Estimación de la biomasa de la copa de tres especies de coníferas mediante el área transversal en la base de la copa viva
Resumen
Objetivo del estudio: Se evaluó el error en la estimación de la biomasa de ramas, la biomasa del follaje y la biomasa de copa (es decir, la suma de la biomasa de ramas y follaje) basado en el diámetro en la base de la copa viva.
Área de estudio: Los focos fueron ciprés hinoki [Chamaecyparis obtusa (Siebold et Zucc.) Endl.], alerce japonés [Larix kaempferi (Lamb.) Carrière] y abeto de Sajalín [Abies sachalinensis (Fr. Schmidt) Mast.] en plantaciones forestales ubicadas en Japón.
Material y métodos: Se muestrearon diecinueve cipreses destructivamente en las cuatro masas. Se incluyeron en el análisis mediciones de 64 cipreses, 44 alerces y 27 abetos. Se aplicó una función de potencia como ecuación alométrica para establecer la relación entre el diámetro en la base de la copa viva y la biomasa del follaje, ramas y copa. Se realizó una validación cruzada para evaluar la precisión y exactitud de la estimación de la biomasa para cada componente utilizando la función de potencia. La biomasa de copa se estimó a partir del volumen del fuste utilizando la densidad básica de la madera y el factor de expansión de biomasa como método tradicional para comparar el error.
Resultados principales: Se detectó poco sesgo en la estimación de la biomasa de follaje, ramas y copa. El porcentaje de error cuadrático medio fue el más bajo para la biomasa de ramas (36%, 26%), seguido de la biomasa de copa (52%, 26%) y la biomasa de follaje (84%, 34%) para ciprés y alerce, respectivamente. Estos porcentajes de error cuadrático medio fueron menores que los obtenidos utilizando una ecuación alométrica basada en el diámetro a la altura del pecho y la altura total.
Aspectos destacados de la investigación: Este estudio indica el potencial de utilizar una única ecuación alométrica común para cada especie para estimar con precisión la biomasa de la copa.
Descargas
Citas
Abe N, 1981. Studies on the management of Abies sachalinensis Mast. planted forest (III) On biomass estimation of 53-year-old stand. Bull Hokkaido For Exp Stn 19: 115-128. (in Japanese with English summary) https://agriknowledge.affrc.go.jp/RN/2010243965
Affleck DLR, 2019. Aboveground biomass equations for the predominant conifer species of the Inland Northwest USA. For Ecol Manag 432: 179-188. https://doi.org/10.1016/j.foreco.2018.09.009
Aizawa S, Ito E, Hashimoto T, Sakata T, Sakai H, Tanaka N, Takahashi M, Matsuura Y, Sanada M, 2012. Influence of fertilization on growth of 37-years-old plantations of Abies sachalinensis, Picea jezoensis, Picea glehnii and Betula maximowicziana. Boreal For Res 60: 93-99. https://doi.org/10.24494/jfsh.60.0_93
Amateis RL, Burkhart HE, Dunham PH, 1992. Estimating dry weight of dormant-season foliage of loblolly pine. Biomass Bioenergy 3: 319-322. https://doi.org/10.1016/0961-9534(92)90003-9
Dong L, Zhang L, Li F, 2014. A compatible system of biomass equations for three conifer species in Northeast, China. For Ecol Manag 329: 306-317. https://doi.org/10.1016/j.foreco.2014.05.050
Falster DS, Duursma RA, Ishihara MI, Barneche DR, FitzJohn RG, Vårhammar A, Aiba M, Ando M, Anten N, Aspinwall MJ et al., 2015. BAAD: a biomass and allometry database for woody plants. Ecology 96: 1445. https://doi.org/10.1890/14-1889.1
Fernández-Sarría A, López-Cortés I, Martí J, Estornell J, 2022. Estimation of walnut structure parameters using terrestrial photogrammetry based on structure-from-motion (SfM). J Indian Soc Remote Sens 50: 1931-1944. https://doi.org/10.1007/s12524-022-01576-x
Gao Q, Kan J, 2022. Automatic forest DBH measurement based on structure from motion photogrammetry. Remote Sens 14: 2064. https://doi.org/10.3390/rs14092064
Greenhouse Gas Inventory Office of Japan, Ministry of the Environment Japan (eds), 2024. National greenhouse gas inventory report of JAPAN, 2024. Center for Global Environmental Research, Earth System Division, National Institute for Environmental Studies, Japan. https://www.nies.go.jp/gio/en/archive/nir/pi5dm3000010ii0r-att/NID-JPN-2024-v3.0_gioweb.pdf
Hagihara A, Yokota T, Ogawa K, 1993. Allometric relationships in hinoki (Chamaecyparis obtusa (Sieb. et Zucc.) Endl.) trees. Bull Nagoya Univ For 12: 12-29. https://doi.org/10.18999/bulnuf.12.1
Inagaki Y, Nakanishi A, Tange T, 2020. A simple method for leaf and branch biomass estimation in Japanese cedar plantations. Trees 34: 349-356. https://doi.org/10.1007/s00468-019-01920-8
Japan Meteorological Agency, 2022. Mesh climatological normals 2020. https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-G02-v3_0.html [23 January 2025]. (in Japanese)
National Land Agency, 1974. 1:20,0000 soil map. https://nlftp.mlit.go.jp/kokjo/inspect/landclassification/land/l_national_map_20-1.html [31 January 2025]. (in Japanese)
Kamei H, Nakajima T, Tatsuhara S, 2024. Evaluation of carbon emission reduction effect of Cryptomeria japonica stand management in Yamagata Prefecture, Japan. Can J For Res 54: 698-711. https://doi.org/10.1139/cjfr-2023-0226
Kershaw JA Jr., Ducey MJ, Beers TW, Husch B, 2017. Forest Mensuration. Fifth edition. Chichester, UK. 613 pp.
Komiyama A, Kato S, Ninomiya I, 2002. Allometric relationships for deciduous broad-leaved forests in Hida District, Gifu Prefecture, Japan. J Jpn For Soc 84: 130-134. (in Japanese with English summary) https://doi.org/10.11519/jjfs1953.84.2_130
Kyoto University, the University of Tokyo, Niigata University, Shishu University, 1963. Busshitsu junkanmen yori mita shinrin seitaikei no seisanryoku: Shiryo No.1 [Productivity of forest ecosystems from the viewpoint of cycle of matter: Data No. 1]. 373 pp. (in Japanese)
Liang X, Kankare V, Hyyppä J, Wang Y, Kukko A, Haggrén H, Yu X, Kaartinen H, Jaakkola A, Guan F et al., 2016. Terrestrial laser scanning in forest inventories. ISPRS J Photogramm Remote Sens 115: 63-77. https://doi.org/10.1016/j.isprsjprs.2016.02.002
Lovell JL, Jupp DLB, Culvenor DS, Coops NC, 2003. Using airborne and ground-based ranging lidar to measure canopy structure in Australian forests. Can J Remote Sen 29: 607-622. https://doi.org/10.5589/m03-014
Menéndez-Miguélez M, Álvarez-Álvarez P, Pardos M, Madrigal G, Ruiz-Peinado R, López-Senespleda E, Del Río M, Calama R, 2023. Development of tools to estimate the contribution of young sweet chestnut plantations to climate-change mitigation. For Ecol Manag 530: 120761. https://doi.org/10.1016/j.foreco.2022.120761
Ormerod DW, 1973. A simple bole model. For Chron 49: 136-138. https://doi.org/10.5558/tfc49136-3
Osawa A, Kurachi N, Matsuura Y, Jomura M, Kanazawa Y, Sanada M, 2005. Testing a method for reconstructing structural development of even-aged Abies sachalinensis stands. Trees 9: 680-693. https://doi.org/10.1007/s00468-005-0432-5
Parresol BR, 2001. Additivity of nonlinear biomass equations. Can J For Res 31: 865-877. https://doi.org/10.1139/x00-202
Raison RJ, Khanna PK, Benson ML, Myers BJ, McMurtrie RE, Lang ARG, 1992. Dynamics of Pinus radiata foliage in relation to water and nitrogen stress: II. Needle loss and temporal changes in total foliage mass. For Ecol Manag 52: 159-178. https://doi.org/10.1016/0378-1127(92)90500-9
R Core Team, 2024. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org/ [4 February 2025].
Ritz C, Streibig JC, 2008. Nonlinear Regression with R. Springer, New York, USA, 144 pp.
Saputro GB, Tatsuhara S, Miguchi H, 2003. Allometric equations for estimating root systems of mizunara oak (Quercus crispula) in secondary forests. J For Plann 9: 85-95. https://doi.org/10.20659/JFP.9.2_85
Shinozaki K, Yoda K, Hozumi K, Kira T, 1964a. A quantitative analysis of plant form - the pipe model theory I. Basic analyses. Jpn J Ecol 14: 97-105. https://doi.org/10.18960/seitai.14.3_97
Shinozaki K, Yoda K, Hozumi K, Kira T, 1964b. A quantitative analysis of plant form - the pipe model theory II. Further evidence of the theory and its application in forest ecology. Jpn J Ecol 14: 133-139. https://doi.org/10.18960/seitai.14.4_133
Sumida A, Watanabe T, Miyaura T, 2018. Interannual variability of leaf area index of an evergreen conifer stand was affected by carry-over effects from recent climate conditions. Sci Rep 8: 13590. https://doi.org/10.1038/s41598-018-31672-3
Sumida A, Nakai T, Yamada M, Ono K, Uemura S, Hara T, 2009. Ground-based estimation of leaf area index and vertical distribution of leaf area density in a Betula ermanii forest. Silva Fenn 43: 799-816. https://doi.org/10.14214/sf.174
Tamai S, Ohkubo Y, Tsutsumi T, 1983. Studies on the effects of thinning small-diameter trees (VI) Changes in structure and biomass of a Cryptomeria japonica stand during the twelve years after thinning. J Jpn For Soc 65: 372-381. (in Japanese with English summary) https://doi.org/10.11519/jjfs1953.65.10_372
Tange T, Murakawa I, 1990. Growth and biomass of an 87-year-old manmade Chamaecyparis obutsa stand. Bull Univ Tokyo For 82: 103-112. (in Japanese with English summary) https://repository.dl.itc.u-tokyo.ac.jp/records/25517
Tatsuhara S, 2012. Comparison of regression methods for fitting allometric equations to biomass of mizunara oak (Quercus crispula). J For Plann 18: 41-52. https://doi.org/10.20659/jfp.18.1_41
Tziaferidis SR, Spyroglou G, Fotelli MN, Radoglou K, 2022. Allometric models for the estimation of foliage area and biomass from stem metrics in black locust. iForest - Biogeosciences and Forestry 15: 281-288. https://doi.org/10.3832/ifor3939-015
Verra, 2023. VCS Methodology. VM0003: Methodology for improved forest management through extension of rotation age. Version 1.3. https://verra.org/wp-content/uploads/2023/05/VM0003-IFM-Through-Extension-Of-Rotation-Age-v1.3.pdf [25 June 2024].
Yamakura T, Saito H, Shidei T, 1972. Production and structure of under-ground part of hinoki (Chamaecyparis obtusa) stand (I) Estimation of root production by means of root analysis. J Jpn For Soc 54: 118-125. https://doi.org/10.11519/jjfs1953.54.4_118
Yu X, Liang X, Hyyppä J, Kankare V, Vastaranta M, Holopainen M, 2013. Stem biomass estimation based on stem reconstruction from terrestrial laser scanning point clouds. Remote Sens Lett 4: 344-353. https://doi.org/10.1080/2150704X.2012.734931
Derechos de autor 2025 Consejo Superior de Investigaciones Científicas (CSIC)
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.
Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Consulte la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.
