FUNCIONES DE VOLUMEN Y AHUSAMIENTO COMO ESTIMADORES A NIVEL

DE ÁRBOL INDIVIDUAL
Functions of volume and taper as estimators at individual tree level

Manuel Alejandro Gutiérrez Torres1, Edgar Felipe Rondon Vera2, Stephania Arango
Sierra3, José María Díaz Cárdenas4

ABSTRACT
The determination of the volume is one of the most valuable variables to carry out an
evaluation of the forest resources, this to be measured directly entails high costs, but
by means of models the obtaining of this variable becomes more efficient. In this
study, a database of 120 trees was used, of which 80 were used in the adjustment
process using linear regression and 40 in validation of two volume models and two
tapering, later the measures of goodness of fit and prediction for each model are
calculated, with the objective of finding which of all the functions is the one that
behaves the best and therefore the most reliable, it was concluded that the model 2
of taper is the best model and the most recommended for the application in
estimation works.

KEY WORDS
Height of interest, cubage, diameter of interest, shank, model, stand, logs,
commercial volume.

RESUMEN.
La determinación del volumen es una de las variables más valiosas para realizar
una evaluación de los recursos forestales, esta al ser medida directamente conlleva
elevados costos, pero por medio de modelos la obtención de esta variable se vuelve
más eficiente. En este estudio se contó con una base de datos de 120 árboles de
los cuales 80 se usaron en el proceso de ajuste por medio de regresión lineal y 40
en validación de dos modelos de volumen y dos de ahusamiento, posteriormente se
calculan las medidas de bondad de ajuste y predicción para cada modelo, con el
objetivo de encontrar cuál de todas las funciones es la que mejor se comporta y por
ende la más confiable, se llegó a la conclusión que el modelo 2 de ahusamiento es
el mejor modelo y el más recomendable para la aplicación en trabajos de
estimación.

PALABRAS CLAVES
Altura de interés, cubicación, diámetro de interés, fuste, modelo, rodal, trozas,
volumen comercial.

INTRODUCCIÓN
Posiblemente uno de los elementos más importantes en la evaluación de recursos
forestales es la determinación del volumen existente dentro de un rodal. Debido a la
gran dificultad que existe en su medición directa, este se estima en forma indirecta
utilizando la simulación con modelos matemáticos siendo una herramienta útil para
la toma de decisiones en el manejo forestal convencional y sustentable. Los
modelos de volumen predicen el volumen total de los árboles con corteza y sin
corteza, éste puede ser para volumen fuste limpio, volumen fuste total y volumen
comercial, donde las más comunes son las funciones de volumen y ahusamiento.
(Pérez, 2004).
La forma más precisa de calcular el volumen de un árbol es mediante su cubicación
individual, pero su lentitud y alto costo en que se incurre hace que se busquen otras
alternativas, siendo necesario utilizar la medición indirecta, esta consiste en estimar
el volumen a partir de variables de fácil medición. El método más utilizado para la
estimación de masas forestales han sido las funciones de volumen, las cuales
estiman el volumen del fuste a partir del diámetro y la altura del árbol (ALDER,
1980). Estas funciones se obtienen por regresión, usando una muestra de árboles
en los que se miden las variables predictoras para generar volumen mediante
cubicación. Posteriormente, una vez obtenidos los parámetros de la función, el
volumen se puede estimar conociendo el valor de las variables predictoras.
Las funciones de volumen se clasifican en locales y generales, las primeras son
obtenidas para ser aplicadas en un área geográfica limitada y sólo incorporan el
diámetro a la altura del pecho (DAP), a diferencia de las generales que expresan el
volumen en término de dos o más variables independientes, incorporando el DAP y
alguna medición de altura, estas últimas funciones son de aplicación en áreas
mayores debido a que incluyen en forma explícita la relación diámetro-altura en el
modelo (Prodan et al., 1997).
Las funciones o ecuaciones de ahusamiento entregan el diámetro sin corteza a
cualquier altura del fuste, es decir modelan la forma fustal. Mediante la integración
de la función de ahusamiento se puede realizar estimaciones del volumen fustal
total, comercial hasta diámetros y alturas límites superiores y desde cualquier altura
del tocón y la estimación de volúmenes de trozas individuales. Por lo tanto se realizó
el presente trabajo con el fin de comparar diferentes modelos de volumen total y
ahusamiento, con el propósito de seleccionar el mejor para ser empleado en las
estimaciones a nivel de árbol individual.

MATERIALES Y MÉTODOS
Se contó con una base de datos de 120 árboles por trozas con medidas
correspondientes a, altura al diámetro de interés (di), diámetro a altura de interés
(hi), volumen hasta el diámetro de interés (di), volumen total (vt), diámetro al 1,30
(DAP) y altura total (ht) para cada árbol; además de esto se disponía con una serie
de funciones de volumen total y ahusamiento, de los 120 datos, 80 fueron usados
para el proceso de ajuste de estos modelos y los 40 restantes para la validación de
los mismos. El procesamiento de los datos se realizó en el programa Microsoft
Excel, empezando con un análisis exploratorio de los mismos por medio de medidas
de posición central (media, mediana y moda) y medidas de dispersión (varianza,
desviación estándar y coeficiente de variación) (Tabla 1), al igual que para el total
de datos que se emplearon en ajuste y en validación (Tabla 2). Posteriormente se
procede a realizar el proceso de ajuste con la herramienta de regresión y de esta
forma estimar los parámetros para poder continuar con el proceso de validación, se
inició con los dos modelos de volumen total (EC1 y EC2), para los dos modelos de
ahusamiento (EC3 y EC4) se realizó el ajuste por medio de la función de
ahusamiento, en cambio la validación de ambos modelos se hizo en términos de
volumen total, para esto se hizo la transformación de cada una de las dos función de
ahusamiento en funciones de volumen total mediante integración. Por último se
hicieron las gráficas de residuales, gráficas de observado vs estimado (Figura 1) y
se calculan las medidas de bondad de ajuste: coeficiente de determinación (R^2) y
error estándar (Sx.y) (Tabla 3) y medidas de bondad de predicción: raíz del error
medio cuadrático (REMC) y diferencia agregada (DIFA) (Tabla 4).

Modelos para volumen total:

● Modelo 1:
𝑣 = 𝛽0 + 𝛽1 𝑑 + 𝛽2 𝑑 2 + 𝜀 EC (1)
Donde:
𝑣 = Volumen total.
𝛽0 , 𝛽1 , 𝛽2 = Parámetros obtenidos por regresión lineal.
𝑑 = Diámetro a 1.3 (cm).
𝜀 = Error del modelo.
● Modelo 2:
𝑣 = 𝛽0 + 𝛽1 ℊ + 𝜀 EC (2)
Donde:
𝑣 = Volumen total.
𝛽0 , 𝛽1 = Parámetros obtenidos por regresión lineal.
ℊ= Área basal
𝜀 = Error del modelo.

Modelos para ahusamiento:

● Modelo 1:
2
𝑑(ℎ) 2⋅ℎ ℎ2
2 = 𝛽0 ⋅ [1 − + 𝐻2] EC (3)
𝑑1.3 𝐻
Donde:
2
𝑑(ℎ) = Diámetro (cm) a una altura (h).
2
𝑑1.3 = Diámetro a 1.3 (cm).
𝛽0 = Parámetro obtenido por regresión lineal.
ℎ = Altura (m) de interés.
𝐻 = Altura total (m).

● Modelo 2:
2 2
𝑑(ℎ) = 𝑑1.3 ⋅ [𝑥 2 + 𝛽1 ⋅ (𝑥 3 − 𝑥 2 ) + 𝛽2 ⋅ (𝑥 8 − 𝑥 2 ) + 𝛽3 ⋅ (𝑥 40 − 𝑥 2 )] EC (4)
Donde:
2
𝑑(ℎ) = Diámetro (cm) a una altura (h).
2
𝑑1.3 = Diámetro a 1.3 (cm).
𝛽1 , 𝛽2 , 𝛽3 = Parámetros obtenidos por regresión lineal.
(𝐻 − ℎ)
𝑥=
𝐻 − 1.3
ℎ = Altura (m) de interés.
𝐻 = Altura total (m).

RESULTADOS
El análisis estadístico realizado a los datos (Tabla 1) nos muestra que del total de
los 120 árboles utilizados en promedio tienen una altura total de 23.58 m, un
diámetro a 1.30 de 24.17 cm y un volumen total de 0.55 m3, la desviación estándar
muestra que en general los valores de altura total, diámetro y volumen se
encuentran cerca a la media de los mismos, por otra parte el coeficiente de
variación (CV%) para la altura total es de 15.73 % indicando que los datos son
homogéneos a diferencia del diámetro con 23,94% y el volumen total con un
59,28% donde ya los datos son más heterogéneos, por otra parte la (Tabla 2)
muestra la estadística descriptiva de los árboles utilizados en el proceso de ajuste y
validación , donde se observa que los valores medios y de dispersión son
semejantes entre los 80 árboles empleados para el ajuste y los 40 utilizados para
validación.

Las medidas de bondad de ajuste (Tabla 3) para los modelos de volumen muestran
que el Sxy es el mismo para ambos modelos con un 0.8, el R2 por otra parte es muy
similar en ambos modelos, el modelo 1 con un 0,92 y el modelo 2 con un 0,97 lo que
indica que el modelo 2 es más confiable y representa mejor los datos que el otro
modelo, para el caso de los modelos de ahusamiento ambos presentan un S xy alto,
para el modelo 1 de 87.21 y el modelo 2 de 43.09, el R 2 fue muy cercano a 1 en
ambos modelos, en el modelo 1 fue de 0.96 y el modelo 2 de 0.99, de donde se
analiza que el modelo 2 es más confiable que el modelo 1. Al realizar una
comparación de todos los modelos se observa que el mejor es el modelo 2 de
ahusamiento porque es el que presenta el mayor R2 en comparación con los demás
modelos, por lo tanto tiene una mayor confiabilidad.
Por otro lado en la (Tabla 4) se observan las medidas de bondad de predicción, raíz
del error medio cuadrático (REMC) y diferencia agregada (DIFA); en cuanto al
REMC en los modelos de volumen, el modelo 2 con un 0.05 se comporta mejor con
un set de datos diferente al del ajuste que el modelo 1 con un 0.08, para los
modelos de ahusamiento el que mejor se comporta es el modelo 2 con un 0.05 en
comparación con el modelo 1 que presenta un 0.11, en relación a la DIFA obtenida
en todos los modelos se observa que subestima el valor real, lo que significa que los
datos estimados por los modelos son menores a los datos observados, los modelos
de volumen y el modelo 2 de ahusamiento presentan la misma DIFA con un 0.02, a
diferencia del modelo 1 de ahusamiento con un 0.10. Según estas medidas de
bondad de predicción se puede decir que el modelo 2 de ahusamiento es el que
mejor se comporta con un set de datos diferente y por tanto es más confiable al
momento de realizar las estimaciones.
En la figura 1 podemos observar cómo se comportan los modelos en comparación
con el volumen observado.

Tabla 1. Estadística descriptiva para los 120 árboles analizados.

Tabla 2. Estadística descriptiva de los árboles incluidos en la base de ajuste y
validación.

Tabla 3. Medidas de bondad de ajuste para las funciones de volumen y

ahusamiento.
Volumen Ahusamiento
Medidas bondad de
Modelo 1 Modelo 2 Modelo 1 Modelo 2
ajuste
0,92 0,92 0,96 0,99
, 0,08 0,08 87,21 43,09

Tabla 4. Medidas de bondad de predicción para las funciones de volumen y

ahusamiento.
Volumen Ahusamiento
Medidas bondad de
Modelo 1 Modelo 2 Modelo 1 Modelo 2
predicción

REMC 0,08 0,08 0,11 0,05

% 14,75 15,0 19,19 9,40
DIFA 0,02 0,02 0,10 0,02
% 3,27 4,63 16,83 3,90
Figura 1. Comparación entre volumen observado y volumen estimado por medio de
los modelos de volumen y ahusamiento, respecto a la altura total de los 40 árboles
para validación.

DISCUSÍON.
De acuerdo a Cruz, De los Santos & Valdés (2008) La compatibilidad entre
funciones de volumen y ahusamiento fue desarrollada por Demaerschalk (1972),
con el propósito de que las ecuaciones de ahusamiento compatible, mediante su
integración matemática también puedan obtener estimaciones realistas de modelos
de volumen total y parcial del fuste a cualquier límite o diámetro mínimo deseado.
La función de ahusamiento, es un tipo de función más compleja en cuanto a su
estructura y la estimación de parámetros, pero presenta una mayor flexibilidad por
tratarse de sólo una función. Sin embargo en este trabajo se llega a la conclusión al
igual que Tapia & Naver (2011) que los modelos recomendados para estimar
volúmenes fustales totales y comerciales son los de función de ahusamiento, ya que
determinan más adecuadamente el volumen total que las ecuaciones de volumen
probadas. El modelo es analíticamente y numéricamente integrable lo que lo hace
también adecuado para la estimación del volumen comercial y el diámetro a
cualquier altura del fuste, piezas clave en el manejo forestal convencional y
sustentable de los árboles.

CONCLUSION
La utilización de modelos matemáticos para la estimación de volumen a nivel de
árbol individual son una herramienta muy útil, sin embargo se necesita contar con
modelos que sean muy precisos y confiables, para realizar estimaciones reales de
los árboles con los que se esté trabajando; por lo que después de un análisis
basado en las medidas de bondad de ajuste y predicción para los cuatro modelos
estudiados, tanto de volumen y ahusamiento, se llega a la conclusión que el mejor
es el modelo 2 de ahusamiento, puesto que presentó los mejores resultados,
indicando que es el modelo que mejor se comporta y el más confiable, además de
esto este tipo de modelo es muy útil para trabajos de diferentes estimaciones, ya
sea de, diámetro, altura, volumen a diferentes índices o volumen total del árbol, a
diferencia de los otros modelos de volumen que solo ayudan a estimar ya sea
volumen total o la proporción de volumen hasta un cierto punto de utilización; por lo
cual este modelo de ahusamiento es el más recomendado para trabajos de
estimaciones futuras.

AGRADECIMIENTOS
Agradecimientos a la Ingeniera Forestal Ana Milena López por haber compartido sus
conocimientos, darnos las herramientas para aprender la aplicación de diferentes
modelos de volumen total y ahusamiento para árbol individual; los cuales nos
servirán en la vida profesional.

REFERENCIAS BIBLIOGRÁFICAS
1. Alder,D . 1980. Estimación del volumen forestal y predicción del rendimiento
con referencia especial a los trópicos. V1-Estimación del volumen. Estudio
FAO: Montes 22/2. 92 p. Recuperado de:
http://www.fao.org/docrep/016/ap354s/ap354s00.pdf

2. Cruz,F; De los Santos, H & Valdez, J. (2008) Sistema compatible de

ahusamiento–volumen para Pinus cooperi Blanco en Durango, México.
SCIELO (Agrociencia vol.42 no.4 México) Recuperado de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-
31952008000400010

3. Pérez , M.2004. Compatibilidad de funciones de volumen y ahusamiento para

renovales de Roble en la Décima Región (Trabajo de titulación a Ingeniero
Forestal). Universidad Austral de Chile Facultad de ciencias forestales.
Recuperado de:
http://cybertesis.uach.cl/tesis/uach/2004/fifp438c/sources/fifp438c.pdf
 4. Prodan, M; Peters, R.; Cox, F. y Real, P. 1997. Mensura Forestal. San José,
Costa Rica. IICA-GTZ0. 561 p. Recuperado de:
http://repiica.iica.int/docs/B4179e/B4179e.pdf

5. Tapia, J. & Návar, J. (2011). Ajuste de Modelos de Volumen y Funciones de

Ahusamiento Para Pinus pseudostrobus Lindl. en Bosques de Pino de la
Sierra Madre Oriental de Nuevo León. México. Red de Revistas Científicas de
América Latina y el Caribe, España y Portugal. Foresta Veracruzana 13(2).
Recuperado de http://www.redalyc.org/html/497/49721457004/

La gráfica de residuales para el modelo de razón (Figura ) presenta

Heterocedasticidad, lo que significa que la varianza no es constante y se deben
transformar los datos (la variable Y). Por otro lado en las gráficas de residuales para
los modelos de volumen (Figura ) también se observa que la varianza no es
constante, la variabilidad es más pequeña al inicio que al final, sin embargo en el
modelo 1 se observa más marcada esta variabilidad y en cuanto a la gráfica de
residuales de los modelos de ahusamiento (Figura ) el error se correlaciona en
ambos casos con el modelo, lo que no es normal, por esta razón tienden hacer
gráficas diferentes a las demás
.