
0.036,
(P q Ninguna
b3 2 -Pl) / (q2- l)
(12-P1)/(q2-q1)
= 0.002i33
O. oIl2.B3
b2 131 - b3c11 Pi
= 0.4320 =
l - b 2 v l - b 3wl
uul
b1 - b2v1 - b3w1 u1 - b2v1
= .2.. (16 f =
22 3 , v2
b0 Yl-blXl-b2Xl-b3Xl
Y1-b1X1-b2X.1-b3X1 Y1 - blX1
= 2.59Gj 55"
- 2.59 =
* * * * * * * * * * * * * * **
-10-
y
Y
Aquf, cada
Aqu, cada nivel
nivel de
de zz (zl,z2,z3,etc.)
(z1,z2,z3,etc.) constituye
constituye una relaci6n
relacin distinta entre
xx ee y.y. Tales casos son comunes
comunes con
con curvas
curvas de Indice
indice de sitio
sitio donde
donde la al t~
la alti
ra (y)
(y) depende
depende de
de la
la edad
edad (x)
(x) para
para diferentes
diferentes niveles
nivelesdedeindice
fndicededesitio
sitio(z);
(z);
oo con curvas del
del volumen
volumen o0 rea
&rea basal
basal dependiendo
dependiendo de de la
la altura
altura (x)
(x) y densi-
dad del rodal
rodal (z).
(z).
Tales sistemas de curvas, dibujadas
dibujadas aa mano
rna no aa travs de los
trav~s de los datos,
datos, puede
puede ser
ser
necesario expresarlas como como ecuaciones,
ecuaciones, para
para propsitos
prop6sitos de
de clculos
c&lculos o0 de
de ta-
ta-
bulaci6n,
bulacin, 0o para utilizarlas en un programa de computacin,
computaci6n, o 0 simplemente pa
ra
ra conveniencia de comunicacin
comunicaci6n yy anlisis.
an&li s is. -
El de curvas
El sistema de curvas puede
puede expresarse
expresarse como:
como :
oO bien:
(ii) como
como una sola ecuacin
ecuaci6n en
en la
laocual
cual zz entra
entra como
como otra
otra variable.
variable.
El
El primer m~todo puee.....
primer mtodo p u e u L conducir al al
conducir segundo
segundopor
porelelproceso
proceso llamado
llamado armoniza-
armoniza-
ci6n.
cin. Los
Los conjuntos de ecuaciones del primer tipo tipo tienen
tienen dos
dos desventajas:
desventajas:
(ii) Se
Se requiere un gran ndmero
ndmero de
de coeficientes
coeficientes para
para describir
describir elsis
elsis
tema
tema de curvas.
A.1.
A.1.66 Ejemplo: Ajuste de una ecuacin
ecuaci6n aa sistema de
un sistema de curvas
curvas por
por armoniza-
armoniza
ci6n.
cin.
edadO
edad
5
de
Clase de
b
2.2
o
Coef icien tes
Coeficientes
bb1
1
1.0625
b
b22
-0.0219
15
15 9.8 1.1375 -0.0281
20 12.5 1. 2750
1.2750 -0.0313
reducir el
Con el fin de reducir el sistema
sistema dede cuatro
cuatro ecuaciones
ecuaciones cuadrgticas
cuadrticas aa unun siste
siste
rna unico,
ma 5nico, los
los coeficientes bi deben hacerse dependientes de la edad.
de la edad. La
La -
forma
forma de
de esta dependencia puede ser ser vista mejor sisi se
se grafican los
los coeficien
coeficien
tes en funcin
tes funci6n dede las
las clases
clases de
de edad
edad (figura
(figura A.1.4)
A.1.4) -
De dicha figura
figura puede
puede observarse
observarse que
que la
la relacin
relaci6n entre b o yy la
entre bo la edad
edad es
es una
una
suave, mientras que
curva suave, que bl
b1 versus
versus edad
edad es
es una
una curva
curva mgs pendiente yy asim-
ms pendiente asime-
trica;
trica; b2
b2 vversus
ersus edad aparece casi exactamente lineal. calc~
lineal. Las ecuaciones calcu
ladas
ladas para estas tres curvas (usando
(usando nuevamente
nuevamente elel formato
forma to A.1)
A.1) son
son las
las si--
si-
guientes :
guientes:
b = -0.0187 1 . 153 A
-0.0187 + 1.153 A -
- 3.100
3.100 A2 (1)
(1)
O
bo
-5 3
b =
bl
1
= 1.225 0.0508 AA ++ 0.00400
1.225 -- 0.0508 A2 -- . 6.67
0.00400 A2 6 . 67 xx 10-5A3
10 A (2 )
(2)
b2
b 2 = -0.0188
-0.0188 -
- 0.000627
0 . 000627 A
A (3)
(3)
H = (4)
(4)
bO + blD + b2D2
bo=a0 +a1A
-12-
Figura A.1.3
A. 1.3 Curvas dibujadas a a mano de la
la altura sobre el di~etro para di
e1 digmetro
ferentes clases de edad,
ferentes edad, para ser cuadr~ticas ar=
ser aproximadas con ecuaciones cuadrgticas ar=
(ver ejemplo
monizadas (ver ejemplo en
en el
el teXto).
texto).
H
30
30-
A
20
25
25-
.~ _ _ 15
15
20
20-
10
15
15-
10
10-
5
5_
D
o
o
4 8
8 12 16 20
-13-
-13-
b
{al
(a) o
14
14
12
12 .... "", .....
/ .
.-
,,/
/
10 /
/
,/
/
8
8
6
6 ,.
./
./ /
,.-- --
/
/
/
44 ./
///'
./'
2
2 I A
A
55 10
1:0 15 20
{bl
(b)
1. 250
1.250
b
b11
I
,,.
I
I
I
I
I
1.200
1.200 I
I
I
,
.'
/
11.150
. 150 I
,
I
/
1.100
1.100
,, /
/
,-- /
1.050
55
------ 10 15
1.5 20
20
A
A
{cl
(c) -0.020 b
2
-0.022
'" ,
-0.024 '"
' ........
'.,
-0.026
0.026 "
" ..............
"
-0.028 '., ,
....
-0.030
0.030 " ....
. ",....
.....
-0.032 A
A
55 10 15 20
-14-
Linea de regresin
L!nea y =~ a +
reg1'"~si9n y b~ .
de confianza
Intervalo de confianza al
al nivel
nivel del
del 95%
95%,
E) Punto correspondiente a
a los valores promedios de los
los
da tos x e y
datos
50
40
30
20
10
o x
10 20 30 40 50
-17-
Formato A. 22 C~lculo
Cglculo de
de estad!sticos
estadsticos de
de una
una regresi6n
regresin lineal
lineal simple
utilizando el Statform 11 de Dawkins, 1968 (reproducido con
1968 (reproducido con permiso).
permiso).
Los datos son
son los mostrados
los mostrados en
en la
la fi
figura A.2.1.
ura A.2.1.
Li~~AR ':',~G~~~S::;~
t--
f...illf
Liste
LINZAR ;nd COa:t2LA"!10X
and C0.7.2.:12LATION
I
Nlwrc ofche
Nature of Obsvrvac.:
obscrv~ltio!\s: Ob
the observations: S"'- v.:l c..:~~ \";FW(CdS
rvt S~ 11.. coi-e`.4i(As cJt~/.,l.:~-t;.,
qtf u/re- / d.....
!
Dependent
Dependent or kit-hand
lef,-h,lId variable, y:
variJble. y:
arbolt-j
r ti o fes ij>1J.i "iJII~S".
v.tc1;vitItixt2s-
~
J +""" ~ , .,
(;It
4 Indepcndent
InJependent or right-hand
righ,-bnd variable,
vari.ble. x:
X: cJ<~iio;
c)1, c.m
c_ 0,1 . .
5
6 Sums
Sums of squares ~nd
of s'luan.-s prodllcu.
and products. - ..---~----
In = oairs of observations
?:J.irs ot observltions
+ (!'y)'
(..ry)2 - 6o Si 6
605"16 EyXIx
1:yx.!'x = 6b i l! '!-to -x 2 =
(Ex)' - b35"oL!
3 5-0 4 y
77
~ 1:y~ -
Zy2 tH~ Eyx -
1:yx _~.n rx2
Zxz -= 8i~~
Ri3L1
Y
-x
?O~b6
1ii l3
99 (fy)2/n
(!'y)'/1l -= 6124
6 2, 1-1 EyExtri
1:y1:x/n =
= P~'l
6 8 (1:x)'/n =
pxyin -
(0 SSy
SSv - qCl'l4 SPyx
SPyx -= ':IS".!
5-.1 SSx - l.o"-1f z.z.
12-
It
E .2 Ja_
/16 21
II
11 LineJr
Linear Coefficient;Sl'yx/SSx
{Cociii.:ient; S l'yx/SSx == . 0 81'.z.~ - b
12
12. regn;ssion
rl.
' f;: ..'ssiol1 Cons:,nt:
Constant: y bi" - _.2..';)
_.2 ...3 1'1 L_
I t__.. - 4a
2z
Z2. 2.~
e 3 g. 1 6 z..Cj
2-q 35
lJ
13 Regrosion
Rl.:'gCl SS -=
..:osion 55 SPyx =
bx Sl'yx - I1H."b
14 Total SS
TOOl! SSis theSSy.
'is ,ho SSy.To Total d.f.-= 11-1 -=
.. l d.f. __e _--.8 3L
~Y ~2,
15 Resal SSSSand
Red".1 ,dd.fd.t.
obtained
ob .. inedbybysubtraction.
subtraccioll. H
,2. 2S"
5-
16
6 ....
ANO ,'((WAR
VAR Variar.ce
Varimcc Tablc
Table 42- 4) Li
17 Si~.;:("e
So.:ree SS d.f. MS
lli ratio E. yl.; 440
o
18
IR Regression ___9..3-'. . ~ b... -~-- r-_n~o
$39 0 31.-'3 2H.2>
c .2 S'
I~ Residual
Re$idual r--"1---_._
sS.Olj. - 1
.--. n. JLj
2_2.14 v- o.J
0.4
2po TOIlI
Total . Y'I4.0 0 B
21 Coefficicnt of determination,
Cocrlicicnt of rZ.
determinoltioll, r2,.
22 RegressionSSfT"
Rqressiol1 SS/Total
..1 SSSS = - J3.j_,...i.CUL...:=_2...:..~= g
r2
23
~3 Cc.:fiicicnt
Coefficient of iincar corrcl:ltion,
of linear correlation, r,r.
24 r - ./T- .. _Q.,.3_7.1.9 ..1.:1..._with Si~ll as
wi,h sign for bb
as for
2$
2$ Residualscand.rd
Residual standarddeviation
deviacion -= VRcsid. MS
-/Resid. - ..l!.
MS --,-- 4. ~j = SD. SD.resid.
res;d. -
26 Coc6kient of
Coefficient ofresidual
residual variation =
v.riation % = toox
100XSDSDrcsid./7
resid.lr = J... qv. = CV%
..214_971.= CV% 1:y 1:"
samplcs== SD
, f. 51"
resid., Vii' = '.J.&
"
27
~7 Standarderror
Standard crror for
for random
random samples SD resid./ =
- SE.
SE.rcsid.
resid. ~4' 2,-2,
28
29
Student's tt for 11-2 d.f.
. S,udents
Sampling
d.t: and
error%c'!- = tootY,
S.lmplin~ error
P.os is
and P.05 is a2..36
3 6
SE.rcsid./Y
toocX SE. resid.T -= 0.6
.._
O.._.M
ro~ =
..M_.Q - EO~
Y ') "28'
n. I
JO
3 Standarderror
Sc.ndud error of
ofthe
thecoefficient
coefficientb bis is
.,;VItcsid. MSiSSx
Resid. MS, SSx -= 0.1'133 =
- SEb
SEb
JI
31 Its
Irs t-rltio blSEb. or
t-ratio is b/SEb, or v'v.ln:mcc
Vvariancc ratio,
r.ltlo, - iH __ =
- t-ratio
t .. ratio
p
32 Confidence limits
limit:i for
(or estimation of y from
from observations
obscrv.ltions of x; if Ji, observations
of x; taken of
O:'SCrvltiO!"oS are taizen h::.\'i::;
of x, having
31
33 a mean
mean of
ofx',
x'. thcre
,here arc
arc in possibleestimates
11\ possible estimaresofofy.y.Confidence
Confidencelimits
limitsforfor,hoir meany'y'(=yl"')
theirme.n (=Eylm) ",e:
are:
H
34 y' -1-_-tX
y' tX SD.SD. residx
resiuX
v...L
..!.'+ .!. ~2
7 --1-(X.'"V
. ssx
x -x)
SSx
JS
35 11/ II
,.
-18-
terminaci6n r2
terminacin r2 (lnea
(linea 22),
22), la
la desviacin
desviaci6n standard
standard residual (linea
(linea 25)
25) y los
los
l!mites de
limites de confianza
confianza dede la
la prediccin
predicci6n (lineas
(l!neas 32-35)
32-35)
Los
Los valores r2
r2 y 'la
la desviacin
desviaci6n standard
standard residual son atiles dtiles para lala compara
compara
ci6n de regresiones.
ojn regresiones. Mientras m~s elevado
Mientras ms elevado sea
sea r2, m~s precisa
r2, ms precisa es
es la relaci6~
la relacin.
5i r2
Si r2 es uno,
uno, los
los residuales
residuales sonson .cero los datos coinciden exactamente con
cero y los con
linea. Similarmente,
la linea. Similarmente, mientras ms m~s se
se aproxime a cero la la desviacin
desviaci6n stan-
stan-
dard residual, m~s precisin
residual, con ms precisi6n la la regresin
regresi6n predice los valores de y. y. Los
intervalos de confianza de la la linea
linea de regresin
regresi6n muestran los los limites
limites dentro
de los cuales el verdadero promedio de un ndmero
de los namero seleccionado
seleccionado de valores y
deber!a caer.
debera caer.
5e
Se observa que lala lnea
linea de regresin
regresi6n siempre
siempre pasa
pas a por el punto determinado
los valores
por los valores promedios
promedios dede xx ee y.
y. La
La forma
forma de
de las
las bandas
bandas dede confianza
confianza eses
curva, r~pidamente a medida que se
curva, y se ensancha rpidamente se sale
sale del intervalo
interv alo de los
los da
da
tos
tos utilizados enen la
la regresin.
regresi6n. .
La variable xx en
en un an~lisis de
un anlisis de regresin
regresi6n sese denomina
denomina variable
variable independiente
independiente
provee la
o predictora,pues provee la base
base sobre
sobre lala cual
cual se
se hacen
hac en las
las prediciones.
prediciones. LaLa
variable yy es
es llamada
llamada variable
variable dependiente
dependiente o0 de
de respuesta;
respuesta; se se asume
asume que
que es
es
controlada en algn
algun grado por el nivel de la la variable
variable predictora.
predictora.
Y = b0 + b1X + b2Z
donde X, X, Z son las
las variables predictoras conocidas,
conocidas, e e Y
Y es la variabl
variablee depen
diente; los
diente; los bi
bi son
son los
los coeficientes
coeficientes aa determinarse.
determi narse. L'Los
o s supuestos y princi-
princi--
pios generales son son los
los mismos que
que los
los de
de la la regresi6n
regresin lineal simple.
simple . Loscoe
estad!sticos de
ficientes y estadsticos de este
este modelo
modelo pueden ser calculados
calculados aa mano,
mano, aun--
m~todo es
que el mtodo es algo m~s laborioso
algo ms laborioso que
que para
para lala regresin
regresi6n lineal
linea l simple.
simple . Es
Es
un
un modelo dtil pa~'a ajustar
atil para ajustar una
una variedad
variedad de
de curvas,
curvas, como
como se
se vve
e en
en la secci6n
seccin
A. 2 . 3.
A.2.3.
~ l fo r mato A.3
formato A.3 muestra como se se efectan
efectuan los c~lculos . El ejemplo
lo s clculos. ejemplo utiliza
utiliza les
l os
datos de la la figura
figura A.2.1
A.2.I yy del
del formato
forma to A.2,
A.2, para
para la
la relacin altura-di~metro
relaci6n altura-dimetro
de
de 9 ~rboles. de muestra,
9 rboles muestra, pero aa los
los cuales
cuales sese ha
ha adicionado
adicionado unauna variable
variable ex-
ex-
tra, {di~metro}2,
(dimetro)2, dede modo
modo que la ecuacin
ecuaci6n aa ajustar
ajustar es:
es:
H = b0
b + blD
H
o bID + b2D2
b 2 D2
Despues de realizar
Despus realiz ar 1~~ c ~lculos, se
clculos, se obtienen los
los siguientes
siguientes valores
valores de
de los
los
coeficientes:
8.311 77
bb0 = 8.31177
O
bb1
i
= 0.371583
bb2
2 = 0.00953469
todos
todos ellos con 66 digitos significativos.
significativos . EsEs importante
importante cuando
cuando se
se efectan
efectaan
los c~lculos
los m~s dgitos
clculos trabajar con 66 66 ms d!gitos significativos,
sig.nificativos, yy nono redondearlos
nameros pequeos
ndmeros pequenos (tales
{tales como
como gl,
g1, g2,
g2, g3
g3 en
en el
el ejemplo)
ejemplo} aa menos
menos cifras decim~
cifras decima
les,
les, pues perdida de
pues puede ocurrir gran prdida de precisin.
precisi6n . Los
Los valores
valores bajos
bajos de
de los
los
coeficientes entre varianzas,
varianzas, y de lala tt para los
los coeficientes obtenidos
obtenidos enen
regresi6n en
esta regresin en comparacin
comparaci6n con
con el
el modelo
modelo lineal
lineal simple
simple (Figura
{Figura A.2.1,For-
A.2.I,For-
mato A.2},
A.2), refleja el hecho de que la la incorporacin
incorporaci6n de una variable extraextra inin
crementa la incertidumbre de la la estimacin
estimaci6n de los par~metros de la poblacin
los parmetros poblaci6n
de la cual fu
fue obtenida la muestra.
muestra. EnEn este
este caso
caso ninguno de los dos valores
-19-
-19-
Formato A.3
Formato A.3 Coeficientes y estadsticos
Coeficientes estadfsticos de una regresin
regresion con dos
dos variables
predictoras i)
(Parte 1)
redictoras (Parte
Descripcin del problema:
Oescripcion problema: <t9l1io ~ calLima, - J..;~
aif-lJ'tD..- ..14,Lyn2t/u.old
44 Rie,14 RevSli _
~cc:..:.w.
ge.c C4; e'eTh q.
A:12 .1
j I
Co si Z
CD" Z ----"-X=--z.
X _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __
(i)
(1) Datos
Datos de
de regresi 6r
regresin (4) Productos corregidos
corregidos
Y ,!y2 = 2y2_- ( ly
1y2 =~y2 (2y)}2 /n =
2/n = 'i q4 OD
0000
Y X
X Z
1.1
4 6. 8 64
CL- ~xy
xy ==:EXY-2X.IY/n I
'!XY-lx.!Y/n = c!j 5'.1 000 00 0
41
1':1- le9
2.8''3 !Ezy lZY-~z I Y/n
zy ==:EZY-2Z.7Y/n = 52,311,. 661
5ZBi."+
22. 1x2 ==mx2_
Litii
LiLt! !x2 !x2_(Ex)
(tX) 2/n
2/n = io18.000
jOt-B.OOD
-{4 66 21
2A,
2-2-
Z. 2. 1(3
2..<3 f41
e 141. Zxz = IxZ-~x,IZ/n
txz XZ-1X.EZ/n = q7i
5!1 H 6.00o
~,OOO
222
29
1'1 ls.
'H i22,5-
122.S- IIz2
z = I: Z - (tZ) /n
=ZZ2-(rZ)2/n =
= 3.(,,'!> gs 0 ..1..556
32,3R5o4 5" S' b
34 3.<.
32 4o24
~D.z4
(S}Determ:inante
(5)Detexminante yy multiplicadores
multiplicadores de
de Gauss
Gauss
2,f b~,s-
2
2b
Liz
'-I~ /.jr
Lis- 20lf
2 025" o =
D I x,
2 1: z 2 - (rx z) 2 =
=2x2.fz2-(Zxz) 45ef qo -
-IS-If 'l be "J O,".t
Li ii Lt 0
40 i CbOO
00 gl=!z2/D =
= 0d02024141+
V.02 0 24/it
44 g1= :Ez2/D
g2=
g2= -lx z/o
-2T/D = - 0.000360
= H ~
0.000 360791
g3- ~x
g3=
2
E X /D
/0 =
= 673YJ06
6.1318 J( f,O-6
(6)
(6) Coeficientes de regresin
regresion
g14xy+g2.7.zy
b 1 = gl,Ixy+g2' ~ zy =
= 0.311s'eS
o.3HH~
bb2= g2.Exy+g3.Zzy ==
2 = g2,Ixy+g3rzy O. oo9 S1Lj 61
0.009534 6')
b = Y-b
o
,X-b ,Z
7-b1.7-b2./
1 2 = 8,334
B. "3.1..1 71
':f't
(7) suma
(7) Suma de
de cuadrados
cuadrados de la regresin
regresi6n
Iy2 = )01.1xy+b2.zy
b 1 ,!xy+b2'!zy = 8s.z.3/i
= 85.2.324
(8)
(8) suma
Suma de
de cuadrados
cuadrados residual
Id 2 = ly2_Iy2 = . Hd., /; b
= 2Y -YY2 = 6.
If(9)
(9) Grados
Grados de
de libertad del residuo
zy22 'tHB
lX 771e ZY2:,Y J. '-I l, 246 zXY
IxY 163'3
763.39 EZY z.'} 4 ~{; ~
i,ZY z1-4664
n 9Cj EX
rx zs'
J.,~2.. iz
!.z ~i~Lt
913L-)
2
ei3
~i34 I.xzLXZ 28546e
28Sl,(,R
>
(3) Promedios tx
Ex2
Y =7..Y/n
= LY/n = Z,!..3 Zz2 ~O S' fH~t
Iz.2 .0)5'fii?3 Iparte 2
X ==IX/n
1: X/n =
= 21
Z = I Z/n == q {) 3. ':[.
-20-
(10) Correlaci6n
(10) variables
Correlacin entre variables
!xy/f(lx 2 .Iy 2)
rr yx ;= TxY/V(Zx21,Y2) ;
= 0.9 is7
O.~ i8~
r
ryzyz
;= !Zvz/nzz2.1.y2)
yzIV"(tz2 .!y2) ; O 13 2..2. Lt
o.. 9.2Zii
!xz/l{(Ix 2 .!Z2)
rrxz ; Ixz/inEx2.Z22) =
;
0.546?
O.HH
(11) Coeficiente
Coeficiente de correlaci6n mt3tiple
de correlacin RZ
mUltiple RR yy R2
R2
R" =ISTYly 0.11 'S' 'H'
; !y/ly = 0.945-
;
R ; VR2
R ;=
=[R2
0.q2.60
o.QHO
Regresion
Regresi6n Ly2 fs2..~~
fs2,34 2
2 426.17
42'.11 ~ g .OS"
40.05"
Residual r. dd2 441."
L
4/41. gl'
gld {, 2.3.(;1
z3.4.1 =
; SL
s2
Total !E y2 1{'14.oo n-1118
y" q14.0o n-1'8
V-s2 .e6
(14)
(14) Error
Error standard
standard y.
y valores
valores tt de
de los coeficientes
Error standard sb
sb s.
s. g1= O.
'{ql; 4s-
D.("HS' \F3=
s1[7,3;
s. 0.0 tn.7.
O.01H.t
tt ;= b/sb o.n~
O. 53 7. 0.15-4
O.':tS"C
(15)
(15) Intervalos
Intervalos de
de confianza de las
las predicciones
predicciones
Para una serie de mm estimados
estimados de
de YY aa un
un nivel
nivel dado
dado de
de X,
X, Z,
Z, el
el
error standard de la
la prediccin
predicci6n promedia est~ dado
promedia est dado por:
por:
Sy
s ;= s. \(-(1/m + 1/n
s . V(l/m gl . x2 ++ 2.g2.x.z
lin + g1.x2 2.g 2 .x.z ++ g3.z2)
g3.z2)
Y
donde x =
; (X(X -- X)
2) 2).. Para una muestra grande,
(Z -- Z)
zz =; (Z grande, l/m
11m
ser~
ser cero
cero;; para un slo
s6lo punto ser
sera la
la unidad.
unidad.
-21-
de t
t es significativo,
significativo, lo
10 que indica
indica que el modele ser1a por lo
modelo seria 10 menos tan
eficiente para propsitos
prop6sitos de prediccin
predicci6n si una de las dos
dos variables fuese
fuese
omitida.
A.2.3 Transformaci6n
Transformacin de datos yyajuste de curvas
ajuste de curvas
Se pueden ajustar varios tipos de funciones
funciones curvilneas
curvi11neas usando tcnicas
tcnicas de
regresi6n lineal, si
regresin lineal, si se
se efect-aan
efectuan las
las transformaciones apropiadas de
de las
las va-
va-
riables predictoras y dependiente.
dependiente. Es deseable proceder de acuerdo a a las si-
guientes etapas, cuando
cuando sese van
van aa transformar
transformar los
los datos:
datos:
(i) Plotear loslos datos no transformados
ttansformados en , papel cuadriculado normal
yy , examinarlos
examinarlos para ver Si
8i aparece
aparece alguna
alguna curvatura.
(ii) Si
Si aparece la curvatura,
curvatura, seleccionar una
una ' transformaci6n
transformacin apropia
apropia
la variable dependiente y/o predictoras y calcular los
da para la los-
va10res transformados
valores transformados para
para cada
cada punto
punto (dato).
(dato).
(iii) Plo,tear los
Plotear l 'o s valores transformados
transformados en
en papel
papel cuadriculado
cuadriculado normal
normal
y examinar los los puntos
puntos para
para ver
ver si
si la
la tendencia
tendencia es
es ahora
ahora lineal.
lineal.
10 es,
Si lo es, ajustar /a la regresin
regresi6n utilizando los
los valores transfor-
mados de los
los datos.
datos.
selecci6n de una transformacin
Para la seleccin transformaci6n adecuada
adecuada pueden servir
servir de
de ayuda
ayuda los
los
gr~ficos de la
grficos la Figura A.2.2,
A.2.2, que ilustran
ilustran algunos
algunos tipos
tipos de
de curvas
curvas comdnmente
com6nmente
usados. Las funciones
usados. funciones (a)(a) aa (d)
(d) pueden
pueden ajustarse
ajustarse por
por regresi6n simple . Las
regresin simple.
funciones (e)(e) yy (f)
(f) requieren
requieren dos
dos vvariables
ariables predictoras yy por
por consiguiente
consiguiente
los
los valores transformados no pueden examinarse
valores transformados e xaminarse gr~ficamente sena
grficamente tal como se sea
la
la anteriormente en en (iii).
(iii) . -
El efecto de lala transformacin
transformaci6n de de datos
datos de
de acuerdo
acuerdoa los supuestos
a los b~sicos
supuestos bsicos
regresi6n lineal
de la regresin lineal implica
implica tres
tres puntos importantes:
importantes:
(i)
(i) la misma variable dependiente ha sido
Regresiones en las cuales la
a diferentes transformaciones no pueden compararse di-
sometida a di -
, rectamente para la bondad de ajuste usando el coeficiente de
correlaci6n
correlacin RR (6
(6 R2).
R2) .
(ii) La distribucin
distribuci6n de los
los residuales estar influenciada por cual-
estar~ influenciada cual-
quier transformacin
transformaci6n de
de la
la variable
variable dependiente.
dependiente.
(iii) La regresin
regre si6n puede ser sesgada a causa de una
una transformacin
transformaci6n de
dependiente.
la variable dependiente.
comparar regresiones
Para comparar regresiones por
po r bondad
bondad de
de ajuste,
ajuste, cuando
cuando hay
hay implicadas
implicadas varias
varias
trans formaciones de la variable dependiente,
transformaciones dependiente, debe
debe usarse
usarse el
el indice
1ndice de
de Furni-
Furni-
val*. Este se
val*. se calcula
calcula como:
como:
IF
IF = ss (Trf' (y)-1)1/n
(Trf' (y)-l)l/n
m~s simple:,.
o ms simple: "
, -1
IF
IF == s.antilog((!log
s.antilog((Elog f' ) In)
V(y)-1)/n)
(y)
Furnival,G.M. 1961.
* Furnival,G.M. 1961 . An index
index for
for comparing
comparing equations
equations used
used in
in constructing
constructing
volume tables.
tables. Forelt
Foreslt Science
Science 7.7 (4)
(4) 337-341.
-22-
-22-
( cc = 10a
( e a , dependiendo si se usan logaritmos
lOa 66 ea, logar!tmos de
de base 10
10
respectivamente) .
e, respectivamente).
6 de base e,
(a)
(a) log a + b log x
log yy == a (b) y ='= aa ++ b log x
(b) Y
Y
Y
yY
b>O
a
I
I
0 -r---
b<l
b<1 I
I b<O
b<0
I
I
c I
I
I
I
b(O I
x x
1
(c) log
(c) log yy == a
a + b/x (d)
(d) log y
y = a + b.x
yY y
b)O
c
c - - - - - - - - - - - - -_
--_- b<O
--~')O
c c
b<O
x x
Figura A.2.2
Figura A.2.2 (continuacin...)
(continuaci6n )
(e)
(e) y = a + 'nix + b2x2
x
-24-
donde
donde ss es la desviacin
desviaci6n standard residual de la regresin
regresi6n ajustada,
ajustada; n n es el
e1
nG.mero de datos;
ndmero datos; f'
f' (y)-1 es el
(y)- es el reciproco
rec!proco dede "la derivada de la
la derivada ia transformacin
t "r ansformac"i6n
la variable
de la variable y,
y, con
con respecto
respecto aa la
la misma
misma y.
y.
el lector
Puesto que el no matem~tico
lector no matemtico puede
puede no
no estar
estar familiarizado
familiarizado con con deriva-
deriva-
das, a
das, a continuacin
continuaci6n sese dan
dan formas
formas apropiadas
apropiadas dede las
las transformaciones
transf6rmaciones ms m~s co-
co-
munes:
Transformaci6n
Transformacin f' (y)-1
V(y)-1
Ninguna 11
log10 y
10g10 Y 2.3026 yY
loge
loge y y
y/w
Y/w w
2
2
1/y
l/y -y
-Y
k 1/ ( ky k-1)
y 1/(kyk-1)
loga y = f(x) E.
f(x) -- i
donde i son
donde los errores E; homog~neos y
son homogneos est~n normalmente
y estn normalmente distribuidos
distribu!dos con
con una
una
desviaci6n s, que es
desviacin standard s, es la
la desviacin
desviaci6n standard
standard residual
residual calculada
calculada en
en
el an~lisis
el regresi6n. El modelo que
anlisis de regresin. que se
se va
va aa aplicar
aplicar es
es sin
sin embargo:
embargo:
yy =
= aa(f(x))
(f (x) )
* Meyer,
* H.A. 1944. A
Meyer, H.A. A correction for
for systematic
systematic error
error occurring
occurring in
in the
the
application of the logarithmic
logarithmic volume
volume equation.
equation. Pennsylvania
Pennsylvania State
State
University, Forest
University, Forest Research
Research Paper
Paper 7.
7.
-25-
a es 10 6 e,
donde a e, dependiendo si se utilizan logaritmos decimales o natura-
0 natura-
les.
les. Si
Si los
los supuestos sobre la distribuci6n
distribucin del
del error
error son correctos,
correctos, ocurre
ocurre
un error sistemtico
sistematico que puede compensarse usando un factor de correccin
correcci6n CC
de tal modo que la
la frmula
f6rmula anterior
anterior se
se modifica
modifica a:
a:
yy = (f (x) )
C aa(f(x))
= C
Los factores
factores de correccin
correcci6n para
para logaritmos
logaritmos comunes
comunes yy naturales
naturales son:
son:
(i) Logari~mos
Logaritmos (base 10):
comunes (base 10):
2
C 10 1.1513 s2
C == 101.1513 s
donde ss es la
la desviacin
desviaci6n standard residual obtenida de la la regresin
regresi6n origi-
origi-
con log
nal con log y.
y.
va1idez del factor
La validez factor dede correcci6n
correccin depende
depende de supuestos sobre la dist~
los supuestos
de los distri
buci6n del error,
bucin error, el
el cual
cual no
no necesita
necesita corregirse.
corregirse. En
En consecuencia
consecuencia nono es
es posi-
posi
establ ecer de una
ble establecer una manera fija
fija o0 dogmtica
dogmatica sisi esta
esta correccin
correcci6n debe
debe usars
usarse
oo no en un caso particular;
particular; es
es preferible examinar graficamente
grficamente la distribu
ci6n de los residuales
cin residuales como
como se
se describe
describe enen la
la seccin
secci6n correspondiente,
correspondiente, ante
antes
de tomar
toma r ninguna
ninguna decisin.
decisi6n . 2
En la practica,
En la ajuste es
prctica, si el grado del ajuste es elevado
elevado (esto
(esto es,
es, RR2 es mayor de
0.9), argumentos sobre
0.9), los diversos argumentos sobre mtodos
metodos alternativos
alternativos de
de ajuste,
ajuste, distri-
distri-
buci6n de errores, etc.,
bucin etc., son
son esencialmente
esencialmente acadmicos;
academicos; lala funcin
funci6n ajustada
ajustada
puede ser tranquilamente
tranquilamente manejada
manejada yy transformada
transformada como
como si
si fuese
fuese una
una funcin
funci6n
algebraica determinfstica.
A.2.4 Analisis de regresin
Anlisis regresi6n mdltiple
multiple
La regresin
regresi6n lineal simple
simple yy la
la regresin
regresi6n con
con dos
dos variables
variables predictoras
predictoras pre-
pre-
respectivamente los
sentan respectivamente los siguientes
siguientes modelos:
modelos:
Y = a + bX
Y bX (1)
(1)
Y + blX
Y = aa + + b2Z
b1X + b2Z (2)
(2)
donde a, b, b1,
a, b, b , b2
b son
son los
los coeficientes
coeficientes aa estimar;
estimar; X,
X, Z,
Z, YY son
son las
las variables.
variables.
1 2
son ejemplos
Ambos modelos son ejemplos del
del modelo
modelo general
general de
de regresin
regresi6n lineal
lineal multiva-
multiva~
riante, que tiene
riante, tiene lala forma:
forma:
Y = bo + blX1 + b2X2+ + b X
mm (3)
bi son
donde bi son los
los coeficientes
coeficientes aa estimarse
estimarse por
por la
la regresin,
regresi6n, Xi
Xi son
son diferen-
diferen-
tes variables predictoras.
tes predictoras. El
El modelo
modelo puede
puede escribirse
escribirse enen forma
forma abreviada
abreviada co-
co-
mo:
m
Y = b0 +E
+L b.X. (4)
(4)
i
(iii) A1gunas
Algunas variables pueden ser condicionales,
condiciona1es, teniendo slo
s610 valo-
res de cero y uno.
res uno . Por ejemplo,
ejemp10, en una regresin
regresi6n particular,X1
particu1ar,Xl
puede ser cero para datos
datos de una fuente de semilla
semi 11a y uno para
datos
datos de una fuente
fuente diferente.
diferente. Esto se discute posteriormente en '
1a secci6n sobre comparacin
la seccin an~lisis de coya-
comparaci6n de regresiones yy anlisis cova-
rianza.
ap1icaciones de
En muchas aplicaciones de prediccin
predicci6n del
del rendimiento
rendimiento forestal,
forestal, scilamente
solarnente es-
t~n
tn implicadas un nmero b~sicas independientes,
nlirnero reducido de variables bsicas independientes, aa me-
me-
6 3;
nudo 2 5 quiz~s con
3; pero quizs con otras
otras 22 56 33 variables
variables construidas
construfdas como
como transfor-
trans for-
maciones, obtenerse una
maciones, puede obtenerse una forma
forma particular
particular de
de curva.
curva. Por
Por ejemplo,
ejernp10, , moQO
de10 del indice
delo fndice de
de sitio:
sitio:
Y = bo + b1X1 b X
2 2
4- b X
'3 3
donde
donde Y es log (H),
(H), X1
Xl es 1/A,
l /A , X
X2
2
es SS yy X3
X3 es
es S/A.
S/A.
Paso 11 Definir el
e1 modelo
modele aa ser
ser ajustado
ajustado yy tabular
tabular los
los valores
valores transformados
transformados
de
de las variables.
El modelo general
general es:
es:
-27-
m
Y. +Eb.x... + E.
= b +2:b.X
J i l. l.J
b
Y = b0 b l X1 ++ b2X2
+ b1X1 b 3 X3
b 2 X2 ++ b3X3
0
Y Xl X X3
X1 X22 X3
11 4 9
9 4
4
3
3 3
3 9
9 9
9
7
7 3 6
6 66
9
9 55 8
8 3
3
14
14 44 7
7 1
18
18 6 4
4 5
19
19 55 3
3 77
21 7
7 1
1 9
9
24
24 66 33 4
4
26
26 7
7 2
2 5
5
donde n es 10 (numero
(nGmero de
de observaciones)
observaciones) yy mm es
es 33 (nGmero
(nmero de
de variables
variables pre-
dictoras)
dictoras)..
Paso 22 Formar
Pormar los totales yy los
los totales los productos
productos cruzados
cruzados de
de los
los datos,definido
datosAefinidoss
como:
algebraicamente como:
(i)
(i) Totales
n
T. =
T.
l. 2::j x. .
X..
l.J , 1,2, ... ,m
para ii = 1,2,...,m
"
T
T
y
= r. Y.
Y.
J
-28-
(ii) cruzados
Productos cruzados
n
PX
PXik
ik
=
=
Lj
.
7
XijX
1 x kj
X.3.X3_.
,para
,para i,k=1,2, . ,m
i,k=1,2,...,m
n
PY.
PYi =
. E Y.X..
l: YjX ij
1J 3
,para
,para i == l,2, . ,rn
i
J
k y
Y 11 22 33
142
142 50 52
52 53
Tk
PXik . k 1 2
2 33
i
11 270 227 267
22 350 256
33 339
k 1 2
2 3
3
La suma total
total de los
los cuadrados de las
cuadrados de tambi~n debe
las YY tambi6n debe ser
ser calculada:
calculada:
2:Y2 = 2714
Paso 33 Correcci6n las sumas
Correccin de las sumas de productos. Para
Para los
los valores
valores PXik,
PX ik , PYi
PYi yY
!y2
ry2 se
se forman los siguientes
siguientes valores
valores corregidos:
corregidos:
k ! n
QX PX
Q Xik = P Xik - T.
Ti T
Tk / n
ik ik
QY
i
= PYi
=, PYi - T. Ty
Ti T
y !/nn
y y22 = ry2 T22 in
Iy Iy2 - T y In
Y/
calculados para
Los valores calculados para el
el ejemplo
ejemplo son:
son:
k 1
1 2 3
101
101 -216.4 -0.6
ClYk
= 697.6
-29-
QX
Xik
2 3
ik k 1 2
i
1 20 -33 22
2
2 79.6 -19.6
3 58.1
Paso 44 Obtenci6n
Obtencin de los valores de los coeficientes,
coeficientes, por inversin
inversi6n de la
la ma
rna
cruzados, usando
triz de productos cruzados, usando el
el mtodo
metodo de
de eliminacin
eliminaci6n de
de Jordan.
Jordan. -
se disponen
QX yy Qy se disponen en
en una
una matriz (que
(que se denominar~ C)
se denominara C) en
en la
la forma
forma siguien-
siguien-
te:
1 2 3 ... k rn 1
2 2
rn rn
C.13 i 1 2 33 44
i
11 20 -33 22 101
101
2
2 -33 79.6
79.6 -19.6-216.4
3
3 2
2 -19.6 58.1 -0.6
Con la rnatriz
matriz C lista,
lista, se procede con los
los pasos delproceso de
de elirninaci6n
eliminacin de
de
Jordan.
Elirninaci6n
Eliminacin Jordan
de Jordan
Columna
k
cc.. cc cc..
..
ij
13 ik 13 ~J
c
cki
kj c kk ccki Fila kk
kj
c .
c.
ij c ik cc..
..
13 13
~J
-30-
Ejecutar mm reducciones
reducciones de
de la
la tabla.
tabla. En
En la
la reduccin
reducci6n k,
k, reemplazar
reemplazar cada ele-
Cij de la
mento cii la tabla
tabla o0 matriz por
por un
un nuevo
nuevo valor cii*
Cij* de acuerdo a la se-
se-
cuencia siguiente:
siguiente:
cik* = -cik c kk *
(iii)
(iii)reemplazartodosloselementosc-rexcluyendo los
reemplazar todos los elementos c . . , e .x cluyendo losdedelala fila
fila kk
columna kk por:
por: ij
y columna 1)
c *:::;;
c..* = c.. + cik*
ij ij ckj
Despues
Despues de la ditima
ultima reduccin
reducci6n los
los elementos cli forman la
c11 al cc mm forman la 'matriz i~
'matri z in
versa' del
versa' del problema
problema de
de regresin.
regresi6n. Estos
Estos elementos,
elementos, como
como sese verd,
vera, son
son impor-
impor-
tantes para ca1cular
tantes calcular las varianzas y covarianzas de los los coeficientes
coeficientes y por par
ende
ende los I1mites de confianza de los
los limites los estimados de regresin.
regresi6n. Los Los elementos de
la
la columna m+1 regresi6n bl
m+1 son los coeficientes de regresin bl aa bm.
b m Las
Las tres
tres reduccio-
reduccio-
nes del num~rico se
del ejemplo num6rico se muestran aa continuacion:
continuacion:
REDUCCION 11
0.05000000 -1. 65000000
-1,65000000 0.10000000 5.05000000
1.65000000
1.65000000 25.15000000 -16.30000000 -49.75000000
-49.75000000
-0.10000000 -16.30000000
-16.30000000 57 .90000000
57.90000000 -10. 70000000
-10.70000000
REDUCCION
REDUCCION 22
0.15825049 0.06560636 -0.96938369 1. 78608349
1.78608349
0.96938 3 69
0.96938369 0.64811133 4'1.33578528
47.33578528 -42.94353876
REDUCCION 3
3
facilmente para
programarse fgcilmente para un
un computador.
computador. AA continuaci6n
continuaci6n se
se presenta
presenta parte
parte
de
de un en BASIC
un programa codificado en BASIC que invierte
invierte la
la matriz C y resuelve elel
problema de regresin.
regresi6n. Las variables usadas
usadas corresponden
corresponden exactamente
exactamente con
con las
las
de explicaci6n anterior.
de la explicacin anterior .
Codificaci6
Codificacinn en BASIC
BAS IC para la eliminacin
eliminaci6n de Jordan
100
100 FOR K = 1
1 TO M
M
110 LET
110 LET C(K,K)=1/C(K,K)
C(K , K)=l/C(K,K)
120 FOR
120 FOR II == 11TO
TO M
M
130
130 IF I=K THEN 190
140 LET
LET C(I,K)=-C(I,K)*C(K,K)
160
160 IF
IF J=K THEN 180
THEN 180
170 LET
LET C(I,J)=C(I,J)+C(I,K)*C(K,J)
1180
80 NEXT
NEXT J
J
190 NEXT
NEXT I
J
230 NEXT J
24 0 NEXT K
240 K
Los
Los coeficientes b1 bm ya
b 1 aa bm ya han
han sido
side calculados
calculados yy estgn
estan almacenados
almacenadosen c1~1
enc11m+1
hasta cm,m+u.
c m ,m+l' Para num~rico se
Para el ejemplo numrico se tiene:
b = 0.9066
b1
1
b 2 =-2.566
b2 =-2.566
=-0.9072
b =-0.9072
b3
3
redcndeados
redondeados a 44 cifras significativas.
significati vas . El
El trmino
t&mino independiente
independiente bb
b se
se calcula
calcula de:
de:
O
m
b
o
)5110 = (T
(T
y
-
- L.
i
.
b .T.) / n
b.T.)/n
1. 1.
Para el
Para ejemplo n~i= se
ejemplo numrico se tiene:
tiene :
b = (142
(142 -- (50
(50 xx 0.9066
0.9066 + (-2 . 566) + 53
+ 52 x (-2.566) 53 x (-0.9072))/
(-0.9072/10
10
O
bo
-32-
27.82
= 27.82 (con
(con 44 cifras
cifras significativas).
c~l a
Los elementos cll a ccrnrn de
de la tabla final despu~s
tabla final despus de la ultima
de la 51tima reducci6n
reduccin de
de
refer~r~n como
Jordan se referiran como la mat~iz inversa
la matriz C- 1 .
inversa C-1.
- SCR
SCE = SCT -
Los
Los grados
grados de libertad para la
la suma total de cuadrados es
suma total es n-1,
n-1, para la
la re-
re-
gresi6n
gresin m yy para el residuo es n-m-1.
El de la
El cuadrado medio de la regresin
regresi6n (CMR)
(CMR) es:
es:
SCRIm
CMR = SCR/m
medio residual
El cuadrado medio residual (CME)
(CME) es:
es:
CME = SCE/(n-m-1)
entre varianzas
El cociente entre varianzas es:
es:
F = CMR/CME
CMR/CME ;; con m, de libertad.
m, n-m-1 grados de libertad.
usarse para
El valor F puede usarse para comprobar
comprobar la
la significacin
significaci6n estadstica
estadistica de
de la
la re
re
gresi6n.
gresin.
num~rico se
Para el ejemplo numrico se tiene:
tiene:
697.6
SCT = 697.6 (ver L:y2
Ey2 en el
el paso
paso '3)
3)
101 ++ (-2.566)
SCR = 0.9066 x 101 (-216.4) ++ (-0.9072)
(-2.566) xx (-216.4) (-0.9072) xx (-0.6)
(-0.6) == 647.4
647.4
SCE
SCE = 697.6 -
- 647.4
647.4 = 50.2
50.2
50.2/(10-3-1) == 8.367
CME = 50.2/(10-3-1) 8.367
F 215.8/8.367 == 25.79
= 215.8/8.367 25.79 con 33 yy 66 grados de libertad.
libertad.
tabulado de
El valor tabulado de FF con
con esos
esos grados
grados de
de libertad
libertad yy para
para P=0.1%
P=O.l% es
es 23.70.Por
23.70.Por
10
lo tanto
tanto puede decirse que lala probabilidad
probabilidad es es menor
menor dede 11 en
en mil,
mil, de
de que
que la
la
relaci6n
relacin entre la variable dependiente yy las las predictoras
predictoras se se deba solamente
solarnente
aa factores
factores aleatorios fuera del modelo
modele de
de regresin.
regresi6n.
-33-
-33-
El coeficiente
coeficiente de
de determinacin
determinaci6n R2
R2 est
esta dado
dado por:
por:
R2 = SCR/SCT
SCR/SCT
El coeficiente de correlacin
correlaci6n mdltiple
multiple RR == ~
Para el ejemplo
ejemplo se
se tiene:
tiene:
R2 = 647.4/697.6 = 0.9280
R
R = 0.9633
La desviacin
desviaci6n standard
standard residual
residual ss es
es la
la raiz
raLz cuadrada
cuadrada del
del cuadrado
cuadrado medio
medio re-
re-
sidual:
ss = VCME'
V-C72Z7
para el ejemplo
ejemplo es:
es:
ss = 2.893
Paso 66 Clculo
C&lculo de errores
errores standard
standard yy de
de los
los valores
valores tt para
para los
los coeficientes
coeficientes
de regresin.
regresi6n.
Los errores standard
standard de
de los
los coeficientes
coeficientes bl
b aa bm est~n dados
b estn dados por:
por:
1 m
s(b)
s(b = s
i} = s
\FT
~cii' /
Los valores tt de
de los
DDS b est~n dados por:
b. estn por:
i
t(b) = bi/s(bi)
t pueden comprobarse
Estos valores t comprobarse en
en cuanto
cuanto aa significancia
significancia con
con n-m-1
n-m-1 gra-
gra-
dos libertad . Para el
dos de libertad. el ejemplo
ejemplo numrico
numerico se
se tiene:
tiene:
0.6380 -4.022 **
bb2
2
-2.566 **
b -0.9072 0.4205 -2.157
3
b3
** indica significancia
** significancia alal nivel
nivel del
del 1%1% (t=3.71,
(t=3.71, con
con 66 grados
grados dede libertad).
1ibertad).
Los coeficientes bl
b1 y b 3 no son
y b3 son significativos.
significativos. Esto no quiere decir que
ambos pueden ser
ser rEmovidos
removidos de
de la
la regresin.
regresi6n. UnoUno o0 el
el otro
otro (preferiblemente
(preferiblemente
el menos significativo, eses decir
decir bl)
b1) puede
puede ser removido yy recalcular
ser removido recalcular los
los re-
re-
procedimiento que
sultados por el procedimiento que se
se explica
explica posteriormente.
posteriormente. Los Los valores
valores de
de
t de los
t los coeficientes que permanecen,pueden incrementarse
incrementarse y probablemente am
y probablemente am
-34-
donde xi = (Xi
xi = 3),
(Xi -- Xi)' Xi
xi
es
es un valor dado
dado de
de la variable predietora i,X i es
predictora i,Xi
el promedio de
de la
la variable
variable i,i, kk es
es el
el n'amero
nGmero de
de estimaeiones
estimaciones repetidas
repetidas de
de YY
a ser hechas.
a heehas. Para una sla
s61a prediccin
predieei6n k=1;
k=l; para el
e1 error standard
standard de la
1a po-
po-
b1aei6n 1/k
blacin l/k == 0.
O.
Para el
e1 ejemplo,
ejemp10, se desea calcular
ealeu1ar el error standard
standard de
de un slo
s610 estimado
estimado de
de
Y,
Y, para X1=8,
X =8, X2=4,
X =4, X3=6.
X =6.
1 2 3
se calculan
Primero se ealeulan las x.1 :
las x.:
8 - 5.0
Xl = 8
x
1
-
5.0 =3
=3
x ==
x2 44 -
- 5.2 = - 1.2
-
2
X3
x3 = 66 -- 5.3
5.3 == 0.7
Despues la
Despus la surna
suma .L
'J
i,j
cc..x.x.:
.. X.x.:
13
1J i1 J
3(3
3(3 X 0.1781 + (-1.2)
x 0.1781 (-1.2) x 0.07888 + 0.7 x 0.02048)
0.02048) + (-1.2)
(-1.2) x (3
(3 xx 0.07888 +
0 . 07888 +
AS!, el
As, el error
error standard
standard de
de una
una estimacin
estimaei6n de
de YY de
de este
este modelo
modelo para
para X/
Xl == 8,
8,
X == 4,
X2 es ++ 4.366.
4, X3 = 66 es 4.366.
2
Esta frmula
f6rmula tambien
puede dar tambin terminG independiente
el error standard del trmino
La matriz de correlacin
eorrelaei6n es una tabla
tabla que muestra la
la correlacin
eorrelaei6n entre
entre cual
eual
quier par de variables. Se
Se construye
eonstruye ordenando
ordenando una
una matriz
matriz VVas!:
as:
-35-
1 2
2 33 O mH
1 Y2 QY
22
33
QY QX
rn+l
en cuenta
y teniendo en cuenta que
que la
la correlacin
correlaci6n entre
entre la
la variable
variable ii yy la
la variable
variable jj
es:
b.* = b. - c.iu b /c
u uu
c..
13
*= c..
13
-c.iu c.
pu /cuu
numerico, se
Para el ejemplo numrico, se supone se
se desea omitir el elefecto
efecto de la varia-
Xl' La matriz inversa
ble Xl. inversa yy los
los coeficientes
coeficientes (con
(con 66 cifras
cifras significativas),
significativas),
correspondientes aa las
las 33 variables
variables originales
originales son:
son:
1
1 22 33 b
1
1 0.178102 0.0788790 0.0204789 0.906648
Eliminando la variable 11 se
se tiene:
tiene:
bb2*
2
* = -2.56610 -- 0.0788790
0.0788790 xx 0.906648 I 0.178102 = -2.96764
0.906648 / -2.96764
bb3*
3
* == -0.907211 -- 0.0204789 x 0.906648 10.178102 = -1.01146
/ 0.178102 =
La matriz inversa
inversa revisada
revisada es:
es:
22 33
2
2 0.0137007 0.00462197
33 0.00462197 0.0187710
El resto de estadsticos,
estad!sticos, del
del paso
paso 55 en adelante,
adelante, pueden
pueden recalcularse
recalcularse para
para
regresi6n. De
la nueva regresin. De esta
esta manera
manera puede
puede eliminarse
eliminarse una
una segunda, tercera,et~
segunda, tercera,etc.
variable sucesivamente.
sucesivamente.
Esto completa el
el resumen de los c~lculos de una regresin
los clculos regresi6n mdltiple.
mGltiple. Este
trabajo es hecho normalmente por
por unun computador,
computador, pero
pero puede
puede efectuarse
efectuarse manual
manual
mente para
para pequeos
pequenos problemas.
problemas. Debe
Debe tenerse
tenerse mucho
mucho cuidado
cuidado de
de no
no perder d!gi~
perderdigi.7
tos por redondeo
tos significativos por redondeo aa unun nGmero fijo de
ndmero fijo de cifras
cifras decimales
decimales duran-
te el proceso de
de inversin
inv ersi6n de
de la
la matriz.
matriz.
an~lisis de
El anlisis de residuales
residuales es
es un
un instrumento
instrumento que
que debe
debe emplearse
emplearse con
con un
un uso
uso in
in
teligente de la
la regresin
regresi6n mdltiple.
mGltiple. Su propsito
prop6sito es:
es:
e. = Y. - Y.
A
Cuando los residuales se
se plotean
plotean contra
contra los
los valores
valores Yi,
Yi , pueden
pueden obtenerse
obtenerse va-
va-
rias clases de gr~ficos :
de grficos: -
;"37-
-37-
(i)
e.
3.
a
. .. ... . ..
.. .
o
____ __ ___ _
o
o ~~_L~~_~
o
O o
~~
0 o
L-___________________________ A
Y
Esta es la
la situacin
situaci6n ideal,
ideal, con
con variaciones uniformes
uniforrnes de
de los
l o s ei
ei
Y.
las 2. El modele
con respecto aa las no tener
modelo parece no tener caractersticas
caracterfsticas
indeseables.
(ii)
...... ..
e.
o
o
o
. . ............:..... :...: :.
o o
o o *10 o o* 0.
.
;. * *
o oo
* o
o
. . ....
----~~~-.-----.-~~.-----
. ..%
..........
o. .... o
. . . .. :-.:. IO: oo 0
*o . .....
...
o
'
O
L-______________________________
y
indica un
Esto indica un comportamiento s~em~tico de
comportamiento sistematico de los
los e.
e1 con respecto
a Y y muestra falta
a falta de
de ajuste.
ajuste. En
En otras
otras palabras,
palabras,1existe un mode-
existe un mode-
10
lo mejor que el que se est~ utilizando,
se esta utilizando, usando
usando las
las mismas varia-
b~sicas, pero
bles predictoras basicas, pero con
con transformaciones
transforrnaciones adicionales
adicionales
oo diferentes,
diferentes, que
que pueden ajustar yy remover
pueden ajustar remover la
la tendencia sistem~
tendencia sistema-
los e..
tica de los e
i
-38-
(iii)
e.
3.
oa .0
I
.
o
,.. ,. . 0
0
. ... ..
\.
.o
o.
,
....
Y
Aqu! las
Aqu las varianzas de
de los
los eiei no
no son
son uniformes
uniformes respecto
respecto aa las
las Y.
Y.
este caso
En este caso pueden
pueden obtenerse
obtenerse mejores
mejores estimados,
estimados, usando
usandouna
unatrans
trans
formacion de la variable Y,
formacin Y, o0 bien usando una regresion ponde-
regresin ponde--
rada
rada.. (ver
(ver seccion A.2.7) :
seccin A.2.7).
Cuando los
los ei se plotean contra
contra las las variables
variables XX no
no incluidas
inclu!das todava
todav!a en en el
el
modelo, se
se puede
puede obtener
obtener un
un diagrama
diagrarna dede puntos
puntos aleatorios
aleatorios o0 algqn
algdn patrn
patron sis
sis
tem~tico similar al caso anterior
tematico anterior (ii).(ii). Si
5i la
la situacin
situacion queque se
se da
da es
es lala aitT
ulti
rna, la variable
ma, la variable XX puede
puede ser
ser incluida
inclu!da enen la
la regresin.
regresion. LaLa forma
forma de .tenden~
de lalatendenl-
cia .general patron puede
general del patrn puede no no ser
ser lineal,
lineal, sino
sino que siga
s iga una
una de
de las
las formas
formas
mostradas en
mostradas en la
la figura
figura A.2.2,
A.2 . 2, en cuyo caso debe usarse una transformacin
transformacion
apropiada de lala variable
variable X.
X.
Por ejemplo, se se supone
supone que
que se se tiene
tiene el
el modelo:
modelo:
Y = b0 + b1X1 + b2X2
e.
...4 o .. ..::.--......-.-:........
-.~
6.
k"" ..
...
....." .
-.< ""-: :
ni.
o ----;--r.,~----
Yo
--------------.-
. y. -'" ..
ej.-t.
11.
,.Va/-.,1,
'16.
" o
X3
X3
La linea
l!nea discontinua (---)
(---) parece
parece seguir
seguir una
una curva sua~e que
curva suaxe que puede
puede ser com-
pensada aadiendo
afiadiendo aa la
la regresin
regresion las variables X3
X3 yy X3 (ver
(ver figura A 2 2
figura A.2.2
(e, para
(e)), para obtener el modelo: .
-39-
2
Y =b0 +b1X1 + b2X2 + b3X3 + b4X3
Despues este segundo
Despus de ajustar este segundo modelo,
modelo, la
la tendencia
tendencia de
de los
los residuales
residuales con-
con-
podr!a aparecer
tra X3 podra aparecer similar
similar ,al esquema mostrado anteriormente
al esquema anteriormente como (i).
como (i).
A.2.7 Regresi6n
Regresin ponderada
La regresin
regresi6n ponderada
ponder ada sese usa
usa cuando
cuando los los residuales
residuales nono tiene
tiene una varianza
varianza
uniforme respecto a a los
los valores
valores dede Y.
Y. Esta
Esta situaci6n
situacin aparece
aparece comunmente
comdnmente cuan
cuan
do se utilizan
utili zan transformaciones
transformaciones complejas
complejas de la variable Y para
de lavariableY para obtener
obtener algu--
algu-
formas particulares
nas formas particulares de de curvas.
curvas. En En prediccin
predicci6n ,del
del rendimiento
rendimiento tambin
tambien eses
comun
coman encontrarla con datos de voldmenes,
vollimenes, donde laslas varianzas tienden
tienden aa ser
ser
proporcionales aa los
proporcionales los voldmenes.
vollimenes .
observaci6n se asocia un peso
Con cada observacin peso particular
particular wi,
wi, cuyo
cuyo valor puede dete~
valor puede deter
emp!ricamente o0 derivarse
minarse empricamente derivarse de de alg-en
algun razonamiento
razonamiento te6rico.
terico. Para el me-
jor ajuste,
ajuste, los pesos o 0 ponderaciones wi w~ deben
deben ser
ser proporcionales 1/sf'do~
proporcionales aa 1/si,don
de
de si
si es
es la
la desv iaci6n standard
desviacin standard residual
residual de de Yi.
Y.
emp!r icas pueden
Las ponderaciones empricas pueden obtenerse
obtenerse como sigue:
sigue :
(1) e1 modelo
Ajustar el modele sin
sin ponderar,
ponderar, usando
usando el
el procedimiento
procedimiento descrito
descrito
en la seccin
secci6n anterior.
anter ior.
o bien:
bien:
2 2
(ii) Ajustar una
una regresin
regresi6n que
que relacione
relacione e con Y
Yi (posibleme~
(posiblemen
eii i
regresi6n simple:
te una regresin simple :
2
ee- a + bY
= a
=
(1)
(1) Cal c ular totales ponderados,sumas
Calcular p o nderados,sumas de
de cuadrados
cuadrados yy productos
productos cruza-
cruza-
dos:
r.wiX~
2
A = 1w1 B = w1x1 C =
1 3.
2
D = E = F = LwixiYi
-40-
-40-
x ~ B/A
= y
37*~= D/A
D/A
SCx = C - B2/A SP
xy
=F-BD/
~ F - B D / A
A
(3)
(3) Para el resto de clculos
calculos proceder desde la linea
l!nea 11 del Formato
A.2 (forma 11
A.2 (forma 11 de
de Dawkins,
Dawkins, 1968).
1968).
Para la regresin
regresi6n mltiple
multiple ponderada
ponderada se
se aplican
aplican los
los mismos principios
principios genera
genera
les.
les. Muchos programas avanzados
avanzados de
de regresin
regresi6n tienen opciones
opciones para
para la
la pondel-
ponde=
raci6n.
racin.
La regresin
regresi6n ponderada nono debe
debe utilizarse
utilizarse aa menos que exista
exista una
una fuerte
fuerte jus-
jus-
tificacin
tificaci6n terica
te6rica a priori
priori para
para hacerlo,
hacerlo, o0 alternativamente
alternativamente cuando
cuando una
una ten-
ten-
dencia claramente marcada
marc ada en los cuadrados de los residuales ploteados con-
tra las YY dan base
base para
para una
una ponderacin
ponderaci6n emprica.
emp!rica .
Para funciones bien definidas, con con altos
altos R2,
R2, la
la ponderacin
ponderaci6n no
no resultar
resultara enen
una
una mejora prctica
practica del grado de de ajuste.
ajuste. La
La ponderacin
ponderaci6n es
es una
una tcnica
tecnica que
que
debe
debe ser considerada como un un refinamiento
refinamiento del
del anlisis,
analisis, aa usarse
usarse despus
despues dede
completar los anlisis
analisis preliminares
preliminares de
de un
un conjunto
conjunto de datos.
datos.
(ii) significancia de
Pruebas de significancia de variables
variables condicionales.
condicionales . Esta
Esta tcnica
tecnica
es muy apropiada para
para modelos complejos
complejos ee interacciones,
interacciones, pero co~
pero con
duce aa complicados problemas
problemas multivariantes.
multivariantes. Un
Un mtodo
metodo til
util es
es el
el
de programas
de adaptar paquetes de prograrnas de
de computacin
computaci6n de
de regresin
regresi6n ml-
mul-
tiple
tiple aa problemas de comparacin
comparaci6n de regresiones.
analisis de la
El anlisis la covarianza
covarianza es
es un
un tema
tema extenso.
extenso. Aqu
Aqu! se
se consideran
consideran slo
s610 las
las
t~cnicas
tcnicas necesarias para comparar las las Pendientes
pendientes yy trminos
terminos independientes
independientes
entre simples. Los clculos
entre regresiones simples. calculos sese explican
explican relacionndolos
relacionandolos concon un
un
ejemplo de
de datos hipoteticos de
datos hipotticos de una
una linea
l!nea volumen-altura
volurnen-altura para
para dos
dos plantacio-
plantacio-
geograficarnente distintas
nes geogrficamente distintas (denominadas
(denominadas II yy II),
II), utilizando
utilizando 1010 parcelas
parcelas
en
en cada una.
una. Los datos se
se hallan
hallan en
en el
el cuadro
cuadro A.2.1
A.2.1 yy se
se representan grafic~
representan grfica
mente en la
la figura
figura A.2.3. razonable combinar
A.2.3. El problema es determinar si es razonable combinar
los
los datos para ajustar una linea
l!nea de
de regresin
regresi6n comn
comun para
para las
las 20
20 parcelas.
parcelas. El El
modelo a ajustar eses la
la linea
l!nea de
de los
los logaritmos
logaritrnos del
del volumen
volurnen con
con la
la forma:
forma:
log V ~= aa + b
log V b log H
H ( 1)
(1)
".
-41-
Plantaci6n II
Plantacin
3
3 212.6 24.9 2.3276 1. 3962
1.3962
4
4 15.1
15.1 10.8 1.1790 1.0334
5
5 50.4
50.4 15.8 1.7024
1.7024 1.1987
1.1987
6
6 189.4 25.8 2.2774 1.4116
7
7 68.7
68.7 18.2 1. 8370
1.8370 1. 2601
1.2601
88 221.
221.22 25.4 2.3448 1. 4048
1.4048
10 60.8
60.8 16.7
16.7 1. 7839
1.7839 1. 2227
1.2227
Plantaci6n II
Plantacin II
11 70.6
70.6 15.4 1. 8488
1.8488 1.1875
12 131.
131.33 18.5 2.1183 1. 2672
1.2672
15 136.2 20.8
20.8 2.1342 1. 3181
1.3181
16 87.0
87.0 16.7 1.9395
1.9395 1. 2227
1.2227
18 108.4 17.7
17.7 2.0350 1. 2480
1.2480
20 57.7 15.3
15.3 1.7612
1.7612 1.1847
1.1847
-42-
-42-
( -
( - -
- -
- lineas
l!neas de
de regresin
regresi6n individuales;
individuales; ---- regresi6n combinada)
regresin combinada)
(m 3 /ha)
Volumen (m3/ha)
Volumen
250 -
CF
C
1/1
+ Plantacin
Plantaci6n II
/
I~I
Plantacin
Plantaci6n II
II '//I
I
200 -
200 /
I +
/
I
I" /I
150
/ ,I
.
/ I
/ I
/. /
/- /
I / +
I /
I I
I /
100 / /
I. /
I /
~ /
/ /
/ /
/. /+
, /.1'
50 , , ,
1>'
/
, /' ,,
II'"
II
" ,../
...-"
I-~
oo
5
5 10 15
15 20 25 30
del rodal
Altura del rodal (in)
(m)
-43-
-43--
de forma
En este modelo de forma lineal,
lineal, los par~etros a,
los parmetros a, bb se
se estiman
estiman por
por regresin
regresi6n
simple.
simple. Tomando antilogaritmos en ambos lados
lados el modele transforma:
modelo se transforma:
~ A Hb
V =
~ 10a.
donde A = lOa. De
De esta
esta manera, pueden
pueden calcularse
calcularse puntos
puntos dede la
la linea
linea ajustada
ajustada
yy plotearlos en un papel
papel cuadriculado
cuadriculado normal.
normal.
Las sumas,
sumas, sumas
sumas de
de cuadrados
cuadrados yy sumas
sumas de
de productos
productos de
de los
los datos(cuadro
datos (cuadro A.2.1)
A.2.U
separado para
se calculan por separado para cada
cada conjunto
conjunto yy para
para ambos
ambos conjuntos
conjuntos combina-
combina-
sigue:
dos como sigue:
Estad!sticos
Estadsticos los datos
Origen de los datos
Combinado (C)
Combinado (C)
II I
III
112.44696
2.44696 12.65166
12.65166 25.09862
n 10 10 20
scx~rx2-
SC
(z)t) 2/n
(Lx) 2/n 0.18435 0.04457
0.04457 0.23101
SPxY~rxY-L.xly/n
SPxy=Exy-lx.ly/n 0.53398 0.09837 0.65176
coeficientes:
b = Spxy/SCx
~ SPxy/SCx 2.89657 2.20716 2.82135
a = (y-b.yx)/n -1.76640 -0.76388 -1. 60685
-1.60685
de la
Suma cuadrados de la regresin:
regresi6n :
SCR ~= b. SPxy
b.SPxy 1. 54671
1.54671 0.21712 1. 83884
1.83884
(i)
(i) entre los
Suma de cuadrados entre los coeficientes
coeficientes b:
b:
SCb ~
= ESCR
LSCR - ( [SPxy) 2/ ESCx
(ESPxy)2/ LSCx
Para el ejemplo
ejemplo esto
esto es:
es:
SCb ~= (1.54671
(1.54671 + 0.21712)
0.21712) - (0.53398 + 0.09837)2/(0.18435 ++
- (0.53398
0.04457) =~ 0.01708
0.04457) 0.01708
-44-
(ii) Suna de
Suma cuadrados entre
de cuadrados entre los
los coeficientes
ooeficientes a:
a:
SCa == Iscy
SCa YSCy -- ISCR
LSCR
(1.56198 ++ 0.24072)
= (1.56198 (1.54671 ++ 0.21712)
0.24072) -- (1.54671 0.21712)
= 0.03887
donde el !ndice
Indice C C denota cantidades de la regresin
regresi6n combinada.
cornbinada. Pa
Pa
ra el ejemplo,la
ej.ernplo, la suma
suma de
de cuadrados
cuadrados de
de las
las desviaciones
desviaciones es:
es:
== 0.08764
(iv) libertad de
Los grados de libertad de las
las cantidades
cantidades anteriores
anteriores son:
son:
Estad!sticos
Estadsticos libertad
Grados de libertad
SCyc n C -- 1
SCE - 2r
nII - 2r
nnII - nIl
SCb r -- 11
r
SCa r -- 11
r
SCR
SCRC 11
donde nI,
nI' nIl nlimero de puntos en las
n11 son el nmero las regresiones separa-
separa-
das, r es el nmero
das, r nlimero de
de regresiones
regresiones aa ser
ser comparadas
cornparadas yy nc
nC el
el nme-
nlime~
de puntos.
ro total de puntos .
Enla pagina siguiente
Dala pgina siguiente esta
est& el
el cuadro
cuadro del
del anglisis
an&lisis dede varianza
varianza para
para la
la compa-
cornpa-
raci6n las regresiones.
racin de las regresiones.
Los asteriscos denotan el nivel de significancia
significancia de los los diferentes
diferentes cocien-
cocien-
tes
tes de varianzas, deterrninados por
varianzas, determinados por comparacin
cornparaci6n de
de los
los valores
valores tabulados
tabulados de
de
F con 11 yy 16
16 grados
grados de
de libertad
libertad aa los
los niveles
niveles de
de 5%
5% (*), (**) Y
(*), 1% (**) y 0.1%
(***).
(***). En
En el
el cuadro
cuadro se
se observa que la regresin
regresi6n es altamente
altarnente significativa
significativa
(esto
(esto es,
es, no
no debida
debida al
al azar).
azar). La diferencia de pendientes en las las dos regre-
regre-
siones separadas no es significativa,
significativa, es es decir parece debida aa los los efectos
efectos
aleatorios en el rnuestreo de los
muestreo de los dos
dos conjuntos
conjuntosde datos. Por
de datos. Por otra
otra parte,
parte, los
los
-45-
Causas de variacin
variaci6n Suma de grados Cuadrado Raz6n
Raz6n
cuadrados lib.
lib, medio varianzas
Regresi6n combinada
Regresin SCRc
SCRC 1. 83884
1.83884 1 1. 83884
1.83884 335.7***
U,rminos ind.
Entre trminos indo SCa 0.03887 1 0.03887 7.1*
terminos
trminos independientes difieren significativamente
significativamente alal nivel
nivel del 5%,
5%, lo10 que
que
sugiere
sugiere que las regresiones son'son de
de hecho
hecho distintas, aa pesar
pesar de
de tener
tener la la mis-
mis-
rna pendiente.
ma pendiente. En consecuencia puede concluirse
concluirse para elel ejemplo,,
ejemplo,que
que los
los da-
tos
tos de
de las
las dos plantaciones no no pueden
pueden combinarse
combinarse en
en una
una sola
sola regresin
regresi6n para
para
prop6sitos de prediccin
propsitos predicci6n sin
sin una
una consecuente
consecuente perdida precisi6n.
prdida de precisin.
metodo de comparacin
Este mtodo comparaci6n puede
puede extenderse
extenderse aa cualquier
cualquier nmero
nUmero de
de regresiones
regresicnes
simples, ~do
simples, observando c~lculos anteriores que donde es necesario sumar
en los calculos
las
las cantidades separadas de de las
las dos
dos regresiones,
regresiones, se har~ extensible
se hara extensible aa cual-
cual-
nUmero de cantidades.
quier nmero cantidades. Dawkins
Dawkins (ver
(ver bibliografa)
bibliograffa) presenta
presenta unun formato
formato
hasta 44 regresiones.
para comparar hasta regresiones.
condicionales para
El uso de variables condicionales para comparacin
comparaci6n de
de lneas
lfneas de
de regresin
regresi6n
condicionales son
Variables condicionales son las
las que
que slo
s6lo pueden
pueden tomar
tomar los
los valores
valores dede cero
cero o0
uno, dependiendo
uno, dependiendo si
si una
una observacin
observaci6n particular
particular entra
entra o0 no
no en
en alguna
alguna parte
partedel
del
modelo de regresin.
regresi6n. Pueden usarse para comparar lineaslineas de de regresi6n
regresin yy para
para
de datos
ajustar conjuntos de jer~rquicos (ver
datos jerarquicos (ver seccin
secci6n A.2.9).
A . 2.9).
Se
Se considera el caso descrito enen el
el ejemplo
ejemplo anterior,
anterior , dede comparar lineas vo
lumen-altura para dos regresiones
regresiones simples
simples dede las
las plantaciones
plantaciones II yy II.II.
plantaci6n se
Para cada plantacin se tiene
tiene un
un modelo:
modelc'o
log V = a
a + b log
log H
H (1)
(1)
formar un
Se puede formar un modelo
modelo nico
unico para
para ambos
ambos conjuntos
conjuntos de
de datos
datos si
si se
se introdu-
introdu-
ce una variable extra
extra ZZ que
que es
es cero
cero para
para los
los datos
datos de
de la
la plantacin
plantaci6n II yy uno
uno
l os datos de
para los de la
la plantacin
plantaci6n II.
II. El
El modelo
modelo combinado
combinado es:
es:
con ZZ == O0 (plantacin
Para observaciones con (plantaci6n I)
I) esto
esto se
se reduce
reduce a:
a:
log V = al + b/ log H (4
(4))
Para ajustar la
la ecuacin
ecuaci6n (3)
(3) por regresin
regresi6n lineal,
lineal, se eliminan los par~nte
los parnte-
obteni~ndose:
sis obtenindose:
equivale aa la
la cual equivale la ecuacin
ecuaci6n de
de regresin:
regresi6n:
Y =
c0 + c1X1 + c2X2 + c3X3
un programa
Usando un programa de
de regresin
regresi6n m6ltiple
multiple para
para ajustarla,
ajustarla, se
se obtuvieron
obtuvieron los
los
siguientes valores de los
los coeficientes:
coeficientes:
Valor t
Co -1. 76640
-1.76640 -12.3
c0
cc11 1.00179 3. 1
3.1
cc22 . 89657
22.89657 25.2
"lDifieren regresiones, o
Difieren ambas regresiones, de ellas,
0 una de elIas, significativamente
significativamente de
de una
una
regresi6n comun?"
regresin com5n?"
mientras que
que esta
esta tcnica pregunta:
t~cnica pregunta:
"lDifiere
"Difiere el t~rmino independiente
el trmino independiente (cl)
(C1) 0o la pendiente (c3)
(c3) de la
la segun
seguE!.
da regresi6n de sus correspondientes de
da regresin de la
la primera?"
primera?"
Plantaci6n II
Plantacin
Pendiente c
c22
2.89657
Plantacion II
Plantacin II
T~rmino independiente
Trmino independiente co+ci
cO+c l -0.76461
pendiente
Pendiente c +c
c2+c3 2.20773
2 3
ndmeros parecen
De hecho estos nmeros parecen diferir
diferir en
en el
el tercer
tercer decimal
decimal dede los
los calcula-
calcula-
dos anteriormente, pero pero esto
esto es
es efecto
efecto del
del error
error de
de redondeo,
redondeo, pues
pues en
en elel pro
pro
computacion todos
grama de computacin todos los c~lculos, incluyendo
los clculos, incluyendo las
las transformaciones
transformaciones 10= lo=
g?Iitmicas se efecttian
garamicas significativas, mientras que en los
efectan con 15 cifras significativas, c~l
los cl-
culos manuales usados
usados en e n el an~lisis de
el anlisis de covarianza,
covarianza, slo
s6lo se
se utilizaron
utilizaron de de 55
a 8 cifras significativas.
a significativa s.
usc de variables
El uso variable s condicionales
c ond ic ionales puede
puede volverse
v olv erse muy
muy complejo,
c omp le jo , y tambi ~ n
y tambin
flexible. Por
muy flexible. Por ejemplo,
ejemp lo, dada
dada cualquier
cualquier variable
variable dependiente
dependiente YY yy alguna
a l gun a vava
predi ctora X,
riable predictora X, con
con una
una variable
variable condicional
condicional ZZ sese puede
puede tener
tener un
un slr,
s o lo
modele con
modelo con pendiente
pen d ien te comn
comtin yy con t~rminos independientes
con trminos independientes diferentes
diferentes parapara losl os
dos conjuntos
dos conjunto s de
de datos:
d a tos :
Y =
Y +Co
c1Z +
+ clZ
cO
+ c2X
c 2X
Con tres conjuntos de datos,
datos, se
se necesitan
necesitan dos
dos variables
variables condicionales.
condicio n ale s . Estas
Estas
son
son::
Z1
Z1
0O para datos del conjunto 1,
1, 1
1 para los
los conjuntos
conjuntos 22 y
y 3.
3.
Z2 0 para los
O los datos
datos de
de los
los conjuntos
conjuntos 11 yy 2,
2, 11 para el conjunto
conjunto 3.
3.
Z2
El
El modele a comprobar para diferentes
modelo a diferentes pendientes
pendientes yy t~rminos
trminos independientes
es:
la seccin
En la secci6n anterior
anterior yaya se
se ha
ha aludido
aludido aa las
las variables
variables condicionales,
condicionales, cuyos
cuyos
pueden ser
valores pueden ser cero
cero o0 uno. Adem~s de
uno. Adems de su
su uso
usc para
para comparar
comparar regresiones,
regresiones,
tambien pueden utilizarse para
tambin para ajustar
ajustar modelos
modelos de
de regresin
regresion aa datos jer~rqu~
datos jerrqui
cos.
cos
jerarquicos aparecen cuando las mediciones se
Los datos jerrquicos se agrupan en unidades
de
de muestreo o0 parcelas, donde
donde la
la regresin
regresi6n dentro
dentro de
de las
las parcelas
parcel as puede
puede ser
diferente de la regresin
regresi6n entre
entre parcelas.
parcelas. La
La situacin m~s comn
situacion ms comtin en
en estudios
estudios
de
de rendimiento forestal
forestal es
es con
con las
las mediciones de parcelp,.
medici~nes de parcel ns dede muestreo perma-
nentes, donde
nentes, donde los
los datos
datos estn
estan agrupados
agrupados por
por parcelas.
parcelas. UnUIlproblema
p roblematpico
t!picoilus
ilus
punto:
tra este punto:
Ejemplo: La figura
Ejemplo: A.2.4 muestra datos
figura A.2.4 datos hipotticos
hipoteticos altura-edad
altura-edad de
de 55 parce-
parce-
las de
las de muestreo permanentes, cada
cada una
una de
de las
las cuales
cuales ha
ha sido
side medida
medida 33 6 44 ve
ve
ces.
ces. El
El objetivo es estimar la
la pendiente
pendiente promedio
promedio de
de la
la relacin
relacion altura-edad
altura-edad
usando cuadr~tico de
usando un modelo cuadrtico de la
la forma:
forma:
H = bo + b1 A + b2A2 (1)
( 1)
-48-
-48-
20
20-
15
15-
10
10-
----
----- Observaciones en una PMP
Regresi6n datos no
de datos
Regresin de no agrupados
agrupados
5-
5 -=20. Regresin jer~rquica para
Regresi6n jerrquica
sitio promedio
para el
el
oO
5
5 10 15 20
20 25
25
Edad (aos)
Edad (anos)
--. ... .. : , " .
.-
'.~ ," .,. ~ .'"
"
11
4, " " " "
11
"
P44
t, i,
P
P5s
11 "ti n n
"ti I/
" " 5,
5, " n n
" "
El es:
El modelo ajustado es:
H = a
H
1 +
al
a 2P 2 +
+ a2P2 a 3P ++ a4P4
+ a3P33
a P ++ a5P5
4 4 aSPS blAA ++ bb2A2
+ b1 2
A2 (2)
(2)
donde los a.
a y b.b son los
los coeficientes
coeficientes de regresin.
regresi6n. Este es un modelo cua-
dr4tico com~ la
drtico com6 ~cuaci6h (1),
la 6cuacin (1), pero
pero con t~rmino independiente
con trmino independ~te diferente
diferente para
para
cada parcela. Los
Los valores
valores de
de los
lostrminos independientesequivalentes
t~rminosindependientesequivalentes a b o en
a lo() en
ecuaci6n (1)
la ecuacin (1) son:
Parcela T~rminoindeEendiente
T6rmino independiente
1
1 a1
a1
2
2 a + a
a1l + a22
3
3 a l + aa33
a1
4
4 a 1 ++ a4
a1 a4
5 a
a11 + as
5
a5
se ajusta aa los
Cuando se los datos
datos de
de la
la figura
figura A.2.4,
A.2.4, los
los valores
valores obtenidos
obtenidos delos
delos
coeficientes son:
son:
-50-
a
a1 7.432
1
a2 -0.3915
a2
a -1. 755
-1.755
a33
a -3.427
a44
as -6.833
a5
b 0.9192
b11
b -0.01157
b22
coeficiente de
con un coeficiente de determinacin
determinaci6n de de 0.98
0.98 yy un
un valor
valor FF de
de 70.88 con 66 yy 99
70.88 con
libertad. Esto
grados de libertad. Esto es significativ~ para
es significativo para un
un nivel
nivel inferior
inferior aa 0.0001%.
0.0001%.
de esta
La pendiente de esta lnea,
l!nea, dada
dada por
por bl
b 1 yy b2 est~ dibujada
b2 estg dibujada enen la
la figura
figura A.2.
A.2.
e1 valor promedio
4 para el promedio de
de los
los trminos
terminos independientesde
independientesde las
las parcelas,
parcelas, como
como
l!nea continua y gruesa.
lnea gruesa. Puede verse que da da una representacin
representaci6n de lala pendien
te
te promedia de las parcelas mucho mejor que la la de la
la regresin
regresi6n ajustada concon
los datos no agrupados.
los agrupados.
tecnica puede
Esta tcnica puede extenderse
extenderse para
para dar
dar diferentes
diferentes trminos
terminos independientes
independientes yy
para cada
diferentes pendientes para cada parcela,
parcela, o0 un
un trmino
termino independiente
independiente comn
comrtn yy
pendientes. Este
diferentes pendientes. Este ltimo
rtltimo caso
caso eses de m~s utilidad
de ms utilidad con
con modelos
modelos que
que
conducen a gr~ficos asint6ticos,
a grgficos asint6ticos, taltal como
como lala ecuacin
ecuaci6n de
de Schumacher
Schumacher (ver
(ver tex
tex
to).
to). Para
Para una variable YY y una sola
sola X,
X, con
con 33 parcelas por ejemplo,
ejemplo, se
se tiene:
tiene:
Pendiente comn,
comrtn, diferentes
diferentes trminos
terminos independientes:
independientes:
Y = + a2P2 + a3P3 + b1 X
a1
Diferentes pendientes
pendientes yy trminos
terminos independientes:
independientes: .1 ..,..-. .
. ...
Y =
a1 + a2P2 + a3P3 + blX + b2P2X + b3P3X
Y
=a1 +b1X+ b2P2X + b3P3X
anteriores, ai
En las ecuaciones anteriores, ai yy bi
b i son
son los
los coeficientes
coeficientes del del trmino
termino inde-
inde-
la pendiente aa ser
pendiente y de la ser ajustadaspor
ajustadospor regresin,
regresi6n, las las XX ee YY son
son va-
va-
riables normales
riables normales yy las Pj
Pi son variables cuyo
cuyo valor
valor eses 11 para
para la
la parcela
parcela jj yy
cer~
cero para las
las otras parcelas.
parCelas.
Estas ideas pueden extenderse aa modelos
modelos multivariantes,
multivariantes, aunque
aunque elel nmero
nrtrnero de
de
coeficientes
coeficientes se hace muy grande.
grande. Las regresiones jer~rquicas de
regresiones jerrquicas de este
este tipo
tipo
pues aa pesar
pueden calcularse manualmente, pues pesar de
de que
que elel nmero
nrtrnero de
de variables
variables es es
grande, la naturaleza 0-1 de
grande, de la
la mayora
mayor!a de
de las
las variables
variables significa
significa muchas
muchas
abreviaciones en los c~lculos. Si
los cglculos. Si se
se hace
hace as,
as!, lala tcnica
tecnica dede eliminacin
eliminaci6n de de
la matriz de
Jordan para invertir la de los
los productos
productos cruzados
cruzados corregidos,
corregidos, dada dada enen
la
la secci6n
seccin A.2.5, m~s rpido
metodo mgs
A.2.5, no es el mtodo r~pido ni
nif~cil; Seber (1977
fgcil; Seber (1977 -- ver
ver bi-
bi-
bliograf!a) da detalles de
bliografa) de mtodos m~s eficientes
metodos mgs eficientes que
que los
los conocidos
conocidos en en el
el
algebra
lgebra de
de matrices. embargo, para
matrices. Sin embargo, para programas
prograrnas de
de computacin,
computaci6n, la la relati-
relati-
va ineficiencia de las
las tcnicas
tecnicas de c~lculo convencionales
de calculo convencionales no no es
es importante,
importante,
-51-
el tiempo
pues el tiempo de
de procesamiento
procesarnientoimplicado
implicadoesesenencualquier
cualquier.caso
.casomuy
rnuycorto..
corto.
-52-
A.3.1 Soluci6n de
Solucin de la
la ecuacin
ecuaci6n cuadrtica
cuadr1itica
La
La ecuaci6n cuadrtica
ecuacin cuadr1itica se
se usa
usa ampliamente
ampliamente como
como modelo de
de regresin
regresi6n para
para da-
da-
tos
tos que muestran una ligera curvatura en la tendencia X-Y. Habi~ndose ajusta
X-Yo Habindose ajusta
ecuaci6n para
do una ecuacin para predecir
predecir Y,Y, aa veces
veces es
es necesario
necesario encontrar
encontrar la
la XX corres-
corres=
pondiente aa un
un valor
valor dado
dado de
de Y.
Y. Para
Para hacer
hacer esto,
esto, se
se usa
usa la
la frmula
f6rmula de
de las
las
ra!ces
races de la
la ecuacin
ecuaci6n cuadrtica.
cuadr1itica.
modele de
Si el modelo de regresin
regresi6n es:
es:
dondea=
donde a = b2'b=b1 yc=b0c =- bY,
O
- obtenindoseXde:
Y, obteni~ndose X de:
X -=
X -b Vb2 - 4ac
2a
2a
hay dos
Normalmente hay dos soluciones,
soluciones, dependiendo
dependiendo deldel signo
signo que
que se
se tome
tome de
de la
la raz.
ra!z.
Usualmente es obvio que
que slo
5610 una
una solucin
soluci6n dede las
las dos
dos calculadas
calculadas eses posible
posible
en un caso particular.
particular . Por
Por ejemplo,
ejemplo, se
se pueden
pueden obtener
obtener valores
valores para
para el
el dime-
dilirne-
tro de +20 y -15 -15 como solucin
soluci6n de un problema; s610 el valor positivo
problema; slo positiv~ tie-
ne
ne significado.
b 2 es menor que 4ac
Cuando b2 4ac el
el radicando
radicando es
es negativo
negativo yy no
no existe
existe solucinreAl
soluci6nreal
de ecuaci6n. Para la
de la ecuacin. la mayora
mayor!a de
de las
las aplicaciones
aplicaciones forestales,
forestales, esto
esto implica
implica
un
un error en el valor de loslos coeficientes
coeficientes o0 un
un valor
valor de
de YY demasiado
demasiado grande
grande o0
demasiado pequeo.
pequeno. Supngase,
Sup6ngase, por
por ejemplo,
ejemplo, que
que se
se tiene
tiene una
una funcin
funci6n altura-
altura-
edad que alcanza un mximo
m1iximo aa la
la altura
altura de
de 42
42 m.
m. Si
Si se
se trata
trata de
de ver
ver aa queedad
queedad
el
el rodal alcanzar1i los
rodal alcanzar los 50
50 m, puede
puede darse
darse lala condicin
condici6n anterior,
anterior, pues
pues nono exis
exis
te solucin.
te soluci6n.
A.3 . 2
A.3.2 Soluci6n
Solucin gr1ifica ecuaciones
grfica de ecuaciones
Existe un buen ndmero
nUrnero de
de modelos
modelos complejos
complejos que
que no
no pueden
pueden manejarse
manejarse fcilmen-
facilmen-
te con lgebra
te algebra y los
los cuales
cuales deben
deben ser
ser resueltos,
resueltos, bien p~r un
bien por un mtodo
metodo numrico
nurnerico
bien por uno grfico.
grafico. ElEl mtodo grafico de
m~todo grfico de solucin
soluci6n es
es tan
tan evidente,
evidente, quepue-
quepue-
de
de mejor ser ilustrado con un ejemplo.
ejemplo. Consiste simplemente
simplemente en
en plotear
plotear los
los
de YY de
valores de de una ecuacin
ecuaci6n del
del tipo:
tipo:
Y = f(X)
f(X)
s e leccionados de X,
para valores seleccionados X, juntar
juntar los
los puntos con curvas suaves y esti-
esti-
mar el valor de X X para el valor de YY en
en el cual sese requiere la
la solucin.
solucion. Su-
p6ngase por
pngase por ejemplo,que
ejemplo,que sese ha
ha ajustado
ajustado lala ecuacin:
ecuaci6n:
log lMA == -0.8892
log IMA - 0.03055 A + 2.097 log A
-0.8892 - A
incremento medio anual IMA
que relacionael incremento lMA del volumen
volurnen con la
la edad de una
plantaci6n yes
plantacin y as necesario
necesario resolverla
resolverla para
para determinar lala edad
edad aa la
la cual
cual IMA
lMA al-
al-
m3/ha/ ano. Para solucionarlo
canza 15 m3/ha/ao. solucionarlo grficamente,
graficamente, se
se usa
usa la
la ecuacin
ecuaci6n para
para
-53-
calcular IMA
lMA para una serie de edades
edades dentro
dentro de
de las
las cuales
cuales se
se espera est la
espera est~ la
deseada. Abajo se tabula
respuesta deseada. tabula una
una serie
serie de
de valores
valores de
de lMA
IMA calculados
calculados p~
pa
de 10
ra edades de 10 aa 30:
30:
Edad lMA
IMA
10 7.99
15 13.15
13.15
20 16.91
25 18.99
30 19 . 58
19.58
(m 3/ha/ano)
lMA (m3/ha/ao)
IMA
20
15
10
5
5
Edad (anos)
Edad (arios)
10 15
15 20 25 30
.Las
Las principales
principales desventajas m~todos grficos
los mtodos
desventajas de los gr~ficos son:
son :
(i)
(i) precisi6n est
La precisin est~ restringida a quiz~s intervalo
quizs + 0.5% del intervalo
las x
de la escala de las
(ii)
(ii) mtodo es lento y esencialmente manual.
El m~todo manual. No puede usarse
prograrna de computacin,
dentro de un programa computaci6n, ni programarlo
prograrnarlo para un
-54-
-.54-
calculador.
metodos de
Existen varios mtodos de solucin
soluci6n numrica
nurnerica de
de ecuaciones,
ecuaciones, pero
pero uno
uno de
de los
los
mas simples y practicos es el llamado
llamado 'mtodo
'metodo de
de bisecci6n'.
biseccin'. Este
Este procede
procede de
de
acuerdo aa los
los siguientes
siguientes pasos:
pasos:
(i)
(i) Definir la
la funcin
funci6n aa resolver
resolver como:
como:
y =; f(x)
f (x)
donde yy es
es un valor conocido,
conocido, siendo
siendo x la incgnita
inc6gnita a
a determi
el mtodo.
nar por el metodo. Existe un
un intervalo
intervalo de
de valores
valores dentro
dentro del
del -
cual debe de estar x,
cual x, de xa
xa a xb,x ' tal
tal que:
que:
b
(1) f(x
f(xa)) menor que f(xb);
f(x );
a es b
(2) f(x
f(xa) ) - signo opuesto
- y,tiene signo opuesto aa f(xb)
f(x ) -
- y
a b
(ii)
(ii) un valor
Calcular un valor de
de prueba
prueba xi:
xi:
xi
x. ;
= l1 (x
(x
a + xb)
+ xb)
2
(iii) Calcular el
el valor
valor yi,
Yi' correspondiente
correspondiente aa x.:
xi:
Y f( x )
; f(x1)
=
yii i
(iv)
(iv) Si:
Si: yi que y,
Yi es mayor que hacer xb
Y, hacer xb = xi;
xi;
yeste caso
y. es menor que y,
Yi
en la
a
;
x. :
x = x.:
practica.
la practica.
1.
(v)
(y) Regresar yY repetir los pasos (ii)
(ii) al (iv)
(iv) nn veces;
veces; donde n es-
ta
ta determinado por la precisin
precisi6n con
con la
la cual
cual se
se desea
de sea la
la solu-
solu-
ci6n
cin correcta. va lores iniciales
correcta. Dando valores iniciales dede xa Y xb
xa y xb la
la precisi6n
precisin
la solucin
de la soluci6n sera:
sera:
precisi6n =
precisin 2- n (x - x )
; 2-n
a - xb)
(xa b
Despues
Despus de n iteraciones,x. es es la
la solucin
soluci6n deseada
deseada aa la
la precisin
precisi6n estipulada
estipulada
anteriormente.
anteriormente. En lala practica,
practlca, las
las iteraciones
iteraciones sese ejecutan
ejecutan concon un
un computador
computador
de alta velocidad
velocidad yY usualmente
usualmente se
se fija
fija una
una valor
valor de
de n,
n, por
por ejemplo
ejemplo 15
15 66 20,
20,
amplia variedad
para una amplia va riedad de
de problemas.
problemas. Por
Por ejemplo
ejemplo se
se tiene:
tiene:
No.
No. de iteraciones Precisi6n en
Precisin en %% del
del intervalo
intervalo
5
5 3%
88 0.3%
10
10 0.1%
15 0.003%
20
20 0.0001%
30
30 10- 7%
10-7%
-55-
i X. Yi
xa xb
1
1 1.000 30.000 15.500 13.595
2
2 15.500 30.000 22.750 18.254
3
3 15.500
15.500 22.750 19.125
19.125 16.370
4
4 15.500
15.500 19.125 17.312 15.091
5
5 15.500
15.500 17.312 16.406 14.370
66 16.406 17.312
17.312 16.859 14.737
7
7 16.859 17.312 17.085 14.916
9
9 17.085 17.199 17.142 14 . 960
14.960
11 17.170 17.199
17.199 17.185 14.993
12 17.185 17.199
17.199 17.192 14.999
A.4 ~o lineales
Ajuste de modelos no lineales
modele no
Un modelo no lineal
lineal es
es aquel
aquel que
que no
no puede
puede transformarse
transformarse en en una
una forma cuy~s
forma cuyos
par~etros puedan
parametros puedan estimarse
estimarse directamente
directamente por
por medio
medio del an~lisis lineal
del analisis lineal de
de los
los
m!nimos cuadrados, tal
mnimos tal como
como se
se .describe en la
describe en la seccin
secci6n A.2.
A.2.
la ecuacin:
Por ejemplo, la ecuaci6n:
= aX
Y = axb
ser transformada
puede ser transformada aa un
un modelo
modelo lineal,
lineal, por
por medio
medio de
de logaritmos:
logaritmos:
log Y == log a
a + b log X
X
log a,
de modo que log a, bb pueden
pueden estimarse
estimarse directamente regresi6n lineal.
directamente por regresin lineal.
parte:
Por otra parte:
a + b
Y == a b Xc
XC
a, b,
donde a, b, cc son
son los
los coeficientes
coeficientes aa determinar,
determinar, no
no puede
puede transformarse
transformarse di-
di-
rectamente
rectamente en una forma lineal y de aqu
aqu1 se
se dice que
que es una
una ecuacin
ecuaci6n o0 mode-
mode-
10 lineal.
lo no lineal.
En este manual slo
s610 es
es posible
posible tratar
tratar con
con mtodos
metodos de
de ajuste
ajuste para
para un
un numero
numero
limitado
limitado de
de funciones no lineales de uso comUn
comun en
en estudios
estudios de crecimiento yy
rendimiento, caracterizadas por
rendimiento, por los
los siguientes
siguientes aspectos:
aspectos :
(i) s610
Slo poseen una variable predictora (X)
(X) y una dependiente (Y);
(Y);
(1) Y a + b Xk
Y = a xk
(3) Y = a(1
Y a(l -
- exp
exp (-kX))b
(_kXb
adem~s de
Existen otros modelos, ademas de estos,
estos, que
que tambin
tambien pueden
pueden ser
ser ajustados,pe
ajustados,pe
usc menos comdn
ro son de uso comun en
en trabajos
trabajos forestales
forestales yy por
por eso
eso no
no se
se consideran.
consideran.
El problema principal es
es la
la estimacin
estimaci6n del par~etro k.
del parmetro k. Para
Para un
un valor
valor conoc
conoci
do de k,
k, pueden obtenerse formas
pueden obtenerse formas lineales
linealesdedelas
lastres
tres ecuaciones
ecuaciones anter io ~ -
anterio-,-,
res, del modo siguiente:
res, siguiente:
(la)
(la) Y
Y = aa ++ bb (Xk)
(Xk)
donde Xk
xk es
es la
la variable predictora.
predictora.
((2a)
2a) loge Y == loge
log log aa + b (Xk)
(Xk)
e e
donde de nuevo, xk y la variable depe~
nuevo, la variable predictora es Xk depen
-57-
-57-
diente
diente es
es log Y.
loge Y.
e
(3a) loge Y
(3a) Y = loge aa ++ bb loge
; loge log (1
(1 -- exp(-kX))
exp(-kX))
e
dbnde
donde la variable predictora es loge log (1-exp(-kX)),
(l-exp(-kX)), y la variable de
de
e
pendiente loge
loge Y.
Y.
donde Y la altura
Y es la altura de
de la
la parcela,
parcela, XX es
es la
la edad.
edad. Se
Se usa
usa la
la forma
forma lineal:
lineal:
estima(10g a)como
yy se estima(log e l trmino
)como el termino independiente yy bb como
como la pendiente
pendiente de
de una
una
regresi6n lineal simple.
regresin simple . En esta regresin,
regresi6n, interesa
in teresa principalmente
principalmente en
en esta
esta
suma de cuadrados de los
etapa,la suma los residuales
residuales 0o desviaciones,
desviaciones, simbolizada
simbolizada por
por
SCE, la cual puede obtenerse como se muestra en el formato
SCE, formato A.2
A.2 en
en la
la sec-
sec-
ci6nA.2.f. Con
cinA.2.1. Con los
los datos
datos dede la
la figura
figura A.4.1
A.4.1 yy usando los valores tentativos
usando los tentativos
de k mostrados m~s abajo, se
ms abajo, se obtienen las
las siguientes sumas
sumas de
de cuadrados
cuadrados de
de
las
las desviaciones:
0.05 0.2808
0.15 0.0302
0.25 0.0732
0. 35
0.35 O. 2~57
0.2657
0.45 0.4885
El
El mejor ajuste (mnimo
(m!nimo SCE),
SCE) , parece
parece estar
estar cercano
cercano aa un
un valor
valor dede kk de
de 0.15.
0.15.
Tomando valores tentativos
tentativos adicional
adicional de
de k,
k, cercanos
cercanos aa 0.15
0.15 se
se tiene:
tiene:
-58-
Altura (m)
Altura (m)
30-
30
------
/
/
/
/
20
20- /
/
/
I
I
f
15
15-
I.
/
/
I
I
I
/
/
10
10- I. - -
- Datos originales
Datosoriginales
f
----- Modelo
Modelo ajustado
5 -
r
r
r
r
o
55 10 15 20 25
Edad (aos)
Edad (anos)
-59-
k SCE
0.11 0.0916
0.13 0.0543
0.17 0.0187
0.19 0.0187
0.21 0 .0287
0.0287
0.23 0 .0474
0.0474
a = 3.290
loge a ) aa == 26.83
bb == 5.199
5 . 199
la ecuacin
de donde la ecuaci6n resultante ser~:
resultante ser:
H = 26.83
H 26.83 (1 -
exp(-0.18 A))5.199
(1 - exp(-0.18 A))5.199
est~ representada
la cual est representada en la la figura
figura A.4.1 como una lnea
l{nea discont inua
discontinua
Este enfoque puede
puede extenderse f~cilmente en
e x tenderse fcilmente en dos
dos direcciones,
direcciones, aunque
aunque una
una dis-
dis-
cusi6n detallada al
cusin al respecto est~ fuera
respecto est fuera del
del alcance
alcance de
de este
este manual.
manual.
Y = bb0 ++ bb14
k
X ++ b2X2
k
b X ++ b3X1X2
b X X
Y
o 11 2 2 1 2
3
se
se calculan los bi
b i por medio de una
una regresin
regresi6n lineal
lineal m5ltiple
multiple
con
con una serie de valores tentativos
tentativos de k;k ; se
se plotean
plotean las
las sumas
sumas
residuales para
de cuadrados residuales para cada
cada intento;
intento; sese estima
estima el
el valorde
va l orde
k correspondiente aa la
la suma
suma mnima
minima yy se
se ajustan
ajustan los
los bi
bi con
con di-
di-
valor de
cho valor de k.
k.
(ii) va l or de
La busqueda del valor de kk que
que minimiza
minimiza la
la suma
suma de
de cuadrados
cuadrados re
re
sidual
sidual puede automatizarse,
automatizarse , de modo que todos
todos los par~metros ,in
los parmetros,i
clu!do el no lineal
cludo lineal pueden
pueden calcularse
calcularse por
por un
un programa
programa de
de compu-
compu=
taci6n.
tacin. Esto es bastante sencillo
sencillo de hacer
hacer para
para un
un solo par~me
solo parme-
tro
tro lineal,
lineal, con un programa de computacin
computaci6n lo
10 suficiente
suficiente com-
com-
para pequeos
pacto inclusive para pequenos computadores
computadores de
de mesa.
mesa. Mtodos
Metodos a-
a-
propiados de minimizar sese exponen
exponen en
en Royce-Sadler
Royce-Sadler (1975).
(1975).
Lo s mtodos
Los metodos anteriores est~n diseados
anteriores estn disenados para
para el
el investigador
investigadorque tieneacc~
quenonotiene acce
so
so aa un
un computador
computador de
de mediana
medianao 0gran
granCapacidad.
eapacidad. Si existen
existen buenas
buenasfacilidade-s-
facilidades
computaci6n, el
de computacin, el enfoque
enfoque mejor m~s flexible
mejor yy ms fle xible para
"para ajustar
ajustar curvas
curvas no
no linea
linea
les
les es
es por medio de
de una de las modificaci ones al procedimiento denominado
modificaciones denominado -
de Gauss-Newton,
Gauss-Newton, discutido en algunos
algunos libros
libros dede texto
texto como Draper & & Smith
(1966).
(1966). Estos
Estos metodos
mtodos son
son bastante difciles
dif1ciles de entender,
entender, aunque
aunque el
e l resulta-
-60-
-60-
Suma de cuadrados
residual
0.10
0.08
Valor interpolado
interpol ado de k
0.06
la suma
para la suma minima de
cuadrados residuales
0.04
0.02
o.oo+--------,---------.--------.---~--~------__,
0.11 0.13 0.15 0.17 0.19 0.21
final, esto es el
do final, el conjunto
conjunto de
de coeficientes
coeficientes ajustados,es de usouso sencillo.
sencillo.
Consecuentemente, muchos
muchos investigadores necesitar~n acceso a
investigadores necesitaran a un
un programa
progiama de
de
pueda ser
computaci6n que pueda ser adaptado
adapt ado aa sus
sus equipos.
equipos. Existe una
una cantidad
cantidad de ta-
ta-
les
les programas disponibles, incluyendo por ejemplo el programa SNIFTA (Small
programas disponibles, (Small
Nonlinear Fitting
Fitting Algorithm,
Algorithm, Pequeo
Pequeno Algoritmo
Algoritmo de
de Ajuste
Ajuste No
Nolineal) que est~
lineal) que esta
escrito en
en ANSI
ANSI 66
66 FORTRAN,
FORTRAN, yY se
se obtiene
obtiene de:
de:
Section
Biometrics Section
Unit of Tropical Silviculture
Commonwealth Forestry Institute
South Parks Road,
Road, Oxford 0X1
OXl 3RB
3RB
United Kingdom.
United Kingdom.
-62-
APENDICEBB
APE N DIe E
Tablas
Tablas de transformaciones
trans formaciones comunes usadas
usadas en los
los modelos de
regresi6n texto
regresin descritos en el texto
-63-
Tabla
Tabla J.
.k Logaritmosnatur.
Logaritmos naturales (base e)
a les (base e) para
para
los nmeros
los del 11 al
numeros del a1 100
100
X
X ln XX
In X
X ln
In XX X
X In
ln XX
-----------
1 0.00000
1
----------
36 3.58351
-----------
71 4.26267
2 0.69314 37 3.61091 72 4.27666
3 1.09861 38 3.63758 73 4.29045
44 1.38629 39 3.66356 74 44.30406
. 30406
5 1.60943 40 3.68887 75 4.31748
6 1.79175 41 3.71357
3. 71357 76 4.33073
7 1.94591 42 3.73766 77 4.34380
8 2.07944 43 3.76120 78 4.35670
9 2.19722 44 3.78418 79 4.36944
10 2.30258 45 3.80666 80 4.38202
111I 2.39789 46 3.82864 81 4.394411
4.39444
12 2.48490
7..48490 47 3.85014 82 4.40671
13 2.56494 48 3.87120 83 4.4188 11
4.41884
14 2.63905 49 3.89182 . 84
84 44.43081
. 4308 I
15 2.70805 50 3.91202 85 4. 44265
4.44265
16 2.77258 51 3.93182 86 4.45434
4 . 45434
17 2.83321 52 3.95124 87
87 4.46590
18 22.89037
.89037 53 3.97029
3.97029 88 4.47733
19 2.94443 54 3.98898 89
89 4.48863
20 2.99573 55 4.00733 90 4.49980
4.49980
21 3.04452 5~
56 4.02535 91
91 4.51085
22 3.091o4
3.09104 57 4.04305 92 4.52178
23 3.13549 58
58 4.06044 93
93 4.53259
24
24 3.17805 59
59 4.07753 94 4.54329
25 3.21867
3.21857 60 4.09434
.4.09434 95 4.55387
26 3.25809 61 4.11087 96 4.56434
4.5643 11
27 3.29583
3.29583 62 4.12713 97
97 4.57471
28 3.33220 63 4.14313 98 4.58496
29 3.36729 64 4.15888 99 4.59511
4.59511
30
30 3.40119 65 4.17438 100
100 4.60517
11. 60517
31
31 3.43398 66 4.18965 101
101 4.61512
32 3.46573
3.46573 67 4.20469 102
102 4.62497
4.62497
33
33 3.4965o
3.49650 68 4.21950 103
103 4.63472
4.63 1172
34
34 3.52636
3.52636 69 4.23410
4.23410 104
104 4.64439
35
35 3.55534 70 4.24849
4.24849 105 4.65396
-64-
Tabla 22 Funci6n
Funcin exponencial
exponencial exp (X) o al 55
(Xl para valores del 0
X
X .00
.00 .01
.01 .02
.02 .03 .04
.04 .05
.05 .06
.06 .07
.07 .08
.08 .09
.09
1.0
1.0 2.71 2.74 2.77
2.77 2.80 2.82
2.82 2.85
2.85 2.88
2.88 2.91
2.91 2.94 2.97
2.97
1.1
1.1 3. 00
3.00 3.03
3.03 3.06
3.06 3.09 3.12
3.12 3.15
3.15 3. i8
3.18 3.22 3.25 3.28
3.28
1.2 '3.32
.3.32 33.35
. 35 3.38
3.38 3. 42
3.42 3. 45
3.45 3.49
3.49 3.52
3.52 3.56
3.56 3.59
3.59 3.63
3.63
1.3
1.3 3.66 3.70
3.70 3.74
3.74 3.78
3.78 3. 81
3.81 3. 85
3.85 3. 89
3.89 3.93
3.93 3.97
3.97 4.01
4.01
1.4
1.4 4.05 4.09 4.13 4.17
4.17 4.22
4.22 4.26
4.26 4.30
4.30 4.34
4.34 4.39
4.39 4.43
1.5
1.5 4.48
4.48 4.52
4.52 4.57 4.61
4.61 4.66
4.66 4.71
4.71 4.75
4.75 4. 80
4.80 4.85
4.85 11.
4.9090
1.6
1.6 4.95 55.00
. 00 5.05 5.10
5.10 5.15
5.15 5.20
5.20 5.25
5.25 5.31
5.31 5.36 5,41
5.41
1.7
1.7 5.47 5.52 5.58
5.58 5.64
5.64 5.69
5.69 5.75
5.75 5.81
5.81 5.87
5.87 5.92
5.92 5.98
5.98
1.8
1.8 6.04
6.04 6.11
6.11 66.17
.17 6.23 6.29
6.29 6.35
6.35 6.42
6.42 6.48
6.48 6.55
6.55 6.61
6.61
1.9 6.68
6.68 66.75
. 75 6. 82
6.82 6.88
6.88 6.95
6.95 7.02
7.02 7. 09
7.09 7.17
7.17 7.24
7.24 . 31
77.31
2.0
2.0 7.38
7.38 77.46
. 46 . 53 77.61
77.53 . 61 7.69
7.69 7 .76
7.76 7.84
7.84 7.92 8.00
8.00 8.08
8.08
2.1 8.16 8.24 8.
8.33 8.41
33 8.41 8. 49
8.49 8 . 58
8.58 8.67 8.75 8.84
8.84 8.93
2.2 9.02 9 . 11
9.11 9.20 9.29 9.39
9.39 9 :ua ' 9.58
9.48 9.58 9.67
9.67 9.77
9.77 9.87
2.3
2.3 9.97
9.97 10.07
10.07 10.17 10 . 27
10.17 10.27 10.38 10.48
10.48 10.59
10.59 10.69 10.80
10.80 10.91
10.91
2.4 11.02 11 13
11.13 11.24 11.35
11.24 11.35 11.47
11.47 11.58 11.70
11.58 11.82
11.82 11. 94
11.94 12.06
12.06
2.5 12.18
12.18 12.30
12.30 12.42 . 12.55 12.67
12.67 12.80 12.93
12.80 12.93 13.06
13.06 13.19
13.19 1332
13.32
2.6 13.46 13.59
13.59 13 . 73 13
13.73 . 87
13.87 14.01
14.01 14.15 14.29
14.15 14.29 14.43
14.43 14.58
14.58 14.73
14.73
2.7
2.7 14.87
14.87 15 . 02
15.02 15 . 18 15.33
15.18 15.33 15.48
15.48 15 . 5'1 15.79
15.5'; 15.D 1~.n5
1.5 16.11
16.11 16.28
16.28
2.8 16.44 16.60
16.60 16.77 16.94 17.11
17.11 17 .28 17.46
17.23 17.46 17.63
17.63 17 .81
17.81 17.99
17.99
2.9 18 . 17
18.17 18 . 35
18.35 18.54 18.72 18.91
18.91 19 . 10 19.29
19.10 19 . 49
19.49 19.68
19.68 19.88
19.88
3.0
3.0 20.08 20.28 20.49 20.69
20.69 20.90
20.90 21 . 11 21.32
21.11 21. 32 21.54
21.54 21.75 21.97
3.1
3.1 22.19 22.42 22.64.
22.19 22.64 22.87
22.87 23.10
23.10 23.33 23.57
23.33 23.80 24.04
23.57 23.80 24.04 24.28
24.28
3,2
3:2 24.53 24.77
24.53 24 . 77 25.02 25.27
25.27 25.53
25.53 26.04 26.31
25.79 26.04
25.79 26.31 26.57
25.57 26.84
3.3
3.3 27.11 27.38
27.11 27.38 27.66 27.93
27.93 28.21
28.21 28.50 28.78
28.50 28.78 29.07 29.37 29.66
29.66
3.4 29.96 30 . 26 30.56
30.26 30.87 31.18
31.18 31.81 32.13
31.50 31.81
31.50 32.13 32.45 32.78
3.5 33.11 33.44
33.11 33.44 33.78 34.12
34.12 34.46
34.46 . 34.81
34.81 35.16
35.16 35.51
35.51 35.87
35.87 36.23
36.23
3.6
3.6 36 . 59 36.96
36.59 36.96 37.33
37.33 37.71 38 . 09
38.09 38.47 38.86
38.47 38 . 86 39.25
39.25 39.64
39.64 40.04
40.04
3.7
3.7 40.44 40.85
40.44 40.85 4; .26
41.26 41.67
41.67 42.09 42.52 42.94
42.52 42.94 43.38 43.81
43.38 43.81 44.25
44.25
3.8
3.8 44.70 45.15
44.70 45.15 45.60 46.06 46 . 52
46.52 46.99 47.46 47.94 48.42
46.99 47.46 48.42 48.91
48.91
3.9 49.40 49.89 50.40
49.40 50.90
50.90 51 , 41
51,41 52.45 52.98
51.93 52.45 52.98 53.51
53.51 54.05
54.05
4.0 54.59
54.59 55.14
55.14 55.70
55.70 56.26
56.26 56 . 82 57
56.82 57.97 58.55 59.14
. 39 57.97
57.39 59.14 59.7359.73
4.1
4.1 60.34 60.94 6 ~ .55
61.55 62.17 62.80 83.43
62.80 64 . 07 64.71
63. 43 64.07 64.71 65.3665.36 66.0266.02
4.2 66.68
66.68 67 . 35
67.35 68.03 68.71 69.40 70
69.40 . 10 70.80
70.10 70.80 71.52 72.24 72.96 72.96
4.3
4.3 73.69 7~.~4
74.44 75 . is
75.18 73.94
75.94 76.70 Ti.41
76.70 77.47 78.25 i9.0 11 19.83
18.25 Y9.04 79.83 30.64liO.64
4.4
4.4 81.115
81.45 82.26 8~ . 09
83.09 83.93
83.93 84.77 85
84.11 . 62 86.48
85.62 86.48 87.35 88.23 88.23 69.1269.12
4.5 90.01
90.01 90 . 92
90.92 991.83
1 .83 92 . 75
92.75 93.
93.6969 94.63
94 . 63 95.58 96 . 54 97.51
95 , 58 96.54 98 . 49
97 . 51 98.49
4.6
4.6 99.48
99.48 100.48
100.48 10 ~.4 9
101.49 102.51
102.51 103.54 1OU., 58 105.63
103.54 104,58 105 . 63 106.69
106.69 107.77 108 .85
101.77 108.85
4.7
4.7 109.94
109.94 111. 05
111.05 112.16
112.16 113.29
113.29 114 . 43 115.58
114.43 115.58 116.74
116.74 117.91 119.10 120.30
117.91 119.10 120.30
4.8
4.8 121 . 51
121.51 122.73
122.73 12~.96
123.96 125.21
125.21 126.46 127.74
126.46 127.74 129.02
129 . 02 130.32
130 . 32 131.63 132.95
131.63 132.95
4.9
4.9 134.28
134.28 135.63
135.63 137 . 00
137.00 138.37
138.37 141. 17 142.59
139.77 141.17
139.77 ]114 . 02 145.47
142.59 144.02 ]115 . 47 146.93
146.13
-65-
Tabla 3 Potencias de los
Potencias de los rec!procos
recprocos para
para valores
valores del
del 22 al
al 50
50
valor del
del exponente
eXEonente
X
X 0.2 0.4 0.6 0.8- 1,0
0.8 1.0 1.2 1.4 1.6
1.6 1.8 2.0
2.0
--------------------------------------------------------------------------
.65975 .57434 .50000 .43527 .31892 .32987 .28717 .25000
.43527 .37892
-2 .87055 .75785 .65975
3 .80274 .64439
.6111439 .51728 .41524
.41524 .33333 .26758 .21479 .17242
.172142 .13841
.138141 .11111
44 .75785 .57 434
.57434 .43527 .32987 .25000 .18946
.189146 .14358 - .10881 .08246 .06250
55 .72477
.721477 .52530 .38073 .27594 .20000 .14495
.14495 .10506 .07614
.076111 .05518 .04000
66 .69882 .48835 .34127
.314127 .23849
.238149 .16666 .11647 .08139 .05687 .03974 .02777
7 .67761 . 45915
.45915 .31112 .21082 .14285
.111285 .09680 .06559 . 04444
.04142414 .03011 020 UG
..02040
8 .65975 .43527
.43527 .28717 .18946 .12500 .08246 .05440
.0511140 .03589 .02368 .01562
99 .64439
.624439 . 41524
.241524 .26758 .17242 .11111 .07159 .04613 .02973 .01915 .0 123~
.012314
50
50 ..45730
45730 ..20912
20912 .09563 .04373 .02000
. 02000 .00914 .00418 .00191 .00087 .000 110
.000'0
-66-
-66-
Tabla 44 ES12aciamiento
Espaciamiento l:' eS12aciamiento
es aciamiento relativo % funci6n de
% en funcin de la
la masa
maSi!
forestal la altura
l:' de la
forestal y altura
Esp. 2.0
2.0 2.5
2.5 3.0
3.0 3.5
3.5 4.0 4.5
4.5 5.0
5.0 6 .0
6.0 7.0 8.0 m.
m.
N/ha.
N/ha. 2500
2500 1600 1111
1111 816
616 625
625 494 400
400 218
278 204
204 256
Altura
m
m
---------------- Espaciamiento relativo %% ------------------
.5 110
40 50
50 60
60 70 80
80 89
89 100
100 119
119 140
140 160
160
6 6 33
33 111
41 50
50 58 66 711
74 83
83 99
99 116
116 133
133
7 28
28 35
35 42
42 50
50 57
57 64
64 71
71 85
85 100
100 114
114
8 25
25 31
31 37
37 43 50
50 56
56 62 74
74 67 100
100
99 22
22 27
27 33 38
36 44
44 49
49 55
55 66
66 77 88
88
10
10 20 25
25 30
30 35
35 40
40 44
44 50 59
59 70 80
80
11
11 18
18 22
22 27
27 31
31 36
36 40 45 54
54 63
63 72
72
12 16
16 20
20 25 29
29 33
33 37
37 41
41 49
49 58
58 66
66
13
13 15
15 19
19 23
23 26
26 30
30 34
34 38
38 46
46 53
53 61
61
14
14 14
14 17
17 21
21 25 28
28 32 35
35 42
42 50 57
57
15
15 13
13 16
16 20
20 23
23 26
26 29 33
33 39
39 46
46 53
53
16
16 12
12 15
15 18
18 21
21 25
25 28
28 31
31 37
37 43 50
17
17 11
11 14
14 17
17 20
20 23 26
26 29 35
35 41
41 47
47
18
18 11
11 13 16
16 19 22
22 2/1
24 27
27 33
33 38 44
411
19
19 10
10 13
13 15
15 18
18 21
21 23
23 26
26 31
31 36
36 42
42
20
20 10
10 12
12 15
15 11
17 20
20 22 25
25 29
29 35
35 40
40
21
21 99 11
11 14
14 16
16 19
19 21
21 23
23 28
28 33 38
38
22 99 11
11 13 15 18
18 20 22 21
27 31
31 36
36
23
23 8
8 10
10 13
13 15
15 17
17 19
19 21
21 26
26 30 34
34
24
24 88 10
10 12
12 14
14 16
16 18
18 20 . 24 29 33
33
25
25 8
8 10
10 12
12 14
14 16
16 11
17 20
20 23
23 28 32
32
26
26 77 99 11
11 13
13 15
15 17
17 19
19 23
23 26
26 30
30
27
27 7
7 9
9 vi
11 12
12 14
-iii 16
16 18
18 22
22 25 29
29
28 77 88 10
10 12
12 14
14 16
16 17 21
21 25
25 28
28
29
29 66 e
8 10
10 12
12 13 15
15 17 20 ::4
24 . 21
27
30 66 8
8 10
10 11
11 13
13 14
14 16
16 19
19 23 25
26
31
31 66 8
8 99 11
11 12
12 14
14 16
16 19
19 22
22 25
32 6
6 7
7 9
9 10
10 12
12 14
14 15
15 18
18 21
21 25
25
33
33 66 7
7 99 10
10 12
12 13
13 15
15 18
18 21
21 24
24
34 55 7
7 8
8 10
10 11
11 13
13 14
14 11
17 20 23
23
35
35 55 7
7 88 10
10 11
11 12
12 14
14 11
17 20
20 22
22
36 55 66 88 99 11
11 12
12 13 16
16 19
19 22
22
31
37 55 6
6 86 9
9 10
10 12
12 13
13 16
16 18
18 21
21
38
38 55 66 17 99 10
10 11
11 13
13 15 18
18 21
21
39
39 55 6
6 17 88 10
10 11
11 12
12 15
15 17
17 20
20
40
40 5
5 66 17 88 10
10 11
11 12
12 14
14 17
17 20
20
41
41 44 6
6 17 88 99 10
10 12
12 14
14 11
17 19
19
42
42 4
4 5 17 8
8 9
9 10
10 11
11 14
14 16
16 19
19
43 44 5
5 66 88 9
9 10
10 11
11 13
13 16
16 18
18
44
44 4
4 55 6
6 77 9
9 10
10 11
11 13
13 15 18
18
45
145 4
14 5
5 66 17 8
8 99 11
11 13
13 15
15 17
17
-67-
-67-
APENDICECC
APE N DIe E
Formatos
Formatos en blanco para registro
registro de datos yy c~lculos
de datos calculos descritos
descritos
en el texto principal.
principal .
-68-
-68--
3.1
Formato 3.1 Evaluaci6n de muestreo -- Plantaciones
Evaluacin parcelas de Plantaciones
Hoja
HojaD de 0
I.
Arbol N"
Afllol N .. DAP c/cort
!lAP c/cort Altura ------- Ci5digos
C6digos - ------
Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . ......
Observaciones.. . . . . . .,......, .........................
. . . . .. . ....... . .......... ...... .
. ... . . . . . .. . . . . . . . . . . . . . . . . .. . . . .. . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . . . . . . . . .. . . . . . .. .
por. . . . . . . . . . . . . . . ...... . .... Fecha
Levantado por Fecha .... / .... / ...... .
PARA CALCULAR
USE EL RESPALDO PARA CALCULAR LAS
LAS ALTURAS
ALTURAS
-69-
5.1
Formato 5.1 de regresin
Modelos de re resi6n de pendiente
endiente coman
coman y trmino inde endiente
t~rmino independiente
corn n.
coman.
~ranSformaCi6n de datos
I
Transformacin datos x =
. usada:
usada: y =
I
Parcela
DatOs originale
Datos oriainal"'. Datos transformados
X
X .y
Y X~
X2 XY
Totales nn ==
Parcela
~tos oriqinales
Datos originales transformados
Datos transformados
X
X y
Y X~
X2 XY
Totales nn ==
Parcela
Datos originales Datos transformados
X
X yY X~
X2 XY
Totales nn =
,Totales
-70-
5.1
Formato 5.1 resi6n de pendiente
Modelos de re resin endiente com5n
comun y trmino
termino independiente
inde endiente
com n.
comn.
par-
Par- IYIY LX2.-(gL
LXy_IlfIY
XY
z
(D)2 IXLXY
IX Do? (z.xt
(2X) n IY
1.Y
cela n
n n
n IX2
2.X2 IX
.IX2 n i
Totales
-.!J ~ .Jl ~ fsJ &J
Termin 0 indep.
Trmino indep. comn
comun aa == ( (6)
(6 ) -
( - (3))/((5)
( 3) ) / ( (5) -- (4)
(4) ) =
)
=
Formato 5.2
5.2 Transformaciones aa los datos de edad y altura de PMP para ajustar el
par~metro
pardmetro kk de la ecuaci6n
ecuacin de Schumacher para estimar la pendiente co
man
mqn
ii j A
Aij aa b c Xii
Xij H.-
Hij
ij d e ff gg h Yij
Y ij
I
...
-.J
I )0
Transferir a
a formato
formato 5.1
-72-
-72--
A. 11
Formato A. Coeficientes para aproximar una curva cuadrdtica
cuadratica o0 cbica
cdbica
- - - -
Objetivo:
Objetivo: Calcular los
los coeficientes
coeficientes bi
b en
en las
las ecuaciones:
ecuaciones:
i
Y = b+ b1 X+ b2 X2 + b X3 cdbica)
(curva cbica)
6
Y = b0 + bl X + b2 X2 cuadratica)
(curva cuadrdtica)
(1
(1)) Tabular
Tabular los
los datos
datos de
de 3 6 4 puntos para la funcin
funci6n yy calcular
calcular cuadrados
cuadrados
cubos.
y cubos.
y
ii 1
1 2
2 33 4
4
Y.
Y
i ~
<>
<>
i
X.
~ <>
<>
X~
X2 <>
i
~
0.
,
X~ -0
X3 -<> -<> <>
4*. <>
.4>
i ~
.4r.>
(2)
(2) Del
Del cuadro (1)
(1) calcular
calcular las
las diferencias siguientes:
siguientes:
3
iJ- Y.
Yi+1 - Y. X. - X x22 .
Y. - x2
i+1 - X2ii
3
X.
Xi+1 X~3
- X.
1+1 - i~
1+1 - Yii Xi+1
1+1 - Xii 1+1
1 <>
4).
2 <>
4z>
3
.Q
.4. 4
<> I>
41::> 0
<>
(3)
(3) Del
Del cuadro (2) construir los trminos
cuadro (2) terminos mostrados
mostrados en
en el
el cuadro
cuadro siguiente,
siguiente,
de acuerdo
acuerdo a alas
lasdefiniciones:
definiciones:
ii u.
i~
u. v.
i
~
w.
i
w.
~
u.= CZ - Y.)/(Xi+1 - X.)
i+1
1
2 2
v.= (X1 .
- X.)/(X1+1 . X.)
2 1+
3 3
3 w.= (X1 - X.. . - Xi )
1+ )/(X1+1
sigue/
sigue/...
-73-
"..1
Formato A.1 (continuaci6n .. )
(continuacin...)
(4)
(4) del
del cuadro (3) calcular
cuadro (3) calcular los t~rminos Gb1
los tgrminos &1 cuadra
cuadro siguiente,
siguiente, de
de acuerdo a:
a:
w.)/(v. - v.)
qi 1 1+1
ii v.
v i1+1 -
+1 - v.
vii P.i
Pi qi
qi
11
! -
:
2
(5)
(5) Calcular
Calcular los
los coeficientes las siguientes
coeficientes de acuerdo a las siguientes frmulas:
f6rmulas :
b3 (p2-p1)/(q2-q1)
Ninguna
b2 P1 - /93(11 pi
= =
= =
2 3 2
bo
Y1-b1X1-b2X1-b3X1 Y1 - b1X1 1)2)11
= =
** ** ** ** ** ** * * ** * ** ** ** ** ** ** ** ** ** ** ** ** **
**
-74-
-74-
Formato A.3
A.3 Coeficientes yy estad!sticos
Coeficientes estadsticos de
de una
una regresin
reg~es~6n. con
con dos variables
dos variables
predictoras (Parte
(Parte 1)
1)
Descripcin
Descripci6n del
del problema:
problema: ____________________~------------~._----~-----
,.
(1)
(I) Datos
Datos de
de regresin
regresi6n (4) Productos
Productos corregidos
Ey22 = Ly2 _ (iy)
(!Y) 2/n
2/ n =
Y
Y X
X Z LY
Yxy
LXY = IXY-ZXIY/n
LXY- ~X.tY/n ==
LZY ==E.ZY-7Z.1Y/n
Ezy tZY-~z.l Yin ==
(Ex.) 2/
Ex2 = lx2- (fX)
[x2 2/nn =
lxz ==ZXZ--7X.1Z/n
Lxz-IX.1Z / n ==
LXZ
Ez2 2 (zz, 2 2,__ '
Ez2_
Ez2 = Ez -(!Z)) in /n ==
,
(5) Determinante
, .. yl_Up_Uga_d=,a_sierGauas__
V m,,1HnH il" r.,.,."""
,
D ==Ex2.zz2_
D (Exz.
LX2 . rz2_{txZ)) = 2
2
=
Tz2/13
g1= Lz2/D =
'1= .
gg2=
= -2Xz/D
-}:xZ/D =
2 Ex2/p2
g3= LX / D =
.
(6) Coeficientes
Coeficientes de
de regresin
regresi6n
bl=
b 1 = g1.Yxy+g2.Ezy
gl:t x Y+g2 [zy ==
.
b2=
b 2= g2.:Exy+g3.E.zy
g2 Exy+g3tzy ==
bo = Y-b 1 X-b 2 Z
b0=1.1-b2.1 -=
Sumadedecuadrados
(7) SUma cuadradosdedelala regresi6n
regresin
1y2 = b .Lxy+b .!.zy =
I(
Y n1ZxY+b2IzY
1 2 =
Sumadedecuadradcs
8) SUIl'a cuadradosresidual
residual
rd 2= 2y2-1y2 ==
xd2_,
I
I (9) Gradosdedelibertad
Grados libertad del
del residuo
resl-duo
(2)) Totales
(2 Totales yy productos
productos
Igl=
Igl n-3n 3=
zy2
LY' LY LXY
ZXY tZY
EZY
n lX Iz
(3) Promedios
(3) Promedios Lx2
zx2 Txz
[XZ
3 == EY/n
Y LY/n == Lz2
EZ2 I Parte 2>
Parte 2)
X == EX/n
Ex/n ==
Z == EZ/n
Z/n ==
-75'-
-75-
Formato A.3
Formato A.3 (...Part,_ 2)
( PartL _2)
(10) Correlaci6n
(10) e.'t re variables
Correlacin e:
2
ryx
r
yx = rxY/'f(Ix .r. y 2)
=Ixy/f(Zx2.1.y2) =
ryz
r = Lyz/V"(rz2
= .ly2) =
s-vz/ir(Ez2.Iy2)
yz
2
rxz = txzl V'n:x rz2) =
Exz/V(Ix2Ez2) =
rxz =
(11)
(11) Coeficiente
Coeficiente de
de correlaci6n
correlacin multiple
maltiple R y R~
y R2
= IYI!y
R2 = EIVEy ==
R
R = ,/R2
=\[R2 =
(12)
(12) An&lisis
Analisis de varianza
Surna
Suma de cuadrado Raz6n
Razn de
Causas Cuadrados g.!.
g.l. medio Varianzas
Regresion
Regresin n 2
z372
22
Residual ~d2
Ed2 gl = ss2
= 2
Total zy2
Ly2 n-1
n-1
(13) Desviaci6nstandard
(13) Desviacin standard residual
residual
s = Vs
-
2
=
(14)
(14) Error standard yy valores
Error standard valores tt de
de los
los coeficientes
coeficientes
Coeficiente b1 bb22
bl
1= 1=
standard ssh
Error standard s.
s. Vg
fil= s.Tg3=
sVg
b
t = b/sb
t
(15) Intervalos
(15) Intervalos de
de confianza de
de las
las predicciones
predicciones
Para una serie de m
m estimados de
de YY aa un
un nivel
nivel dado
dado de X, Z,
de X, Z, el
error standard de
de la
la prediccin
predicci6n promedia
promedia esta
est& dado
dado por:
por:
\ r.
Ii (11m +l/n
= s. \(-(1/m
Sy = + g1.x2
+1/n +
2
gl x ++ 2.g2.x.z
2
g3 z )
2g2 x z ++ g3.z2)
sy
(X -- X)
donde x = (X R) ; zz == (Z Z).
(Z -- -2). Para una muestra grande, 11m
grande, l/m
senacero; para un slo
seracero; s610 punto
punto sera
ser& la
la unidad.
unidad.
-76-
APENDICE
APE N DIe E D
D
Bibliograf!a comentada
Bibliografa comentada
Esta
Esta bibliograf!a revisi6n completa de la literatura sobre medi-
~ es una revisin
bibliografa no
ciones forestales. Simplemente se sugiere una serie de libros de referencia
ciones forestales. reirencia
este manual, los
para completar este los cuales
cuales pueden
pueden utilizarse
utilizarse para investigar
investigar o0
arnpliar tecnicas sugeridas.
ampliar las tcnicas sugeridas.
Los artculos
art!culos tcnicos
tecnicos referidos
referidos en
en el
el texto se han indicado al pie de la
la
pagina correspondiente
correspondiente yy no
no se
se incluyen
incluyen aqu.
aqu!.
-77-
11 Assmann E.
E. - 1970 -- The
- The Principles of
of Forest
Forest Yield
Yield Study.
Study. Pergamon
Pergamon Press.
Press.,
506. Un tratado muy completo sobre la teora
pp 506. teor1a del
del crecimien
to
to del
del bosque con discusin
discusi6n de numerosos ejemplos.
ejemplos. La
La mayor
mayor -
parte de los conceptos estn
estn generalizados
generalizados,para
para los rodales
coetneos del Norte de Europa y no son necesariamente vli-
coetneos vli-
los trpicos.
dos en los tr6picos. Slo
s6lo se
se discuten
discuten modelos
modelos estticos
estticosde
de ' ren
ren
dimiento y modelos alomtricos.
alom~tricos.
22 Avery T.E.
T.E. - 1967 -- Forest Measurements. McGraw-Hill.
- McGraw-Hill. pp
pp 290.
290.
Enfatiza los aspectos prcticos
practicos de trabajos de campo yy anli-
anali-
sis
sis primario
primario de
de datos.
datos. Orientado
Orientado aa las
las practicas
prcticas yy terminolo-
terminolo-
g!a de Norte Amrica,
gia America, de modo que no es completamente adecua-
do para los trpicos,
tr6picos, pero a pesar de ello es un libro
libro de tex
to 1til.
uti!.
33 Burley J.
J. & Wood P.J.
& P.J. (Editores)
(Editores) -- 1976 --
A on Species
A Manual on Species and
and Provenance
Provenance Research
Research with
with particular
particular
reference to
reference to the
theTropics.Tropical
Tropics.Tropical Forestry
Forestry Paper10,Ocrmonwealth
Paper10,Ccrrrnonwealth
Forestry Institute,
Institute, Oxford.
Oxford.
Un vclumen util para acompaar
volumen til acompanar el presente trabajo,
trabajo, cubriendo
prcticos de los
aspectos prcticos los requerimientos de la la investigacin
investigaci6n
en la fase exploratoria de la la introduccin
introducci6n de especies
especies exti-
ex6ti-
cas para plantaciones.
cas plantaciones. Prctico
Prctico en su orientacin
orientaci6n y escrito
con sencillez. Un Un apndice separado (por
ap~ndice separado (por J.F.
J.F. Hughes
Hughes &&R.A.
R.A.
Plumtre)
Plumtre) cubre estudios de calidad de la madera ; . .
44 CAB - 1977
- 1977 -- Computerized
ComputerizedMethods
MethodsininForest
Forest Planningand
Planningand Forecasting.
Forecasting.
Bibliography F14.
Annotated Bibliography F14. Commonwealth
Commonwealth Agricultural
Agricultural Bureau,
Bureau,
UK.
literatura mundial publicada entre 1973-1976.
Cubre la literatura 1973-1976. Da un
sumario
sumario completo dede cada referencia.
referencia. Muchas citas tienen re- re-
levancia directa en el el campo
campo de
de la
la prediccin
predicci6n yy control
control del
del
rendimiento.
88 Draper N.
Draper N. & Smith H.
& Smith H. -- 1966 -- Applied Regression Analysis.
Analysis. Wiley-
Interscience.
Interscience. pppp 407.
407.
Casi un clsico
clsico libro de texto
texto en
en regresi6n
regresin multiple
mltiple yy no li-
neal. teorfa de regresi6n
neal. Comprende teora simple, lgebra
regresin simple, lgebra de matri-
ces para regresin
regresi6n multiple,
mltiple, anlisis
anlisis dede residuales, regre-
residuales, regre-
si6n
sin paso
paso aa paso,
paso, uso
uso de
de la
la regresi6n
regresin para
para analizar
analizar experimen
experimen
tos
tos controlados
controlados ee introducci6n
introduccin aa la
la regresi6n
regresin lineal.
lineal. Se
Se re--
quierm conocimientcs elementales de
quiereaconocimientaselementales de lgebra
lgebra de
de matrices
matrices yy de
clculo
clculo diferencial.
99 FAO -- 1974
1974 -- Manual
Manual de inventario
inventario forestal
forestal con especiar referen-
especial referen-
cia aa los
los bosques
bosques mixtos tropica~es. Organizaci6n
mixtos tropicales. Organizacin de las Na-
Na-
ciones Unidas para lala agricultura
agricultura yy la
la alimentacin,
alimentaci6n, Roma.
Roma.
pp 19.5
195.
Una
Una referencia
referencia esencial para trabajos de
para trabajos de estudio de rendimien
to.
to. Mucho
Mucho enfsis diseno de
enfsis en el diseo de muestreo forestal yy en las
muestreo forestal las-
f6rmulas
frmulas apropiadas.
apropiadas. Pautas
Pautas prcticas
prcticas para
para la
la ejecuci6n
ejecucin de
de un
un
inventario forestal y para
para el
el registro
registro de
de datos.
datos.
10 Fries J.
J. (Editor)
(Editor) -- 1974
1974 -- Growth models for
for tree
tree and
and stand simulatio~
stand simulation.
Research Note
Note N30.
N30. Department ofof Forest Yield Research,Royal
College of Forestry,
Forestry, Stockholm,
Stockholm, Sweden,
Sweden, pp
pp 379.
379. (Obtenible de
J. Fries,
J. Fries, University of Agricultural Sciencies, S-750 07
Uppsala, Sweden. Precio
Uppsala, Precio US
US $$ 25).
25).
Recolecci6n artfculos de
Recoleccin de artculos de la
la reunin
reuni6n del grupo dede trabajo
trabajo
S4.01-4
S4.01-4 de IUFRO.
IUFRO. Muchas ideas
ideas tiles.
utiles.
11 Fries J.,
J., Brukhart H & Max T (Editores)
H & (Editores) -- 1978
1978 -- Growth models for for long
long
term forecasting of
of timber
timber yields.
yields. FWS-1-78.
FliS-1-78 . .Schoolof
School ofRprestry
Fbrestry
and Wildlife Resources,
Resources, Virginia Polytechnic Institute
Institute and
University, Blacksburg, VA 24061,
State University, 24061, USA,
USA, pp 249.
249. Recolec-
Recolec-
ci6n artfculos de la reunin
cin de artculos reuni6n del
del Grupo IUFRO. Mu
Grupo S4.01 de IUFRO.
chas ideas
ideas tiles.
utiles.
12
12 Green P.E. &
& Carroll
Carroll J.D.
J.D. -- 1976 - Mathematical Tools
1976 - for Applied
Tools for
Multivariate Analysis.
Multivariate Analysis. Academic
Academic Press.
Press. pp
pp 376.
376.
Un buen texto de auto-enseanza
auto-ensenanza para el lgebra
lgebra de matrices
en lo 10 que se aplica a a la
la regresin
regresi6n mltiple,
multiple, anlisis
anlisis de com
com
ponentes principales,
ponentes principales, anlisis
anlisisde
defactores
factoresy yanlisis or~
anlisisdedeor1-7
d e Id . ) n.
4:1.3
13
13 Husch B.,
B., Miller C.I. &
Miller C.I. & Beers
Beers T.W.
T.W. -- 1972
1972 -
- Forest Mensuration.
Un texto 'clsico'
'clsico' de mediciones forestales,
forestales, enfatizando
enfatizando ms
ms
en la medi cione s que en los
mediciones los modelos,
modelos, yy con un
un tratamiento
tratamiento muy
predicci6n del crecimiento.
limitado de la prediccin lasoo~
crecimiento. Orientado aa lascan
Am~rica, algunas
diciones de Norte Amrica, algunas prcticas
prcticas son inapropia-
inapropia--
das
das para los trpicos,mientras
tr6picos , mientras que problemas especficamente
espec!ficamente
no so_a
tropicales no son considerados.
considerados. Un
Un texto util
til de mediciones
bsicas.
bsicas.
Land A.
14 Land A. &
& Powell S.
S. -- 1973 -- FORTRAN Codes for
for Mathematical
Programming. pp
pp 249.
249.
Contiene programas completos y y documentacin
documentaci6n para
para programa-
programa-
ci6n entera yy cuadrtica.
cin lineal, entera cuadrtica. usando
usando FORTRAN, con
con expli-
expli-
caciones sucintas
sucintas de
de lala teora
teorfa bsica.
bsica.
-79-
15 Pard~ J.
Pard J. - 1961 -- Dendrometrie.
- Dendrometrie. UnUn texto
texto clsico
clasico de
de mediciones
medimones foresta-
les, pero con mas
les, construcci6n de tablas
ms enfasis en la construccin tab las de ren
dimiento que Husch et al. al. Muy bueno en mediciones instrumen-
instrumen--
tales, especialmente el relascopio,
tales, relascopio, y en el desarrollo de mo-
simples para
delos simples pa'r a las
las interrelaciones
interrelaciones de las las variables de
de
los rodales.
los rodales. Probablemente el mejor texto actual sobre medi-
ciones forestales.
forestales . No est
esta orientado
orientado aa problemas
problemas tropicales.
tropicales.
francii\s.
En franc4s.
E.C
16 Pielou E.0 -- 1977 -- Mathematical Ecology.
Ecology. Wiley-Interscience.
Wiley-Interscience. pp pp 385.
385.
libro de referencia
Un excelente libro referencia para
para el
el modelaje matemtico
matematico
dinarnica de poblaciones,
de dinmica poblaciones , dispersin
dispersi6n dede poblaciones
poblaciones yy anli
anali
sis de asociacin.
asociaci6n . De
De ms inter~s para
mas inters para el
el eclogo
ec6logQ -.
.-:: sivicul
silvicul=-
tor que para el administrador
adrninistrador forestal.
forestal. La seccin
secci6n de anli-
anali-
sis de asociacin
asociaci6n es importante para estudios en bosques hdme hWme
tropicales.
dos tropicales.
Poole R.W.
17 Poole R.W. -- 1974 -- An Introduction
Introduction to
to Quantitative
Quantitative Ecology.
Ecology . McGraw-Hill.
McGraw-Hill.
532.
pp 532.
una gran variedad de
Abarca una de tcnicas
tecnicas en
en ecologa
ecologla con
con nfasis
enfasis
la construccin
en la construcci6n de modelos.
modelos. Menos
Menos terico
te6rico yy con
con ms
mas ejem-
ejem-
informacion introductoria mas
plos e informacion basica que el
ms bsica e l libro
l i bro de
Pielou. Se necesita
Pielou. necesita conocimientos
conoc.i mientos elementales
elementales de
de clculo
c a lcul o yy
algebra de
lgebra de matrices.
matrices.
18 Prodan
Prodan M.
M. - 1968 -- Forest
- Forest Biometrics.
Biometrics. Pergamon
Pergamon Press.
Press . pp
pp 447.
447 .
Tratarniento atil de
Tratamiento muy 5til de los
los basamentos
basamentos estadsticos
estadlst i cos enen los
los es
es
tudios de crecimiento forestal.
forestal. Requiere
Requiere una
una moderada
mo derada compe-
compe=-
matematica . Buen
tencia matemtica. Buen enfoque
enfoque del
del ajuste
ajuste de
de funciones
f unciones de
de
no lineales,
crecimiento no lineales, aunque
aunque el
el libro
libra no
no est
esta directamente
directarnente
practicas. Primordialmente
orientado a aplicaciones prcticas. Primordialmente influen-
influen-
por las
ciado por las prcticas
practicas forestales
forestales europeas.
europeas .
19 Royce-Sadler
Royce-Sadler D.
D. -- 1975 -
- Numerical Methods
Methods for
for Nonlinear
Nonlinear Regression.
Regression .
Queensland Press.
University of Queensland Press. pp
pp 89.
89.
los principales
Un sumario de los principales mtodos practicos para
m~todos prcticos para ajustar
ajustar
los coeficientes de los
los los modelos no lineales.
lineales . Se
Se asume
asume algdn
algan
calculo yy. lgebra
conocimiento de clculo algebra matricial.
matricial. Exposiciones
Exposiciones su-
su-
claras de
cintas y muy claras de los
los algoritmos
algoritrnos esenciales.
esenciales.
G.A.F.- 1977
20 Seber G.A.F.- 1977 -- Linear
Linear Regression
Regression Analysis.
Analysis . Wiley-Interscience.pp
Wiley-Interscience.pp465. 465.
Mas terico,
Ms te6rico, completo
completo yy actualizado
actualizado queque el
el texto
texto de
de Draper
Draper &&
Smith. Se requiere
Smith. requiere un
un buen
buen entendimiento
entendimiento del lgebra
algebra dede ma-
trices,
trices, pero es un libro
libro de referencia muy 5til atil para
para el
el es-
es-
tadlstico.
tadstico.
ShannonR.E.-
21 Shannon R.E.-1975
1975 - Systems
- Systems Simulation:
Simulation: TheThe andand
AstArt Science.Prentice-Hall.pp
Science. Prentice-Hall.pp 387.
387.
referencia muy
Un libro de referencia muy dtil
atil para
para el
el investigador intere-
intere-
sado en la construccin
construcci6n de
de modelos de de simulacin.
simulaci6n . Cubre
Cubre gene-
gene-
raci6n de numeros
racin numeros aleatorios,
aleatorios, ajuste
ajuste dede modelos,
modelos, anlisis
analisis de
de
sistemas,
sistemas, modelos experimentales, tomatoma de
de decisiones
decisiones usando
usando
modelos yy contiene
contiene varios
varios casos
casos de
de estudio.
estudio.
Snedecor G.W.
22 Snedecor G.W.& &Cochran
Cochran W.G.
W.G. - 1967
- 1967 - StatistiCal
- Statistical IowaState
Methods.Iowa
Methods, StateCollege
College
Press . Excelente
Press. Excelente libro
libro de
de referencia
referencia de m~todos estadsticos.
de mtodos estadlsticos .
requiere un
No requiere un nivel
nivel excesivamente
excesivarnente alto
alto de
de habilidad
habilidad matem-
matema-
(no se
tica (no se necesita
necesita clculo
calculo ni
ni lgebra
algebra de
de matrices).
matrices) . Cubre
Cubre
-80-
23
23 Stark P.A -- 1970
1970 -- Introduction
IntroductiontotoNumerical
NumericalMethods.
Methods. Maanillan.ppH? 334.
Macmillan. 334.
Texto b~sico
Texto bsico sobre
sobre mtodos
mtodos numricos
numricos para
para computadoras.
computadoras. Inclu
ye
ye soluci6n
solucin de ecuaciones, ecuaciones simult~neas,
ecuaciones, ecuaciones simultneas, integra--
ci6n
cin yy diferenciaci6n
diferenciacin numrica interpolaci6n con
numrica e interpolacin con polino-
polino-
mios.
mios. Muchos mtodos est~n ilustrados con programas
mtodos estn programas cortos en
FORTRAN. Tambin da
FORTRAN. Tambin da una
una introduccin
introducci6n al ~lgebra de
al lgebra de matrices.
matrices.
Requiere habilidad matem~tica
Requiere habilidad matemtica dede un
un nivel
nivel apropiado
apropiado dede ingre
ingre
so
so aa la I;\niversidad
universidad.. Explica el ~lgebra de
e.1 lgebra de matrices, pero
pero su su
pone conocimientos de c~lculo.
de clculo.
24
24 Universal Encyclopaedia of
of Mathematics.
Mathematics. Pan
Pan books.
books. pp
pp 715.
715.
Un libro de referencia econmico
econ6mico y extremadamente util para
extremadamente iltil para
f6rmulas de ~lgebra,
frmulas de trigonometrfa, geometra,
lgebra, trigonometra, c~lculo, etc,
geometrfa, clculo, etc,
tablas matem~ticas
tablas matemticas yy terminologa.
terminologfa.
25
25 Wagner H.M -- 1975 -- Principies
Principles of Managment
ManagmentScience.
Science. Prentice-Hall. pp
Prentice-Hall. pp 612.
612.
Un excelente libro
Un excelente libro de
de texto
texto de
de mtodos
mtodos cuantitativos para
para la la
torna
toma de
de decisiones
decisiones para
para administradores,
administradores, incluyendo
incluyendo programa-
programa-
cin lineal yy matem~tica
ci6n tipos , control de inven
matemtica de todos los tipos,
tarios,
tarios, modelos
modelos de simulaci6n
simulacin yy de
de colas.
colas. No
No requiere
requiere muchos
muchoT
conocimientos matem~ticos c~lculo ni
(no se necesita clculo
matemticos (no ~lgebra
ni lgebra
de matrices)
matrices)..
26
26 Wright H
H (Editor)
(Editor) -- 1980
1980 -- Planning,
Planning, perfomance and evaluation of of
and yield
growth and yield studies.
studies. Commonwealth
Commonwealth Forestry
Forestry Institute,
Institute,
Oxford, Britain. (En
Oxford, Great Britain. (En prensa).
prensa). Recopilacin
Recopilaci6n de artcu-
artfcu-
los
los de la reunin
reuni6n del
del Grupo
Grupo S4.01
54.01 de
de IUFRO.
IUFRO. Muchas
Muchas ideas
ideas ilti
uti
les.