5CFE01-085 2/10 Modelización mediante SIG de la duración y la intensidad de la sombra proyectada por el estrato arbóreo MADRIGAL, G.1, ALONSO PONCE, R. 2, CALAMA, R.3 1 Dpto. Sistemas y Recursos Forestales. CIFOR – INIA. [email protected] Dpto. Inv. Forestal de Valonsadero. Consejería de Medio Ambiente de la Junta de Castilla y León. [email protected] 3 Dpto. Sistemas y Recursos Forestales. CIFOR – INIA. [email protected] 2 Resumen A diferencia de los modelos de luz, que permiten obtener valores de la radiación directa y difusa, este modelo permite calcular la duración de la sombra en unos puntos definidos por el usuario. Esta aplicación está enfocada a estudiar lo que ocurre bajo la cubierta arbórea, y permite analizar la relación que existe entre la duración de la sombra en diferentes periodos de tiempo, con factores de interés como la germinación, la regeneración, la composición del estrato herbáceo, etc. Con datos básicos de geometría de la copa, posición de los árboles dentro de la parcela, y la latitud de la parcela, se obtiene una capa ráster con una tabla asociada que muestra para el periodo de tiempo seleccionado: la duración total del periodo de sombra en minutos (DTS); la duración media diaria del periodo de sombra (DMS), un evaluador de la intensidad total de la sombra en minutos por los centímetros de copa que produce dicha sombra (ITS); y un evaluador de la intensidad media diaria de la sombra en minutos por los centímetros de copa que produce dicha sombra (IMS). La aplicación ha sido desarrollada para Pinus pinea L con datos del monte “Corbejón y Quemados” nº 43 del CUP de la provincia de Valladolid, donde se establecieron 7 parcelas de 60 x 80 metros, para el estudio de la dinámica de la regeneración natural de la especie, con una edad de 120 años. Palabras clave Modelo de sombra, geometría de copa, SIG, ráster, B-Spline tridimensional. 1. Introducción La competencia por la luz en las masas forestales es función principalmente de la densidad de la masa, es decir, depende de la posición de los pies, la geometría de sus copas y las características de transmisión de la luz (CANHAM & BURBANK, 1994); por ello, la sombra proyectada determina los procesos que ocurren en el sotobosque. Los modelos de luz permiten estimar la interceptación de luz por las copas de cada árbol dentro de una parcela. La inclusión de simuladores de luz dentro de modelos de crecimiento supone una mejora de su potencial para describir eficientemente la dinámica forestal (MacFARLANE et al, 2003), en oposición a los modelos que consideran el crecimiento de los árboles en función de valores medios de diferentes índices de competencia (BRUNNER & NIGH, 2000; COURBAUD et al. 2003). Esta aplicación cuantifica otro aspecto diferente al de los modelos de luz, ya que permite obtener una estimación de la duración de la sombra, en vez de luz, sobre una serie de puntos previamente definidos. Aunque la luz es un factor dominante en muchos ecosistemas que influye ‘activamente’ en el crecimiento de los árboles (BRUNNER, 1998), la sombra proyectada por una masa arbolada establecida es necesaria para el establecimiento de nuevas plantas, ya que los procesos de dinámica forestal como la germinación y ubicación de estas plántulas, dependen de la facultad de las plantas de soportar altas radiaciones (GOMEZ- 3/10 APARICIO et al. 2006). La flexibilidad del modelo a partir de los datos que describen la geometría de la forma de la copa permite incluso la representación de copas asimétricas, sin entrar en la descripción de la arquitectura de la copa ni los patrones de ramificación o tamaño de hoja, según explica CESCATTI (1997), hace que la toma de datos no difiera sustancialmente de la de cualquier inventario dasométrico. Únicamente la medición de los radios de copa en los cuatro sentidos de los puntos cardinales, en vez de los diámetros, es la diferencia más reseñable en la toma de datos. Otra ventaja del modelo es que evita la toma y posterior análisis en gabinete de las fotos hemiesféricas de los puntos objetivo, ya que el modelo utiliza un archivo ASCII con las coordenadas de éstos. La aplicación está desarrollada en lenguaje AML (Arc Macro Language) de ArcGis 9® y se apoya en el software de diseño gráfico AutoCad® 2007. 2. Objetivos Los objetivos concretos del presente trabajo son dos: 1. Desarrollo de una aplicación informática que, a partir de la geometría de copas y localización de la parcela de ensayo, permita estimar la duración del periodo de sombra en cualquier punto de dicha parcela, para cualquier periodo del día y del año. 2. Comparar la precisión de cada una de las resoluciones temporales y espaciales que permite la aplicación (10, 15, 30 ó 60 minutos, y 10, 20, 25, 50 ó 100 centímetros, respectivamente). 3. Metodología Datos La geometría de las copas está definida por los cuatro radios medidos en las direcciones cardinales, la altura total del árbol, la altura donde empieza a formarse la copa y la altura donde la anchura de la copa es máxima. A efectos de cálculo se omite la sombra proyectada por el fuste. Las alturas de copa se suponen ubicadas sobre el eje que define la posición del fuste dentro de la parcela. Considerando la forma aparasolada de la copa de Pinus pinea, ésta queda definida matemáticamente en alzado por cuartos de elipse en la mitad superior y por rectas en la parte inferior, que parten desde los radios de copa hasta la altura total y la altura de copa respectivamente. A continuación, cada copa se divide en capas de espesor o resolución (p) seleccionada por el usuario, pudiendo tomar valores de 10, 20, 25, 50 ó 100 centímetros. Finalmente, cada sección de copa queda definida en planta mediante una NURBS (curva BSpline racional no uniforme) según los radios de copa en las direcciones norte, sur, este y oeste (Figura 1). La generación de estas secciones se realiza automáticamente mediante software de diseño gráfico (Autocad 2007), agrupándolas en capas por cotas independientemente de a qué árbol pertenezcan y guardando cada capa en un archivo *.dxf. Además de este archivo que concentra la geometría de las copas y las posiciones de los pies de la parcela, los datos de entrada del modelo son la ubicación de la parcela (latitud, coordenadas XY del vértice de la parcela, y el rumbo y la longitud de los lados que la definen). En esta primera versión la rutina está pensada para parcelas con forma de paralelogramo situadas sobre terreno llano. Los datos de entrada de los tiempos de cálculo son los días de inicio y fin, hora de inicio y de fin, y el lapso de tiempo de cálculo (es decir, la resolución temporal t), y por último un archivo ASCII con las coordenadas XY de los puntos objetivo. Las variables de salida son: la duración total del periodo de sombra en minutos (DTS); la duración media diaria del periodo de sombra 4/10 (DMS), un evaluador de la intensidad total de la sombra en minutos por los centímetros de copa que produce dicha sombra (ITS); y un evaluador de la intensidad media diaria de la sombra en minutos por los centímetros de copa que produce dicha sombra (IMS). p x2 y2 + =1 a2 b2 Hcopa HTOTAL x y + =1 a b Hmed N O E S Figura 1. Esquema de la modelización de una copa de pino piñonero La evaluación del modelo se ha realizado sobre una parcela de 4800 m2 perteneciente al sitio de ensayo de regeneración natural de Pinus pinea situado en el monte U.P. 43 “Corbejón y Quemados”, de la provincia de Valladolid. La parcela de evaluación tiene una edad de 120 años y una densidad (tras entrada en corta de regeneración) de 48 pies/ha. Proceso de cálculo En primera instancia la rutina AML (Arc Macro Language) de ArcGis 9® crea varias mallas ráster de resolución p, una con los puntos objetivo y otras con las diferentes capas de las copas de los árboles según las cotas a que se encuentren. A continuación, según la posición aparente del sol, las capas de copa son proyectadas sobre la malla de puntos objetivo, que se encuentra a cota cero, sumando sobre ésta el tiempo de sombra donde corresponda (figura 2). La parte del código que obtiene la posición aparente del sol, ha sido obtenida de KUMAR et al. (1997) y FELICISIMO, basándose en las siguientes ecuaciones. La posición aparente del sol se expresa en coordenadas esféricas, es decir, el acimut (φ) y la elevación angular sobre el horizonte (θ): sen ϕ = (cos D ⋅ cos hs ) cos θ sen θ = (cos L ⋅ cos D ⋅ cos hs ) + (sen L ⋅ sen D ) donde D representa la declinación solar, L la latitud geográfica y hs el ángulo horario. Éste último describe cuan lejos está el sol desde el meridiano local (0º) hacia el este u oeste a razón de 15º por hora; los ángulos son negativos hacia el este y positivos hacia el oeste. Por 5/10 último, la declinación solar puede aproximarse muy aceptablemente según varias ecuaciones, siendo una de las más sencillas: D = 23.5 ⋅ sen (360 ⋅ (284 + N ) 365) donde N es el día ordinal del año, con valor 1 para el 1 de enero. p pxp Figura 2. Esquema de la proyección de las capas ráster en las que ha quedado definida la copa sobre el terreno para una posición aparente del sol. Para realizar una simulación referida a una única jornada, el día de inicio y el día de finalización coinciden, por lo que se debe introducir la misma fecha. Además, el programa ofrece la posibilidad de seleccionar el horario durante el cual se realiza el cálculo, si bien sólo se permite seleccionar tramos de hora completos. La rutina de cálculo establece que el cálculo se llevará a cabo en la mitad del periodo según la resolución t seleccionada por el usuario. Por ejemplo, si la hora de inicio son las 9:00 y la de fin son las 13:00, seleccionada una resolución temporal t de 30 minutos, la aplicación realizará los cálculos en los siguientes instantes: 9:15, 9:45, 10:15, 10:45, 11:15, 11:45, 12:15 y 12:45. Se entiende que en todo momento se está hablando de horas solares, no de oficiales. Si la malla de puntos objetivo es suficientemente densa, la aplicación crea un mapa de sombras para los tiempos de cálculo solicitados. A efectos de tiempo de cálculo al modelo le es indiferente el volumen de puntos objetivo, ya que los convierte en una única capa ráster. Donde la aplicación consume más tiempo es en la generación de las diferentes capas en que quedan descompuestas las copas. Por ejemplo, en la parcela 7, la diferencia entre la altura del árbol más alto (18,1 m) y la altura donde empieza la copa de árbol más baja (1,6 m) es de 16,5 metros, lo que crea 163 capas de copas con una resolución (p) de 10 cm. Así mismo, tanto el tiempo de cálculo seleccionado (días u horas de inicio y fin), y la resolución temporal t influyen en la duración del proceso. Restricciones del modelo El modelo tiene varias restricciones en el proceso de cálculo, ya que se trata de una primera versión de la aplicación. Las simulaciones se realizan para terrenos llanos, al no haberse introducido la pendiente en la rutina AML. Para que comience los cálculos sobre los puntos objetivo, la elevación del sol debe superar una altura de 2º sobre el horizonte ya que se considera que para elevaciones inferiores los puntos objetivo estarán en sombra producida por 6/10 pies que no están dentro de la parcela, estando además el tiempo hasta alcanzar dicha elevación sin computar como tiempo de sombra. Evaluación de la precisión de las distintas alternativas de resolución La carga computacional del modelo queda definida, como ya se ha indicado, por la resolución espacial p referida al espesor de las capas en las que se dividen las copas y por la resolución temporal t, que define el intervalo de tiempo entre dos mediciones. Asumiendo que la estimación más precisa es la de menor valor de p y t, que en el caso del programa es 10 cm y 10 minutos, se propone comparar el error que se comete al utilizar mayores valores de resolución espacial y temporal, que se traducen en menor coste computacional. Para ello, dentro de la parcela de estudio se han situado 180 puntos objetivo dispuestos de forma sistemática. En cada uno de los puntos objetivo se ha calculado para cada resolución (espacial y temporal) la sombra acumulada durante todo el día (DMS), para los días 9 de febrero, 18 de abril, 9 de agosto, 9 de septiembre y 9 de diciembre (900 valores). El valor de sombra obtenido en cada punto y día para cada combinación de p y t se compara, mediante un test de contraste de medias (t-student) con el valor obtenido para p=10 cm y t=10 minutos. 4. Resultados Con el fin de ilustrar qué resultado genera la aplicación, en la Figura 3 se presenta un ejemplo de la distribución de la duración media diaria del periodo de sombra en minutos (DMS), en tres intervalos del día a lo largo del mes de mayo. Los mapas corresponden a la parcela de estudio con una resolución p de 25 centímetros y una resolución temporal t de 30 minutos. La capa ráster de puntos objetivo es 0.5 x 0.5 metros, con un total de 19200 puntos. 7/10 Figura 3. Modelo de la variable DTS para la parcela 1, con resolución espacial p=25 cm y temporal t=30 min, para el día 15 de mayo. a) de 5:00 a 10:00, b) de 10:00 a 14:00 y c) de 14:00 a 19:00. La capa ráster de puntos objetivo es una malla de 0.5 x 0.5 metros. d) Diagrama de distribución de la duración total de sombra en minutos (DTS) sobre los puntos objetivo según la densidad de arbolado de la parcela. Todas las horas son solares. Evaluación de la precisión de las distintas alternativas de resolución La tabla 1 presenta el valor del test de contraste de medias entre el valor obtenido en cada uno de los 180 puntos objetivos de la parcela de estudio durante los 5 días de análisis para cada combinación de p y t generada por el programa, y el valor obtenido con p=10 cm y t=10 min. De lo expuesto en la tabla 1, se desprende que diferencias no significativas, asociadas a una desviación típica inferior a 20 minutos de sombra, se obtienen para los valores de resolución espacial p de 10 cm y resoluciones temporales de 15 y 30 minutos, y para el valor de p de 25 cm y resolución t de 30 minutos. Los cálculos con resolución espacial p igual o superior a 50 cm conducen a estimaciones sesgadas (siempre respecto de p010t10) con desviación típica cercana o superior a 1 hora de sombra. Las estimaciones con resolución temporal t=60 minutos y p < 50 cm conducen a estimaciones insesgadas, pero con desviación típica cercana a 40 minutos En general se observa que existen muchas más diferencias asociadas a la resolución espacial que a la temporal, con escasa variación entre los valores obtenidos para distintos valores de t dentro de un mismo valor de resolución espacial. Tabla 1.Test de contraste de medias entre el valor obtenido en los 180 puntos objetivo y 5 días de análisis para cada combinación de p y t, y el valor obtenido para p=10 cm y t=10 min Desviación Errort df p-valor típica estandar 0.0777 12.7827 0.4260 0.1825 899 p010t15 0.8552 1.1111 18.8692 0.6289 1.7665 899 p010t30 0.0776 -0.6888 42.9549 1.4318 -0.4811 899 p010t60 0.6305 1.7222 7.3699 0.2456 7.0104 899 0.0000 p020t10 1.7111 12.7988 0.4266 4.0107 899 0.0000 p020t15 2.9777 20.3752 0.6791 4.3844 899 0.0000 p020t30 1.4444 42.2151 1.4071 1.0264 899 p020t60 0.3049 -0.9111 8.7387 0.2912 -3.1278 899 0.0018 p025t10 -1.2055 13.5913 0.4530 -2.6610 899 0.0079 p025t15 -0.1555 19.9827 0.6660 -0.2335 899 p025t30 0.8153 -1.6888 40.7252 1.3575 -1.2441 899 p025t60 0.2137 -4.6777 58.9942 1.9664 -2.3787 899 0.0175 p050t10 -5.9555 59.1013 1.9700 -3.0230 899 0.0025 p050t15 -3.4555 63.0425 2.1014 -1.6443 899 p050t30 0.1004 -5.6222 66.4192 2.2139 -2.5394 899 0.0112 p050t60 6.2777 59.5723 1.9857 3.1614 899 0.0016 p100t10 4.5277 58.8882 1.9629 2.3063 899 0.0213 p100t15 6.2777 63.3530 2.1117 2.9727 899 0.0030 p100t30 7.7777 69.2463 2.3082 3.3696 899 0.0007 p100t60 Donde pXtY se refiere a una resolución espacial p=Xcm y resolución temporal t= Y minutos; media indica el valor de la diferencia entre pXtY y p010t10; los valores en negrita en la columna p-valor indican las diferencias no significativas Media 5. Discusión Una de las ventajas de la aplicación es su flexibilidad en cuanto a resolución, que puede adaptarse a las características del sitio de ensayo y los objetivos del usuario. Sin embargo, ya que el consumo en recursos de memoria de la aplicación depende fundamentalmente de las resoluciones espacial y temporal, se debe ser prudente a la hora de escoger dichas variables. El test de contraste de medias permite extraer conclusiones sobre la conveniencia de dar prioridad a la resolución espacial frente a la temporal, es decir, es preferible mantener una resolución p de 10 cm y sacrificar t subiéndolo a 15 minutos, por ejemplo. Obviamente, esto 8/10 se cumple siempre que los periodos de cálculo no sean muy breves, ya que si el periodo de análisis se refiere, pongamos por caso, al que transcurre entre las 12:00 y las 13:00, elegir una resolución t de 60 minutos sería ciertamente poco recomendable. Otro aspecto relativo a la flexibilidad de la aplicación que puede resultar útil es el de poder fijar el intervalo del día en que se quieren realizar los cálculos, ya que permite al usuario ceñir el análisis a ese intervalo, ahorrando un gran esfuerzo computacional y de tiempo. Así mismo, el hecho de que el número de puntos objetivo prácticamente no influya en el tiempo del proceso de cálculo permite crear de forma ágil modelos de insolación para una superficie relativamente extensa simplemente definiendo dichos puntos en forma de malla y con una resolución espacial adecuada. A título orientativo, el cálculo de la figura 3 ha requerido un tiempo de 20 minutos con un procesador de 1.61 GHz y una memoria RAM de 2 Gb. Este atributo puede ser de gran utilidad, por ejemplo, para diseñar experimentos en los que la insolación sea una de las variables de entrada y se desea lógicamente que el dispositivo experimental recoja adecuadamente el rango de variación de dicha variable. Obviamente, el prototipo de aplicación descrito en este trabajo presenta también varios inconvenientes. Por un lado, como variables de entrada necesita información completa sobre la estructura espacial de la cobertura arbórea, si bien gran parte de esa información es recogida de manera habitual en los inventarios dasométricos (CESCATTI, 1997), y otra buena parte (principalmente los radios de copa) son a menudo fácilmente calculables mediante ortofotografía aérea. Otra deficiencia de esta primera versión de la aplicación es lógicamente el que sólo permita el cálculo en terreno llano y para especies de copa tipo elipsoide. Esta carencia no es intrínseca al concepto del modelo, por lo que es fácilmente corregible mediante las adecuadas adaptaciones del código del programa. Sin embargo, una carencia intrínseca del modelo es que no es una aplicación independiente sino que debe ejecutarse en ArcGis, lo que obliga a tener licencia de este programa. No obstante, por la misma razón se beneficia de su potencia para realizar cálculos voluminosos en poco tiempo. El hecho de que en esta primera versión se haya empleado AutoCad para modelizar las copas no impide que en un futuro se introduzcan las modificaciones necesarias para que la aplicación lo haga directamente en ArcGis 9®. Finalmente, una mejora imprescindible que deberá ser incluida en próximas versiones será la que permita calcular no ya el tiempo de sombra sino la radiación directa que llega a cada punto objetivo, es decir, considerar el ángulo de incidencia de los rayos solares y la transparencia de la atmósfera, lo que a su vez permitirá refinar el cálculo de las variables ITS e IMS, para las que en la presente versión no se considera el recorrido virtual del rayo de luz atravesando la copa sino simplemente el número de capas de copa que atraviesa, multiplicado por la resolución p. Estas mejoras permitirán la comparación de este modelo con otros como Hemiview (RICH et al., 1999), potentes y precisos pero muy gravosos en material y tiempo de toma de datos en campo. 6. Conclusiones La aplicación presentada permite calcular modelos de sombra del estrato arbóreo para un elevado número de puntos objetivo con gran agilidad, rapidez y flexibilidad en cuanto a precisión espacial y temporal. Estos modelos pueden ser de gran utilidad en experimentos relativos a la germinación, la regeneración, la composición del estrato herbáceo, etc. La comparación entre las distintas alternativas de resolución reflejan que los mejores resultados se asocian a resoluciones espaciales p de 10 a 25 cm y resoluciones temporales t 9/10 inferiores a 60 minutos. La resolución espacial tiene más importancia que la resolución temporal, por lo que a igualdad de coste computacional, conviene elegir mayores resoluciones espaciales frente a mayores resoluciones temporales La mayor desventaja de la aplicación es su dependencia directa de otro software, ArcGis, si bien a su vez se beneficia de su gran potencia. En futuras versiones será imprescindible introducir mejoras relativas al cálculo en cualquier pendiente, consideración del ángulo de incidencia del rayo de luz (para calcular la radiación directa corregida y la no corregida), modelización de distintas formas de copa e integración de todo el cálculo en una única aplicación desarrollada en lenguaje Aml. 7. Agradecimientos El presente trabajo se ha desarrollado en el marco presupuestario y funcional del proyecto INIA RTA2007-00044-00-00 8. Bibliografía BRUNNER, A.; 1998. A light model for spatially explicit forest stands. For. Ecol. Manage. 107 (19 - 46) BRUNNER, A., NIGH, G.; 2000. Light absorption and bole volume growth of individual Douglas-fir trees. Tree Physiol. 20 (323 – 332) CANHAM, C.D., BURBANK, D.H.; 1994. Causes and consequences of resource heterogeneity in forest: interspecific variation in light transmission by canopy trees. Can. J. For. Res. 24 (2) (337 – 349) CESCATTI, A.; 1997. Modelling the radiative transfer in a discontinuous canopies of asymmetric crowns. I. Model structure and algorithms. Ecol. Model. 101 (263 – 274) COURBAUP, B., De COLIGNY, F., CORDONNIER, T.; 2003. Simulating radiation distribution in a heterogeneous Norway spruce forest on a slope. Agric. For. Meteorol. vol.116 issues 1-2 (1 – 18) FELICISIMO, A.M.; Estimación pe la insolación potencial a partir del modelo digital pe elevaciones. Web: http://www6.uniovi.es/~feli/pdf/Insolacion.pdf FELICISIMO, A.M.; Rutina AML para el cálculo pe la insolación potencial sobre el terreno. Web: http://www6.uniovi.es/~feli/util/insolpotencial.aml GOMEZ-APARICIO, L.; VALLAPARES, F.; ZAMORA, R. 2006. Differential Light responses of Mediterranean tree saplings: linking ecophysiology with regeneration niche in tour co-occurring species. Tree Physiol. 26 KUMAR, L., SKIPMORE, A.K., KNOWLES, E.; 1997. Modelling topographic variation in solar radiation in a GIS environment. Int. J. Geogr. Inf. Sci. vol.11, no.5, (475 - 497) MacFARLANE, P.W., GREEN, E.J., BRUNNER, A., AMATEIS, R.L.; 2003. Modelling loblolly pine canopy dynamics for a light capture model. For. Ecol. Manage. 173 (145 – 168) 10/10 RICH, P.M., WOOD, J., VIEGLAIS, D.A., BUREK, K., WEBB, N., 1999. Hemiview User Manual. Delta-T Devices. Cambridge, UK. 79 pp.