6CFE01-129 - Sociedad Española de Ciencias Forestales

6CFE01-129
2/14
Análisis estructural de los bosques pirenaicos de pino negro: tipologías estructurales y
factores determinantes
MARTÍN-ALCÓN, S.1, COLL, L.1, 3 y AUNÓS, A.2
1
Centro Tecnológico Forestal de Catalunya, Ctra. Sant Llorenc de Morunys, km. 2, 25280 Solsona, España.
Departamento de Producción Vegetal y Ciencia Forestal, Universidad de Lleida, Rovira Roure 191, 25198 Lleida, España.
3
Centre de Recerca en Ecologia i Aplicacions Forestals, Universitat Autònoma de Barcelona, 08193 Bellaterra, España
2
Resumen
El pino negro es la principal especie de los bosques subalpinos pirenaicos. Por razones
principalmente ligadas a su localización, sus masas forestales presentan un carácter singular y
eminentemente protector, pero también un importante valor productivo. En este trabajo se
presenta un detallado análisis de la estructura de los pinares puros de pino negro de los
Pirineos orientales. Se utilizaron datos del Inventario Forestal Nacional para, a partir de
análisis estadísticos multivariantes (PCA y análisis de conglomerados), extraer los principales
atributos estructurales que caracterizan estas masas forestales (tamaño, espesura, irregularidad
y presencia de madera muerta), y elaborar las tipologías estructurales. De esta manera, se
determinaron 9 tipos estructurales (4 regulares, 1 semirregular y 4 irregulares), y una clave de
clasificación, con el objetivo de proveer al gestor de una herramienta de fácil uso a través de
la cual interpretar, de manera rigurosa pero de la forma más sencilla y práctica posible, la
complejidad estructural que caracteriza estos bosques de montaña. Por otra parte se evaluó,
mediante regresiones múltiples, el papel que diferentes variables ambientales han ejercido en
el patrón estructural actual de estos bosques. A pesar de que se utilizaron exclusivamente
factores ambientales, los modelos también muestran de manera indirecta pero clara, ciertos
efectos a medio y largo plazo asociados a las actividades humanas.
Palabras clave
Pinus uncinata, tipologías, estructura forestal, herramientas de gestión.
1. Introducción
El pino negro (Pinus uncinata Ram.) es una especie forestal con un área de distribución
natural relativamente reducida, limitada al piso subalpino en la región biogeográfica
Eurosiberiana del Centro y Suroeste de Europa. Sus masas forestales más extensas, con
diferencia, se encuentran en los Pirineos centrales y orientales, en los que aparece como
especie dominante en algo más de 100.000 ha (CTFC et al., 2012). Los bosques de pino negro
son ecosistemas forestales de elevado interés por su carácter singular, y tienen una serie de
características que condicionan en gran medida su gestión. Entre sus particularidades destacan
el esencial papel que desempeñan en relación a la conservación de la biodiversidad
(constituyendo el hábitat principal para especies como el urogallo pirenaico), la producción de
madera (la posibilidad anual de las masas pirenaicas se estima en torno a los 190.000-215.000
m3/año, aunque se aprovecha menos de un 10%) (CTFC et al., 2012), la producción pascícola,
la protección física de suelos y aguas, y la protección paisajística y del uso público de los
sistemas forestales de la alta montaña pirenaica. Por todo ello existe un consenso casi
3/14
generalizado en torno a los objetivos generales de la gestión de estas masas forestales, la cual
debería ir encaminada al mantenimiento de su multifuncionalidad (GONZÁLEZ, 2008). En
este sentido, la selvicultura propuesta aboga por el uso combinado de una amplia gama de
modelos de gestión, alternando estructuras regulares e irregulares, aplicados a cada rodal de
acuerdo a sus características particulares (estructura inicial, calidad de estación,
condicionantes de gestión) junto al establecimiento de áreas de conservación prioritaria
(CTFC et al., 2012, GONZÁLEZ, 2008).
Sin embargo, el uso de este tipo de modelos o estrategias de gestión tan ligadas a las
características particulares del rodal, requiere de herramientas capaces de facilitar la
descripción sintética de su estructura. Dentro de las diferentes opciones, las tipologías
silvícolas constituyen una herramienta muy útil para la clasificación detallada y objetiva de
rodales forestales, de acuerdo a sus características estructurales ‒ y en ocasiones también su
composición‒ , pudiendo ser utilizadas como una base sobre la cual definir las diferentes
alternativas de gestión (AUBURY et al., 1990, CHAUVIN et al., 1994). Algunos ejemplos
destacados de tipologías silvícolas elaboradas para masas forestales en la Península Ibérica
son las de los abetales pirenaicos (AUNÓS et al., 2007), o los hayedos (GOMEZMANZANEDO et al., 2008) y robledales (REQUE y BRAVO, 2008) cantábricos. Todas ellas
utilizan el Inventario Forestal Nacional como fuente de datos.
El principal elemento en el cual se basan las tipologías silvícolas suele ser la estructura
del estrato arbóreo, que a su vez está directamente ligada a algunas de las principales
funciones de las masas forestales (estabilidad para la protección frente a riesgos naturales,
paisaje, producción de madera, etc.). De ahí que la identificación de estas tipologías tenga una
aplicación directa, no solo en la gestión de las masas de vocación productiva, sino también en
aquellas que por diferentes razones tengan una función principal de protección. Sin embargo,
si bien la utilización de este tipo de herramientas resulta de gran interés para el gestor en el
ejercicio diario de su profesión, también proveen información de utilidad para avanzar en la
comprensión de los factores o procesos que han originado la variabilidad estructural actual de
las masas. Entre ellos, destacan los factores de tipo ambiental (suelo, clima, topografía, etc.)
(LINDENMAYER et al., 1999), las perturbaciones naturales (ATTIWILL, 1994) y los efectos
de los usos antrópicos pasados (AMÉZTEGUI et al., 2010, MONTES et al., 2005).
2. Objetivos
En este estudio se presenta un análisis detallado de la estructura de las masas forestales
de pino negro en los Pirineos orientales, con dos objetivos fundamentales: (1) desarrollar unas
tipologías silvícolas que permitan un rápido y efectivo diagnóstico estructural de las masas
para facilitar su caracterización y el posterior proceso de toma de decisiones para su gestión y
(2) evaluar el efecto de diferentes factores ambientales y antrópicos en la distribución de las
principales características estructurales a escala de paisaje.
4/14
3. Metodología
Área de estudio
El área de estudio abarca las masas forestales de pino negro del piso subalpino de los
Pirineos catalanes. Ésta cubre una superficie de alrededor de 65.000 ha (Figura 1) (BURRIEL
et al., 2004) y abarca una amplia variabilidad de condiciones ambientales que se traduce en
una alta heterogeneidad estructural de las masas. La zona se encuentra casi en su totalidad en
la región fitoclimática Boreo-Alpina, aunque debido a esa elevada variabilidad de condiciones
fisiográficas, aparecen también importantes variaciones en las características edafoclimáticas
a nivel local.
Figura 1. Superficie forestal dominada por el pino negro en el Pirineo, y área de estudio del análisis estructural
En dicho ámbito geográfico, el pino negro domina el piso subalpino (1700–2400 m),
alcanzando un desarrollo óptimo alrededor de los 1800 m (RUIZ DE LA TORRE, 2006), y
mostrando preferencia por sitios fríos con orientaciones N o E y precipitación por encima de
los 900 mm (LLORET et al., 2009). En el piso subalpino forma principalmente masas puras,
pero en las elevaciones inferiores suele aparecer en mezcla con abeto, pino albar, haya,
abedul, serbal o álamo temblón (RUIZ DE LA TORRE, 2006).
Preparación de los datos
La base de datos utilizada para la caracterización estructural de los pinares de pino
negro se extrajo del tercer Inventario Forestal Nacional, en adelante IFN3 (DGCN, 2005),
utilizando el programa BASIFOR (BRAVO et al., 2002). Los análisis se centraron en aquellas
masas forestales dominadas por el pino negro de interés para la producción maderera, y por
ello se seleccionaron aquellas parcelas del IFN3 en las cuales el porcentaje de área
basimétrica (G) correspondiente al pino negro fuera superior al 80% de la G total, la fracción
de cabida cubierta (FCC) fuera superior al 25%, la G total fuera superior a 5 m2·ha-1, y la
densidad (N) fuera superior a 50 pies·ha-1. Con estos criterios fueron seleccionadas 431
parcelas, para las cuales se calcularon una serie de variables. Un primer grupo de variables
dasométricas básicas: FCC, N, G, volumen con corteza (Vcc), diámetro medio (Dm),
diámetro dominante (D0), altura media (Hm) y altura dominante (H0). Un segundo grupo de
5/14
variables para describir la distribución en porcentaje de G y N entre 3 clases de madera:
madera fina (MF, si 7,5 < Ø < 22,49 cm), madera media (MM, si 22,5 < Ø < 32,49 cm) y
madera gruesa (MG, si Ø > 32,49 cm). En un tercer grupo de variables se describió la
estratificación vertical, calculando el porcentaje de G correspondiente a tres clases de altura:
STR1 (H > 2/3 de H0), STR2 (2/3 de H0 > H > 1/3 de H0), y STR3 (H < 1/3 de H0).
Finalmente se calculó también para cada parcela, la diferencia relativa entre Hm y H0 (RD-H
= H 0 H m H m ) y el porcentaje de G correspondiente a madera muerta en pie (ST-DW).
Para el estudio de la distribución espacial de la variabilidad estructural se seleccionaron
una serie de factores climáticos (precipitación media estival e invernal, temperatura media
estival e invernal y un índice de continentalidad) y una serie de factores de estación o
geográficos (latitud, radiación media anual, elevación, pendiente, curvatura del terreno,
pedregosidad del terreno, pH, el contenido de materia orgánica del suelo y la posición de la
parcela respecto al borde de la masa forestal) (Tabla 1). Estas variables fueron seleccionadas a
partir de un análisis de colinearidad con otras variables de estación y climáticas. La
pedregosidad fue tomada del IFN3 como una variable categórica con 5 clases, en función de
la superficie de la parcela cubierta por piedras, y fue reclasificada en forma de 3 variables
dummy: lowSTO (clases 1 o 2 del IFN), medSTO (clase 3), highSTO (clases 4 o 5). El
contenido de materia orgánica del suelo fue igualmente tomado del IFN3 como una variable
categórica de 3 niveles (bajo, moderado y alto), y fue reclasificada como una variable dummy:
lowORG (= 1 cuando el nivel del IFN3 es bajo; = 0 cuando es moderado o alto). Para la
variable DISTFE (distancia al borde de la masa), se midió la distancia de cada parcela al
borde de la masa más próximo, y se aplicó una transformación logarítmica para poder cumplir
la asunción de linearidad en la regresión lineal. Finalmente, la orientación fue transformada
en un índice de sombra que varía desde 0º en las laderas de orientación Sur a 180º en la
orientación Norte, con valor de 90º para las orientaciones Este y Oeste.
Tabla 1: Estadística descriptiva y fuentes de las principales variables ambientales de tipo continuo
LOCALIZACIÓN
CLIMA
Grupo Variable
Unidades
Fuente
Pp media invernal
(PW)
mm
Ninyerola et al. (2000)
Pp media estival
(PS)
mm
Ninyerola et al. (2000)
T media invernal
(TW)
°C
Ninyerola et al. (2000)
T media estival
(TS)
°C
Ninyerola et al. (2000)
I. de continentalidad
(IC)
Basado en Conrad (1946)
Latitud
(LAT)
°
MDT
-2
-1
Radiación media anual (RAD) KJ·m ·día
Ninyerola et al. (2000)
Elevación
(ELE)
m.s.n.m.
MDT
Pendiente
(SLP)
°
IFN3 (DGCN, 2005)
Curvatura del terreno (CUR)
MDT
Índice de sombra
(SHADE)
°
MDT
pH del suelo
(PH)
pH
IFN3 (DGCN, 2005)
Basado en IFN3 (DGCN,
Dist. al borde
(DISTFE)
m
2005) y MCSC (IBAÑEZ
et al., 2002)
Media S. D.
205,9 24,7
323,7 38,4
-0,6
0,9
12,1
1,1
24,8
2,7
42,4
0,2
1319,0 156,1
1916,2 181,4
18,0
8,0
0,05
0,37
105,4 51,3
5,7
0,9
Min.
164,1
241,0
-2,8
8,4
15,7
42,1
1000,0
1310,2
1,3
-1,20
0,9
3,5
Max.
299,1
454,0
2,4
15,6
30,1
42,8
1900,0
2477,0
48,8
1,51
180
8,0
113,1 129,1
0,0
724,0
6/14
Tipologías estructurales
En primer lugar se aplicó un análisis de componentes principales (PCA) para reducir el
número de variables estructurales para la determinación de las tipologías. Después de eliminar
del conjunto de variables dasométricas aquellas con información reiterativa, el PCA se aplicó
sobre un conjunto de 12 variables (Tabla 2). Para confirmar la adecuación del conjunto de
variables a la técnica PCA, se aplicaron el estadístico Kaiser-Meyer-Olkin (0.671) y el test de
esfericidad de Bartlett (HAIR et al., 2009), obteniendo resultados positivos. Se seleccionaron
aquellas componentes con valores propios superiores a 1.0.
Las diferentes tipologías estructurales de los pinares de pino negro se determinaron
aplicando un análisis de conglomerados utilizando el método de Ward con el cuadrado de las
distancias euclídeas, sobre las puntuaciones de las componentes principales en las 431
parcelas seleccionadas. El número de grupos o conglomerados fue seleccionado cuando se
apreciaba un salto remarcable en la medida de la heterogeneidad entre grupos (HAIR et al.,
2009). Posteriormente se utilizó la técnica de clasificación dicotómica CART (SPSS, 2007)
para determinar los valores de corte entre tipologías, en aquellas variables dasométricas que
se consideraron clave (N, G, reparto de G entre clases de madera, y reparto de G entre estratos
verticales). De esta manera se consiguió destacar lo más relevante, que fue utilizado para la
posterior construcción de la clave tipológica.
Análisis de la variabilidad espacial de las características estructurales
Para evaluar la relación entre cada uno de los componentes principales de la
variabilidad estructural (componentes del PCA) y las principales variables ambientales, se
aplicaron regresiones múltiples. Sin embargo, previamente se aplicó un filtro para identificar
y extraer del análisis aquellas parcelas con evidencias de intervenciones selvícolas recientes
en el momento de medición del IFN3 (excluyendo así los posibles efectos de dichas
intervenciones, que pueden ser importantes pero muy locales, para centrarse en los procesos
que ocurren a una escala más amplia), tras el cual quedó una base de datos de 337 parcelas.
Los modelos se realizaron utilizando el método OLS (SPSS, 2007). De todas las variables
ambientales explicativas se seleccionaron únicamente aquellas que presentaban efectos
significativos sin problemas de colinearidad. Además, la distribución normal de los residuos
fue estudiada mediante el test de normalidad de Kolmogorov-Smirnov , y la autocorrelación
espacial de los residuos se analizó utilizando los índices de Moran globales para 8 intervalos
de radio, con una equidistancia de 1,5 km, mediante el programa ROOKCASE (SAWADA,
1999).
4. Resultados
Caracterización estructural de los pinares de pino negro
El PCA dio como resultado la existencia de 4 componentes principales que presentaron
valores propios superiores a 1.0, y que conjuntamente expresaban el 85.43% de la varianza
total del conjunto de variables original (Tabla 2). La primera componente explicó el 37.35%
de la varianza total, y la constituyeron variables relacionadas con el tamaño medio de los pies
que forman la masa (diámetro medio y dominante, altura media y la importancia relativa en
área basimétrica para la clase de madera fina, y la gruesa). La segunda componente representó
el 23.99% de la varianza y estuvo determinada por variables relacionadas con la densidad o
espesura de la masa (FCC, N, G, Vcc y altura dominante). El tercer eje explicó el 15.06% de
la varianza, estando compuesto por dos variables explicativas de la estratificación vertical de
7/14
la masa (la importancia relativa en G de los pues correspondientes al estrato superior, y la
diferencia relativa entre la altura media y la dominante). Finalmente, el cuarto eje resultó estar
relacionado únicamente con la importancia de la madera muerta en pie. En adelante, a las
componentes se les asigna el nombre de: tamaño de árbol (1ª), densidad (2ª), regularidad (3ª)
y madera muerta en pie (4ª).
Tabla 2: Puntuaciones factoriales y comunalidades para las variables dasométricas de las 431 parcelas estudiadas (en
negrita las puntuaciones factoriales con más peso en el significado de las componentes)
VARIABLES
Componentes
3
-0,092
4
-0,077
Comunalidades
Dm
0,926
2
-0,157
MF (%G)
-0,902
0,192
-0,202
0,027
0,892
D0
0,829
0,134
0,332
0,296
0,902
MG (%G)
0,805
-0,282
0,287
0,168
0,838
-0,127
-0,307
0,889
FCC
0,689
-0,111
0,551
0,851
-0,064
-0,013
0,741
G
0,247
0,849
0,030
0,330
0,892
N
-0,529
0,714
-0,017
0,319
0,892
H0
0,496
-0,309
0,867
RD-H
-0,383
0,624
0,057
0,369
0,869
0,032
0,905
STR1 (%G)
0,403
0,200
-0,121
0,798
ST-DW (%G) 0,308
-0,166
-0,762
-0,269
0,739
0,740
Hm
1
0,896
El análisis de conglomerados fue ejecutado sobre las componentes 1, 3 y 4 (tamaño,
regularidad y madera muerta). La componente 2 (densidad) se descartó para evitar la
conformación de un número excesivo de tipos estructurales. De esta manera se obtuvieron 8
tipologías
estructurales
(
8/14
Tabla 3). Entre ellas, 3 tipologías de masa regular: el tipo RL, que se correspondería con
la clase natural de latizal, en el cual domina la clase de madera fina; el tipo RJ, que se
correspondería con el fustal joven, en el cual domina la clase de madera media; y el tipo RA,
que se correspondería con un fustal adulto, en el cual domina la clase de madera gruesa. Por
otra parte, aparece el tipo SR o semirregular, que se corresponde con una masa en la que
aparecen dos estratos, dominando en N la clase de madera fina, pero en G la clase de madera
gruesa, y existiendo dos estratos verticales muy diferenciados. Y finalmente, se obtuvieron 4
tipos de masa irregular: el tipo IC es una masa irregular de espesura muy defectiva y
normalmente con abundante madera muerta, propio de estaciones muy duras o de masas en
proceso de lenta colonización de espacios abiertos; el tipo IMF se corresponde con una
estructura irregular desequilibrada que podría denominarse descapitalizada, en la cual la
ocupación de madera gruesa es defectiva y la de madera fina excesiva; el tipo IMG sería el
caso contrario, una masa irregular capitalizada en la cual la ocupación de la madera gruesa
sería excesiva, siendo defectiva la presencia de madera fina; y el tipo IEQ se correspondería
con una estructura irregular próxima al equilibrio, con una proporción compensada de la
ocupación de las tres clases de madera.
9/14
Tabla 3: Media y desviación típica de las principales variables dasométricas descriptivas de los 8 tipos estructurales
obtenidos para los pinares de pino negro en el Pirineo (en negrita los principales valores descriptivos de cada tipo)
RL
RB
RA
SR
IC
IMF
IEQ
IMG
FCC
(%)
74,8
(15,0)
69,3
(14,7)
61,1
(14,2)
67,6
(11,7)
42,6
(10,0)
63,6
(13,6)
66,0
(16,5)
69,0
(13,4)
N
G
(pies/ha) (m2/ha)
1390,9
30,4
(635,6) (14,3)
719,0
30,2
(409,9) (14,5)
370,2
28,4
(170,3) (10,8)
678,2
29,4
(248,3)
(8,5)
237,9
11,4
(83,4)
(3,7)
1175,3
23,7
(538,1) (11,9)
1010,6
29,0
(436,7) (12,1)
691,5
35,9
(238,3)
(9,7)
Dm
(cm)
16,2
(2,7)
22,6
(4,1)
31,4
(4,1)
20,6
(3,0)
23,0
(5,6)
14,8
(1,9)
17,5
(2,8)
23,7
(3,2)
D0
(cm)
26,6
(4,7)
33,0
(3,9)
41,9
(4,2)
41,9
(4,9)
32,0
(4,7)
28,9
(3,3)
35,5
(4,2)
41,4
(4,8)
NMP
(%)
87,4
(9,9)
49,2
(20,4)
20,4
(16,6)
63,0
(11,7)
58,7
(19,7)
86,6
(7,3)
77,3
(8,9)
51,7
(11,8)
NMM
(%)
11,4
(8,3)
40,3
(13,7)
31,6
(11,7)
17,9
(10,0)
20,7
(11,0)
11,1
(6,3)
14,7
(7,3)
27,4
(9,5)
NMG
(%)
1,2
(2,4)
10,4
(12,8)
47,9
(15,7)
19,1
(6,4)
20,6
(16,9)
2,2
(1,8)
8,0
(3,4)
20,9
(8,5)
GMP
(%)
73,3
(15,3)
27,9
(14,9)
6,7
(6,9)
19,3
(7,0)
23,8
(13,5)
60,9
(10,9)
43,3
(9,1)
19,0
(6,7)
GMM
(%)
22,3
(12,0)
52,3
(9,3)
24,2
(9,2)
24,0
(12,5)
26,3
(18,5)
28,7
(10,4)
25,3
(8,6)
32,2
(10,8)
GMG
(%)
4,5
(6,1)
19,8
(15,1)
69,1
(12,6)
56,7
(12,5)
49,9
(24,0)
10,4
(6,8)
31,3
(6,3)
48,8
(14,1)
Posteriormente, a los 8 tipos estructurales obtenidos se añadió un nuevo tipo, que no
estuvo suficientemente representado en cuanto a número de parcelas, pero el cual se consideró
importante para ser incluido en el conjunto de las tipologías de pino negro: el tipo RR,
correspondiente a los rodales en la clase de regeneración y monte bravo, pudiendo tener aún
una cierta presencia de pies adultos. Una vez obtenidos los 9 tipos estructurales definitivos, se
construyó la clave de clasificación, basándose en los siguientes parámetros: N, G, reparto de
G entre las clases de madera, y estimación visual de la estratificación vertical (Figura 2).
Figura 2: Clave de clasificación para los 9 tipos estructurales de los pinares de pino negro en el Pirineo. Publicado
en CTFC et al.(2012)
10/14
Efecto de los factores ambientales sobre la estructura de las masas
Los modelos de regresión múltiple obtenidos relacionando la distribución espacial de
las características estructurales de estos pinares con el conjunto de variables ambientales,
presentaron coeficientes de correlación relativamente bajos, de entre 0.34 (en el modelo
explicativo de la regularidad) y 0.61 (en el de la densidad) (Tabla 4). El primer factor
estructural (tamaño del árbol medio) resultó mayor en rodales localizados en estaciones más
frías pero de menor continentalidad, y alejados del borde de la masa forestal. El segundo
(densidad o espesura) resultó mayor en lugares de inviernos más suaves, también alejados del
borde de la masa forestal, y de menor pendiente. El tercero (la regularidad), resultó con una
mayor tendencia a la regularidad en localizaciones más frías, en las latitudes inferiores del
área de distribución catalana, así como en mayores pendientes y fisiografía cóncava. Y por
último, la madera muerta en pie resultó ser más importante a mayor altitud y en orientaciones
de solana. Se comprobó que los modelos no presentasen problemas de heterocedasticidad o de
no linealidad, así como que no existiera multicolinearidad entre las variables. Por otra parte,
los modelos correspondientes a la densidad y a la regularidad mostraron una autocorrelación
espacial significativa pero baja, en un radio de 4,5 y 1,5 km respectivamente.
Tabla 4: Características de ajuste de los modelos y variables con efectos significativos (con la dirección del efecto y el nivel
de significancia)
Tamaño
(C1)
0.41
Densidad
(C2)
0.61
Regularidad
(C3)
0.34
Madera
muerta (C4)
0.38
F-Ratio
0.17
22.2
0.37
64.4
0.12
8.7
0.14
27.8
d. f.
336
336
336
336
p-value
< 0.001
< 0.001
< 0.001
< 0.001
Correlación
R2
Regresión múltiple
Variable 1
(-) TW
**
(+) DISTFE **
(-) CUR
**
(+) ELE
(-) SHADE
Variable 2
(+) DISTFE **
(+) TW
**
(-) TW
**
Variable 3
(-) IC
(-) SLP
**
(+) SLP
**
Variable 4
(-) LAT
**
Variable 5
(+) DISTFE
**
**
**
*
5. Discusión
El estudio que se presenta en esta comunicación, realizado a partir de los datos del
tercer Inventario Forestal Nacional, permitió definir de manera objetiva y rigurosa un
conjunto de tipologías estructurales representativas de la totalidad de las masas forestales de
pino negro con potencial productivo del Pirineo catalán. Las tipologías obtenidas fueron
desarrolladas utilizando un conjunto de variables dasométricas relacionadas con el tamaño del
arbolado y la densidad (como previamente hicieron, por ejemplo, GOMEZ-MANZANEDO et
al., 2008, REQUE y BRAVO, 2008), pero también integrando variables descriptivas de la
estratificación vertical del rodal o la abundancia de madera muerta en pie. Gracias a la no
inclusión de la componente relativa a la densidad en el procedimiento de obtención de las
tipologías, se obtuvieron un menor número de tipos que en estudios previos (MARTINALCON et al., 2012), con una diferenciación mucho más clara entre ellos, y basada
principalmente en los aspectos relacionados con el tamaño del arbolado (o estadio de
desarrollo) y la estratificación vertical.
11/14
La clave de clasificación obtenida consigue clasificar de manera sencilla cualquier rodal
forestal dominado por el pino negro a partir de un número muy reducido de variables de fácil
obtención en inventarios dasométricos tradicionales, o incluso en parcelas relascópicas. Una
vez clasificado el rodal en uno de los tipos estructurales obtenidos, la ficha descriptiva del
tipo estructural y la tabla de valores medios permiten una rápida estimación de las
características dasométricas del rodal. Por lo tanto, las tipologías aparece como una
herramienta de evidente interés para las fases de inventario y descripción dasométrica de los
rodales forestales, pues permiten llevarlas a cabo de una manera más objetiva, rigurosa, rápida
y económica que el inventario dasométrico tradicional (REQUE y BRAVO, 2008). Además,
las tipologías son una herramienta que facilita la adhesión de otros elementos de gran utilidad,
como por ejemplo proporcionar un coeficiente mórfico medio por tipo estructural (no
presentado en esta comunicación), lo que permite al gestor la posibilidad de realizar una
estimación rápida del volumen del rodal, mediante la sencilla ecuación
, de manera más rigurosa que si se utiliza un coeficiente mórfico
genérico para la especie. Por otra parte, las tipologías deberían facilitar el uso de un lenguaje
común a la hora de referirse a las estructuras forestales de una especie y región determinadas,
algo especialmente interesante en un caso como el de la especie objeto de este estudio, en el
que prácticamente se abarca la totalidad del área de distribución. Finalmente, éstas pueden ser
utilizadas también como instrumento de planificación, ya que itinerarios, modelos o
recomendaciones selvícolas pueden vincularse y estructurarse en torno a ellas (GAUQUELIN
et al., 2006).
En el análisis de los factores determinantes de la distribución espacial de la variabilidad
estructural de estos pinares, no pudieron utilizarse variables que directamente explicaran el
efecto de la intervención humana, dada la dificultad de encontrar este tipo de información (a
nivel local) para una superficie tan amplia como la región estudiada. Sin embargo, aunque los
modelos presentados usan exclusivamente variables ambientales, algunos efectos a medio y
largo plazo de los usos antrópicos pueden interpretarse indirectamente, debido a que dichas
variables ambientales suelen estar estrechamente correlacionadas con algunos de estos efectos
(GARCIA-RUIZ et al., 1996, GELLRICH et al., 2007, LASANTA-MARTINEZ et al., 2005).
En efecto, entre los siglos XVIII y XIX, muchas áreas de montaña en el continente
europeo, y entre ellas la cordillera pirenaica, fueron objeto de un intensivo uso antrópico,
ligado principalmente al pastoreo y el aprovechamiento de madera y leñas, resultando en
pérdidas muy notables de superficie forestal (GARCIA-RUIZ et al., 1996, GELLRICH et al.,
2007). Una de las consecuencias, en relación a las masas forestales de pino negro en el
Pirineo, fue su reducción a pequeños parches localizados en aquellos lugares más
inaccesibles, en los cuales las actividades humanas eran menos viables (BOSCH, 1999,
JORDANA, 1869). En cambio, durante el siglo pasado la tendencia fue opuesta,
produciéndose una expansión notable de los bosques de montaña, siendo el pino negro un
buen ejemplo. Dicha expansión fue especialmente importante en las laderas de umbría y de
menor altitud, donde los profundos cambios socioeconómicos llevaron a un importante
decrecimiento de la intensidad de uso antrópico (AMÉZTEGUI et al., 2010). Los resultados
que se derivan de nuestro estudio van en la línea de lo anteriormente expuesto, pues muestran
como los bosques de pino negro que presentan un estadio más avanzado de desarrollo (mayor
tamaño del árbol medio), una mayor espesura y una mayor regularidad (o tendencia a la
monoestratificación) se distribuyen en las estaciones más frías, lo que podría ser una
consecuencia de la menor incidencia histórica de los usos antrópicos en esas áreas. Además,
12/14
esos bosques que podrían denominarse maduros, aparecen alejados de los bordes de la masa
forestal, probablemente debido a que la expansión que tuvo lugar durante el último siglo se
inició desde aquellos pequeños parches de bosque remanente, que posteriormente tendieron a
quedar en el interior de las actuales masas forestales más extensas, ya muy recuperadas. Otra
observación interesante es la correlación negativa existente entre la pendiente y la espesura de
la masa forestal, lo que podría estar relacionado con el hecho en los Pirineos, las áreas de
mayor pendiente anteriormente pastoreadas fueron las primeras áreas en ser abandonadas
(VICENTE-SERRANO et al., 2004). Aunque estas áreas experimentaron un fuerte
incremento en cobertura arbórea durante el último siglo (AMÉZTEGUI et al., 2010), todavía
hoy podrían presentar espesuras defectivas, debido a la lenta dinámica de colonización que se
establece bajo unas condiciones ambientales particularmente duras.
Otros factores ambientales parecen reflejar algunos efectos a largo plazo, y a escala
amplia, de la silvicultura. Así, por ejemplo, la relación positiva entre la regularidad y la
concavidad del terreno podría explicarse por la mayor productividad de dichos rodales, que
habría ocasionado la aplicación de una silvicultura más intensiva que, al menos durante la
segunda mitad del siglo XX, se aplicaba en forma de masa regular (CALAMA et al., 2004,
CANO, 2003). Aunque en ausencia de silvicultura, la existencia de estas estructuras más
densas también podría haberse debido a una dinámica más rápida de colonizacióndensificación. La baja pero significativa autocorrelación espacial observada en los modelos
para la espesura y la regularidad, estarían relacionados con procesos que actúan a pequeña
escala, difícilmente detectables en un análisis conducido a una escala tan amplia, como por
ejemplo la variación espacial de la calidad de estación, o los efectos locales de la gestión
histórica o perturbaciones naturales.
6. Conclusiones
En resumen, en este estudio se proporciona un análisis dirigido a la caracterización
estructural de los bosques de pino negro, mediante el desarrollo de tipologías estructurales, la
descripción de los principales componentes de la heterogeneidad estructural de esas masas, y
el estudio de los factores que han podido definir, a escala regional, su estructura actual. En lo
que respecta a las tipologías estructurales, se ha generado una herramienta que será de gran
utilidad en la planificación y la gestión de los bosques pirenaicos de pino negro. Así, esta
herramienta ha sido recientemente incluida en la Guía de selvicultura de pino negro en el
Pirineo (CTFC et al., 2012) , en la cual las tipologías juegan un papel central como elemento
estructurador de las recomendaciones de gestión. Por otra parte, en lo que respecta al estudio
de los factores determinantes de la estructura actual de los rodales de pino negro, se han
observado importantes paralelismos con los procesos, primero de reducción de la superficie
forestal, y después de expansión y densificación, que se han producido o se están produciendo
en los bosques subalpinos de otras cadenas montañosas (como los Alpes, o el Atlas), como
consecuencia de los usos antrópicos y de los cambios de uso. El conjunto de resultados que se
presentan en este trabajo, son de aplicación directa en la planificación forestal a diferentes
escalas, pudiendo resultar muy útiles para predecir la dinámica futura en determinadas zonas
de montaña que, hoy en día, están experimentando los impactos humanos que las montañas
europeas sufrieron en el pasado reciente. De igual manera, de los resultados pueden extraerse
valiosas informaciones para aquellos casos en los que el gestor buscará una determinada
estructura que propicie una mejora del hábitat para especies de interés para la conservación, o
una mejor protección frente a riesgos naturales.
13/14
7. Agradecimientos
El trabajo presentado en esta comunicación fue realizado en el marco del proyecto
europeo Interreg-PROCTEFA nº EFA82/08 UNCI'PLUS. Los autores agradecen
especialmente las aportaciones en el proceso de desarrollo del estudio a Stepháne Nouguier y
Jean Ladier, de la ONF; Bruno Mariton, del CRPF-LR; Paco Cano, Carles Fañanás, Santi
Farriol, Meritxell Martí, Albert Minguella y Gemma Arjó, de la GENCAT; y a Miriam Piqué
y Pau Vericat, del CTFC.
8. Bibliografía
AMÉZTEGUI, A.; BROTONS, L. y COLL, L.; 2010. Land-use changes as major drivers of
mountain pine (Pinus uncinata Ram.) expansion in the Pyrenees. Glob. Ecol. Biogeogr.
19:632-641.
ATTIWILL, P. M.; 1994. The disturbance of forest ecosystems - the ecological basis for
conservative management. Forest. Ecol. Manag. 63:247-300.
AUBURY, S.; BRUCIAMACCHIE, M. y DRUELLE, P.; 1990. L'inventaire typologique: Un
outil performant pour l'elaboration des amenagements ou plans simples de gestion. Revue
Forestière Francaise:429-444.
AUNÓS, A.; MARTINEZ, E. y BLANCO, R.; 2007. Silvogenetic typology of Spanish
firwood Abies alba Mill. forests. Inv. Agrar: Sist. Recursos Fores. 16:52-64.
BOSCH, O.; 1999. Succession in Pinus uncinata forests in the Pyrenees. From growth rings to
forest history. Ecologia 13:133-171.
BRAVO, F.; RÍO, M.D. y PESO, C. D.; 2002. El Inventario Forestal Nacional. Elemento
clave para la gestión forestal sostenible. El Inventario Forestal Nacional. Elemento clave para
la gestión forestal sostenible. Ed. Fund. General de la UVA. 191. Valladolid.
BURRIEL, J.A.; GRACIA, C.; IBÀÑEZ, J.J.; MATA, T. y VAYREDA, J.; 2004. Inventari
Ecològic i Forestal de Catalunya. Inventari Ecològic i Forestal de Catalunya. CREAF.
Bellaterra.
CALAMA, R.; DEL RÍO, M.; COQUILLAS, V.; CAÑELLAS, I. y MONTERO, G.; 2004.
Modelos de calidad de estación y de perfil de fuste para masas de Pinus uncinata Ram. en el
Pirineo español. Inv. Agrar: Sist. Recursos Fores. Fuera de serie:176-190.
CANO, P.; 2003. Gestió del pi negre (Pinus uncinata Ram.). XX Jornades Tecniques
silvícoles.
CONRAD, V.; 1946. Methods in Climatology. Methods in Climatology. Harvard University
Press.
CTFC, ONF, PNRPC, CRPF-LR, GENCAT y GEIE-FORESPIR; 2012. Guía de selvicultura
del pino negro en el Pirineo. Guía de selvicultura del pino negro en el Pirineo. Proyecto
14/14
Interreg-PROCTEFA nº EFA82/08 UNCI'PLUS: "La gestión de las poblaciones y la
valorización de la madera de pino negro".
CHAUVIN, C.; RENAUD, J.P.; RUPE, C. y LECLERC, D.; 1994. Stability and management
of protection forest. Bulletin Technique - Office National des Forets:37-52.
DGCN; 2005. Tercer Inventario Forestal Nacional (1997-2007): Cataluña. Tercer Inventario
Forestal Nacional (1997-2007): Cataluña. Ministerio de Medio Ambiente. Madrid.
GARCIA-RUIZ, J. M., et al.; 1996. Land-use changes and sustainable development in
mountain areas: A case study in the Spanish Pyrenees. Landsc. Ecol. 11:267-277.
GAUQUELIN, X.; COURBAUD, B. y (COORDS.); 2006. Guide des sylvicultures de
Montagne - Alpes du Nord françaises. Guide des sylvicultures de Montagne - Alpes du Nord
françaises. Cemagref, CRPF Rhône-Alpes, ONF.
GELLRICH, M.; BAUR, P. y ZIMMERMANN, N. E.; 2007. Natural forest regrowth as a
proxy variable for agricultural land abandonment in the Swiss mountains: a spatial statistical
model based on geophysical and socio-economic variables. Environ. Model. Assess. 12:269278.
GOMEZ-MANZANEDO, M.; ROIG, S. y REQUE, J. A.; 2008. Silvicultural characterization
of the Cantabrian beech forest: the influence of site conditions and anthropic uses. Inv. Agrar:
Sist. Recursos Fores. 17:155-167.
GONZÁLEZ, J. M.; 2008. Selvicultura de Pinus uncinata Mill. En: SERRADA, R.,
MONTERO, G. and REQUE, J. A., eds: Compendio de selvicultura aplicada en España. 535546.INIA. Madrid
HAIR, J. F.; TATHAM, R. L.; ANDERSON, R. E. y BLACK, W.; 2009. Multivariate Data
Analysis. Multivariate Data Analysis. Pearson
IBAÑEZ, J. J.; BURRIEL, J. A. y PONS, X.; 2002. El mapa de cobertes del sòl de Catalunya:
una eina per al coneixement, la planificació i la gestió del territori. Perspectives territorials
3:10 - 25.
JORDANA, R.; 1869. Breves indicaciones sobre el pino negro en la provincia de Lérida.
Revista Forestal:158-167.
LASANTA-MARTINEZ, T.; VICENTE-SERRANO, S. M. y CUADRAT-PRATS, J. M.;
2005. Mountain Mediterranean landscape evolution caused by the abandonment of traditional
primary activities: a study of the Spanish Central Pyrenees. Appl. Geog. 25:47-65.
LINDENMAYER, D. B., et al.; 1999. Factors affecting stand structure in forests - are there
climatic and topographic determinants? Forest. Ecol. Manag. 123:55-63.
LLORET, F.; SOLER, A.; VAYREDA, J.; ESTEVAN, H. y TERRADAS, J.; 2009. Atles de
les plantes llenyoses dels boscos de Catalunya. Atles de les plantes llenyoses dels boscos de
Catalunya. Lynx. Barcelona
15/14
MARTIN-ALCON, S.; COLL, L. y AUNOS, A.; 2012. A broad-scale analysis of the main
factors determining the current structure and understory composition of Catalonian sub-alpine
(Pinus uncinata Ram.) forests. Forestry 85:225-236.
MONTES, F.; SANCHEZ, M.; DEL RIO, M. y CANELLAS, I.; 2005. Using historic
management records to characterize the effects of management on the structural diversity of
forests. Forest. Ecol. Manag. 207:279-293.
NINYEROLA, M.; PONS, X. y ROURE, J. M.; 2000. A methodological approach of
climatological modelling of air temperature and precipitation through GIS techniques. Int. J.
Climatol. 20:1823-1841.
REQUE, J. A. y BRAVO, F.; 2008. Identifying forest structure types using National Forest
Inventory Data: the case of sessile oak forest in the Cantabrian range. Inv. Agrar: Sist.
Recursos Fores. 17:105-113.
RUIZ DE LA TORRE, J.; 2006. Flora mayor. Flora mayor. Organismo Autónomo Parques
Nacionales. 1756 pp. Madrid.
SAWADA, M.; 1999. ROOKCASE: An Excel 97/2000 Visual Basic (VB) add-in for
exploring global and local spatial autocorrelation. Bull. Ecol. Soc. Am. 80:231-235.
SPSS; 2007. SPSS 15.0. SPSS 15.0. SPSS Inc. Chicago.
VICENTE-SERRANO, S. M.; LASANTA, T. y ROMO, A.; 2004. Analysis of spatial and
temporal evolution of vegetation cover in the spanish central pyrenees: Role of human
management. Environ. Manag. 34:802-818.