Relación altura-diámetro generalizada para masas de Pinus sylvestris L. procedentes de repoblación en el noroeste de España

  1. Castedo Dorado, Fernando
  2. Diéguez Aranda, Ulises
  3. Barrio Anta, Marcos
  4. Álvarez González, Juan Gabriel
Zeitschrift:
Investigación agraria. Sistemas y recursos forestales

ISSN: 1131-7965

Datum der Publikation: 2005

Ausgabe: 14

Nummer: 2

Seiten: 229-241

Art: Artikel

DOI: 10.5424/SRF/2005142-00886 DIALNET GOOGLE SCHOLAR

Andere Publikationen in: Investigación agraria. Sistemas y recursos forestales

Ziele für nachhaltige Entwicklung

Zusammenfassung

Se ha desarrollado una relación altura-diámetro para masas de Pinus sylvestris L. procedentes de plantación en Galicia (noroeste de España) que considera el diámetro normal y variables de masa como predictoras. El conjunto de datos utilizado procede de las mediciones efectuadas en 155 parcelas que se localizaron en masas poco o nada aclaradas de la especie en la zona de estudio (de las que 68 se inventariaron en dos ocasiones), en las que se tomaron datos del diámetro normal en todos los árboles y una muestra de 7.602 alturas totales. Se evaluaron nueve modelos altura-diámetro compatibles, es decir, que predicen la altura dominante cuando se introduce como diámetro normal el diámetro dominante de la masa, con el objetivo de incluir el mejor de ellas en un modelo dinámico de crecimiento de la especie en estudio. Basándose en análisis numéricos y gráficas, se propone una modificación del modelo de Gaffrey (1988) que considera el diámetro normal, el diámetro dominante y la altura dominante como variables independientes. Este modelo explicó el 94% de la variabilidad total de los datos de altura empleados, tanto en la fase de ajuste como en la de validación cruzada por parcela. Finalmente, debido a que los árboles de una masa con el mismo diámetro generalmente no tienen la misma altura, se añadió una componente estocástica al modelo determinístico. Esta aproximación permite imitar la variabilidad natural de la distribución de alturas, proporcionando predicciones más realistas.