Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/265270198
CITATIONS READS
37 3,330
4 authors, including:
Klaus Gadow
University Göttingen Germany; Beijing Forestry University, China; University of Stellenbosch South Africa
350 PUBLICATIONS 5,373 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Klaus Gadow on 10 October 2014.
Klaus v. Gadow,
Sofía Sánchez Orois
Juan Gabriel Álvarez González
Prólogo
Klaus v. Gadow
1 Gadow, K. v., Real, P., Álvarez González, J.G., 2001: Modelización del Crecimiento y la
evolución de bosques. IUFRO World Series Vol. 12: 242 p.
iv
ÍNDICE
Fundamentos 1
El fuste 83
Coeficientes mórficos 84
Cocientes de forma, series de curvatura y método spline 84
Funciones de perfil no lineares de pocos parámetros 86
La función de Brink modificada 89
Modelos de perfil de fuste generalizados 93
v
Calidad de la madera 96
Cobertura 120
BAL y BALMOD: “Área basimétrica del árbol mayor “ 121
Superficies de proyección de copa de los árboles mayores 124
Índice área basimétrica-diámetro 126
Clima
Organismos Entorno
Suelo
Figura 1-1. Principio del acoplamiento en el ecosistema forestal entre los organismos y su entorno
inorgánico.
Los organismos asimilan energía y materia y la devuelven a su entorno, por tanto
ellos constituyen las fuentes y los sumideros de la energía y la materia. (Heinrich y
Hergt, 1990, página 43 y siguientes). En la producción primaria se genera fitomasa
debido a la fotosíntesis y a la captación de iones. En este proceso se producen
reacciones químicas que necesitan un aporte de energía:
En la producción secundaria (“la respiración”) tiene lugar este mismo proceso pero
en sentido contrario. La materia orgánica se descompone ante la presencia de
oxígeno y la energía adquirida se libera en forma de calor:
Estos intercambios tienen lugar entre los árboles por un lado y la atmósfera y la
hidrosfera por otro. Por lo que las condiciones de estos entornos son muy
importantes en el desarrollo de los bosques.
Radiación
Bajo el término radiación se entiende una transferencia de energía entre dos
cuerpos o dos superficies. La energía electromagnética proveniente del Sol es una
radiación de onda corta que comprende las longitudes de onda que van desde el
ultravioleta, hasta el infrarrojo pasando por todo el espectro visible.
El sol irradia cerca de 4226 Joules por segundo pero solamente una media de
8,4 Julios por minuto y cm2 (≈1360 W/m2) 1 alcanzan el límite de la atmósfera
terrestre. Este valor se denomina constate solar y tiene fluctuaciones dependiendo
de la actividad solar (1,5% de variación) o la distancia del sol a la tierra (3,5% de
variación). De la radiación solar que alcanza la atmósfera, aproximadamente un
30% es reflejado por las nubes y las partículas en suspensión, es el denominado
albedo. Del 70% restante, un 25% es absorbido por la atmósfera y un 45% por la
superficie terrestre (incluyendo las masas de agua y la vegetación). A esta cantidad
de radiación cuya fuente es directamente el sol hay que añadir parte de la radiación
que emite la Tierra hacia el espacio y que, debido a la presencia de gases de efecto
invernadero, vuelve a la superficie terrestre. De este modo, la radiación global o
insolación que recibe un terreno horizontal en la superficie terrestre varía en
función de la latitud, la hora del día, la claridad atmosférica y la altitud, y toma
Fundamentos 5
como media valores comprendidos entre 800 y 1200 W/m2 con atmósfera clara y
con el sol en su máxima elevación (Barnes et al., 1997).
debe realizar la radiación para atravesar la atmósfera. Cuanto mayor es este ángulo,
más corto es este trayecto y menor es la pérdida de radiación. A mediodía el Sol se
encuentra en su posición más elevada, es decir, el ángulo de elevación es máximo y
la pérdida de radiación es mínima.
Según Penning de Vries y Laar (1982, página 105) la elevación solar se puede
calcular mediante el siguiente sistema de ecuaciones:
Ecuador
90
Elevación del Sol
(Grados)
70
50
50° Latitud Norte
30
Polo Norte
10
0
22. Dic 22. Mar 22. Jun 21. Sep 22. Dic
Figura 1-2. La elevación del Sol a las 12:00 horas a lo largo del año en el Ecuador, a 500 de
latitud norte y en el Polo Norte.
Mediante las ecuaciones 1-2 y 1-3 es posible representar el recorrido de la elevación
solar a lo largo del día y del año para diferentes latitudes. Por ejemplo, la figura 1-2
Fundamentos 7
La figura 1-3 muestra la elevación solar a lo largo del día para el paralelo 50
en tres días del año diferentes.
60
30
-30
-60
-90
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora solar
Figura 1-3: Elevación del Sol a lo largo del día para una latitud de 50º Norte medida en tres
días distintos del año.
Sustituyendo en la ecuación 1-1 los valores de elevación del Sol obtenidos con las
ecuaciones 1-2 y 1-3 se puede estimar de forma teórica la radiación
fotosintéticamente activa para un determinado día y hora. La figura 1-4 muestra las
variaciones de esta radiación a lo largo del día para una latitud de 50º Norte y para
tres días del año diferentes suponiendo un factor de nubosidad de 0,5.
250
22 Junio
150 21 Octubre
100
50
1 Enero
0
0 3 6 9 12 15 18 21 24
Hora solar
Figura 1-4. Variación a lo largo del día de la radiación fotosintéticamente activa (PAR) en tres
días diferentes del año para una latitud de 50º Norte.
Cuando la radiación no incide verticalmente sobre el terreno, la energía por unidad
de superficie es menor puesto que el plano de irradiación es distribuido sobre una
superficie mayor que cuando incide verticalmente. Por tanto, otros factores que
también influyen en la radiación que llega a una superficie son la pendiente del
terreno y la orientación. Alisov et al. (1956) obtuvieron una relación entre la
variación de la radiación con respecto a la obtenida cuando incide verticalmente
sobre el terreno y la pendiente, la exposición y la latitud:
Sólo una pequeña parte de la radiación que llega a las copas del estrato
superior alcanza el suelo del bosque. Por ejemplo, en masas regulares de pinar sin
excesiva densidad se considera que sólo entre un 10 y un 15% de la radiación que
incide en las copas llega al suelo y en masas densas de haya ese porcentaje se reduce
hasta valores comprendidos entre 0,2 y 0,4% (Barnes et al., 1997).
180 0,6
kJ/cm²
Cambio de la intensidad de
160 S
0,4
140 SO-SE
SO - SE
radiación (p)
0,2
120 O-E
O-E
0,0
100
80 -0,2 NO - NE
60 NO-NE
-0,4
40 N N
-0,6
20
0 10 20 30 40 50 60 0 5 10 15 20 25 30 35 40 45 50 55 60
Figura 1-5: Diagrama de la suma de la intensidad solar (izquierda) en sitios con diferente
pendiente y exposición durante el período vegetativo en la región de Göttingen, Alemania
(Biederbick, 1992) y representación de la influencia de la exposición y de la pendiente sobre
la intensidad según el modelo empírico de Alisov et. al. (1956) para la latitud de esta región
(52º Norte).
La reducción de la intensidad a medida que la radiación atraviesa las copas de los
árboles no es lineal y depende del índice de área foliar (m2/m2) o área que ocupan
las superficies de las hojas por unidad de superficie del terreno. Esta reducción se
rige por la denominada ley de Lambert-Beer que sigue un modelo exponencial
negativo (Mitscherlich, 1971, página 67; Leemans, 1992). De este modo, la
radiación que alcanza un cierto estrato z de la copa de los árboles viene dada por la
siguiente ecuación:
I z = I 0 ⋅ e − k ⋅Fz 1-5
10 Fundamentos
1
2
Estrato de
copa 3
4
5
Figura 1-6. Disminución exponencial de la luz según el método de cinco estratos empleado por
Jansen y Martin (1995)
La ecuación 1-5 está basada en el valor del índice de superficie foliar para cuya
estimación se debería tener en cuenta la disposición de las hojas a lo largo del
tronco del árbol, puesto que, por ejemplo, las hojas situadas en la periferia superior
de las copas están inclinadas hacia arriba, mientras que las hojas de la parte inferior
se colocan más en posición horizontal (ver, por ejemplo, los trabajos de Monsi y
Saeki, 1953; Saeki, 1963; o Mitscherlich, 1971, página 68).
Para una misma especie, la manera en que disminuye la luz dentro del rodal
puede modificarse notablemente mediante la realización de tratamientos selvícolas.
Por ejemplo, en rodales de coníferas en los que se han realizado claras débiles, el
dosel de copas es denso y cerrado y el sotobosque apenas existe. En cambio, si se
realizan claras fuertes la disminución de la luz es menor, a pesar de que las copas de
los árboles se prolongan más a lo largo del tronco (Mitscherlich, 1971 página 71).
(
Pnet = a ⋅ 1 − e − k ⋅( PAR − PAR0 ) ) 1-6
Donde Pnet es la fotosíntesis neta en mg CO2 /dm2 /h, a es un parámetro que
define el punto de saturación de luz, k es una constante empírica que depende de la
especie, la humedad relativa del aire, la temperatura y el contenido en CO2 del aire,
PAR es la radiación fotosintéticamente activa y PAR0 es el punto de compensación
de la luz
Fundamentos 13
16
Fotosíntesis neta
(mg CO2/dm2/h)
14
12
10 Asimilación máxima en el punto de
saturación de la luz
8
6
4
2 Punto de compensación de la luz
0
200 400 600 800 1000
-2
PAR (W/m2)
Figura 1-7. Representación a modo de ejemplo de una curva de reacción de la luz y el punto de
compensación de la luz para un valor de la constante k de 0,0061, un valor del punto de
compensación de luz (PAR0) de 20 W/m2 y un valor del parámetro a de 15 mg CO2
/dm2/h.
A partir de estudios empíricos de la relación entre producción e intensidad de luz se
pueden desarrollar modelos para estimar el crecimiento arbóreo. Por ejemplo,
Sievänen (1993) desarrolló un modelo sencillo para estimar la producción de
biomasa en masas regulares de pino mediante la ecuación 1-7:
x x
C-pool
(a) (b)
Figura 1-8. Distribución de los compuestos asimilados en las hojas: (a) método centralista y (b)
método basado en el concepto de autonomía de las ramas (Kurth, 1998).
Por último, hay que tener en cuenta que los modelos de proceso desarrollados a
partir de este tipo de información son meras simplificaciones de la realidad y que
hay que considerar que el crecimiento arbóreo significa mucho más que únicamente
el aumento de biomasa. Los árboles poseen la capacidad de reaccionar a los
cambios en las condiciones ambientales mediante mecanismos de adaptación
diferenciados y esta capacidad se manifiesta en la variedad de células, tejidos
estructurales y órganos de diferentes formas que un árbol genera a lo largo de su
vida. Muchos pequeños detalles de estos procesos son todavía desconocidos y
tienen una importancia esencial en el crecimiento (Raven et al., 1987).
Fundamentos 15
Temperatura
Las plantas regulan su temperatura disipando parte de la energía que absorben para
evitar que una excesiva temperatura puedan causar daños en sus tejidos o incluso su
muerte. Desde el punto de vista de la construcción de modelos de crecimiento es
especialmente interesante conocer las variaciones diarias y anuales de la
temperatura y su influencia en la fotoproducción.
1000
Pre-Alpes
Altitud (m s. n.m.)
600
400 Harz
200
0
30.IV. 10.V. 20.V. 30.V. 10.VI.
Figura 1-9. Fecha de brotación de la pícea a diferentes altitudes en el Harz, la Selva Negra y
Pre-Alpes (Mitscherlich, 1971 página 101).
Según los trabajos de Hänninen (1990) y Kramer (1996) el momento de la
brotación no es fotoinducido sino que depende exclusivamente de la temperatura.
La brotación de las hojas sucede en el momento en que la tasa de calentamiento
supera un valor crítico.
16 Fundamentos
Los estudios realizados por Chroust (1968) y Mitscherlich (1971, página 102 y
siguientes) mostraron la influencia de los tratamientos selvícolas y la defoliación
sobre los perfiles de temperatura desde el dosel de copas hasta el suelo. Se observó
que la distribución vertical de la temperatura del aire depende fuertemente del tipo
de clara realizada. En rodales donde no se realizan claras la temperatura máxima
diaria se localiza en la parte superior de las copas, mientras que en rodales donde se
realizan claras fuertes la máxima temperatura se localiza en la zona intermedia o
inferior de las copas, con las correspondientes consecuencias sobre el
calentamiento del suelo. En los rodales de frondosas caducifolias antes de la
foliación se registra la temperatura máxima en el suelo, mientras que tras la
foliación la temperatura máxima se registra en la parte superior de las copas.
mgCO2/ g • h
2
2,5
Fotosíntesis bruta
2,0
1,5 Respiración
1,0
Asimilación neta
0,5
-5 0 10 20 30 40°
°C
Mitscherlich (1975, página 157 y siguientes) destaca que además de los factores
climáticos, en la fotosíntesis intervienen también las condiciones de suministro de
agua y nutrientes, que a su vez dependen de la tasa de transpiración, de la
conducción de agua en el árbol y de la cantidad de agua disponible en el suelo. Del
mismo modo, numerosos estudios han puesto de manifiesto que también existen
claras diferencias en el efecto que ejerce la temperatura sobre la fotosíntesis neta a
lo largo del día y del año en función de la especie.
Tamp ⎡ ⎛ 1 ⎞ π⎤ 1-8
Td =Ta + ⋅ sin ⎢2π ⎜ t s − ⎟ − ⎥
2 ⎣ ⎝ 12 ⎠ 2 ⎦
Donde T d es la temperatura media diaria, T a es la temperatura media anual, Tamp es
la variación de la temperatura media entre el mes más cálido y el más frío y ts es (td
+ 10) / 365, donde td es el ordinal del día del año.
⎧⎛ T − T ⎞ 2
⎪⎜ 0
⎟ , si T0 ≤ T ≤ 40°C 1-9
k Tr = ⎨⎜⎝ Tn − T0 ⎟⎠
⎪ 0, en caso contrario
⎩
Donde kTr es la influencia de la temperatura sobre la respiración, T es la
temperatura actual, T0 es la temperatura mínima para la respiración y Tn es la
temperatura a la cual kTr es igual a 1 (actividad normal).
⎧ ⎛ T − T p0 ⎞
2
T + Tp0
⎪ 2⎜ ⎟ , si T p 0 ≤ T ≤ opt
⎪ ⎜T −T ⎟ 2
⎝ opt p0 ⎠
⎪ 2
⎪ 1-10
k Tp = ⎨1 − 2⎛⎜ T − T p 0 ⎞⎟ , si Topt + T p 0 < T y k ≥ 0
⎪ ⎜T −T ⎟ 2
Tp
⎝ opt p0 ⎠
⎪ L 0, en caso contrario
⎪
⎪⎩
(
T ( d ) = μ mT + ρ mT ⋅ (T (d − 1) − μ mT ) + σ mT ⋅ ni ⋅ 1 − ρ mT
2
)1 / 2 1-11
Donde T(d) es la temperatura media del día d, μmT es la temperatura media mensual,
σmT es la desviación típica de la temperatura media mensual, ρmT es el coeficiente de
autocorrelación de las temperaturas medias mensuales y ni es un número aleatorio
distribuido según N(0,1). La estimación de la temperatura para la hora h del día d se
obtiene mediante la siguiente expresión:
⎛σ ⎞
T (h) = T (d ) + ⎜ dT ⎟ ⋅ sin ((h − 6 ) ⋅15) 1-12
⎝ 2 ⎠
Donde T(h) es la temperatura media para la hora h del día d y σdT es la desviación
típica de la temperatura diaria.
Agua
El agua es un factor ambiental muy importante para el crecimiento de las plantas
puesto que su disponibilidad influye en la fotosíntesis tanto directamente, por la
necesidad de su presencia en los procesos bioquímicos fotosintéticos como
indirectamente a través de su influencia en la apertura y cierre de los estomas de las
hojas (Mooney, 1986, página 352 y siguientes).
0,8
0,6
0,4
0,2
0,0
0 1 2 3 4 5 6 7 8 9 10
Figura 1-11. Valores de alturas máximas relativas con respecto al valor máximo (42 m)
observado en las parcelas de ensayo permanentes de picea para diferentes índices indicativos
del contenido de agua en el suelo.
22 Fundamentos
80
60
40
20
V I V I V I
Figura 1-12. Porcentaje de la precipitación que se pierde por intercepción , porcentaje que
llega al suelo por permeabilidad a través del dosel de copas y porcentaje que alcanza el
suelo por escorrentía por el tronco para tres especies según Mitscherlich (1971, página
205) V = Verano, I = Invierno.
24 Fundamentos
Cuanto más saturado de agua está el suelo, menor es el valor del índice pF y mayor
es la capacidad de absorción de agua por las raíces. A medida que la tensión hídrica
aumenta hasta valores comprendidos entre 3 y 3,5 pF se observa una importante
limitación del crecimiento radical (Mitscherlich, 1975, página 28 y siguientes). A
partir del valor 3,5 pF el contenido de agua alcanza un límite crítico para el
crecimiento de las raíces.
4,0
log.10 Tensión de absorción [hPa]
2,0
compactado
1,0
0,0
0 0,1 0,2 0,3 0,4 0,5 0,6
Figura 1-13. Curva pF de tensión hídrica para un suelo arenoso en la capa superficial de 0-5 cm
de profundidad antes y después del paso de máquinas de desembosque (Teepe et al., 2000).
En especial llama la atención el diferente recorrido de la curva pF en el tramo
inferior (valor por debajo de 2,0 pF), en el que se puede observar como la
compactación ha causado una disminución de los poros gruesos, lo que supone una
peor aireación del suelo.
Fundamentos 25
Según Shugart (1984) los cambios mensuales en el contenido de agua del suelo
resultan de la diferencia entre las entradas por precipitación y las pérdidas por
evapotranspiración, es decir la cantidad total de vapor de agua liberada a la
atmósfera por un suelo cubierto de vegetación. Conociendo los valores de
precipitación y evapotranspiración se podría realizar un balance de la cantidad de
agua disponible en el suelo e incluirlo en modelos de crecimiento.
⎧ E 0, w ≥ CC
⎪
E=⎨ ⎛ w ⎞ 1-15
⎪ E 0 ⋅ ⎜ CC ⎟, en caso contrario
⎩ ⎝ ⎠
Por ejemplo, si el valor de la evapotraspiración potencial es de 6 mm/día y la
capacidad de campo es de 180 mm por metro de profundidad de suelo, para una
26 Fundamentos
Aire
El aire se compone de un 78% de nitrógeno, un 21% de oxígeno y el resto lo
constituyen otros gases entre los que destaca el dióxido de carbono en una
concentración del 0,03%. Este gas juega un papel clave en la fotosíntesis y, por
tanto también en la construcción de modelos de crecimiento forestal. En la
actualidad el contenido de CO2 de la atmósfera se está incrementando debido al
uso de combustibles fósiles, lo que está repercutiendo directamente en el
crecimiento de las plantas.
proceso, por ejemplo, Mitscherlich et al. (1963) comprobaron que por las noches el
contenido de CO2 de las capas de aire próximas al suelo en un rodal irregular mixto
de abeto, haya y pícea era notablemente más elevado que en un monte alto regular
de pícea, lo que atribuyeron a una mayor respiración del suelo y a un menor efecto
del viento en el monte irregular.
a 1-16
CO2 (n) = iniCO2 +
1 + e − b⋅ n
Donde CO2(n) es la concentración media anual de CO2 (ppm) dentro de n años,
iniCO2 es la concentración de CO2 al comienzo de la simulación, n es el número de
años desde el comienzo de la simulación y a y b son parámetros del modelo.
Una vez obtenidos los valores medios anuales se pueden estimar a partir de
ellos los valores medios diarios de CO2 en el aire CO2(d) empleando la ecuación:
⎛ σ CO2 ⎞ 2π ⎞ 1-17
CO2 (d ) = CO2 (a) + ⎜⎜ ⎟⎟ ⋅ cos⎛⎜ 0,986 ⋅ jdia ⋅ ⎟
⎝ 2 ⎠ ⎝ 360 ⎠
Donde CO2(d) es la concentración media diaria de CO2 (ppm) en el día d, CO2(n) es
la concentración medial anual de CO2 (ppm) en el año n (ecuación 1-16), σCO2 es la
variación de la concentración de CO2 entre el máximo de invierno y el mínimo de
verano (ppm) y jdia es el ordinal del día.
70 ⎛ 2π ⎞
CO2 ( d ) = 330 + ⋅ cos⎜ 0.986 ⋅ 150 ⋅ ⎟ = 300 ppm
2 ⎝ 360 ⎠
Ciclo de nutrientes
Aunque el carbono (C), el hidrógeno (H) y el oxígeno (O) forman la estructura
básica de todos los tejidos biológicos de las plantas, otros 13 elementos son
esenciales para el mantenimiento de los órganos de las plantas y para la producción
de nueva fitomasa. Todos estos nutrientes se pueden clasificar en dos grupos:
macronutrientes (C, H, O, N, P, S, K, Ca y Mg) y micronutrientes (Mo, Fe, Mn,
Zn, Cu, Co y B) que influyen de forma diferente sobre el crecimiento de las plantas.
Deposición
Claras,
NOx (g), HNO3 (g)
NO3-, NH3 (g), NH4+ podas y
corta final
NH3
Hojas Emisión
gaseosa
N2 Fijación
Desnitrificación
Descomposición y retorno a la
atmósfera
N2, N2O
Mineralización
Nitrificación Lavado
NH4+ NO3- NO3- (NH4+)
Immobilización N-orgánico
Figura 1-14: Modelo del ciclo del nitrógeno según Gundersen (1995).
Los procesos de mineralización e inmovilización de nutrientes están fuertemente
afectados por las características bioquímicas del sustrato orgánico del suelo
(humus), que puede ser cuantificado por ejemplo por la relación C:N.
Figura 1-15: Modelos de los ciclos de carbono y de nitrógeno empleados en el modelo Treedyn
(Sonntag, 1998; izquierda) y en el modelo Treedyn3 (Bossel ,1994b; Jansen y Martín,
1995; derecha). A la izquierda RaícesG hace referencia a las raíces gruesas y RaícesF a las
raíces finas. A la derecha en mayúsculas figuran las variables de estado y en minúsculas las
tasas de variación.
Fundamentos 31
En estos modelos se estima también la demanda de nitrógeno por las plantas, que
está afectada, entre otros factores por las condiciones climáticas (radiación y
temperatura) y posteriormente se compara dicha demanda con la reserva de
nitrógeno disponible en el suelo (Nreserva). En el caso de que la demanda se cubra
con la reserva, entonces se puede alcanzar el máximo crecimiento potencial, en
caso contrario el crecimiento se ve limitado.
V V
Luz Temperatura
V V
Agua Nutrientes
Figura 1-16. Pautas de relación entre algunos de los condicionantes de la estación forestal que
afectan al crecimiento y la acumulación de biomasa (V) según Kimmins (1990).
Por ejemplo, la curva de producción de biomasa en función de la intensidad de la
luz es asintótica, sin embargo, las curvas de respuesta a la temperatura, el agua o el
contenido de nutrientes alcanzan un máximo. Existe un gran número de funciones
matemáticas que se pueden emplear para cuantificar las relaciones representadas en
la figura 1-16 entre variables cuantitativas. Sin embargo, determinadas variables
relacionadas con la calidad de la estación forestal son categóricas, así por ejemplo a
veces se describen las características del suelo con términos como “suelo poco o
medianamente profundo”, “medianamente fresco” o “con disponibilidad media de
nutrientes”. Este tipo de descripciones cualitativas también deben tener cabida
dentro de los modelos de crecimiento y una posible forma de incluirlas es asignar
valores numéricos a las categorías de texto. Por ejemplo, Kahn (1994) empleó tres
condicionantes ecológicos para caracterizar la calidad de la estación forestal y su
influencia sobre el crecimiento en altura del rodal: nutrientes, temperatura y
humedad. Cada uno de estos tres condicionantes complejos se obtiene de los
valores de 3 factores diferentes: el condicionante nutrientes esta caracterizado por
la concentración de óxido de nitrógeno (Nox), la concentración de dióxido de
carbono (CO2) y el contenido de nutrientes del suelo (NST); el condicionante
Fundamentos 33
temperatura está caracterizado por el número de días al año con una temperatura
superior a 10ºC (DT10), el rango de variación de la temperatura anual (TVAR en
ºC) y la temperatura media anual (TV en °C); por último, el condicionante
humedad está caracterizado por el índice de aridez de De Martonne (MV), la
frescura del suelo (Frescura) y la precipitación durante el período vegetativo (Nv en
mm). En la figura 1-17 se esquematiza la relación entre el crecimiento en altura
dominante y estos 9 factores individuales que se combinan para obtener los
condicionantes ecológicos antes nombrados.
NOx DT10 MV
NST TV NV
1.0
μ (X)
0.8
0.6
0.4 c1 c2 c3 c4
0.2
0.0 X
0 20 40 60 80 100
⎧ x - c1
⎪ c2 - c1 , c1 ≤ x ≤ c2
⎪
⎪
⎪ 1, c2 ≤ x ≤ c3
⎪⎪
μ(x) = ⎨ 1-18
⎪ c4 - x
⎪ , c3 ≤ x ≤ c4
⎪ c4 - c3
⎪
⎪
⎪⎩0, en otro caso.
Una vez obtenidos los parámetros c1 a c4 de la función anterior para cada uno de
los 9 factores, a cualquier valor de dichos factores se le puede asignar un efecto en
el crecimiento en altura que varía entre 0 y 1. Posteriormente, Kahn (1994)
combinó estos valores para calcular los tres condicionantes ecológicos (nutrientes,
temperatura, humedad). Por ejemplo, las ecuaciones para pícea son las siguientes:
Fundamentos 35
Nutrientes = NST ⋅ 0,01 ⋅ NOx 0,72 ⋅ CO20, 72 + 0,99 ⋅ ((1 − (1 − NST ) ⋅ (1 − NOx 0,72 ) ⋅ (1 − CO20,72 )))
Temperatur a = 0,018 ⋅ DT 10 ⋅ TVAR ⋅ TV + 0,982 ⋅ (1 − (1 − DT 10) ⋅ (1 − TVAR ) ⋅ (1 − TV ))
Humedad = 0,11 ⋅ MV ⋅ NV ⋅ Frescura + 0,89 ⋅ (1 − (1 − MV ) ⋅ (1 − NV ) ⋅ (1 − Frescura ))
A continuación, Kahn (1994, página 117) ajustó a cada parcela de ensayo una
relación entre la altura dominante y la edad empleando la ecuación de Chapman-
Richards simplificada al fijar un valor de 3 para el exponente:
(
H = a ⋅ 1 − e − b ⋅t )
3 1-19
Por último, se relacionaron los parámetros a y b con los valores de los tres
condicionantes ecológicos, es decir, a =f (nutrientes, temperatura, humedad) y b = g
(nutrientes, temperatura, humedad), para obtener una ecuación de crecimiento en
altura dominante dependiente de los 9 factores que, según Kahn, caracterizan la
estación forestal.
Para poder obtener este valor es necesario tener registros históricos sobre las
existencias y el volumen de corta en cada clara, datos que no siempre están
disponibles. Los registros de parcelas permanentes aportan una información muy
útil, sin embargo, el material genético que se emplea y la selvicultura que se aplica
actualmente son diferentes, por lo que la productividad futura de las masas de
reciente implantación puede no estar correctamente caracterizada empleando
registros históricos.
definido puesto que, el volumen que alcanza un rodal a una edad determinada no
sólo depende de la estación sino también de la práctica silvícola, de la genética y de
la composición de especies (Clutter et al., 1983, página 32).
800
700
600
500
400
300
200
100
Figura 1-19. Relación entre el volumen de la masa total y la altura del rodal en parcelas de
ensayo de haya en el este del Schwäbischen Alb (Moosmayer, 1957).
38 Fundamentos
Además, esta relación entre productividad de masa total y altura del rodal permite
emplear esta variable como indicador de calidad de estación. Si se representa la
altura media a diferentes edades de rodales asentados en estaciones con calidades
diferentes se obtiene una familia de curvas como la de la figura 1-20. El límite
superior de esta familia de curvas representa a los rodales de mayor productividad
en volumen, mientras que el límite inferior representa a los de menor
productividad. Como altura del rodal se suele emplear el valor de la altura
dominante, es decir, el valor de la altura del estrato formado por los árboles
dominantes y codominantes. Esta altura está, en general, poco influenciada por la
densidad del rodal o por las claras (excepto en el caso de realizar claras por lo alto).
Altura [m] 40
35 Calidad I
30
Calidad II
Calidad III
25
Calidad IV
20 Calidad V
15
10
5
Edad [años]
0
20 40 60 80 100 120
Figura 1-20. Familia de curvas altura media-edad para pícea (Wiedemann, 1936).
Inicialmente se empleó una numeración para designar a las calidades por orden
decreciente, de este modo la curva superior se designaba como calidad I y era mejor
que la calidad II, y esta mejor que la calidad III y así sucesivamente. Sin embargo,
esta clasificación no aporta información sobre la productividad del rodal y no
permite realizar comparaciones entre familias de curvas de una misma especie en
regiones geográficas diferentes. Por esta razón, actualmente las curvas de calidad de
estación altura dominante-edad se definen por el denominado índice de sitio, que es
el valor de la altura dominante que alcanza la curva a una edad de referencia
determinada. En la figura 1-21 se muestran las curvas de calidad para rodales de
Fundamentos 39
Pinus densiflora en Corea y los valores de sus índices de sitio obtenidos a una edad de
referencia de 50 años.
25
16.5
Altura dominante[m]
20
13.5
15
10.5
10 7.5
0 Edad [Años]
0 20 40 60 80 100
Figura 1-21. Índice de calidad de estación para rodales de la especie Pinus densiflora en Corea
según Chung (1996).
Además de los tres métodos ya descritos de estimación directa de la calidad de
estación existe una cuarta metodología basada en el crecimiento en altura del rodal.
Esta metodología se conoce con el nombre genérico de growth intercept method y se
basa en la relación directa entre el crecimiento en altura y la calidad de la estación.
Este método requiere conocer cuál ha sido el crecimiento en altura del rodal
durante un cierto número de años (habitualmente cinco años) y, por tanto, son
útiles en especies en las que se pueda distinguir los entrenudos propios del
crecimiento anual en altura. Debido a que el crecimiento en altura en las primeras
edades suele estar fuertemente influenciado por la competencia de los estratos
herbáceo y arbustivo, el primer entrenudo para contabilizar el crecimiento en altura
suele ser el que incluye el punto de medición del diámetro normal (1,30 metros de
altura).
Para una misma especie y una misma densidad del rodal, la calidad de
estación es claramente mejor cuanto más corto es el tiempo de paso. En el valor del
tiempo de paso tiene una clara influencia la competencia entre individuos, por lo
que ese tiempo de paso debe medirse en los árboles de mayor tamaño cuyo
crecimiento se supone que depende menos de la competencia.
Hm (m) 45
40
Pícea (52<d<70 cm)
35
30
25
Pícea (38<d<50 cm)
20
I. II. III. IV. V.
Calidad de estación
para cualquier par de curvas de la familia, la altura de una de ellas a cualquier edad
es proporcional a la altura de la otra curva a esa misma edad, es decir, el cociente
entre las alturas dominantes de las dos curvas es constante. En una familia
polimórfica no se cumple esa proporcionalidad, de modo que el cociente entre las
alturas dominantes de dos curvas cualesquiera depende de la edad. En las familias
de curvas polimórficas es incluso posible que dos curvas se corte entre sí. En la
figura 1-23 se muestran dos familias de curvas de índice de sitio para una edad de
referencia de 20 años, a la izquierda una familia anamórfica y a la derecha
polimórfica.
H [m] 30 H [m] 25
20 20
25
20 16
20 16 12
15
15 12
10
10
5 5
0 0
0 10 20 30 40 50 0 10 20 30 40 50
Edad [años] Edad [años]
Figura 1-23. Curvas de calidad de estación con el mismo índice de calidad. La edad de referencia
es de 20 años. A la izquierda las curvas anamórficas, a la derecha las curvas polimórficas.
Las curvas de índice de sitio deben cumplir una serie de propiedades, entre las
cuales destacan las siguientes (Bailey y Clutter 1974, Cieszewski y Bailey 2000):
polimorfismo, pauta de crecimiento sigmoide con un punto de inflexión, alcanzar
una asíntota horizontal a edades avanzadas, tener un comportamiento lógico (por
ejemplo, la altura dominante debe ser cero a la edad cero, la curva debe ser siempre
creciente), deben ser invariantes con respecto al camino de simulación (path
invariance) y deben ser invariantes con respecto a la edad de referencia (base-age
invariance). La condición de invarianza con respecto al camino de simulación implica
que cuando se parte de la altura dominante H1 a la edad t1 y se estima con las curvas
el valor de la altura dominante (H3) a la edad t3 se debe obtener el mismo valor que
Fundamentos 43
(
H = a ⋅ 1 − e − b ⋅t ) c
1-21
Dónde H es la altura dominante del rodal (m), t es la edad del rodal (años) y a, b y c
son los parámetros de la ecuación que hay que estimar. El parámetro a se
corresponde con el valor asintótico de la altura dominante y, por tanto, tiene las
mismas unidades que ésta. Referencias sobre otros modelos con características
44 Fundamentos
El método de la curva guía se basa en ajustar a los datos reales altura dominante-
edad un modelo determinado, por ejemplo la ecuación 1-21, mediante
procedimientos estadísticos (habitualmente mínimos cuadrados). De este modo se
obtiene una curva única que es la denominada curva guía y que representa la
tendencia media de los datos. A continuación se obtienen las curvas de índice de
sitio suponiendo que uno de los parámetros de la ecuación 1-21 depende de la
calidad de estación y los demás son los obtenidos en la curva guía y son comunes a
todas las curvas de la familia. Por ejemplo, si se supone que el parámetro a (a =f
(índice de sitio)) es el que varía, que b y c son comunes y que la edad de referencia
es 100 años, el valor de a para cada curva se obtiene de la siguiente manera:
(
SI 100 = a ⋅ 1 − e − b ⋅100 ) c
⇒a=
SI 100
(1 − e )
− b ⋅100 c 1-22
a=
20
(
= 25 ,98 ⇒ H = 25 ,98 ⋅ 1 − e − 0 , 02 ⋅t ) 1,8
(1 − e )
− 0 , 02 ⋅100 1,8
Para cada valor diferente del índice de sitio se obtiene una curva distinta, dando
lugar a una familia de curvas que, en este caso es anamórfica y con múltiples
asíntotas (el valor del parámetro a es diferente en cada curva).
( )
H 1 , t1 ⇒ H 1 = a ⋅ 1 − e − b ⋅t1
c⎫⎪
c⎬ 1-23
H 2 , t2 ⇒ H 2 = a ⋅ (1 − e ) − b ⋅t 2
⎪⎭
Como las dos mediciones son del mismo rodal deben estar en la misma curva, por
lo que se puede despejar uno de los parámetros en la primera ecuación y sustituirlo
en la segunda, obteniendo una ecuación en diferencias algebraicas. Por ejemplo, si
se despeja la asíntota (parámetro a) se obtiene la siguiente ecuación en diferencias
algebraicas:
( )
H 1 = a ⋅ 1 − e − b ⋅t1
c⎫⎪
a=
H1
⇒ H 2 = H1 ⋅
(1 − e )
− b ⋅t 2 c
c⎬ 1-24
= a ⋅ (1 − e ) ( ) (1 − e )
− b ⋅t 2 c − b ⋅t1 c
H2 ⎪⎭ 1 − e − b ⋅t1
Ajustando por mínimos cuadrados el modelo anterior a los datos reales de alturas
dominantes y edades se obtiene una familia de curvas que, en este caso es
anamórfica y con múltiples asíntotas. Por ejemplo, si los parámetros b y c obtenidos
en el ajuste valen 0,04 y 1,9 respectivamente, la curva de índice de sito para un rodal
de la misma especie con una altura dominante de 12 metros y una edad de 23 años
vendría dada por la siguiente expresión:
= 12 ⋅
(1 − e )
− 0 , 04 ⋅t 2 1,8
(1 − e )
H2
− 0 , 04 ⋅ 23 1,8
= 12 ⋅
(1 − e )
− 0 , 04 ⋅ 40 1,8
= 19 ,97 m
(1 − e )
SI 40
− 0 , 04 ⋅ 23 1,8
a = e X y c = b2 + b3 X , mientras que b = b1
De este modo la ecuación 1-21 se rescribe como:
(
H 1 , t1 ⇒ H 1 = e X ⋅ 1 − e − b1 ⋅t1 ) b2 + b3 / X ⎫⎪
b2 + b3 / X ⎬ 1-25
H 2 , t2 ⇒ H 2 = e X
⋅ (1 − e ) − b ⋅t 2
⎪⎭
Tomando logaritmos a ambos lados de la primera de las igualdades anteriores:
(
X = 12 (ln H1 − b2 ⋅ L1 ) ± (ln H1 − b2 ⋅ L1 )2 − 4 ⋅ b3 ⋅ L1 ) 1-28
Fundamentos 47
( )
L1 = ln 1 − e − 0,03⋅19 = −0,83
(
X = 12 (ln14,5 − 0,2 ⋅ 0,83) + (ln14,5 − 0,2 ⋅ 0,83)2 + 4 ⋅ 4,5 ⋅ 0,83 )= 3,55
(− 0, 2 + 4,5 3,55 )
⎛ 1 − e − 0,03⋅t 2 ⎞
H 2 = 14,5 ⋅ ⎜⎜ ⎟
− 0, 03⋅19 ⎟
⎝1− e ⎠
El índice de sitio del rodal anterior a la edad de referencia de 25 años se obtendrá
del siguiente modo:
(− 0, 2 + 4,5 3,55 )
⎛ 1 − e − 0,03⋅25 ⎞
SI 25 = 14,5 ⋅ ⎜⎜ ⎟
− 0,03⋅19 ⎟
= 17,84 m
⎝1− e ⎠
Todas las familias de curvas obtenidas empleando el método de ecuaciones en
diferencias algebraicas o su generalización son invariantes con respecto a la edad de
referencia e invariantes con respecto al camino de simulación. Para más detalles
sobre otras formulaciones de ecuaciones en diferencias algebraicas generalizadas se
pueden revisar los trabajos de Cieszewski (2000, 2001, 2002, 2003 y 2004).
cuente con un buen número de mediciones del mismo rodal, es decir, datos de
parcelas permanentes o análisis de troncos. El método se basa en ajustar a los datos
de cada rodal un modelo como por ejemplo el de Chapman-Richards (ecuación 1-
21). Una vez estimados los parámetros a, b y c de cada rodal se obtiene de la curva
su índice de sitio. Finalmente, se ajustan tres ecuaciones que relacionen cada uno de
los parámetros con el índice de sitio.
( )
H = 2 .5385 ⋅ SI 0 .9656 1 − e - 0 .0419 ⋅ t
1 .3762
1-26
Donde H es la altura dominante del rodal (dm), t es la edad del rodal (años) y SI es
el índice de sitio definido como la altura dominante del rodal a la edad de referencia
de 20 años (dm). Se trata de un modelo anamórfico con múltiples asíntotas.
30
SI=29
25 SI=23
20
SI=17
15
10
0 Edad [años]
10 30 50 70 90 110 130 150
Figura 1-24. Sistema de curvas polimórficas para Pinus sylvestris en España según Rojo y
Montero (1996). La edad de referencia es de 100 años.
En la tabla 1-1 se muestran algunos ejemplos de ecuaciones en diferencias
algebraicas obtenidas a partir de diferentes modelos base que se usaron para la
construcción de las curvas de índice de sitio de 5 especies de pinos en Durango,
México (Corral et al., 2004).
Forma de diferencias algebraicas Modelo base
ln (1− e − b⋅t2
) Chapman-Richards (Kiviste et al., 2002)
⎛H ⎞
H 2 = a ⋅ ⎜ 1 ⎟ ln (1− e
−b⋅t1
) (
H = a ⋅ 1 − e −b⋅t )
c
⎝ a ⎠ c se despeja
c
⎛ t2 ⎞ Chapman-Richards (Kiviste et al., 2002)
⎜ ⎡ ⎟
H1 ⎞ c ⎤ 1
1
( )
t
⎜ ⎛ ⎟
H 2 = a ⋅ 1 − ⎢1 − ⎜ ⎟ ⎥
c
H = a ⋅ 1 − e −b⋅t
⎜ ⎢ ⎝ a ⎠ ⎥ ⎟
⎜ ⎣ ⎦ ⎟ b se despeja
⎝ ⎠
b Korf (Kiviste et al., 2002)
⎛ t1 ⎞ 2
⎜ ⎟⎟ b
− 1
⎛ H1 ⎞ ⎜⎝ t 2 ⎠
⎜ ⎟
b
H 2 = b0 ⋅ ⎜ ⎟ H = b0 ⋅e t 2
⎝ b0 ⎠ b1 se despeja
Korf (Kiviste et al., 2002)
⎛ b1 ⎞
−
b1
ln⎜⎜ − ⎟⎟ b
− 1
ln ( )
1 0 ⎠
z= ⎝
t 2z H b b
H 2 = b0 ⋅ e with H = b0 ⋅e t 2
ln(t1 )
b2 se despeja
50 Fundamentos
H1 + d + r
H2 = Hossfeld IV (Ciezewski y Bella, 1989)
⎛ 4 ⋅ β t b2 ⎞
⎜2 + 2 ⎟ H=
b0
⎜ H − d + r ⎟
⎝ 1 ⎠ 1+ 1
b
β t b2
con d = y r = ( H 1 − d )2
+ 4 ⋅ β ⋅
H1
b0 se despeja, y b1 = β S
Asib 2 t1b2
c Chapman-Richards
⎛ 1 − e− c1 ⋅( H1 t1 ) c2 ⋅t1c3 ⋅t 2 ⎞
H 2 = H1 ⋅ ⎜⎜ c
− c1 ⋅( H1 t1 ) c2 ⋅t1 3 ⋅t1
⎟
⎟
(
H = a ⋅ 1 − e −b⋅t ) c
SI = 12 m
25 25
SI = 7 m
20 SI = 7 m 20
15 15
10 10
5 5
0 0
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
SI = 22 m SI = 22 m
35 35
SI = 17 m SI = 17 m
30 30
Dominant height (m)
SI = 12 m SI = 12 m
25 25
SI = 7 m SI = 7 m
20 20
15 15
10 10
5 5
0 0
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
Age (years) Age (years)
Vegetación
La presencia o ausencia, la cubierta y el tamaño relativo de algunas especies
vegetales reflejan las características del ecosistema forestal del que forman parte y,
por tanto, pueden ser empleadas como indicadores de calidad de estación. La
vegetación reproduce el efecto conjunto de muchos de los factores que determinan
la productividad potencial de la estación. Sin embargo, la vegetación existente y su
estado también están afectados por otros factores como la competencia, el
mutualismo, la luz que llega al sotobosque, los daños bióticos y abióticos o la
alteración humana, por lo que no siempre se pueden utilizar para estimar calidad de
estación.
Según Vanclay (1992) se pueden diferenciar dos métodos para estimar la calidad de
estación en función de la vegetación: la clasificación (classification) y la ordenación
(ordination).
600 Oxalis-Myrtillus
500
Vaccinium
myrtillus
Existencias (m3/ha)
400
Vaccinium
vitis-idaea
300
Calluna
vulgaris
200
Cladonia
alpestria
100
0
0 50 100 150
Edad [años]
25
SI20
20
15
10
0
1 2 3 4 5 6 7 8 9 10
Asociación vegetal
Figura 1-27. Índice de calidad de estación para rodales de Pinus elliotti según Shafer (1989) para
10 asociaciones vegetales en la región de El Cabo en Sudáfrica.
La asociación vegetal denominada 1 en la figura anterior (Stoebe plumosa/Lachenalia
spp./Tetraria cuspidata/Senecio juniperinus) se encuentra en las mejores estaciones
mientras que las peores calidades se encuentran en las estaciones en las que
predomina la asociación vegetal 10 (Watsonia fourcadei/Berzelia intermedia/Cliffortia
stricta/Pellaea chedrum).
⎛ 4.528 × AL ⎞
⎜ ⎟
⎜ 5.934 × BV ⎟
⎜ 5.164 × AV ⎟ + 1.144 × BLO + 1.286 × SBN − 1.020 × VTX − 0.673 × RAP
GI = ⎜ ⎟ 1-27
⎜ 6.174 × CG ⎟ + 1.027 × BUA + 1.008 × RBN − 1.223 × CLL + 1.516 × BGR
⎜ 4.980 × SM ⎟
⎜ ⎟
⎜ 3.837 × TG ⎟
⎝ ⎠
25
20
15
10
0
0 50 100 150
Profundidad efectiva del suelo [cm]
Figura 1-28. Relación entre la profundidad efectiva del suelo (profundidad del suelo que puede ser
ocupado por el sistema radical) y el índice de calidad de estación a la edad de 20 años para
rodales de Pinus elliotti en Sudáfrica (Shafer, 1988).
4 Entro otros Shafer, 1988; Schmidt y Carmean, 1988; Turner et al., 1990; Turvey et al., 1990.
5 Esta relación se pudo describir mediante la siguiente ecuacion : SI 20 = 5,99 ⋅ ln( ESD) − 21,0 , donde
ESD es la profundidad efectiva del suelo (mm).
Fundamentos 57
Otro parámetro de gran interés es la relación C:N que da una idea de la velocidad
de mineralización del nitrógeno y, por tanto, de su disponibilidad para las plantas.
Por ejemplo, Evers y Moosmayer (1980) observaron una clara relación entre la
relación C:N y la productividad de rodales de pícea en la región de Baden-
Württemberg, Alemania.
Estos ejemplos dan una idea de las diferentes variables edáficas que podrían
emplearse para estimar el rendimiento de los rodales. En todos estos modelos es
importante tener en cuenta que el rango de validez está limitado al rango de valores
de las variables edáficas observados en las mediciones de campo, por lo que la
extrapolación más allá de esos valores observados supone un aumento considerable
del error en las estimaciones. La única manera de mejorar las estimaciones es
obtener una base de datos de partida más amplia y representativa para reajustar la
relación.
Clima
El clima tiene una influencia considerable sobre el crecimiento forestal y por ello
las variables que lo caracterizan también pueden ser empleadas para estimar o
clasificar la calidad de estación de los rodales forestales. Por regla general se
emplean para esta finalidad índices climáticos que combinan varias variables
climáticas. Uno de los índices climáticos más conocidos es el de la productividad de
la vegetación condicionada al clima (CVP) propuesto por Paterson (1962):
Tv g Rp 1-30
CVP = P ⋅ ⋅ ⋅
Ta 360 Rs
Donde P es la precipitación media anual (mm); Tv es la temperatura media del mes
más cálido (°C); Ta es la diferencia de la temperatura media del mes más frío y más
cálido (°C); g es el número de días al año con una temperatura de como mínimo
7°C 7 ; Rp es la radiación solar en el polo y Rs es la radiación solar local 8 .
9 El factor de precipitacion de Lang en su forma original emplea la temperatura media anual del aire.
Fundamentos 61
Figura 1-29. Varianza del índice de sitio para Pinus pinaster en Portugal en función del método
de estimación de la calidad de estación y de la edad del rodal (Marques, 1991).
Otros ejemplos son los modelos propuestos por Shugart (1984, páginas 52-61), con
cuatro factores de reducción del crecimiento para modelar los efectos de la
disminución de la luz, la temperatura, el contenido de nutrientes y la humedad;
Kellomäki et al. (1993), con los denominados multiplicadores del crecimiento para
los factores luz, temperatura, humedad y nitrógeno (Kimmins, 1990). Una
descripción detallada de algunas de las metodologías multifactoriales que tienen en
cuenta el ecosistema como un todo se pueden encontrar en la recopilación realizada
por Barnes et al. (1997, página 320 y siguientes).
Fundamentos 63
La copa de los árboles no es una estructura estática, sino que cada año se
modifica con la formación de nuevos brotes, ramillos y ramas. Este cambio
ocasiona una nueva distribución espacial de las hojas o acículas. Una de las causas
que motivan este cambio es la competencia de copas dentro de un rodal. Los
requerimientos de espacio de las raíces y de la copa, cada vez mayores a medida que
aumenta la edad, solo se pueden satisfacer si una parte de la población desaparece,
reduciendo temporalmente los efectos de la competencia. Es, por tanto, una lucha
de existencia típica en un bosque, en la que los árboles crecen y compiten unos con
otros. Esta competencia, por la cual los individuos de los estratos inferiores ven
impedido su desarrollo, se puede apreciar en las copas de los árboles.
Grúa
Ascensor
Copa de luz
hcopa
Copa de sombra
Figura 2-2. Representación de una copa de un árbol siendo b el ancho máximo de la copa, hcopa
la longitud de la copa y hcopa/h la proporción o ratio de copa.
retícula regular. La forma de proceder para realizar las mediciones de los radios de
copa es la siguiente:
En primer lugar se sitúa el trípode con la malla a una distancia del árbol
desde la cual se observe su copa con claridad. Posteriormente se mide la altura total
del árbol h (m) con un hipsómetro de precisión y también se determina el número
de celdas de la malla que cubren exactamente dicha altura total (nh). El cociente
entre la altura del árbol y el número de celdas de la malla que lo representa h/nh
permite determinar la proporción vertical de la retícula (pv). Del mismo modo se
mide el diámetro máximo de copa sobre el terreno D (m) con espejos y cinta
métrica y luego se contabiliza el número de celdas de la retícula que lo cubren (nD),
determinando la proporción horizontal (ph) como el cociente entre D/nD . Una vez
obtenidas estas dos proporciones se pueden estimar alturas y radios de copa
empleando las siguientes relaciones:
BC ( radio de copa ) = bc ⋅ ph
C
B
c
b
O
a
Figura 2-3. La ventana de copa. Representación esquemática de la geometría con las siguientes
variables: O es la posición del ojo del observador; AB la altura del árbol (m) a la que se mide
el radio de la copa; ab la longitud vertical en la red de la ventana de copa (número de celdas);
BC el radio de copa a la altura AB (m) y bc la longitud horizontal en la red de la ventana de
copa (número de celdas).
Una alternativa al conteo de las celdas sobre la ventana de copa consiste en dibujar
el perfil de la copa sobre la malla y posteriormente digitalizarla, o bien directamente
realizar una fotografía digital, y estimar los radios de copa y las alturas a las que se
alcanzan empleando un software especial que tenga en cuenta las proporciones
vertical y horizontal. El inconveniente del empleo de una fotografía digital es que
sobre la imagen es muy difícil distinguir las ramas que no están en un plano
perpendicular a la visual del observador, pudiendo dar lugar a sesgos en la
estimación.
la figura 2-4 sirven de ejemplo para mostrar la gran variabilidad de las formas de
copa (Burger, 1939a,b). La región sombreada en la parte interior de la copa en la
figura 2-4 es la zona central en la que no hay hojas debido a que la luz que llega está
por debajo del umbral mínimo necesario para la existencia de órganos de
asimilación fotosintética. La extensión de esta zona varía dependiendo, entre otros
factores, de la longitud y tipo de brotes, de la edad de las hojas o de la orientación
del rodal (Mitscherlich, 1970, página 15).
Altura m Altrua m
15 30
Copa de luz
10 20 Copa de sombra
5 10
0 10 20 30 40 50 60 70
Diametro cm Diamétro cm
Figura 2-4. Distribución de la copa de luz y la copa de sombra así como la zona central de la
copa sin hojas (sombreado) en función de la edad y del cierre del dosel para dos rodales de pícea
(Burger, 1939a,b). A la izquierda un rodal de 25 años cerrado, y a la derecha un rodal de
122 años con claros.
20 20
10 10
10 20 30 40 10 20 30 40
Diámetro cm
Diámetro cm
Figura 2-5. Perfil de copa para dos rodales de haya en Suiza. A la izquierda un ejemplo de una
clara débil por lo bajo y a la derecha una clara por lo alto (según Badoux, 1939) 1 .
1
Gráfico extraído de Mitscherlich, 1970, página 19
Morfología de los árboles 73
r(E )
L
Lo Lu
r m ax
Figura 2-6. Modelo de la forma de la copa; r(E) = radio de la copa a una distancia E del ápice
del árbol; ro, ru = radio de la copa en la zona de luz y de sombra, respectivamente; rmax = radio
de copa máximo; rbase = radio en la base de la copa; Lo, Lu = longitud de la copa de luz y de
sombra, respectivamente; L= longitud de copa; α, β, γ y δ = parámetros a determinar para
cada especie.
Los parámetros del modelo de copa se determinaron para las tres especies y se
indican en la tabla 2-1.
Especie α Lo β γ δ rbase
rkra − rmax
Pícea rmax Lo 0,66·L 1,00 rmax − d ⋅ Lo L − Lo
0,50·rmax
rkra − rmax
Haya rmax 3
Lo 0,40·L 0,33 rmax −d ⋅ Lo L − Lo
0,33·rmax
rkra − rmax
Abeto rmax Lo 0,50·L 0,50 rmax −d ⋅ Lo 0,50·rmax
L − Lo
Tabla 2-1. Parámetros del modelo de copa para tres especies según Pretzsch (1992).
Teniendo en cuenta los valores obtenidos para cada parámetro, la figura que se
obtiene al rotar la función exponencial correspondiente a la copa de luz alrededor
del eje del árbol es un cono en el caso de pícea, mientras que para haya y abeto son
un paraboloide cúbico y uno cuadrático, respectivamente. La figura tridimensional
que se obtiene al rotar la función obtenida para la copa de sombra se corresponde
en los tres casos con un cono truncado.
Donde L es la longitud de la copa (m); rmax el radio máximo de copa (m); r el radio
de copa (m); h(r) la altura (m) a la cual se alcanza el radio de copa r y p1 y p2 son
parámetros a estimar.
El modelo del perfil de copa definido por la ecuación 2-1 sólo reconstruye la
copa de luz y por su flexibilidad se adapta a diferentes formas de copa a pesar de
emplear solamente dos parámetros. La figura 2-7 muestra el gráfico de perfil de
copa para tres combinaciones de valores de los parámetros p1 y p2.
12
L [m] p1 = 3; p2 = 0.5
10
p1 = 1; p2 = 1
8
4
p1 = 0.5; p2 = 3
2
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
rrel (r/rmax)
Figura 2-7. Perfil de copa para tres combinaciones de valores de los parámetros de la ecuación 2-1
propuesta por Kändler (1986), siendo L la longitud de copa y rrel el radio de copa relativo
(r/rmax).
76 Morfología de los árboles
⎡ ⎛ h ⎞⎤
− ⎜⎜ b1 + b2 ⋅G + b3 ⋅ ⎟
⎢ ⎝ d 0.9 ⎟⎠ ⎥
Biging y Dobbertin (1995): hcopa base = h ⋅ 1− e 2-3
⎢ ⎥
⎣⎢ ⎦⎥
⎡ ⎛ h⎞ ⎤
− ⎜ b1 + b2 ⋅ ⎟
2
⎛ ⎡ b1 ⋅⎜ − 0.4 ⎟ ⎤ ⎞
⎛h ⎞
⎜ ⎠⎥⎟
Ďurský (2000) hcopa base = h ⋅ ⎜ 0.3 + ⎢1 − e ⎝ d
2-5
⎜ ⎢ ⎥ ⎟⎟
⎝ ⎣ ⎦⎠
Donde hcopa base es la altura a la que comienza la copa (m); d es el diámetro normal
(cm); d0,9 el diámetro a 1/10 de la altura total del árbol (cm); h la altura total del
árbol (m); G el área basimétrica total del rodal (m2/ha) y b1,2,3 los parámetros a
estimar.
El segundo grupo incluye los modelos que estiman el ratio de copa, es decir,
el cociente entre la altura de la copa y la altura total del árbol. A este grupo
pertenecen, entre otros, los modelos de Hasenauer y Monserud (1997) o Sterba
(1997). El modelo de copa desarrollado por Sterba para pícea tiene la siguiente
expresión:
1
CR =
1 + exp( a 0 + ∑ a i ⋅ Est i + ∑ b j ⋅ Dim j+ ∑ c k ⋅ Comp k ) 2-6
i j k
Morfología de los árboles 77
⎛ ⎛ d2 ⎞⎞
a1 ⋅ d 2
− ⎜ a 2 * ln ( N ⋅ d )+ a 3 ⋅ ln ⎜ ⎟⎟
⎜ ⎜ BAL ⎟⎟ 2-7
⎝ ⎝ ⎠⎠
− a0 +
CR 1 = e d
a3
⎛N ⎞ h
ln ⎜ ⎟
⎛ d ⋅h ⎞
a1 ⋅ d ⋅ h + a 2 ⋅e ⎝ d ⎠ + a 4 ⋅ ln ⎜ ⎟ + a 5 ⋅e d 2-8
− a0 + ⎝ BAL ⎠
CR 2 = e h
⎛ a4 a ⎞
⎜ a 2 + a3 ⋅ln ( N ⋅ d )+ + 5 ⎟
⎜ d
ln( BAL ) d ⎟ 2-9
Dcopa1 = a1 ⋅ e⎝ ⎠
⎛ ⎛ h ⎞ ⎞
⎜ − ⎜ BAL d ⎟ ⎟
⎜ ⎟ a
− ⎜ a 2 + a 3 ⋅e ⎝ ⎠+ 4 + a5 ⋅ln (d )⎟
⎜ ln (h ⋅ d ) ⎟ 2-10
⎜ ⎟
Dcopa = a1 ⋅ ln ( N ⋅ d )⋅ e ⎝ ⎠
2
Función a1 a2 a3 a4 a5
Dcopa1 2,3846 0,0671 0,0495 -8,887 0,2854
El diámetro y la longitud de la copa se ven influidos por la densidad del rodal y las
dimensiones de los árboles (altura, diámetro, y el índice BAL 2 ). Existe una relación
muy clara entre el diámetro máximo de la copa y el diámetro y la altura del árbol.
Esta relación se ha observado también en otros trabajos, como por ejemplo los
desarrollados para roble y alerce por Ďurský (2000) y para pícea por Schübeler
(1997) o Nagel (1999).
Los modelos calculados pueden ser empleados para estimar otros atributos
de la copa, como por ejemplo su superficie. Por ejemplo, si se asume que la copa
2
véase capítulo sobre la densidad y la competencia.
Morfología de los árboles 79
π ⋅ (Dcopa 2) ⎡ ⎤
( ) ) − (D
3
S copa =
2
(
⋅ ⎢ 4 ⋅ (CR h) + Dcopa 2
2 2
copa )
2 3⎥ 2-11
6 ⋅ (CR h) ⎣⎢
2
⎦⎥
⎛E ⎞
L = 11,6 ⋅ ln⎜ + 1⎟ 2-12
⎝ 20 ⎠
HA = 0,79 ⋅ L 2-13
3
Oohata (1986), Fujimori yKiyono (1986), Maguire y Hann (1989), Lässig (1991), Ung (1993), Itô
et al. (1997), Matsue et al. (1999).
4
Moeur (1981), Mayer y Laudenslayer (1988).
5
Kellomäki (1986), Kellomäki y Kurttio (1991), Kellomäki y Strandman (1995), Kurth (1999).
80 Morfología de los árboles
E L Ramas no afectadas
por la competencia
HA
Zona de contacto de
las copas
Figura 2-8. Descripción de la forma de la copa del pino de Oregón (Ottorini, 1991).
Este sistema de dos ecuaciones propuesto por Ottorini (1991) permite describir
con precisión la forma de la copa en las coníferas.
6
Sistema así nombrado en honor al biólogo Aristide Lindenmayer. Para más detalles sobre el
sistema L véase Lindenmayer (1975), Prusinkiewics y Lindenmayer (1990) y Kurth (1994b).
Morfología de los árboles 81
Figura 2-9. Arquitectura de la copa de una pícea de 5 y 6 años generada en base a un sistema L
(Kurth, 1994b).
Otro método para la modelización de la estructura de la copa se basa en la
utilización de las denominadas estructuras fractales (Zeide y Gresham 1991, Zeide y
Pfeifer, 1991). Para su desarrollo también se necesitan mediciones detalladas de las
que se dispone en pocas ocasiones, por este motivo, Biging y Gill (1997) proponen
describir los perfiles de copa con la ayuda de modelos de series temporales. Bajo la
suposición de que las ramas vecinas crecen en condiciones microclimáticas
similares, Biging y Gill (1997) mejoraron la estimación del perfil de la copa de un
modelo determinístico con la ayuda de una función de autocorrelación espacial.
7
En el sistema estocástico de Lindenmayer existe la posibilidad de escoger entre una serie de
82 Morfología de los árboles
ri = b0 + b1 ⋅ hi + b2 ⋅ hi2 2-14
Donde ri es el radio de la copa a una altura hi; hi es la altura para un radio de copa
( ri ) yb0, b1 y b2 son parámetros a estimar.
3 3
2 2
1 1
0 0
12 13 14 15 16 17 18 19 20 21 12 14 17 19 21
Altura del árbol (m) Altura del árbol (m)
Figura 2-10. Izquierda: Ejemplo de un perfil de copa para un haya con radios de copa medidos
(azul) y los estimados con la ecuación cuadrática 2-14. (Parámetros: b0 = -20,8670; b1 =
2,7159; b2 = -0,0761). Derecha: Ajuste según el método de media móvil (θ = -0,890).
Finalmente, se modelizaron los residuos sobre la línea de tendencia con la ayuda de
un modelo de media móvil:
x h = θ ⋅ ε h−1 + ε h 2-15
El fuste
El fuste se define en general como la parte aérea del árbol una vez separados del
tronco las ramas y el raberón. Tiene la función de estabilizar al árbol, además es
portador de las ramas y los órganos de asimilación, las flores, los frutos, posibilita el
transporte de agua y nutrientes desde las raíces hasta la copa, sirve como almacén
de sustancias de reserva y también como depósito de sustancias de desecho
(Kramer, 1988, página 31).
8
Entre los primeros métodos de clasificación de la calidad de madera se encuentran los trabajos
de Mitscherlich, 1939a,b,1942 y Altherr, 1963.
84 Morfología de los árboles
Coeficientes mórficos
Los coeficientes mórficos son factores de reducción que describen la relación entre
el volumen real 9 y un cilindro de referencia y se obtienen haciendo el cociente entre
ambos valores. El volumen del cilindro ideal (m3) es igual al producto de la altura
del árbol (m) por su sección (m2). Multiplicando el volumen del cilindro ideal por el
coeficiente mórfico se puede estimar el volumen del fuste.
9
Volumen total (tronco y ramas), volumen de fuste (sin ramas) o el volumen de fuste hasta un
diámetro de 7 cm en punta delgada.
10
Esta premisa es válida para los coeficientes mórficos artificiales; los coeficientes mórficos
permiten sacar conclusiones sobre la forma del fuste, sin embargo son complicados de medir
(Prodan, 1965, página 35 y siguientes).
Morfología de los árboles 85
f i (x) = a i + bi (x − hi ) + g i (x − hi ) 2 + d i (x − hi ) 3 ; ∈ [h i ,h i + 1 ] 2-16
11
Una descripción detallada de las series de curvatura y de las diferentes variantes de los
coeficientes mórficos y de los cocientes de forma se encuentra en el trabajo de Kramer y Akça
(1995, página 55 y siguientes).
86 Morfología de los árboles
rh Coeficiente
mórfico
rh Función de perfil de
cuatro parámetros
Función de perfil no
rh lineal
1.3 h
Figura 2-11. Tres posibilidades para describir el perfil del fuste: coeficientes mórficos referidos al
diámetro normal (arriba), función de perfil de cuatro parámetros (medio), función de perfil no
lineal de pocos parámetros (abajo).
Morfología de los árboles 87
1
⎛ d 2 ⎞β 2-18
hi = h-h⎜ i 2 ⎟
⎜α⋅d ⎟
⎝ ⎠
El empleo conjunto de las ecuaciones 2-17 y 2-18 permite estimar los diámetros a
cualquier altura del tronco o la altura a las cual se alcanza un cierto diámetro en
punto delgada.
12
Véase, por ejemplo, Clutter (1980); Reed y Green (1984); Brink y Gadow (1986); Kozak
(1988); LeMay et al. (1993) o Nagashima y Kawata (1994).
88 Morfología de los árboles
con un neiloide truncado convexo de fuerte curvatura; la zona media del fuste se
corresponde con un paraboloide truncado cúbico o cuadrático y ligeramente
cóncavo y la parte superior del fuste se corresponde con una forma ligeramente
curvada e intermedia entre un paraboloide cuadrático y un cono 13 (ver Figura 2-12).
Dada la sencillez de estas figuras geométricas es posible derivar fórmulas para
calcular el volumen del fuste por trozas. Un fuste que se adapte a esta teoría general
se puede describir mediante la siguiente función (Lee et al., 2003):
di = k (1 − Z )r 2-19
En esta función di es el diámetro del árbol a una altura hi, Z es la altura relativa, es
decir, el cociente entre la altura a la que se alcanza el diámetro di y la altura total del
árbol (hi/h) y r es un parámetro que determina la forma del cuerpo de rotación. Si r
< 1 el perfil del fuste es asimilable a un paraboloide, si r > 1 es asimilable a un
neiloide y si r = 1 es un cono.
d Niiloide
Paraboloide Cono truncado
r hZ
2
1.5
1
0.5
1 Z
13
Véase, por ejemplo, Prodan, 1965; Husch et al, 1982; Avery y Burkhart, 1994; Philip, 1994;
Kramer y Akça, 1995, página 49; Laar y Akçca, 1997; y los trabajos de Larson, 1963; Kozak,
1988; Forslund, 1982; Newnham, 1992.
Morfología de los árboles 89
En la ecuación 2-19, cuando la altura relativa Z es igual a cero (es decir, en la base
del tronco) el diámetro di es igual al parámetro k y su valor coincide con el diámetro
en la base del tronco. Si se asume que existe una relación potencial entre el
diámetro en la base y el diámetro normal (d), el parámetro k se puede expresar de la
siguiente manera:
La ecuación anterior fue propuesta por Lee et al. (2003) y permite describir la
forma del fuste con la ayuda del parámetro r, cuyo valor depende de la altura
relativa del árbol. Realizando planteamientos matemáticos similares se pueden
obtener distintas funciones teóricas del perfil del fuste de un árbol.
− ph i qh i 2-23
ri = u + v ⋅ e -w ⋅ e
con
u=
j ⎛
+ (r13 − j )⎜1 −
1 ⎞
,v =
(r13 − j ) ⋅ e p⋅1.3
yw=
j ⋅ e − qh
p( 1.3− h) ⎟
1 − e q( 1.3−h) ⎝ 1− e ⎠ 1 − e p( 1.3−h) 1 − e q( 1.3−h)
Donde ri es el radio del árbol (cm) a la altura hi (m); h la altura total del árbol (m);
r13 el radio a la altura normal (cm); j un parámetro que se corresponde con una
asíntota común; p un parámetro que caracteriza la base del fuste y q un parámetro
para caracterizar la parte superior del fuste.
15
Árbol Nr. 7120225
1.3 5 15 25 35
Altura (m)
Figura 2-13. Ajuste de la función de Brink modificada a tres fustes de pino de Oregón
pertenecientes a una muestra de 2882 árboles.
Los datos de los árboles de la figura 2-13 se muestran en la Tabla 2-2.
Morfología de los árboles 91
Diámetro Altura
Árbol J p q Edad
[cm] [m]
50% Percentil
17,8 19,1 7,39 0,3096 0,1281 46
N° 3111077
95% Percentil
41,4 33,5 16,45 0,3259 0,1023 86
N° 7120225
5% Percentil
9,2 10,2 4,24 0,9999 0,1966 38
N° 3223316
Tabla 2-2. Datos de los tres fustes de pino de Oregón mostrados en la Figura 2-13.
El principal inconveniente de esta función es que no tiene inversa generalizada, es
decir, no puede obtenerse una función que permita estimar la altura a la cual se
alcanza un diámetro determinado. Sin embargo, sí puede calcularse este valor
mediante el empleo de procedimientos iterativos como el que se desarrolla en el
programa Brink2 cuyo código se muestra:
Programa Brink2;
{Calcula el valor de h para un radio del tronco dado}
Const j = 17.5; p = 1.0; q = 0.03; d = 41; h = 35;
Var Radio, Altura: real;
Function F(ht:real):real;
Var u, v, w: real;
Begin
u:=j/(1-exp(q*(1.3-h)))+(d/2-j)*(1-1/(1-exp(p*(1.3-h))));
v:=(d/2-j)*exp(p*1.3)/(1-exp(p*(1.3-h)));
w:=j*exp(-q*h)/(1-exp(q*(1.3-h)));
F:=ln((u+v*exp(-p*ht)-Radio)/w)/q-ht;
End; {Radio}
BEGIN {main}
Radio:=4; Altura:=Root(0,h);
writeln('la altura para el radio ',Radio:5:1,' es igual a’,Altura:5:2);
readln;
END.
92 Morfología de los árboles
El volumen del fuste de un árbol entre dos alturas h1 y h2 (V(h1,h2)) se puede estimar
analíticamente integrando la función de perfil elevada al cuadrado y multiplicando
su valor por π.
k3 d g
p=e 2-27
k5 d g k6
q = k4e H 2-28
94 Morfología de los árboles
En otro trabajo sobre la forma del fuste en masas de Pícea en los Cárpatos
ucranianos se observó que la siguiente función es adecuada para la estimación del
parámetro j de la función de Brink (Korol y Gadow, 2003):
⎛ a ⎞
⎜ a1 + a2 ⋅ln (d)+ 3 ⎟
d ⎠ 2-29
j =e ⎝
j p q
20 2,4
2,4
16 2,0
2,0
1,6 1,6
12
1,2 1,2
8
0,8 0,8
4
0,4 0,4
d (cm) h (m)
0
d (cm)
0,0 0,0
0 4 8 12 16 20 24 28 32 36 40 44 0 4 8 12 16 20 24 28 32 36 40 44 0 4 8 12 16 20 24 28 32 36 40
Medición
Reih Modelo
Reih Medición
Reihe1 Modelo
Reihe2 Reihe1
Medición Reihe2
Modelo
1 2
h⋅d
p= 2
⎛h⎞ a 2-30
a4 ⋅ d + a5 ⋅ ⎜ ⎟ + 6
2
⎝ d ⎠ h⋅G
a8 a9
q = a7 ⋅e ln( G )
⋅ (d ⋅ h) d 2-31
Donde h es la altura del árbol (m); d el diámetro a la altura de pecho del árbol (cm);
G el área basimétrica del rodal (m2/ha) y a 4 ....a9 los parámetros de la función.
∑ (Valor observado )
n
− valor estimado
2
i i
i =1
Eficiencia = 1 − 2-32
∑ (Valor )
n 2
Calidad de la madera
Frecuentemente el rendimiento económico de una operación forestal está más
afectado por la distribución de las clases de calidad de los productos obtenidos que
por su distribución diamétrica (Schmidt, 2001). Por tanto, para valorar el
aprovechamiento maderero de los rodales según el plan de ordenación es necesario
emplear alguna herramienta que permita clasificar la madera extraída por calidades.
Un ejemplo de este tipo de herramientas es el programa para clasificación de la
calidad de madera Holzernte 14 (Kublin y Scharnagl, 1988) que permite analizar y
valorar diferentes alternativas selvícolas a partir de las dimensiones de las trozas,
cuya distribución se puede estimar empleando funciones de perfil.
Morfología de los árboles 97
Por otro lado, el número de ramas es, para la mayoría de las especies, la
característica más importante en la asignación de calidad, tanto para la clasificación
de la madera en troza como para la madera de aserrado (Hapla, 1986; Sauter y
Fahrbach, 1993; Becker y Seeling, 1998). Por tanto, para una descripción completa
de la ramosidad son también necesarios modelos que pronostiquen la frecuencia y
la distribución espacial de las ramas.
Por último, también es necesario contar con ecuaciones que permitan estimar
los ángulos de inserción de las ramas puesto que esta variable tiene una clara
influencia sobre la calidad de la madera (Colin y Houllier, 1992), al afectar a la
superficie del nudo, que es uno de los principales criterios de clasificación de
calidad en aserrado (Grammel 1989, página 108).
14
El programa Holzernte es un programa de aplicacion realizado por el Centro de Investigacion
Forestal de Baden- Württemberg, Wonnhaldestraße 4, 79100 Freiburg.
98 Morfología de los árboles
Schmidt (2001) diferenció en la copa de los árboles cuatro zonas (ver figura
2-15) en función del estado general de sus ramas (rama viva o rama muerta) y
desarrolló para cada una de ellas un modelo de estimación dependiente de la altura
del árbol, su diámetro normal y la altura máxima del rodal. El mismo autor
desarrolló un modelo para estimar el diámetro máximo de las ramas (es decir, en la
inserción), que es sensible a las diferentes condiciones de crecimiento de los
árboles, o lo que es lo mismo, que se ve afectado por los tratamientos selvícolas. La
estimación del diámetro máximo de las ramas se obtiene a partir del diámetro del
árbol, de su altura y de la posición de la rama con respecto al ápice del árbol. La
función de estimación propuesta por Schmidt (2001) es la siguiente:
⎡ b5 ⋅
lápice ⎤
⎛ 1 ⎞ ⎢ ⎛ lápice⎞⎟ hcopa ⎥
dmaxrama = b0 ⋅ d + b1 ⋅ lápice+ ⎜⎜b2 ⋅ d + b3 ⋅ + b4 ⋅ lápice⎟⎟ ⋅ ⎢1− ⎜1− ⎥ 2-33
⎝ hd ⎠ ⎢ ⎜⎝ hcopa ⎟⎠ ⎥
⎣ ⎦
Donde dmax ramax es el diámetro de la rama más gruesa (mm); lápice la longitud desde el
ápice del árbol hasta la rama (dm); hcopa la longitud de la copa viva (dm); d el
diámetro a la altura de pecho (mm); h la altura del árbol (dm) y b0,…,b5 los
parámetros a estimar.
Morfología de los árboles 99
Zona de ramas
verdes
Zona de
transición
Zona de ramas
muertas
Zona de poda
natural
Figura 2-15. Estado de las ramas que delimita diferentes zonas de copa empleadas para
modelizar el desarrollo de la ramosidad (Schmidt, 2001).
A igualdad de los restantes factores, a medida que disminuye el coeficiente de
esbeltez (h/d) aumenta el grosor de las ramas. Este efecto depende del
temperamento de la especie analizada, así la pícea, especie de media sombra,
reacciona de manera claramente más débil a una mejora de las condiciones de
crecimiento (por ejemplo, una disminución del valor h/d) que las especies de luz
como el pino de Oregón o la mayoría de las especies de pino.
3
m3 sin corteza. Ф 13 cm en punta m sin corteza Ф 30 cm en punta
300 delgada con corteza. 300 delgada con corteza
150 150
100 100
50 50
0 0
L0 L1a L1b L2a L2b L3a L3b L4a L0 L1a L1b L2a L2b L3a L3b L4a
Las raíces
La misión de las raíces es anclar el árbol al suelo, captar el agua y los nutrientes
disueltos en ella y acumular sustancias de reserva. La capacidad de supervivencia y
el crecimiento de un árbol dependen esencialmente de la captación de agua y
nutrientes realizada por las puntas y los pelos radiculares, así como de su posterior
distribución por el tronco y la copa (Kramer, 1988, página 28; Mitscherlich, 1978,
102 Morfología de los árboles
Debido a que las raíces pueden crecer a bajas temperaturas (incluso a 0ºC),
su ritmo de crecimiento se diferencia claramente del ritmo de crecimiento del resto
del árbol y muestra fuertes variaciones a lo largo del año. La mortalidad de las
raíces depende de su tamaño, por ejemplo, las raíces finas mueren durante el
período vegetativo en un porcentaje anual que varía entre el 30 y el 86% (Fogel,
1983)
15
Ver, por ejemplo, Rubner (1960); Moser (1964); Mitscherlich (1978) o Last et al., (1983)
16
Se trata de basidiomicetos
Morfología de los árboles 103
XX. La razón fundamental para esta falta de estudios se debe, por una parte a la
dificultad de la toma de datos, que requiere que se libere y mida el sistema radical
(Köstler et al., 1968) y por otra a la falta de métodos adecuados para la descripción
del sistema radical.
Raíz”
Cuadrante 1
Cuadrante 4
0-25 cm
25-50
50-100
>100 cm
Sección 1
Sección 2
Sección 4
Sección 3
Cuadrante 2
Cuadrante 3
Figura 2-17. División del espacio radical en cuadrantes, secciones verticales y cortes horizontales.
Estos datos pueden emplearse para relacionar las variables más importantes del
sistema radical (biomasa, competencia, etc) con variables superficiales de árbol o de
rodal. Por ejemplo, la figura 2-18 muestra la distribución de los valores de biomasa
de las raíces gruesas frente al diámetro a la altura de pecho del árbol para una
muestra de 27 hayas y 43 píceas.
106 Morfología de los árboles
Peso
kg 2000
1600 Picea
1200
800
Haya
400
0
0 20 40 60
Diámetro (cm)
Figura 2-18. Relación entre la biomasa de las raíces gruesas (Peso seco, kg) y el diámetro a la
altura de pecho para una muestra de 42 píceas [Ln(Peso) = 5,59 + 2,79·ln(Diámetro)] y 27
hayas [Ln(Peso) = 4,00 + 2,27·ln(Diámetro)].
Además de aportar datos sobre al biomasa subterránea, la distribución espacial de
las raíces gruesas puede proporcionar una explicación sobre el anclaje y la
estabilidad de los árboles. Con este fin Fehrmann et al. (2003) analizaron la
distribución vertical y horizontal del volumen de raíces para dos hayas y para dos
píceas siguiendo la metodología de compartimentación descrita anteriormente. Se
observó que en el caso de haya la distribución vertical alcanza su máximo en las
secciones 1 y 2, es decir en un radio de hasta 1 m respecto al eje del tronco y a
partir de esa distancia disminuye de manera continua (figura 2-19 izquierda). Cerca
del 85% del volumen de las raíces gruesas se encuentra en las dos primeras
secciones. En la sección 4 y 5 (1,5 – 2.5 m) solo se encuentra una pequeña
proporción del volumen total.
Morfología de los árboles 107
350 25
300
50
250
200
75
150
Haya 1
100 100 Haya 2
50 Pícea 1
Pícea 2
125
50 100 150 200 250 200 400 600
Distancia al eje del tronco [cm] Volumen de raíces [1000 cm³]
Figura 2-19. Distribución vertical y horizontal del volumen de raíces gruesas con respecto a la
distancia al eje del tronco.
El volumen de raíces de pícea se concentra en las secciones 2 y 3, es decir a una
distancia de 0,5 a 1,5 m del eje del árbol. En estas secciones se encuentra para
ambas especies el 70% del volumen total. La proporción relativa del volumen para
pícea en las secciones 4 y 5 es de un 10%, valor mayor que el observado para haya.
La escasa proporción de volumen de raíces en la primera sección se debe a que el
cuerpo radical en la base del tronco de las píceas, que se analizó separadamente, no
fue considerado en las gráficas.
dificultades que la descripción de la copa o del fuste puesto que además de estar
condicionada en primer lugar por la herencia genética del individuo, la formación y
desarrollo de las raíces viene también determinada por muchos otros factores,
como por ejemplo la dureza del suelo, el grado de meteorización de la roca madre,
el nivel de la capa freática, el gradiente de nutrientes en el suelo, etc. (Mitscherlich,
1978, página 47 y siguientes)
Según Köstler et al. (1968) se puede distinguir tres tipos básicos de sistemas
radicales: acorazonados, ramificados o verticales en función de la forma, la
dirección de crecimiento y la distribución de las raíces gruesas en el suelo. Además
existen un gran número de situaciones intermedias entre cada uno de los tipos
anteriores, tanto dentro de una especie como a lo largo del desarrollo de un árbol
concreto (Kramer, 1988, página 28).
Selva Negra observaron que para pícea, las raíces finas y muy finas se distribuyen
fundamentalmente en los 10 cm superiores de la capa de suelo mientras que para
haya y abeto se distribuyen básicamente por debajo de esa capa.
Con la ayuda de una barrena para raíces (de un calibre de 8 cm) se extrajo en
cada punto una muestra del suelo hasta una profundidad de 40 cm. La muestra se
dividió en 6 niveles de profundidad (Of+Oh, 0-5 cm, 5-10 cm, 10-20 cm, 20-30
cm, 30-40 cm) y se llevó al laboratorio, donde se lavaron las raíces, se separaron las
vivas de las muertas, se clasificaron por diámetros (0-2 mm, ≥ 2-5 mm, ≥ 5 mm), se
secaron en estufa y se determinó su peso seco. Con los datos obtenidos se estimó la
110 Morfología de los árboles
Este Sur
5m
Norte Oeste
Muestra de Posición del
raíces finas árbol
Figura 2-20. Muestreo para la medición de las raíces finas según Murach (1984).
Los resultados obtenidos mostraron diferencias entre los rodales mixtos y los
rodales puros. La biomasa media de las raíces finas en las cinco parcelas de rodales
puros de haya fue de 431 g/m2, valor que se encuentra dentro del rango obtenido
en estudios similares en la misma región geográfica de Alemania (Solling 17 ). La
biomasa media seca de los 10 rodales mixtos fue de 222 g/m2, un valor muy
inferior al de las masa puras. Sin embargo, no se puede afirmar que existan
diferencias estadísticamente significativas entre los distintos tipos de rodal debido al
reducido número de muestras y a la elevada dispersión de los resultados obtenidos
(Bolte et al., 2003).
17
99 g/m2 (Göttsche, 1972); más de 308 g/m2 (Hertel, 1999); 397 g/m2 (Bauhus y Bartsch, 1996)
y 617 g/m2 (Rapp, 1991). Murach (1991) obtuvo valores entre 190 y 330 g/m2 para un rodal de
pícea en la región alemana de Solling.
Morfología de los árboles 111
Uno de los objetivos que se persiguen con las costosas investigaciones sobre
el sistema radical es la explicación de su estructura y la descripción del efecto sobre
su crecimiento y la competencia que tienen determinadas operaciones forestales.
Esta investigación también es necesaria para poder modelizar la biomasa
subterránea y su distribución y relacionarla con variables superficiales de árbol y de
rodal, como por ejemplo el diámetro, la superficie de proyección de la copa, etc. De
este modo se podrán incorporar parámetros estructurales subterráneos en los
modelos de crecimiento existentes, aumentando su rigor y precisión.
112 Morfología de los árboles
Densidad y Competencia 113
Densidad y Competencia
2965 Corteza
1473
988
741
494
247
Figura 3-1. Efecto de la densidad del rodal sobre la anchura media de los anillos en Weza
(Craib, 1939).
Para describir la densidad se desarrollaron diferentes indicadores. Uno de los más
conocidos es el área basimétrica del rodal, el índice de densidad del rodal (empleado
en USA), la distancia relativa y el factor de competencia de copas.
π 2 3-1
gi = di
4
πn 2
G = ∑di 3-2
4 i=1
El área basimétrica de diferentes rodales solo puede ser comparada cuando las
superficies son idénticas. Ya que esta situación raramente se presenta se utiliza
como medida normalizada el área basimétrica por ha. Esta se calcula dividiendo el
área basimétrica por la superficie del rodal (en ha).
40000 G
dg = ⋅ 3-3
π N
La base para calcular el SDI es un modelo en el que existe una relación matemática
entre el número de pies esperado y dg (ecuación 3-4):
N = β 0 ⋅ (d g )− β 1 3-4
La ecuación 3-4 se puede aplicar bajo diferentes condiciones. Por ejemplo se podría
representar a través de ella la relación entre dg y el número de pies máximo posible,
116 Densidad y competencia
β1 3-6
SDI = β0 ⋅ (25 )
−
− β1 3-7
⎛ 25 ⎞
SDI = N ⋅ ⎜ ⎟
⎜d ⎟
⎝ g⎠
Por ejemplo, si suponemos que los valores de los parámetros β0 y β1 son 100.000 y
1,5 entonces según la ecuación (3-7) el valor del SDI máximo es 800. Partiendo de
este valor, un rodal con 1000 pies/ha y un diámetro medio cuadrático de 12 cm
tiene un valor de SDI = 1000 [1225 ]− 1 .5 = 332 , 6 . Ya que 332,6 es menor que 800, la
densidad actual del rodal es muy pequeña en comparación con la máxima.
N/ha N/ha
900
3000
1000 300
0
0 20 40 60 80 0
0 10 20 30 40
dg (cm) dg (cm)
Figura 3-2. Izquierda: Relación entre el número de pies y el diámetro medio cuadrático para 8
parcelas de ensayo de Pinus radiata con diferentes marcos de plantación en Tokai
(Sudáfrica). El exponente –1,91 no se corresponde con el calculado por Reinecke (1,605).
Derecha: El mismo desarrollo para la parcela de ensayo Langepan en Sudáfrica para la
especie Eucalyptus grandis.
Repetidamente se intenta aclarar el comportamiento real de los bosques mediante
modelos muy simplificados. Una de estas simplificaciones es la utilización del
exponente de Reinecke (1,605). El análisis de las parcelas de ensayo permanentes
apoya la hipótesis de que no existe un exponente general para describir el SDI. El
valor de este exponente depende de la especie y de la estación. El valor del
exponente de Reinecke (1,605) es más bien extraordinario, ya que más frecuentes
son los valores > 1,8 y muy poco frecuentes son valores < 1,5.
1
Vease Gadow y Hui (1993)
118 Densidad y competencia
10 000
N 3-8
RS =
Ho
A medida que aumenta el número de pies y para una misma altura dominante se
incrementa la densidad del rodal y disminuye el valor de RS. El numerador de la
ecuación 3-8 es un estimador de la distancia media entre árboles vecinos; su
exactitud es suficiente cuando los árboles se distribuyen regularmente sobre la
superficie y las distancias entre árboles vecinos varían muy poco. Este índice se ha
utilizado en España en la construcción de diagramas de manejo de la densidad (en
inglés Stand density management diagrams) para diferentes especies en los que se
incluyen variables como el volumen del rodal, su biomasa o la cantidad de carbono
fijado para diferentes alternativas selvícolas (Barrio Anta y Álvarez González, 2005;
Barrio Anta et al., 2006).
Ejemplo: Para un rodal mixto de haya y otras frondosas en Bovenden la distancia media entre
árboles antes de la clara era de 3 m (N = 1111) y después de la clara 4 m (N = 625). La altura
dominante no varía Ho = 20 m por lo tanto disminuye la densidad y RS aumenta de 3 = 0 ,15
20
4 .
a = 0 ,2
20
KDi = α 0 + α1 Di 3-9
2
⎛ KDi ⎞ π
KS i = π ⎜ ⎟ = (α 0 + α1 Di )
2
3-10
⎝ 2 ⎠ 4
1⎛ n ⎞ 3-11
KKF = ⎜ ∑ KS i ⎟
F ⎝ i =1 ⎠
Donde F = superficie del rodal en m².
La Tabla 3-1 muestra un ejemplo de cálculo hipotético para un rodal mixto de haya
y pícea muy denso siendo la superficie de 100m². Las relaciones entre el diámetro
de la copa y el diámetro a la altura de pecho son KDPicea=1,64+0,14(BHD) y
KDHaya=1,39+0,18(BHD). ∗
∗
Freise y Spieker (1999) estimaron la anchura de copa de hayas aisladas mediante KDBU = 0,2 ⋅
(BHD) siendo el m la unidad utilizada.
120 Densidad y competencia
10m Superficie de
Diam. Anchura de
Árbol n°. proy. de copa
(cm) copa (m)
3
(m²)
4 1 (Haya)+ 20 5,0 19,6
2 (Haya) 20 5,0 19,6
10m 2 3 (Pícea) 40 7,3 41,8
4 (Haya)+ 20 5,0 19,6
5
Cobertura
La diferencia con respecto a los indicadores de densidad anteriores que se refieren
al rodal en su conjunto, es que la cobertura es un indicador que se refiere a la
situación de competencia relativa de los árboles individuales del rodal. Se admite
que un árbol dominante padece menos competencia que un árbol de los estratos
inferiores. Para la determinación del la cobertura no se conocen las coordenadas de
los árboles.
Densidad y Competencia 121
El percentil del área basimétrica indica solamente el rango social del árbol de
referencia pero no considera la densidad del rodal. Una medida de la cobertura es el
área basimétrica de los árboles mayores (BAL) 2 . El índice BAL se puede obtener de
⎛ GGij ⎞
p j = 1 − ⎜⎜ ⎟⎟
las frecuencias cumulativas del área basimétrica ⎝ Gi ⎠ y GGij = Gi ⋅ (1 − p j ),
donde GGij = suma del área basimétrica de todos los árboles con un diámetro
mayor que el árbol de referencia j (m²/ha) y Gi es el área basimétrica total del rodal
i (m²/ha).
2
Termino procedente del ingles BAL = Basal area of the larger trees
122 Densidad y competencia
Ejemplo: En la siguiente tabla se incluyen los 10 árboles de una parcela de ensayo de 0.025 ha
con sus respectivos diámetros y el área basimétrica calculada a partir de los mismos.
i 1 2 3 4 5 6 7 8 9 10
di [cm] 20 21 23 27 31 32 33 37 37 41
gi [m2] 0,031 0,033 0,042 0,057 0,075 0,080 0,086 0,108 0,108 0,132
El área basimétrica total es G = 0,752 m², es decir 0,725/0,025 = 30,08 m²/ha, el percentil de
área basimétrica del árbol 4 es:
Bal mod ij =
(1 − p ) j
siendo p j = 1 −
GGij
y RSi =
10000 / N i
3-14
RS i Gi Hi
Para el árbol más grueso del rodal con un percentil de área basimétrica = 1 es
BALMODij = 0. Para este árbol no se reduciría la tasa de crecimiento potencial bajo
la suposición de que el crecimiento del resto de los árboles en el resto del rodal no
puede ser mayor que el crecimiento del árbol más grueso. Por lo tanto la menor
tasa de crecimiento resulta para el valor máximo BALMOD. Dentro de estos
límites el índice BALMOD de los árboles con el mismo percentil de área
basimétrica se incrementa de manera exponencial a medida que desciende el RS.
Para un valor constante de la densidad del rodal resulta para el índice BALMOD el
efecto biológicamente plausible de que un árbol de un elevado rango social tenga
un valor menor del índice BALMOD que un árbol con una posición menor en el
rango de competencia (Figura 3-3).
Densidad y Competencia 123
BALij 60 BALMODij
20
0.0
40 Percentiles de 15
area Percentiles de
0.0
0.5 basimétrica 10 area
20 basimétrica
0.5
5
0.8
0.8
0 0
0 10 20 30 40 50 60 0,45 0,35 0,25 0,15 0,05
Gi RSi
Figura 3-3. Efecto del área basimétrica (Gi) y pj sobre el índice BAL (izquierda) y de la
distancia relativa (RSi ) y pj sobre el índice BALMOD (derecha).
El índice BALMOD combina la dominancia relativa del árbol individual (el
percentil del área basimétrica) con la distancia relativa (índice de densidad referido a
la altura). En la valoración de datos de crecimiento de pino en España (Schröder y
Gadow, 1999) y de roble en norte de Alemania (Struck, 1999) se mostró la mejor
adecuación del índice BALMOD en comparación con el índice BAL para explicar
las diferencias en el crecimiento.
Ejemplo: En la tabla siguiente se encuentran los datos de 15 árboles de una parcela de ensayo de
roble de Struck (1999):
Árbolj 1 2 3 4 85 6 7 9 10 11 12 13 14 15
dj (cm) 2,0 3,0 3,0 3,5 4,0
4,0 4,0 4,0 5,0 5,0 5,5 6,5 7,0 8,0 8,5
hj (m) 3,7 3,4 3,7 6,2 4,6
6,3 5,7 6,1 6,6 7,2 7,1 8,4 9,1 8,6 10,5
gj (cm²) 3,14 7,1 7,1 9,6 12,6
12,6 12,6 12,6 19,7 19,7 23,8 33,2 38,5 50,4 56,8
GGij 316 302 302 293 242
242 242 242 203 203 179 146 107 57 0
Gi (cm²) 319,48
Pj 0,01 0,05 0,05 0,08 0,24 0,24 0,24 0,24 0,36 0,36 0,44 0,54 0,66 0,82 1
Ni 23810
Hi 9,4
Rsi 0,0689
Balmodij 14,4 13,8 13,8 13,4 11,0 11,0 11,0 11,0 9,3 9,3 8,1 6,7 4,9 2,6 0
Para el árbol 1 con un diámetro de 2 cm y una altura de 3,7 m se obtiene un percentil de área
basimétrica de:
7,1 + 7,1 + 9,6 + 12,6 + 12,6 + 12,6 + 12,6 + 19,7 + 19,7 + 23,8 + 33,24 + 38,5 + 51,4 + 56,8
p1 = 1 − = 0,01
319,48
10000 / 23810
El número de pies es de 23810 árboles/ha, resultando RS1 = = 0,0689 Con
9,4
1 − 0,01
estos datos el índice BALMOD para el árbol 1 es Balmod1 = = 14,36865 ≈ 14,4
0,0689
C 66 i = ∑ KS 66 j / 10000 3-15
j
SH 2
SH 4
SH 3
SH 1
Árbol n° 1 2 3 4
Diámetro (cm) 10 25 15 30
Altura (m) 12 24 15 24
Altura de la base de la copa (KA,m) 6 15 12 12
Longitud de copa (Kl,m) 6 9 3 12
Altura de corte(SH,m) 8 18 13 16
Radio de copa (KR,m) 0,95 1,8 1,25 2,05
Superficie lateral de la copa (KM,m²) 24,1 68,8 16,6 104,1
Figura 3-4. Rodal de pícea hipotético con 4 árboles y una superficie de 30m². 3
El C66 es igual a la suma de los radios de las copas al cuadrado a la altura de corte
del árbol de referencia o sobre ésta multiplicada por π y dividida por la superficie
del rodal. Para los cuatro árboles se obtiene el siguiente resultado:
3
Ejemplo tomado de J. Nagel. Las variables se calcularon de la siguiente forma: Radio de copa:
; superficie de la copa : KM =π ⋅KR ⋅⎡⎢(4⋅Kl 2 +KR 2 )2 −KR 3 ⎤⎥ ; Radio de la copa a la altura de corte:
3
0.843 +0.11⋅BHD
KR=
2 6⋅Kl ⎣ ⎦
2
3 ⋅ KR
KR SH = ⋅ (H − SH ) .
2 ⋅ Kl
126 Densidad y competencia
Árbol C66
π
1 30
( )
⋅ 0.95 2 +1.8 2 +1.25 2 +2.05 2 =1.04
π
2
30
( )
⋅ 0+1.8 2 +0+1.77 2 =0.67
π
3
30
( )
⋅ 0+1.8 2 +1.25 2 +2.05 2 =0.94
π
4 30
( )
⋅ 0+1.8 2 +0+2.05 2 =0.78
( d i /d j )
⎛ Gj ⎞ 3-16
GDi = ⎜⎜ ⎟⎟
⎝ Gmax ⎠
Se considera no solo la posición social del árbol i en el rodal j, sino que al igual que
el índice BAL y el C66 se considera al mismo tiempo la densidad relativa del rodal.
Densidad puntual
Los criterios para describir la cobertura pueden ser calculados sin conocer las
coordenadas del árbol. Si se conocen las coordenadas existen naturalmente muchas
más posibilidades para describir la densidad. Sobre todo se puede definir la
densidad para puntos especiales definidos en el rodal. Los numerosos métodos
existentes para describir esta situación de competencia denominada por Spurr
(1962) como densidad puntal se pueden dividir en varios grupos: 4 Según esto la
presión de competencia para el árbol de referencia i puede ser de diferentes tipos:
4
véase Tomé y Burkhart (1989); Holmes y Reed (1991); Biging y Dobbertin (1992, 1995).
128 Densidad y competencia
1 m
2 ∑
KI i = ÜFi j 3-17
π ⋅ ri j =1
t R
r
ÜFij
Figura 3-5. Superficie de solapamiento entre la zona de influencia del árbol de referencia y su
vecino. El gráfico a la derecha muestra las variables para el cálculo de la superficie de
solapamiento.
La superficie de solapamiento de dos zonas de influencia de radio r y R, cuyos
puntos medios se encuentran a una distancia t se puede calcular mediante la
ecuación 3-18:
⎧ ⎛ t 2 + r 2 − R2 ⎞⎫ ⎧ ⎛ t 2 + R2 − r 2 ⎞⎫
Area(t , r , R) = r 2 ⎨arccos⎜⎜ ⎟⎟⎬ + R 2 ⎨arccos⎜⎜ ⎟⎟⎬ − ty 3-18
⎩ ⎝ 2tr ⎠⎭ ⎩ ⎝ 2tR ⎠⎭
t 2 + r 2 − R2
donde x1 = y y = r 2 − x1 2
2⋅ t
Densidad y Competencia 129
Una clara dificultad del método es encontrar una regla plausible para
determinar el tamaño de las zonas de influencia.
n dj 1
HgCI i = ∑
j =1 d i Abst ij
3-19
Donde
HgCIi = índice HEGYI: índice de competencia para el árbol de referencia i, según Hegyi
dj = diámetro del árbol competidor j [cm]
di = diámetro del árbol de referencia i [cm]
Abstij = distancia entre el árbol de referencia i y su competidor j [m]
n = número de árboles competidores
El método del ángulo límite supera el problema del círculo fijo pero no
considera la eliminación de la competencia cuando los árboles se encuentran detrás
de otro. No es un caso aislado el hecho de que varios vecinos que se encuentran
uno detrás de otro como vecinos pasivos vistos desde el árbol de referencia se
cuenten como competidores, aunque una competencia activa solo sea ejercida por
el vecino más próximo.
5
véase Hegyi (1974); Daniels (1976); Lorimer (1983); Martin y Ek (1984).
6
Daniels (1976); Holmes y Reed (1991); Biging y Dobbertin (1992, 1995).
Densidad y Competencia 131
Para cada árbol de referencia se fija una zona de competencia (CZ) con un
radio predeterminado (CZR) que se calcula de la siguiente manera:
10000
CZR = k ⋅ 3-20
N
7
En un análisis sobre el crecimiento diamétrico de Pinus densiflora Lee y Gadow (1997) emplearon
los parámetros k=3 y CEA=30°.
132 Densidad y competencia
1 2
8 8
Competridor Competidor
pasivo pasivo
5 5
3 3
4 1 4 1
Competidor Competidor
activo activo
2 2
6 6
7 7
Competidor
activo
3 4
8 8
Competidor
pasivo
5 5
3 3
4 1 4
1
Competidor
activo
2 2
6 6
7 7
Competidor
activo
Figura 3-6. Representación de cuatro iteraciones para calcular el Índice Hegyi iterativo.
El segundo vecino del árbol de referencia (árbol 2 en la figura 3-6) tiene un
diámetro muy pequeño < 0,2 y por lo tanto tampoco es un competidor. El
siguiente competidor activo es el árbol 4 en CES2; el árbol 5 que se encuentra
detrás del árbol 4 tampoco es un competidor activo. En el tercer paso de la
iteración el árbol 6 se definió como un competidor activo. El cuarto competidor
activo (árbol 7) se encuentra en CES4. El árbol 8 es demasiado pequeño. En el
Densidad y Competencia 133
del rodal queda dividida sin huecos. Las variables del dimensión de los árboles no
se consideran (Figura 3-7).
id (cm/año) 60 cm
40 cm
20 cm
14 Escala (id=1cm/Jahr)
id = 0.54 · n° de espacio de crecimiento – 4.7
12
10
C)
8
B)
6
A)
Monte medio
4
0
15 17 19 21 23 25 27 a) b)
c)
Monte alto
N° de espcaio de crecimiento
Figura 3-8. Relación entre el crecimiento en diámetro y el número de espacio de crecimiento para
cerezos silvestres según Spiecker (1994, izquierda.) y representación gráfica del crecimiento
en diámetro de 6 cerezos silvestres en rodales densos y medio densos (derecha) en comparación
a la escala con un incremento en diámetro de 10 mm/año).
Hi - Hj
n Volumen de copa j
CI = ∑ Hi
i =1 Volumen de copai
ri Eij rj
K1 i K2 i j
n ⎛ H − Hi E ⎞
CI = ∑ ⎜ 0.65 ⋅ j + 0.5 − ij ⎟
Ángulo de competencia α ⎜
i =1 ⎝ ri + rj ri + rj ⎟⎠
Radio de la zona de
competencia
K1 i K2
Radio de zona de
competencia
Figura 3-9. Cuatro métodos para calcular la densidad puntual: el método de volumen de copa
según Biging y Dobbertin (1992); el método de ángulo de altura según Rautiainen (1999)
el método de diferencia de alturas según Schütz (1989) y el método del triángulo según Ekö
y Ågestam (1994).
Densidad y Competencia 137
8
Calculado como el volumen de un cono: V=h·π·r2/3
138 Densidad y competencia
difuso
Figura 3-10. Discretización de la radiación directa y difusa. La competencia por la luz resulta de
la limitación lateral y la cobertura por otros árboles. Cálculo de la competencia por
discretización de la radiación según Courbaud (1995).
La competencia por la luz es el resultado de la limitación lateral y de la cobertura
causada por los árboles vecinos (Figura 3-10 derecha). La cantidad de radiación Li
para el punto i del rodal se obtiene mediante la suma de la cantidad de radiación lij
de los cuerpos superficiales celestes procedentes de la dirección j.
n
Li = ∑ l ij 3-21
j =1
9
Para la utilizacion del indice de competencia de Schütz vease tambien Ung et al. (1997).
Densidad y Competencia 139
Estructura y Diversidad
Diversidad de especies
Una consecuencia directa de la extensa deforestación que viene sucediendo desde la
segunda mitad del sigo XX es la elevada desaparición de especies. Muchas especies de
animales y plantas se extinguieron o están amenazadas de extinción en amplias áreas
geográficas. Esta preocupante situación trajo como consecuencia una actividad mucho
más intensa en el campo de la investigación sobre la diversidad. Entre los resultados
obtenidos en los trabajos de investigación llevados a cabo en este campo destacan las
relaciones existentes entre el tamaño de la superficie analizada y el número de especies
y entre los diferentes estados de sucesión y el número de especies en el ecosistema
forestal.
En la figura 4-1 derecha se muestra “la curva teórica de las tres fases” de la
diversidad (Hubbell, 2001). Cuando se considera una escala local, el número de
especies aumenta fuertemente con la superficie. Al considerar una escala regional, la
frecuencia acumulada de especies se ve menos afectada por la superficie analizada,
mientras que el empleo de una dimensión biogeográfica continental o intercontinental
Estructura y Diversidad 143
1,5
1,0
-3,0 -1,0 1,0 3,0 5,0 7,0
Figura 4-1. Relación empírica entre la superficie y el número de especies arbustivas y arbóreas en
Panamá (izquierda) y el modelo general derivado (derecha. Según Hubbell, 2001, páginas 161
y 199).
A escala local la biodiversidad de los bosques se ve influida no solo por la superficie
considerada sino también por el manejo forestal. La figura 4-2 muestra la relación
entre los diferentes estados de sucesión natural y el número de especies en un
ecosistema forestal de haya según Jenssen y Hoffmann (2002).
Estado de
crecimiento juvenil
Estado de
descomposición 3 Estado de
árbol juvenil
25 8
Estado de árbol de
edad avanzada
Estado de
22 20 árbol adulto
Figura 4-2. Número medio de especies de plantas en parcelas de 400 m² de superficie en cada uno de
los diferentes estados de sucesión de un bosque de haya (según Jenssen y Hoffmann, 2002).
144 Estructura y Diversidad
-2
10
-3 Bosque
10
tropical
especies
-4
10
-5
10
Bosque
-6 tremplado
10
de forndosas
-7
10
0 50 100 150 200 250
Figura 4-3. Representación simplificada de las relaciones de dominancia y diversidad para tres
ecosistemas forestales según Hubbell (2001, página 116).
Una especie de rango elevado implica una mayor frecuencia relativa, es decir, una
mayor presencia o dominancia sobre el resto de las especies. La forma de las relaciones
diversidad-dominancia son similares. El primer ejemplo de la figura 4-3 muestra la
curva obtenida para un bosque boreal con menos de 10 especies. El segundo ejemplo
corresponde a un bosque de frondosas de zona templada en el que se encontraron 40
especies diferentes en una parcela de ensayo de 1 ha. En este caso, el intervalo de
variación de las frecuencias relativas de cada especie es menor que en el bosque boreal.
Estructura y Diversidad 145
Diámetro cm
41, 41, 38, 53, 44, 42, 50, 43, 40, 44, 40, 33, 39, 32, 49, 47, 38, 40, 37,
34, 47, 37, 41, 38, 38, 43, 40, 42, 34, 39, 41, 44, 41, 45, 43, 36, 36, 46,
46, 34, 50
Tabla 4-1. Lista de diámetros (cm) en una parcela de ensayo de pícea de 116 años en el Solling
(Alemania).
Con los datos de diámetros del rodal se puede construir la distribución de frecuencias
de diámetros agrupando los árboles por clases diamétricas y asignando la frecuencia
146 Estructura y Diversidad
correspondiente al valor medio de cada clase. La clase diamétrica con valor medio de
clase igual a X y tamaño de clase Δ incluye a todos los árboles con diámetros mayores
que el límite inferior X-Δ/2 e inferiores o iguales al límite superior X+Δ/2. Así por
ejemplo, para la clase diamétrica de centro 40 y tamaño de clase 2 cm: X = 40, X-Δ/2
= 39 y X+Δ/2 = 41.
Centro de clase 32 34 36 38 40 42 44 46 48 50 52 54
n 1 4 2 6 6 7 6 4 2 2 0 1
Tabla 4-2. Distribución de los diámetros de la tabla 4-1 en clases diamétricas de 2 cm.
Las frecuencias de cada clase diamétrica se pueden representar en valores absolutos o
relativos. La frecuencia relativa de una clase diamétrica se puede interpretar como la
probabilidad de que un árbol de un rodal con una distribución diamétrica determinada
pertenezca a dicha clase diamétrica.
7
6 0.15
5
4 0.10
3
2 0.05
1
0 0.00
28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58
Diámetro [cm]
Fig. 4-4. Distribución de las frecuencias diamétricas absolutas y relativas representada en forma de un
histograma e igualada con la función continua de Weibull.
Sobre la distribución de frecuencias empírica discreta se ha representado una curva
continua. El área bajo la curva entre dos valores de diámetro se corresponde con la
Estructura y Diversidad 147
Las curvas de las funciones de densidad para cada rodal se obtienen mediante la
estimación por métodos matemáticos de los parámetros que definen la expresión
matemática de la curva a partir de los datos reales. La mayoría de las funciones de
densidad tienen expresiones matemáticas complejas que dificultan la estimación de su
parámetros por lo que, a menudo es preferible emplear las funciones de distribución
de probabilidad que se obtienen empleando datos de frecuencias acumuladas. En el
caso de clases diámetricas, la frecuencia acumulada se obtiene sumando las frecuencias
de todas las clases diamétricas menores o iguales que la analizada. En el caso de
funciones continuas, esa suma es una integral y las funciones de distribución de
probabilidad se obtienen como integración de las funciones de densidad de
probabilidad. La función de distribución de Weibull se obtendría de la integración de
la función de densidad de Weibull (Ecuación. 4-1):
d ⎛ d −a ⎞
−⎜
c
4-1
⎟
F(d ) = P ( d ≤ X ) = ∫ D( X )dX = 1 − e ⎝ b ⎠
−∞
En el ejemplo de la Tabla 4.2 los valores de los parámetros de posición, escala y forma
de la función de Weibull son a =30, b =13,4 y c =2,6. De este modo, se puede
emplear la ecuación 4-1 para determinar la frecuencia relativa de cualquier clase
diamétrica. La frecuencia absoluta de la clase diamétrica sería igual al producto de la
frecuencia relativa por el número total de árboles. Por ejemplo, la frecuencia relativa
del número de pies en la clase diamétrica de centro 44 y 2 centímetros de tamaño de
clase [P(43 ≤ d ≤ 45)], se obtiene mediante la resta P(d ≤ 45) - P(d ≤ 43) = 0,74 - 0,6 =
0,14, Finalmente, si se multiplica este valor por el número de pies del rodal se obtiene
la frecuencia absoluta correspondiente a esta clase diamétrica (41),, 0,14 = 5,74 - es
decir - aproximadamente 6 árboles.
Donde dinf y dsup son el límite inferior y el límite superior de la clase diamétrica,
respectivamente
Dónde P(X > d) = 1-F(d) es la probabilidad de que un diámetro escogido aleatoriamente X sea
mayor que d (un número aleatorio de distribución homogénea en el intervalo [0, 1]) y a, b y c son
los parámetros de la función de Weibull.
Estructura y Diversidad 149
Con la ecuación 4-3 se puede determinar, por ejemplo, cuál debe ser el diámetro de un
árbol para que haya un 50% de probabilidad de que sea menor que un árbol escogido
aleatoriamente, o lo que es lo mismo, cuál debe ser el diámetro de un árbol para que la
mitad de los árboles del rodal tengan un diámetro mayor que él. Para el rodal de la
1
figura 4-4 la respuesta sería x = 30 + 13.4 ⋅ [− ln (0.5)] 2 .6 = 41.6 cm. De este modo, con la
ecuación 4.3 se pueden simular distribuciones diamétricas, para unos valores dados de
los parámetros de la función de Weibull, simplemente al generar números aleatorios
entre 0 y 1 y sustituirlos por el término P(X > d).
10 12
10
8
8
6
N N 6
4
4
2 2
0 0
28 32 36 40 44 48 52 56 60 26 28 30 32 34 36 38 40 42
Diámetro [cm] Altura [m]
(a) (b)
45 14
40
12
35
10
30
25 8
N 20 N 6
15
4
10
2
5
0 0
5 10 15 20 25 30 35 40 45 50 55 60 65 70 8 12 16 20 24 28 32 36 40
Diámetro [cm] Altura [m]
(c) (d)
80 28
70 24
60
20
50
16
40
N N 12
30
8
20
10 4
0 0
0,5 1 1,5 2 2,5 3 8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
Altura [m] Diámetro [cm]
(e) (f)
Figura 4-5. Típicas distribuciones de frecuencia (a) el diámetro en rodales regulares puros (asimetría a
la izquierda), (b) altura de los árboles en rodales regulares puros (asimetría a la derecha), (c) el
diámetro en rodales de 2 estratos y (d) la altura de los árboles en rodales mixtos de dos estratos
(dos máximos), (e) altura de las plantas en estadio juvenil, rodal regular puro (distribución
normal) y (f) diámetro en monte irregular (exponencial negativa, forma de J invertida).
La función de Weibull se puede emplear para representar distribuciones bimodales, es
decir, con dos máximos (Puumalainen, 1996; Condés, 1997; Hessenmöller, 2001).
También se pueden representar mediante la función de Weibull distribuciones
diamétricas de rodales mixtos en las que se superponen las distribuciones
correspondientes a cada especie (ver, por ejemplo los trabajos de Chung, 1996 o Liu et
al., 2002). En la Figura 4-6 se muestra la distribución diamétrica de un rodal mixto de
Estructura y Diversidad 151
300
Roble
200
Pino
100
0 Diámetro
0 5 10 15 20 25 30 35 40 45 50 55 60 cm
Figura 4-6, Distribuciones diamétricas en un rodal mixto de roble y pino según Chung (1996), Los
parámetros de la función Weibull son a=16,7; b=11,8; c= 1,36 (pino) y a=14,7; b=6,7;
c=1,32 (roble).
En la figura 4-7 se muestra una de estas distribuciones bimodales para un rodal de
haya en el que se aplicó una clara. Para representar distribuciones bimodales como la
de la figura 4-7 se puede adaptar la función de distribución de Weibull.
0.05
0.04
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90
Figura 4-7. Distribución diamétrica de un rodal de haya (230 pies/ha) de 137 años en el que se
realizó una clara por lo alto (Hessenmöller y Gadow, 2001). Se observa como el ajuste de una
única función unimodal no es adecuado para caracterizar la distribución diamétrica, mientras
que la función bimodal se adapta mucho mejor a las frecuencias observadas.
152 Estructura y Diversidad
Donde finf (d ) y f sup ( d ) describen las funciones para el estrato inferior y superior,
respectivamente y g es el parámetro de conexión de las dos funciones. En el caso de
que se emplee la función de distribución de Weibull, su expresión para distribuciones
bimodales es la siguiente:
⎧
⎪
⎪0 para d ≤ ainf
⎪
⎪
⎪
⎪ ⎡ ⎛ d −a ⎞ inf ⎤
c
⎪⎪ ⎢c ⎛ d − a ⎞cinf −1 −⎜⎜ b inf ⎟⎟ ⎥
f (d) = ⎨g ⋅ ⎢ inf ⋅ ⎜⎜ inf
⎟⎟ ⋅ e ⎝ inf ⎠ ⎥ para ainf < d ≤ asup 4-5
⎪ ⎢binf ⎝ binf ⎠ ⎥
⎪ ⎣⎢ ⎦⎥
⎪
⎡ ⎛ d−a ⎞ sup ⎤
c
⎪ ⎡ ⎛ d −a ⎞ inf ⎤
c
csup−1 −⎜ sup⎟
⎪ ⎢cinf ⎛ d − ainf ⎞
cinf −1 −⎜
⎜ b
inf ⎟
⎟ ⎥ ⎢ csup ⎛ d − asup ⎞ ⎜⎜ bsup ⎟⎟
⎥
g ⋅ ⋅ ⎜ ⎟ ⋅ e ⎝ inf ⎠
⎥ + (1− g) ⋅ ⎢ ⋅ ⎜ ⎟ ⋅ e ⎝ ⎠ ⎥ para asup < d
⎪ ⎢b ⎜ b ⎟ ⎜ bsup ⎟
⎪ ⎢ inf ⎝ inf ⎠ ⎥ ⎢b sup ⎝ ⎠ ⎥
⎪⎩ ⎣ ⎢ ⎥
⎦ ⎢ ⎥
⎣ ⎦
Esta expresión se utilizó para representar los datos observados en la figura 4-7 y,
posteriormente se evaluó la bondad del ajuste mediante el cálculo de un estadístico
denominado distancia genética (Gregorius, 1974; Pommerening, 1997) que, en este
Estructura y Diversidad 153
caso, evalúa la similitud entre las frecuencias observadas y las estimadas. La distancia
genética para esta comparación se calcula como (Niggemeyer, 1999):
1 n ˆ
0≤d = ∑ di − di ≤ 1
2 i =1 4-6
Esta función bimodal se aplicó a tres grupos de parcelas diferentes para analizar
su capacidad para caracterizar las distribuciones de rodales de haya en Alemania
(Hessenmöller y Gadow, 2001). El primer grupo de datos corresponde a una red de
parcelas de ensayo en las que no se habían realizado claras y con edades comprendidas
entre 51 y 150 años. El segundo grupo corresponde a una red de parcelas de ensayo
del Instituto de investigación forestal de la Baja Sajonia en las que se habían realizado
claras por lo alto de intensidad media y de edades comprendida entre 56 y 98 años. El
tercer grupo se corresponde con 30 rodales puros de haya del distrito forestal de
Paderborn de edad comprendida entre 59 y 137 años en los que se midieron todos los
diámetros. Los resultados obtenidos mostraban que, como era de esperar, las
funciones bimodales describen mejor los rodales adultos de haya que la función
unimodal.
Frecuencia absolura
40
14
Altura
35
[m]
30 12
25 10
20 8
15 6
10 4
5
2
0
0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
29 30 31 32 33 34 35 36 37 38
Diámetro [cm] Altura (m)
Figura 4-8. Curva de altura (izquierda) e histograma de distribución de alturas con la función de
Weibull ajustada (derecha) para un rodal de pícea de 116 años.
El histograma de frecuencias de alturas se puede obtener de manera indirecta a partir
de la curva de alturas (Gadow, 1987). Por ejemplo, para rodales puros regulares es
frecuente el empleo de una función logarítmica (Ecuación 4-7):
h = a0 + a1 ⋅ ln(d) 4-7
h = 1 . 3 + a ⋅ ⎛⎜ 1 − e b ⋅ d ⎞⎟
c
4-9
⎝ ⎠
f (d , h) = α ⋅ n1 (d , h) + (1 − α ) ⋅ n2 (d , h) 4-10
Donde n1(d,h) y n2(d,h) son las distribuciones bivariantes ajustadas a las alturas y
diámetros de cada uno de los dos estratos que se observaron en la muestra y α es un
parámetro que varía en el intervalo [0,1] y que define la proporción de la población
total que pertenece a cada uno de esos dos estratos. El valor de α obtenido al ajustar
este modelo a los datos obtenidos por Schmidt y Gadow (1999) fue de 0,19, indicando
que un 19% de la muestra pertenecía al primer estrato y un 81% al segundo estrato
considerado. La representación gráfica de la función de densidad así obtenida (Figura
4-9) muestra claramente que existen dos subpoblaciones (figura derecha), y que en la
subpoblación más pequeña del estrato inferior la pendiente de la relación altura-
diámetro (figura derecha) es mayor que en la otra subpoblación. La bondad del ajuste
de este modelo con dos distribuciones de densidad bivariantes mejoró notablemente la
del obtenido solamente con la función bivariante SBB.
Abundancia y dominancia
La descripción de la estructura de los rodales es más complicada a medida que
aumenta la diversidad estructural, que viene determinada por tanto por la diversidad
de especies como por la diferencia de tamaños entre individuos. Una de las formas
más habituales de representar la estructura se basa en la caracterización de las
frecuencias del número de pies y del área basimétrica para cada una de las especies del
rodal. Por ejemplo, en la Figura 4-10 se muestra esta caracterización de frecuencias en
rodales mixtos naturales de México.
Parcela de ensayo
“Chichimoco” “Fabián” “Coa”
Especie N G N G N G
(pies/ha) (m2/ha) (pies/ha) (m2/ha) (pies/ha) (m2/ha)
Picea chihuahuana 24 8,15 16 2,81 40 3,67
Abies durangensis 92 3,32 192 14,87 20 0,68
Pseudotsuga menz. 68 6,98 120 6,92 80 3,15
Cupressus lindleyi 312 33,18 304 26,44 116 1,35
Quercus rugosa 4 0,20
Quercus castanea 40 0,14 32 1,59
Quercus duriflora 4 0,04 12 4,98
Quercus crassifolia 4 0,02
Prunus serotina 20 0,39
Pinus ayacahuite 4 0,10 28 0,73
Pinus durangensis 4 0,27 8 1,22
Pinus cooperi 212 13,15
Juniperus deppeana 4 0,03 112 3,39
Suma 564 52,40 680 53,05 628 32,32
Figura 4-10. Frecuencias absolutas del número de pies y del área basimétrica por hectárea para tres
parcelas de ensayo en rodales mixtos de El Salto, Durango, México (Aguirre et al., 2003).
160 Estructura y Diversidad
Índice de
Riqueza de
Shannon-
especies
Weaver
Riqueza de Distribución
dimensiones diamétrica
Figura 4-11. Características de la estructura forestal sin considerar la distribución espacial de los
atributos de los árboles. Diferentes colores hacen referencia a diferentes especies. Los tamaños de
los círculos son proporcionales a los diámetros de cada árbol.
El concepto de estructura hace referencia a la distribución y el orden de los elementos
de un sistema. Por tanto, la estructura forestal debe describir la distribución y orden de
los atributos del árbol dentro de un rodal y para ello no basta con caracterizar las
dimensiones de los árboles o la presencia de diferentes especies, sino que también es
necesario tener en cuenta la distribución en el espacio de tales características. Por esta
razón, para la descripción completa de la estructura de un rodal es necesario emplear
tres grupos diferentes de variables o índices que tengan en cuenta las especies
presentes, sus dimensiones y su distribución sobre el terreno (ver figura 4-12).
Estructura y Diversidad 163
Estructura forestal
Figura 4-12. Para la descripción de la estructura forestal se recomienda el empleo de tres grupos de
variables o índices.
Los índices dependientes e independientes de la posición en el terreno de los
individuos se emplean para caracterizar al rodal en su conjunto. Para analizar las
diferencias estructurales a pequeña escala se adaptan los índices generales empleando
relaciones de vecindad (Albert y Gadow, 1998).
baja alta
Agregación
(contagion)
Mezcla
(species mingling)
Diferenciación
(size differentiation)
Figura 4-13. Dos ejemplo de rodales con alta y baja diversidad en la distribución espacial de los
árboles, de las especies y de sus dimensiones.
La distribución espacial de los árboles refleja si el patrón de disposición de los árboles
sobre el terreno es regular, aleatorio, se tienden a agrupar o es una mezcla de todas
Estructura y Diversidad 165
estas situaciones. El grado de mezcla analiza si los árboles de la misma especie tienden
a formar pequeños grupos o por el contrario existe una mezcla espacial de especies.
Por ultimo, el grado de diferenciación espacial por dimensiones tiene en cuenta si
árboles del mismo diámetro y/o altura tienden a agruparse o se distribuyen de forma
aleatoria. Estos autores consideran que el uso de un conjunto de índices que tengan en
cuenta estos tres factores puede ser suficiente para definir, e incluso permitir simular,
la estructura espacial de un rodal forestal.
1 n ⎧1, α jk < α 0
Wi = ∑ vij siendo vij = ⎨ y 0 ≤ Wi ≤ 1 4-13
n j =1 ⎩0, en caso contrario
k
αjk < α0
i
βjk
Figura 4-14. Ángulo entre dos vecinos desde el árbol de referencia i. La suma de ambos ángulos (αjk
y βjk) es de 360º.
El valor del ángulo αjk se compara con un ángulo de referencia o ángulo estándar α0
que es el ángulo esperado en una distribución regular. Si αjk es menor que el ángulo de
referencia se le asigna un 1 a la variable binaria vij y en caso contrario se le asigna un 0.
Si se consideran cuatro árboles vecinos se pueden obtener cinco valores diferentes del
índice Wi (figura 4-15).
1 N
W = ∑Wi
N i =1
4-14
400
Frec. relativa
300
200
100
regular aleatorio agregado
0
0.45 0.46 0.47 0.49 0.50 0.52 0.53 0.54 0.56
Figura 4-16. Distribuciones de los valores medios del índice para 2000 rodales simulados para tres
tipos diferentes de distribuciones empleando un ángulo estándar de 72º.
168 Estructura y Diversidad
El índice Winkelmass también se puede emplear para estimar la distancia entre árboles
vecinos sin necesidad de realizar costosas mediciones en campo (Gadow et al., 2003).
Esta distancia es la base para el empleo de modelos de crecimiento de árbol individual
dependientes de la distancia, también es imprescindible para poder simular o
reproducir la estructura espacial del rodal y para la visualización del desarrollo de dicho
rodal.
b c
3.00 8.00
7.00
2.50
6.00
2.00 5.00
1.50 4.00
3.00
1.00
2.00
0.50 1.00
0.00 0.00
0.00 1.00 2.00 3.00 0.00 2.00 4.00 6.00 8.00
D01 D01/S01
Figura 4-18. Relaciones lineales entre los parámetros b y c de la función Weibull y la distancia media
al primer vecino (D01) o el cociente entre (D01) y la desviación típica de las distancias al primer
vecino (s01).
Como se observa en la figura anterior, las relaciones entre b, c y D01 o D01/S01 son
lineales siendo para este ejemplo: b =-0,0277 + 1,129 (D01) y c =-0,3215 + 1,2065
(D01/S01).
Por otro lado, el valor medio y la desviación típica de las distancias se pueden
relacionar con el valor del índice Winkelmass y la densidad del rodal (Gadow et al.,
2003):
0 .825⋅W - 0 .283
D01 = 0.260 ⋅ W -1.804 DT 4-16
Donde D01 es el valor medio de la distancia la vecino más próximo (m); S01 es la
desviación típica de la distancia media al vecino más próximo (m); W es el valor
medio del índice; DT es la distancia esperada para una distribución aleatoria (m), es
decir DT = 0.5 ( N / 10000 ) y N es la densidad del rodal (número de pies por ha).
170 Estructura y Diversidad
De este modo, sustituyendo los valores de las ecuaciones 4-16 y 4-17, en las
relaciones lineales de los parámetros b y c de la función de Weibull se puede
reconstruir la distribución de frecuencias de distancias entre árboles del rodal.
El valor del índice Winkelmass se puede relacionar con otro índice de agregación
muy utilizado, el índice de Clark y Evans (RCE). Si se reorganizan los términos de la
ecuación (4-16) se llega a la siguiente expresión matemática que relaciona los dos
índices y la densidad del rodal para el ejemplo analizado:
D
( )
−0.283
0.825⋅W −1
RCE = 01 = 0.260 ⋅ W −1.804 ⋅ 0.5 N / 10000 4-18
DT
Mezcla de especies
La mezcla de especies es una medida de la segregación espacial de los individuos de
diferentes especies y se puede describir mediante el índice denominado grado de
mezcla Mi. Füldner (1995) definió el valor del índice del árbol de referencia i como la
proporción de vecinos que pertenecen a especies diferentes a dicho árbol de
referencia:
1 n
Mi = ∑vj 4-19
n j =1
Haya Fresno
0,60 0,60
Anteil
0,20 0,20
0,00 0,00
0,00 0,33 0,67 1,00 0,00 0,33 0,67 1,00
M M
Figura 4-19. Representación de los valores de grado de mezcla de especies en un rodal mixto de haya y
otras frondosas. A la izquierda la distribución de valores obtenida para haya y a la derecha
para fresno.
La mayoría de las hayas están rodeadas por árboles de la misma especie (Mi=0)
mientras que los fresnos aparecen solitarios entre las hayas (Mi=1) y solo existe una
pequeña proporción de fresnos con tendencia a agruparse (Mi<1). En determinadas
ocasiones también puede resultar de interés para extraer conclusiones sobre la
distribución espacial de las especies el analizar la relación que existe entre el grado de
mezcla de una especie y su proporción dentro del rodal p M , siendo p la proporción
del número de pies o del área basimétrica de la especie analizada y M el valor medio
del grado de mezcla de la especie. Otras posibles aplicaciones del grado de mezcla de
especies se pueden encontrar en el trabajo de Aguirre et al. (2003).
1 n min( d i ,d j )
Ti = 1 − ∑ 4-21
n j=1 max( d i ,d j )
1 n
Ui = ∑ v j 4-22
n j =1
Estructura y Diversidad 173
0 0 0.05
0 0, 25 0, 5 0, 75 1 0
0 0, 25 0, 5 0, 75 1
0 0.25 0.5 0.75 1
U U
U
Figura 4-20. Dominancia específica de tres especies en la parcela de ensayo Chichimoco en El Salto,
México. U es el valor medio de la medida del entorno de la especie.
La distribución de la medida del entorno de la especie Cupressus lindleyi está desplazada
hacia la izquierda, lo que indica que pocos de los árboles analizados son dominantes en
su entorno local. Una interpretación similar puede hacerse para la especie Abies
durangensis aunque con una mayor dominancia que la especie anterior. Por el contrario,
la especie es frecuentemente dominante en su entorno local. Cada una de estas tres
especies tiene árboles dominantes, codominantes y dominados en su entorno, aunque
las proporciones son muy diferentes en cada caso. .
30 cm
10 cm α<α0
20 cm
i 20 cm
50 cm
Figura 4-21. Las variables para describir la estructura espacial son fáciles de medir sobre el terreno.
Se miden el árbol de referencia más próximo respecto al punto de referencia y sus n vecinos más
próximos
Los diferentes colores de los árboles indican especies distintas. Sólo un ángulo α es
menor que el ángulo estándar entre dos vecinos α0 (Cómo ya se comentó
anteriormente, el valor más adecuado para α0 cuando se consideran cuatro vecinos es
de 72º). Para el grupo de cinco árboles presentado en la figura 4-21 se obtienen los
siguientes valores del índice Winkelmass (Wi), del grado de mezcla (Mi); del
coeficiente de variación local de los diámetros (CVi%; el diámetro medio es de
110/4=27.5 cm.); del grado de diferenciación de diámetros (Ti) y de la medida del
entorno (Ui) para el árbol de referencia i:
Estructura y Diversidad 175
0 + 0 + 0 +1 0 + 0 +1+1
Wi = = 0,25 ; M i = = 0,50 ;
4 4
1 ⎛ 10 20 20 20 ⎞ 1+ 0 + 0 + 0
Ti = 1 − ⋅ ⎜ + + + ⎟ = 0,36 ; Ui = = 0,25
4 ⎝ 20 30 20 50 ⎠ 4
En la figura 4-22 se muestran los valores observado y esperado del índice grado
de diferenciación de diámetros en un bosque natural de Sudáfrica (Schröder, 1998).
Los valores esperados se obtuvieron mediante la generación de 1000 rodales y se
observa que hay una gran coincidencia entre ambos valores tanto por especie como
para el conjunto del rodal.
Diferenciación media
de diámetros
0,4
0,2
Figura 4-22. Valores del grado de diferenciación en diámetros observada (columna de la derecha) y
esperada (columna de la izquierda en azul) para tres especies y para todo el conjunto de especies
en un bosque natural de Sudáfrica considerando para el cálculo del índice sólo el árbol vecino
más cercano (Schröder, 1998).
El empleo de rodales simulados permite calcular el valor de cualquier índice estructural
para cada uno de ellos y, por tanto, conocer no sólo la media sino también la
distribución de dichos valores y su variabilidad. Esto permite que al analizar el valor
del índice en un rodal real se pueda asignar una probabilidad de ocurrencia al valor real
observado.
Crecimiento del Rodal 177
Obtención de datos
Un aprovechamiento forestal adecuado requiere una comprensión de los procesos
biológicos del sistema. En términos de modelización forestal se podría decir que el
conocimiento de las tasas de crecimiento, relevantes desde el punto de vista
biológico, desde un estado inicial determinado constituye la base para esa
comprensión. Estos conocimientos nos permiten crear programas informáticos con
cuya ayuda los gestores forestales pueden juzgar los efectos de diferentes
tratamientos selvícolas. Una de las herramientas más importantes son los modelos
de crecimiento creados a partir de datos empíricos, es decir, de observaciones
reales.
Parcelas permanentes
Nuestros conocimientos actuales sobre el desarrollo de diferentes ecosistemas
forestales se basan en gran parte en datos procedentes de parcelas permanentes que
han sido medidas repetidamente durante un largo período de tiempo. Los datos de
las parcelas permanentes constituyen una base importante para el desarrollo de
modelos para una amplia variedad de tratamientos selvícolas. Un ejemplo sencillo
del empleo de este tipo de información son las primeras tablas de producción
construidas para caracterizar el crecimiento con programas de claras estándar.
La figura 5-1 muestra una parcela permanente con tres mediciones de altura
consecutivas a las edades t1, t2 y t3.
P a r c e la 1 P a r c e la 2 P a r c e la 3
40
H [m ]
35
30
25
20
15
10
t1 t2 t3
t 5
0 t
0 20 40 60 80 100 120
Figura 5-1. Izquierda: una parcela permanente con tres mediciones sucesivas de altura
consecutivas (t indica el eje temporal, los árboles en color blanco fueron cortados durante las
claras). Derecha: un ejemplo de series de datos de altura dominante procedentes de tres
parcelas permanentes.
(
H = a0 ⋅ 1 − e −a1 ⋅t ) a2
5-1
Los datos de parcelas permanentes tienen la ventaja de que permiten describir con
facilidad crecimientos polimórficos, es decir, curvas de evolución de una variables
dasométrica o dendrométrica (en este caso la altura) que no son proporcionales
entre sí. En el caso de la ecuación 5-1, el modelo es polimórfico cuando alguno de
los parámetros que determinan la forma de la curva a1 y a2 varía en función de la
calidad de la estación, ya sea representada por el índice de sitio o por valores de
complejos factores de la estación como la temperatura, la humedad o el contenido
de nutrientes (Kahn, 1994). Ejemplos de estos modelos se encuentran en los
trabajos de Jansen et al. (1996). Para cada parcela se puede desarrollar una curva
diferente de evolución de altura, de este modo es posible desarrollar curvas de
altura polimórficas que pueden llegar a cruzarse (“non-disjoint”) (Clutter et al., 1983).
Parcelas temporales
Una solución rápida cuando no se dispone de ningún dato sobre el desarrollo
forestal es la implantación de parcelas temporales. Una parcela temporal sólo se
mide una vez, por lo tanto para obtener información relevante empleando este tipo
Crecimiento del Rodal 183
H[m]
40
+
+
+ + +
+
+ +
+ +
t 30 + +
+ +
1 + + + +
? ++
+
++
20 + +
+ +
+ +
2 +
10 +
+
+
3 + +
+
0
t
x 0 20 40 60 80 100 120 140
Figura 5-2. Izquierda: tres parcelas temporales de diferentes edades; el eje x describe la posición de
los árboles; t define el eje temporal (ver Biber, 1996, página 27). Derecha: Datos de edades
y alturas procedentes de parcelas temporales.
En la segunda mitad del siglo XX se construyeron numerosas tablas de producción
en base a datos de parcelas temporales, por ejemplo los modelos de Hamilton y
Christie (1971) o Madrigal et al. (1992). Estas tablas de producción únicamente
reflejan el desarrollo forestal de alternativas selvícolas estándar y no se pueden
emplear para simular diferentes opciones de tratamiento selvícola (Alder, 1980).
Tabla 5-1. Distribución de la biomasa y de los elementos químicos en rodales de pino de diferentes
edades (Rademacher, 2002).
El análisis de los datos de la tabla anterior procedentes de rodales de diferentes
edades proporciona una visión de conjunto del reparto y la evolución de la biomasa
y los nutrientes en las diferentes partes del árbol. En base a estos datos se pueden
desarrollar relaciones útiles entre la edad del rodal, la proporción de biomasa y el
contenido en elementos químicos (Figura 5-3).
186 Crecimiento del Rodal
1,0
Proporción de biomasa
1,00
Madera
0,8 mg(K)/g = -0,2035Ln(age) + 1,28
0,80
0,6 0,60
0,0 0,00
Hojas
0 50 100 150 200
0 50 100 150
Edad
Edad (años)
Figura 5-3. Izquierda: relaciones entre la edad del rodal y el contenido de elementos químicos.
Derecha: proporción de biomasa de las diferentes partes del árbol.
Parcelas de intervalo
Las parcelas de intervalo constituyen un compromiso entre los dos tipos anteriores.
Estas parcelas se miden como mínimo dos veces, al principio y al final de un
intervalo de tiempo durante el que no se realizan intervenciones humanas ni existe
otro tipo de perturbaciones. El intervalo de tiempo entre las dos mediciones
consecutivas debe ser lo suficientemente largo para suavizar el efecto que pueden
tener las oscilaciones climatológicas. Las características principales del concepto de
las parcelas de intervalo se presentan en la figura 5-4.
H [m]
40
t
1 1
30
20
2
2
10
3 3 0
t
0 20 40 60 80 100 120 140
x x
Figura 5-4. Izquierda: tres parcelas de intervalo: los árboles en color blanco se eliminaron durante
la clara. Derecha: Datos de parcelas de intervalo como base para la modelización de los
cambios de estado.
W W
W2 W2
* *
a
ΔW ΔW *
* b
* a
W1 W1 *
*
t1 t2 t t1 t2 t
Δt Δt
Figura 5-5. Dos tomas de datos consecutivas para calcular las tasas de cambio de una variable de
estado W. Izquierda: incorrecta aplicación. Las consecuencias de la clara son desconocidas,
por lo tanto ΔW no ofrece ninguna información útil. Derecha: aplicación correcta. Se toman
los cambios como consecuencia de la clara y el crecimiento natural.
Una de las ventajas de contar con datos que permiten obtener tasas de crecimiento,
como por ejemplo los datos de parcelas de intervalo, es la posibilidad de poder
emplear funciones de crecimiento en forma de diferencias algebraicas (ver por ejemplo
Clutter et al. 1983; Ramírez-Maldonado et al., 1988; Forss et al., 1996). Este tipo de
ecuaciones tiene, entre otras ventajas, la de ser modelos invariantes con respecto al
camino de proyección. Esto quiere decir que si se simula la evolución de un rodal
desde la edad t1 hasta la edad t2 y después desde t2 hasta la edad t3, se llega a la
misma estimación que si se va directamente desde la edad t1 hasta la edad t3. A
partir de la ecuación 5-1 se pueden obtener tres ecuaciones en diferencias
algebraicas, puesto que la ecuación tiene tres parámetros (a0, a1 y a2). Si se cuenta
con dos mediciones de altura dominante de un mismo rodal H1 y H2 obtenidas a las
edades t1 y t2, respectivamente, se puede obtener la siguiente ecuación en diferencias
algebraicas despejando el parámetro a0:
a2
⎛ 1 − e − a1 ⋅t 2 ⎞ 5-2
H 2 = H 1 ⋅ ⎜⎜ − a1 ⋅t1
⎟⎟
⎝ 1− e ⎠
Pese a la utilidad de este tipo de parcelas, hay preguntas que sólo se pueden
responder con precisión en base a parcelas permanentes. Por ejemplo, los cambios
a largo plazo en el crecimiento debido a influencias climáticas o como consecuencia
de cambios en las condiciones de la estación sólo pueden ser analizados en rodales
cuyo desarrollo se ha venido observando durante un largo período de tiempo. Por
tanto, no se debe renunciar a las parcelas permanentes aunque su número nunca
podrá ser muy elevado debido a los costes de mantenimiento.
De todo esto se deduce que las parcelas permanentes, por si solas, no son
suficiente fuente de información debido a la amplia variedad de estados iniciales y
de tratamientos posibles. Tampoco el inventario forestal continuo proporciona
buenos datos para la modelización del crecimiento forestal ya que no se realiza la
medición coincidiendo con las claras. Algo parecido ocurre con la información
obtenida del análisis de troncos cuyos datos no proporcionan ninguna conclusión
sobre el entorno histórico y desarrollo de la copa del árbol analizado. Por tanto, en
vista de la limitación de los medios disponibles y de la creciente diversidad de las
estructuras forestales y formas de mezcla es necesaria una nueva orientación en la
planificación de los ensayos forestales. Sería conveniente una mayor integración y
coordinación de todos los centros de investigación forestal con sus experiencias
para la obtención de bases de datos más completas y fiables.
190 Crecimiento del Rodal
(
V (t ) = 205 ,3 ⋅ 1 − e − 0 , 0231 ⋅t ) 2 , 93
5-3
Donde V(t) es el volumen del rodal (m³/ha) a la edad t. Con la ayuda de la ecuación
5-3 se puede crear una sencilla tabla de evolución del volumen con la edad:
El crecimiento medio a la edad t (CMt) es igual al valor de la masa total MTt dividido
por la edad del rodal.
MTt 5-5
CM t =
t
El crecimiento corriente (CCt) es igual a la pendiente de la tangente a la curva de
crecimiento, es decir, por definición es la derivada de la ecuación de masa total
(MTt) con respecto a la edad (t) y describe la tasa de crecimiento a la edad t:
ΔMT
CC t = MT′ = 5-6
Δt
Por tanto, la edad a la que se alcanza el máximo del crecimiento medio (CM) se
obtendrá como:
⎛ 100 ⎞ ⎛ 100 ⎞
′ 1800 −⎜⎝ ⎟ 100 1800 −⎜ ⎟ 100 1
CM t = 0 = ⋅e t ⎠
⋅ 2 − 2 ⋅e ⎝ t ⎠
→ = → t = 100
t t t t2 t
(
V = 0,043⋅ SI1.70 ⋅ 1 − 1,058⋅ e−0.0082⋅NP
0.349
⋅t
)
3,187
5-7
MT 1000 40
CM, CC
[m3/ha] 900 [m3/ha año]
MT
800
30
700
600
500 20
400
300
CC 10
200 CM
100
0 0
0 50 100 150
Edad [años]
Figura 5-6. Relación entre masa total (MT), crecimiento medio (CM) y crecimiento corriente
(CC).
Como se observa en la ecuación 5-8, el crecimiento corriente se puede medir
independientemente de la edad, con sólo conocer el intervalo de tiempo
transcurrido entre mediciones. El cálculo del crecimiento corriente se representa en
el ejemplo de la figura 5-7.
1 2 3
Figura 5-7. Rodal con tres árboles en los que se esquematiza su crecimiento en volumen en tres
años (Sterba, 1991).
El centro blanco representa el volumen del tronco a la edad t1. Hasta la edad t2 los
árboles han crecido la superficie punteada. En este momento se extrae el árbol
194 Crecimiento del Rodal
central. Hasta la edad t3 los árboles han crecido nuevamente en volumen rayado. El
incremento periódico total es igual a la suma de ambas superficies:
Tablas de producción
Con la construcción de las primeras tablas de producción al final del siglo XVIII se
crearon los primeros modelos de crecimiento, que reconstruyen el desarrollo del
rodal en base a valores medios (ver Paulsen, 1795). Estas tablas de producción
presentan las variables más importantes en rodales puros con un tratamiento
selvícola definido y unidades temporales fijas (normalmente 5 años). Las tablas de
producción publicadas en la mayor parte del mundo hasta la actualidad han sido
principalmente tablas de producción regionales en base a datos de parcelas
permanentes de los centros de investigación. En Europa, la construcción de tablas
de producción tiene su origen en centro-Europa, por ejemplo, en Alemania las
primeras tablas de producción vieron la luz entre finales del siglo XIX y el primer
tercio del siglo XX (Baur, 1881; Schwappach, 1890; Eberhard, 1902; Grundner,
1904; Schwappach, 1911; Wimmenauer, 1914; Wiedemann, 1931).
Los valores de las variables de masa que aparecen reflejados en las tablas de
producción son válidos para una clara cuyo tipo e intensidad coincida con los de las
parcelas de las que se obtuvieron los datos.
Para caracterizar esas claras se han venido utilizando códigos como el definido por
la Asociación Alemana de Centros de Investigación Forestal (Vereins Deutscher
Forstlicher Versuchsanstalten, 1902):
196 Crecimiento del Rodal
Las variables de entrada para las tablas de producción suelen ser el índice de sitio o
la clase de producción. Para cada clase de producción hay una tabla con los datos
de la masa residual y la masa extraída. Por ejemplo, en la Tabla 5-4 se muestra un
extracto de una tabla de producción para pícea.
Tabla 5-4. Extracto de la tablas de producción para picea de Wiedemann-Schober, clara media
(N/ha = Número de pies por ha; Hm = altura media; G/ha = área basimétrica m²/ha,
Diam = diámetro medio cm; f: factor de forma; V/ha = volumen m³/ha).
Tabla 5-5. Datos de las tablas de producción de haya de diferentes países europeos.
variables de rodal para dos de las tablas de producción de las incluidas en la tabla
anterior.
40
H (m)
45
Döbbeler y Spellmann
35 40
Skovsgaard y Mosing
30 35
Schober
30
G (m²/ha)
25
25
20
20
15
15
10
10
Schober Skovsgaard y Mosing
5 5
0 0
0 20 40 60 80 100 120 140 0 10 20 30 40 50 60 70
Edad Edad
Figura 5-9. Comparación del desarrollo de la altura dominante (izquierda) y del área basimétrica
(derecha) según Schober (1972) y Skovsgaard y Mosing (1996) para una calidad de
estación representada por una altura dominante de 32 metros a la edad de referencia de 100
años. En la figura de la derecha aparece también la evolución del área basimétrica
correspondiente a un aprovechamiento en densidad máxima (Döbbeler y Spellmann, 2002).
El peso de la clara se puede describir mediante el área basimétrica extraída relativa
(rG%) y el tipo de clara se puede describir mediante la relación entre el número de
pies y el área basimétrica (NG). Los datos de la tabla 5-6 se corresponden con los
gráficos en la figura 5-9.
Schober Skovsgaard y Mosing
Edad
rG (%) NG rG (%) NG
20 - - 0,10 1,60
25 - - 0,11 1,59
30 - - 0,22 1,38
35 0,15 2,44 0,08 1,56
40 0,14 2,10 0,20 1,38
45 0,13 1,85 0,14 1,40
50 0,12 1,78 0,17 1,36
55 0,11 1,71 - -
60 0,10 1,68 - -
65 0,10 1,67 - -
Tabla 5-6. Peso de la clara (rG%) y tipo de clara (NG) para las variantes representadas en la
figura 5-9.
La relación NG obtenida para las dos tablas de producción indica que se trata de
claras débiles en la que se extrajeron los árboles de los estratos inferiores. El peso
de las claras de Skovsgaard y Mosing (1996) es variable. Como se observa en la
200 Crecimiento del Rodal
gráfica de área basimétrica, en ambos casos el valor de las tablas permanece por
debajo de los valores de la densidad máxima según Döbbeler y Spellmann (2002).
Donde N1 y N2 son el número de pies por hectárea a las edades inicial y final de la
proyección, H1 y H2 son las alturas dominantes (m) a esas mismas edades y a, b y c
son los parámetros del modelo. En la tabla 5-9 se incluyen los coeficientes
empíricos obtenidos para cada uno de los países cuyas tablas de producción figuran
en la tabla se incluyen en la tabla 5-5.
202 Crecimiento del Rodal
País n a b c R2
Albania 130 0,0247 -0,0429 0,3898 0,99
Alemania 318 0,0115 -3,0966 0,0082 0,99
Dinamarca 133 0,0728 -0,0002 2,2683 0,99
Eslovaquia 361 -0,8224 -53,6177 -0,0024 0,99
España 88 -0,2491 -47,7015 -0,0048 0,99
Grecia 84 0,0360 -0,0015 1,2283 0,99
Gran Bretaña 101 0,3373 -0,1435 0,8369 0,99
Hungría 72 -0,0056 -5,0719 -0,0017 0,99
Italia 36 0,0805 -0,0797 0,5008 0,99
Países Bajos 132 0,0284 -0,0048 0,9458 0,99
Polonia 389 -0,0020 -0,2685 -0,0120 0,99
Rep. Checa 100 0,1905 -0,9984 0,2581 0,99
Rumanía 118 0,0051 -0,0087 0,4101 0,99
Suecia 114 0,0035 -0,2706 0,0333 0,99
Suiza 46 -0,2210 -66,6699 -0,0056 0,99
Tabla 5-9. Coeficientes empíricos para estimar el número de pies (n es el número de datos
empleados y R2 es el coeficiente de determinación del ajuste).
(
V(t) = A 1 − e - k {t − to } )
m 5-12
donde V(t) es el volumen del rodal a la edad t (en m³/ha). A se puede interpretar
como la asíntota o punto de culminación y tiene las mismas unidades que V(t). El
parámetro k es el factor de escala del eje temporal y sus unidades son la inversa del
tiempo, es decir, si el tiempo se mide en años entonces las unidades de k son años-1.
Crecimiento del Rodal 203
−k ⋅[t −t0 ] ⎞ m
A ⋅⎛⎜1−e ⎟
V
CM= = ⎝ ⎠ 5-13
t t
El valor máximo del crecimiento medio anual (CMmax), que se supone conocido, se
alcanzará a una edad tmax, también conocida, para la cual la primera derivada de la
ecuación 5-13 es igual a cero:
(
0 = 1 + t max ⋅ m ⋅ k ⋅ e ) − k ⋅ (t max −t 0 )
−1 5-14
Murray y Gadow (1993) consideraron que el valor de t0 para especies de
crecimiento rápido se puede asimilar a 1 y que el parámetro de forma (m) toma
valores muy cercanos a 3; por lo que la ecuación 5-14 permite obtener el valor del
parámetro k conocida la edad (tmax) a la que se alcanza el máximo del crecimiento
medio anual. Dicho valor no se puede despejar directamente de la ecuación anterior
por lo que debe ser estimado por procedimientos iterativos.
−k ⋅[t −t0 ] ⎞ m
tmax ⋅ ⎛⎜1−e ⎟
CM relativo = ⎝ ⎠ 5-15
−k ⋅[tmax −t0 ] ⎞m
t ⋅⎛⎜1−e ⎟
⎝ ⎠
La Figura 5-10 muestra tres ejemplos de curvas de crecimiento medio anual relativo
para diferentes edades de obtención del máximo y considerando t0 igual a 1 y m
igual a 3.
1,2
a b c
CM
1,0
rel.
0,8
0,6
0,4
0,2
Figura 5-10. Tres curvas del crecimiento medio relativo siendo a: tmax = 20, k = 0,1043; b:
tmax = 50, k = 0,0394 y c: tmax = 80, k = 0,02434.
Las curvas de crecimiento medio en valores absolutos se obtienen multiplicando los
valores relativos por el valor conocido por la experiencia de campo del crecimiento
medio máximo. Murray y Gadow (1993) observaron que las estimaciones de este
modelo matemático se adecuaban con bastante exactitud a las estimaciones de
modelos de crecimiento empíricos. En caso de que se conozcan por medio de la
experiencia los valores del crecimiento medio máximo (CMmax) y la edad a la que se
alcanza (tmax) estos modelos pueden proporcionar estimaciones más fiables que las
de modelos empíricos obtenidos a partir de bases de datos de observaciones
incompletas.
Crecimiento del Rodal 205
Porcentaje de incremento
Otra herramienta útil para la planificación de los tratamientos selvícolas es el
empleo de los denominados “porcentajes de incremento”. Los porcentajes de
incremento son las tasas de crecimiento relativas de una variable dasométrica o
dentrométrica, como por ejemplo el volumen del rodal. Si V0 es el volumen de un
rodal (m3/ha) tras la realización de una clara y p es el porcentaje de incremento del
volumen, entonces tras un período entre claras de “cc” años el volumen del rodal
Vcc (m3/ha) vendrá dado por la siguiente expresión:
cc
⎛ p ⎞
Vcc=V0 ⋅ ⎜1 + ⎟ 5-16
⎝ 100 ⎠
La tabla 5-10 muestra los porcentajes de incremento en función del volumen para
bosques mixtos y para bosques de coníferas en Finlandia (Lähde et al., 2002).
Volumen Porcentaje de
Tipo de
del rodal incremento
rodal
(m³/ha) Irregular Regular
Coníferas 5,1 ± 1,8 4,4 ± 0,7
80-120
Mixtos 5,5 ± 1,5 4,9 ± 1,1
Coníferas 4,2 ± 1,1 3,9 ± 0,5
120-160
Mixtos 4,6 ± 1,0 3,8 ± 1,0
Coníferas 3,3 ± 0,9 2,8 ± 0,7
>160
Mixtos 3,6 ± 0,8 2,9 ± 0,8
Tabla 5-10. Valores del porcentaje de incremento en volumen (valor medio ± desviación típica) en
bosques de coníferas y en bosques mixtos de estructura irregular y regular.
Si se conoce el volumen inicial, la tasa de crecimiento y el volumen que se quiere
obtener antes de realizar la siguiente corta, entonces se puede calcular el tiempo que
debe transcurrir entre tratamientos según la siguiente fórmula:
ln(Vcc ) - ln(V0 )
cc =
⎛ p ⎞ 5-17
ln⎜1 + ⎟
⎝ 100 ⎠
206 Crecimiento del Rodal
Esta metodología se aplica, por ejemplo, para calcular el ciclo de claras para
bosques de pino en la región de El Salto, Durango, México.
1 2 3
Figura 5-11. Muestras de rodajas tomadas a la altura del pecho en tres árboles de Pinus patula
de 9 años de edad. El árbol 1 creció sin competidores, el árbol 2 por el contrario, creció en
un rodal muy denso. El árbol 3 creció primeramente en un rodal denso y reaccionó tras una
clara fuerte a la edad de 6 años, aumentando notoriamente su crecimiento en diámetro.
El gran incremento en diámetro provocado por las claras, unido al aumento del
valor de los árboles individuales ligado a ella y a la mejora de la estabilidad del
rodal, llevo a que ya en el primer tercio del siglo XX se produjese un alejamiento de
la selvicultura tradicional centroeuropea de mantener áreas basimétricas elevadas.
Incremento
en volumen
%
120
%
“óptimo“
100
110
“crítico“ 95
“máximo“
100
90 80 70 60
Figura 5-12. Representación esquemática del área basimétrica máxima, óptima y crítica (según
Assmann, 1961; ver Krammer, 1988 página 86).
Según Thomasius y Thomasius (1976, 1978) el incremento en volumen en función
del espacio disponible por árbol en rodales de picea alcanza su máximo para una
densidad del rodal por debajo de la densidad máxima posible (Figura 5-13,
derecha). La relación entre el espacio y el crecimiento en volumen de árbol muestra,
como era de esperar, una tendencia asintótica (Figura 5-13, izquierda).
0,07
30,00 [
iV = 600 espacio × 1 - e-0,075×(espacio- 2,5 ) ]
Incremento m³/año árbol
0,06
Incremento m³/ha año
25,00
0,05
20,00
0,04
0,03 [
iv = 0,06 ⋅ 1 - e-0,075⋅(espacio disponible- 2,5) ] 15,00
10,00
0,02
5,00
0,01
0,00 0,00
0 20 40 60 80 100 120
0 20 40 60 80 100 120
espacio m²/árbol
Espacio disponible m²/árbol
puede ser preferible aplicar claras fuertes para mejorar a la larga la estabilidad del
rodal.
Las variables de rodal más importantes que deben ser consideradas en estos
modelos son la altura dominante, el número de pies y el área basimétrica (en
rodales mixtos la proporción correspondiente a cada especie) así como el tipo, la
intensidad y el momento de aplicar las claras. De este modo, los modelos
posibilitan no solamente pronosticar el desarrollo de un caso determinado, sino
que suministran información general sobre la relación entre el crecimiento del área
basimétrica, la densidad del rodal y la altura dominante. Por ejemplo, Hui y Gadow
(1993c) desarrollaron un modelo de área basimétrica para rodales puros de la
especie Cunninghamia lanceolata, que es una de las especies de mayor importancia
económica en China y que relaciona las tres variables antes comentadas.
4.292
1− 0.142 ⋅H 2 0.601 0.142 ⋅H 1 0.601 −1 ⎛ H2 ⎞ 5-18
G 2 = G1N N ⎜ ⎟
2 1
⎜H ⎟
⎝ 1 ⎠
G ( m ²/h a )
Δ G (t 1 - t 2 )
G e x t( t 1 )
G (t1) G (t2)
N /h a
N e x t( t 1 )
Δ N (t 1 - t 2 )
N (t1) N (t2)
t1 t2 t
Figura 5-14. Secuencia esquemática de crecimiento y clara (Gext es el área basimétrica extraída en
la clara (m²/ha); G(t1) y G(t2) son el área basimétrica (m²/ha) a la edad t1 y
t2,respectivamente; ΔG(t1-t2) es el incremento de área basimétrica debido al crecimiento
(m²/ha); Nest es el número de pies por ha extraídos en la clara, N(t1) y N(t2) son el número
de pies por ha a la edad t1 y t2, respectivamente e ∆N(t1-t2) es la reducción del número de
pies debida a la mortalidad natural. En determinadas ocasiones se puede asumir que en
aprovechamientos forestales intensos donde el período de tiempo entre claras es corto, ∆N(t1-
t2) ≈ 0).
Un modelo como el 5-18 no se puede emplear para proyectar entre dos edades
cuando en el intervalo se realiza una clara. En estos casos se debe proyectar hasta la
edad de la clara, determinar como afecta el tratamiento al área basimétrica y a la
densidad y, partiendo de la nueva situación del rodal volver a proyectar hacia el
futuro. En el caso de que al especificar la clara sólo se indique el número de pies a
extraer o el área basimétrica a extraer es necesario establecer relaciones entre ambas
212 Crecimiento del Rodal
variables para estimar como afecta la clara ambas. Relaciones sencillas de estas
características se pueden obtener a partir de unas tablas de producción o de datos
de ensayos de claras. Por ejemplo, la ecuación 5-19 relaciona el área basimetrica y el
número de pies extraídos con los valores antes de la clara y un parámetro específico
del tipo de clara que debe estimarse.
δ
Gext ⎛ N ext ⎞
=⎜ ⎟ 5-19
G ⎝ N ⎠
2 Los datos empleados ya por Schübeler (1997) fueron cedidos por el Centro de Investigación Forestal de la Baja
Sajonia.
Crecimiento del Rodal 213
G(m²/ha)
35
Altura dominante(m)
60
30 50
25
20 40
15 30
10 20
5
0 10
0 50 100 150 0
0 20 40 60 80 100 120 140
Edad(años)
Edad(años) َ
60
Densidad (pies/ha)
5000
G (m2/ha)
50
4000
40
3000
30
2000
1000 20
0 10
0 50 100 150 0
0 5 10 15 20 25 30 35 40
Edad(años)
Altura dominante (m)
Figura 5-15. Representación gráfica de los datos de 228 intervalos de crecimiento obtenidos de 19
parcelas permanentes de ensayo de picea.
Las ecuaciones que estiman el crecimiento de una variable dasométrica o
dendrométrica se pueden clasificar en dos grandes grupos: i) modelos de
diferencias algebraicas basados en ecuaciones de crecimiento (por ejemplo la
propuesta por Schumacher, 1939), que determinan el valor de la variable a la edad
t2 en función del valor de esa misma variable a la edad t1 y de otro conjunto de
variables de rodal o de árbol a las edades inicial y final de la estimación (ver por
ejemplo Souter, 1986 o Forss, 1994); ii) ecuaciones diferenciales que estiman el
incremento anual (o periódico) de la variable analizada. Ejemplos de este tipo son
los modelos que se basan en el denominado “state space approach” propuesto por
García (1994) (ver por ejemplo los modelos de Rodríguez Soalleiro et al., 1995;
Kvist Johannsen, 1999 o Castedo et al., 2007).
214 Crecimiento del Rodal
Volumen V = G ⋅ FH
1
⎡⎛ N 1 ⎞ -0 ,618365 ⎤ -0 ,618365
Mortalidad N 2 = 1000 ⋅ ⎢⎜ ⎟ + 0,000264 ⋅ (H 22 ,341983 − H 12 , 341983 )⎥
⎢⎣⎝ 1000 ⎠ ⎥⎦
Tabla 5-11. Modelo de crecimiento para rodales regulares de picea desarrollado en base de los
trabajos de Gurjanov et al. (2000) y Sánchez Orois et al. (2001); t=edad del rodal;
SI=índice de sitio (edad de referencia 100; m); G=área basimétrica (m2/ha); N=árboles
por ha; H=altura dominante (m); Hm=altura media (m); FH=factor de forma (m);
V=volumen por ha (m3/ha).
Este modelo estima el área basimétrica, el número de pies vivos y la altura
dominante a partir de los datos iniciales y se adecua muy bien para generar
diferentes opciones selvícolas; además, tiene una ventaja sobre los modelos de
árbol individual que es su mayor robustez 3 .
3 Véase por ejemplo la evaluación de modelos de Windhager (1999) que demuestra las incertidumbres en el pronósti-
co de las alturas individuales.
Crecimiento del Rodal 215
⎛ γ 1 ⎛⎜⎜ ⎞
γ2 γ4
m ⎞ ⎛ d ⎞
+γ
⎜ ⎟⎟ 3 ⎜⎜ ⎟⎟
⎟ 5-20
V m,d = V ⋅⎜e ⎝ dg ⎠ ⎝ dg ⎠
⎟⎟
⎜
⎝ ⎠
P 1,0 10 m
20 [cm]
0,8
30
0,6
40
0,4
50
0,2
0,0
0 10 20 30 40 50
dg [cm]
Figura 5-16. Proporción sobre el volumen total del rodal (P) que supone el volumen hasta un
cierto diámetro en punta delgada m en función del diámetro medio cuadrático del rodal para
picea (la proporción entre los diámetros en punta delgada de 20 y 30 cm para un rodal con
un dg = 34 cm está indicada por la doble flecha; el valor de d se obtiene a partir del valor
de m empleando la siguiente ecuación obtenida a partir de datos reales de parcelas de la
especie d = 0,832 + 0,6688 m).
Como conclusiones de lo descrito en este capítulo cabe destacar que, a pesar de los
avances de la investigación en el campo de la investigación forestal durante las
últimas décadas los modelos de crecimiento generan pronósticos que contienen
errores. Para el desarrollo de los modelos se emplean datos que en general son
extensos y útiles, sin embargo con frecuencia existe una carencia de datos en
rodales de densidad extremadamente baja, por lo que para garantizar una cierta
exactitud de las estimaciones es necesario ampliar el fondo de datos disponibles.
Además, hay que tener en cuenta que la unidad formada por los datos y el modelo
es una condición básica para comprender las predicciones del modelo.
Crecimiento del Rodal 217
Figura 6-1. Izquierda: Típico desarrollo de modelos reduccionista (Kimmins, 1997). Derecha:
Sistema modular estructurado jerárquicamente de los modelos de crecimiento según su
resolución.
Un conjunto de modelos jerárquizados que, en función de la resolución de los
datos aporta diferentes informaciones, se puede comparar con un microscopio con
el que se pueden reconocer más detalles a medida que se van intercalando más
aumentos. La característica fundamental de este conjunto de modelos jerarquizados
es que los modelos de diferente resolución tienen que generar el mismo resultado
de una variable concreta, es decir, los modelos deben ser compatibles (Burkhart,
1987). En los puntos de solape entre las estimaciones de modelos de diferente
Crecimiento del Árbol 221
resolución debe haber una coincidencia entre las estimaciones. Aunque este
principio jerárquico es fundamental, en la práctica no se ha podido aplicar de forma
generalizada pese a los avances en las técnicas de modelización.
En este principio de jerarquía hay que tener en cuenta que los procesos
biológicos de un nivel jerárquico determinado se rigen por los procesos de los
niveles inferiores de más resolución y están también limitados por las condiciones
de los niveles superiores. Por ejemplo, el crecimiento de un árbol concreto
simulado por un modelo de árbol individual esta regulado por una serie de
procesos fisiológicos que pueden ser simulados con un modelo de proceso pero, a
su vez las condiciones del rodal, simuladas mediante un modelo más general de
rodal, también limitan las posibilidades de desarrollo del árbol.
cuya amplitud de clase es 4 cm, es de 1,5 cm en 2 años, entonces resulta que, bajo la
condición de que los diámetros en la clase i se reparten homogéneamente mrij =
1,5·100/4 = 37,5, es decir, el 37,5% del total de árboles de la clase diamétrica i
pasan en dos años a la clase diamétrica siguiente.
⎡0,75 0 0 0 0 ⎤ ⎡ 4⎤ ⎡ 3 ⎤
⎢0,25 0,50 0 0 0 ⎥⎥ ⎢⎢8 ⎥⎥ ⎢⎢5⎥⎥
⎢
⎢ 0 0,50 0,60 0 0 ⎥ ⋅ ⎢ 5 ⎥ = ⎢7 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 0 0 0,40 0,75 0 ⎥ ⎢ 4⎥ ⎢5 ⎥
⎢⎣ 0 0 0 0,25 0,80⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1 ⎥⎦
224 Crecimiento del Árbol
Un ejemplo de China
A parte de la descripción estadística de las distribuciones diamétricas el pronóstico
del desarrollo forestal mediante funciones de distribución continuas es un método
muy empleado en la investigación del crecimiento forestal 1 . En primer lugar se
determinan los parámetros de la distribución para el mayor número posible de
rodales con diferentes calidades de estación y diferentes tratamientos. En un
segundo paso se buscan las relaciones estadísticas entre los valores de los
parámetros de la distribución y los atributos del rodal. Este procedimiento se aclara
mediante la función Weibull.
c
⎛ x−a ⎞
−⎜ ⎟
F(x) = 1 − e ⎝ b ⎠ 6-2
1 Las funciones de distrubicion diamétrica más empleadas son la función Beta-(Swindel et al., 1987; Maltamo et al.
1995); Weibull-(Bailey y Dell, 1973) y la función Sb de Johnson (Hafley y Schreuder, 1977).
226 Crecimiento del Árbol
1
F(x) = P(X ≤ x) = 6-6
1 + ea −bx
N ext G
bdc = − 4,7067 + 1,0205 ⋅ bac + 85,35 − 73,617 ext 6-7
N ac Gac
N ext G
c dc = − 1, 059 + 1,178 ⋅ c ac + 8 ,170 − 5 , 255 ext
N ac G ac 6-8
Donde bdc, cdc, bac y cac son los valores de los parámetros de escala y forma de la
función de Weibull antes (ac) y después de clara (dc), respectivamente; Next y Nac son
los valores de la densidad extraída y antes de la clara, respectivamente y Gext y Gac
son los valores del área basimétrica extraída y antes de la clara, respectivamente.
2 Metodos similares para describir las consecuencias de las claras se encuentran en los trabajos de Römisch (1983),
Faber (1987), Murray y Gadow (1991), Chikumbo et al. (1992), Kassier (1993).
Crecimiento del Árbol 227
Un ejemplo de Chile
Los modelos de árbol representativo no han tenido hasta ahora tanto protagonismo
en Alemania como los modelos de árbol individual. Su aplicación por ejemplo en el
análisis de tratamientos selvícolas en la ordenación de montes es sin embargo muy
prometedora.
200
160
120 8 años
13 años
80
40
0
2 6 10 14 18 22 26 30 34 38 42 46
Figura 6-3. Ejemplo del pronóstico de la distribución diamétrica para un rodal de Eucalyptus
nitens en Chile (Trincado et al., 2002).
La utilización de este método requiere la estimación de la tasa de supervivencia y
del incremento diamétrico para las diferentes clases diamétricas. Después de
realizar la predicción se corrigen las frecuencias de diámetros hasta que el resultado
sea congruente con el valor del área basimétrica proyectada. El método se adapta
por lo tanto para rodales con distribución diamétrica multimodal.
Un ejemplo de Sudáfrica
Sánchez et al. (2003) siguieron un método similar. Los datos para este análisis
provinieron de cuatro parcelas de ensayo de la especie Eucalyptus grandis en
Sudáfrica que se midieron 8 veces en un intervalo de tiempo de 36 años. El período
de tiempo entre dos mediciones varió entre 2 y 5 años. Se dispone de la
228 Crecimiento del Árbol
Distribución diamétrica
estimada
Figura 6-4. Diagrama de flujo del método de Nepal y Somers (1992) para la predicción
compatible de distribuciones diamétricas.
El parámetro de localización a se obtiene a partir del diámetro mínimo de la
distribución (dmin en cm) y del tamaño de clase diamétrica (∆ en cm) según la
siguiente ecuación:
a = d min − Δ / 2 6-9
El parámetro de escala b se despeja de la ecuación 6-10 y se sustituye en la ecuación
6-11 de tal manera que se puede calcular el parámetro de forma c :
230 Crecimiento del Árbol
(d − a) = b ⋅ Γ(1 + 1 / c) 6-10
Donde d1 y d2 son los diámetros del árbol en los momentos t1 y t2 y ai, bi y ci son los
valores de los parámetros de la función de Weibull en esos dos mismos instantes.
N 2i = ∑ N1 j ⎜ 1
[ ] [ ]
⎛ F (min (d1 (U 2 i ),U ij ) ) − F1 (max (d1 ( L2i ), Lij ) ) ⎞
⎟
⎜ F (U ) − F ( L ) ⎟
j ⎝ 1 1 j 1 1 j ⎠ 6-14
Crecimiento del Árbol 231
∑
i =1
Pi ⋅ n i = N 2 6-15
∑g ⋅P ⋅n ⋅d
i =1
i i i
2
= G2 6-16
Pi = α 0 ⋅ eα 1 ⋅ d i 6-17
El parámetro α0 solo puede tomar valores positivos, ya que sino Pi sería negativo.
El valor del parámetro α1 depende del ajuste. Si no se produce mortalidad el factor
Pi solo modifica el crecimiento diamétrico. En este caso α0 es mayor (o menor) que
1 y α1 es mayor (o menor) que 0 si el área basimétrica debe de ser ajustada hacia
arriba (o hacia abajo). Un valor positivo del parámetro α1 implica en rodales con
mortalidad, un mayor número de árboles que pasan de las clases diamétricas
menores a las superiores. Un valor negativo del parámetro α1 implica que solo los
árboles de las clases diamétricas superiores pasen a la siguiente clase diamétrica. Si
α1=0 la proporción de árboles que pasan a la clase siguiente es la misma para todas
las clases diamétricas. Si se sustituye la ecuación 6-17 en las ecuaciones 6-16 y 6-15
resulta:
∑ (α )
k
0 ⋅ eα 1 ⋅ d i ⋅ ni = N 2 6-18
i =1
∑ g ⋅ (α )
k
0 ⋅ eα 1 ⋅ d i ⋅ ni ⋅ d i2 = G2 6-19
i =1
α0=0,818627 son la solución del sistema 10-11. A partir de estos dos parámetros se
calcula el factor Pi para cada una de las clases diamétricas.
30
Distribución observada
25 a los 10 años
Nº de pies
20 Distribución estimada
A los 14 años
15
10
5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Clase diamétrica (cm)
Figura 6-5. Ejemplo de una predicción de la distribución diamétrica para la parcela nº 3 de
Eucalyptus grandis.
Una ventaja de este método es la compatibilidad de los modelos de crecimiento de
distinta resolución, por una parte los modelos de rodal en forma de sumas y valores
234 Crecimiento del Árbol
1 − e − k (t 2 − t 0 )
d 2 i = d 1i 6-21
1 − e − k (t 1 − t 0 )
Donde t1 y t2 son las edades del rodal al comienzo y al final del período; d1i y d2i son
los diámetros a la altura de pecho del árbol i a las edades t1 y t2; t0 es la edad a la que
se alcanza la altura de 1,3 m y k es un parámetros a estimar a partir de datos reales.
El diámetro a la altura de pecho de dos árboles del rodal con un factor de cabida cubierta de 1
debe calcularse a la edad de 55 años. El diámetro medio cuadrático (árbol 1) es actualmente de
13 cm, el límite inferior es de 9 cm (árbol 2). Según la ec. 6-8 resulta:
−0 , 00356 (55 − 0 , 56 ) −0 , 00356 (55 − 0.56 )
1− e 1− e
d 21 = 13 − 0 , 00356 (50 − 0 , 56 )
= 14 , 2cm y d 22 = 9 − 0 , 00356 (50 − 0.56 )
= 9,8cm
1− e 1− e
13 14,2
dos árboles no ha variado a lo largo del tiempo puesto que = . El método se
9 9,8
id 23 anos
[mm/ano] 5
81 anos 230 anos
4
3
2
1
0 d [cm]
0 20 40 60 80 100
Figura 6-6. Relación entre el diámetro y el incremento en diámetro (id) en rodales de roble de
diferentes edades en las parcelas de ensayo Bordesholm y Freienwalde según Schwappach
(1905).
g 1i g 2i
rg 1 = y rg 2 =
g1 g2 6-22
siendo t1, t2 = Edad del rodal al inicio y al final del período a pronosticar. El área
basimétrica del árbol i a la edad t2 (g2i) se estima a partir del área basimétrica del
árbol i a la edad t1 y del área basimétrica media g1 y g 2 .
Ejemplo: El área basimétrica de dos árboles de un rodal hipotético a la edad de 50 años es: g11 =
132,7 cm² und g12 = 254,5 cm², El área basimétrica media a la edad de 50 años es de g 1 =
201,1 cm², Mediante un modelo de crecimiento a nivel rodal se estima que el área basimétrica
media a la edad de 55 años es g 2 = 283,5 cm², Siendo β = 0,3 resulta que dentro de 5 años el
área basimétrica de ambos árboles es:
(55 / 50 )0 .3
⎡132.7 ⎤
g 21 = 283.5⎢ = 184.8cm²
⎣ 201.1 ⎥⎦
(55 / 50 )0 .3
⎡ 254.5 ⎤
g 22 = 283.5⎢ = 361.2cm 2
⎣ 201.1 ⎥⎦
361.2 254.5
En este método no se mantiene el rango de los árboles ya que > .
184.8 132.7
Según Pienaar et al. (1990) el modelo del cambio relativo del área basimétrica
puede ser configurado de manera compatible (según el principio del telescopio) si la suma
del área basimétrica de todos los árboles individuales coincide exactamente con el
área basimétrica calculada por el modelo a la edad t2. La compatibilidad se consigue
mediante la siguiente limitación.
N j (rg1 j )
a
N j g 2 j = G2
∑ N (rg )
k
j 1j
a 6-24
j =1
Crecimiento del Árbol 237
El modelo del cambio relativo del área basimétrica es más plausible que el
modelo simple de pronóstico del crecimiento en diámetro porque el rango absoluto
de los árboles no se mantiene. Una desventaja de ambos métodos es la dependencia
de la edad, ya que no siempre se dispone de la edad de los árboles por ejemplo en
bosques irregulares mixtos.
Métodos paramétricos
El incremento en diámetro (Δd) se estima frecuentemente a partir del diámetro (d)
por lo tanto se consigue que este cálculo sea independiente de la edad. Como
alternativa al cálculo del incremento diamétrico mediante el cambio relativo del área
basimétrica Hessenmöller (2002) estimó el crecimiento en diámetro para varias
especies de frondosas mediante la función de crecimiento de KORSUN. El
científico checo Korsun (1935) empleó por primera vez una función con tres
parámetros que se adapta bien para estimar el incremento diamétrico:
⎡ k + k ⋅ln d + k ⋅(ln d )2 ⎤
Δd = e ⎢⎣ 0 1 ⎦⎥
2
und ln Δd = k0 + k1 ⋅ ln d + k 2 ⋅ (ln d )2 6-25
con k0, k1, k2 = Parámetros empíricos,
d = Diámetro a la altura de pecho (cm)
Δd = Crecimiento medio anual (cm)
238 Crecimiento del Árbol
k1
−
x=e 2⋅C 6-26
Δd (cm/a)
1.0
0.8
0.8
0.4 0.6
0.4
0.0 0.2
0 10 20 30 40 50 60 70 80 90 100 0.0
0 10 20 30 40 50 60 70 80 90 100
Diámetro (cm) Diámetro (cm)
0.8 0.8
0.6
0.4 0.4
0.2
0.0 0.0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Figura 6-7. Crecimiento anual en función del diámetro para diferentes especies estimado mediante
la función de Korsun.
Crecimiento del Árbol 239
137 + 50 . 9 ⋅ d − 0 . 167 ⋅ d 2
d −d ⋅ 2
b) Botkin: Δd = 611677
2 . 74 + 1 . 527 ⋅ d − 0 . 00668 ⋅ d 2
6-28
Estos parámetros se estimaron a partir de datos correspondientes a la especie Acer
saccharum (Hahn y Leary, 1979). La figura 6-8 muestra que las funciones de
Bertalanffy (1948) y Botkin (1993) describen curvas de incremento similares. Un
problema de este método es que el incremento en diámetro depende solo del
diámetro. Esta es una simplificación extrema puesto que el crecimiento en
diámetro depende entre otras cosas de la densidad del rodal.
definido por Wensel et al. (1987). Este método fue utilizado por Nagel (1994) para
pronosticar el crecimiento de bosques en el noroeste de Alemania. El C66 es igual
a la suma de la proyección de las copas (ks66) de todos los árboles, que cortan la
copa del árbol de referencia a una altura del 66 % de su longitud de copa, relativo a
la superficie del rodal. Para calcular el índice de competencia C66 se necesita
información sobre la forma de la copa del árbol (ver Capítulo 3).
Δd [cm] 0.7
0.6
0.5
0.4
0.3
0.2
0.1
d [cm]
0
0 50 100 150
Métodos no paramétricos
Para estimar el incremento anual partiendo de los valores de una base de datos
Hessenmöller (2002) empleó la regresión del k-esimo vecino más cercano (k-nearest-
neighbour). El incremento del árbol de referencia j ( Δd j ) se estima a partir de los
incrementos conocidos y ponderados de los k árboles vecinos:
⎛ k ⎞ k
Δ d j = ⎜ ∑ Δ d i ⋅ Gi ⎟ ∑G i 6-29
⎝ i =1 ⎠ i =1
Wi = g1 ⋅ w1 + ... + gk ⋅ wk 6-30
Wi = g D ⋅ (Di − D j ) + g H ⋅ (H i − H j )
2 2
6-31
siguiente función:
1
Gi = 6-32
1 + Wi
Pi − Pj
wiII = 6-33
Var (P)
2,5
Pi − Pj
wiIV = 6-34
( Var ( P ) ) 2,5
242 Crecimiento del Árbol
Tabla 6-4. Los parámetros y las funciones de distancia para instancias independientes de la
posición del modelo knn para haya (w = función de distancia óptima, g = peso parcial
optimizado). Las columnas de la derecha se refieren al test KS sobre la distribución normal de
los residuos.
Si existen numerosas instancias es recomendable antes de emplear el método knn
compararlas y dado el caso reducirlas. Un método adecuado para esto es el análisis
de los componentes principales.
1.6 1,6
Δd (cm/ano)
Δd (cm/ano)
1.4 1,4
1.2 1,2
1.0 1,0
0.8 0,8
0.6 0,6
0.4 0,4
0.2 0,2
0.0 0,0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80
Ejemplo: En el rodal “As Neves” en el noroeste de España se midió una parcela de ensayo de
0,05 ha. En la parcela hay un total de 77 árboles. La altura media de los 5 árboles más gruesos
es de 8,8 m. La profundidad media del suelo (ESD) calculada mediante tres mediciones
aleatorias es de 40, 83 cm. En la siguiente lista se incluye el diámetro a la altura de pecho de los
77 árboles.
La finalidad de este ejemplo es estimar el diámetro del árbol j (marcado en negrita en la tabla, dj =
16,5 cm) dentro de cinco anos. Para cuantificar la situación de competencia actual del árbol j hay
que calcular en primer lugar para la parcela de ensayo las variables de masa, estas son:
Área basimétrica(G) = 21,3 m2 / ha
Número de pies(N) = 1540 árboles por ha
Distancia relativa (RS) = (10000/1540)0.5 / 8,8 = 0,29
En un segundo paso se calcula el índice BAL del árbol j. Referido a la parcela de superficie 0,05
ha se obtiene un valor del BAL j PLOT = π ⋅ (0,1752 + 0,180 2 ) = 0,049 m 2
4
Referido a una hectárea se obtiene un valor BAL j = 0,049 0,05 = 0,98 m 2 . Con este resultado
intermedio se puede calcular el índice BALMOD: BALMOD j =
(1 − p ) = BAL
j j G
=
0,98 21,3
= 0,16
RS RS 0,29
La competencia actual a la que está sometido el árbol j es relativamente pequeña. Interesa no solo
conocer la competencia actual sino también la vitalidad histórica. Esta última se puede cuantificar
244 Crecimiento del Árbol
mediante el denominado crown spread ratio (csr) que proporciona la relación entre la anchura de la
copa y la altura del árbol. La altura del árbol j es hj = 8,3 m. El radio medio de la copa se calculó
mediante un espejo de copa y es de krj = 1,3 m. A partir de estos datos se calcula el crown spread
ratio (csr) csrj = cw j ⋅ h −j 0,5 = 2,6 ⋅ 8,3−0.5 = 0,95
La competencia histórica del árbol j se considera como la competencia media. Se dispone de toda
la información para pronosticar el diámetro del árbol j. El incremento anual de área basimétrica
estimado se obtiene de la siguiente ecuación (Schröder, 2001):
ln(Δgj) = + 0,6266 Intercepto
+ 0,6088 ln(16,5) Diámetro (dj)
- 0,00027 16,52 Diámetro al cuadrado (dj2)
+ 0,8776 0,95 vitalidad histórica (csrj)
- 0,2041 0,16 competencia actual (BALMODj)
+ 0,0030 40,83 Productividad de la estación (ESD)
-----------------------------------------------------------------------------------------
= 3,183 cm2
El incremento de área basimétrica en cinco años es por lo tanto: Δg j ⋅5 = 5 ⋅ e 3,183 = 120,595 cm 2 . El
área basimétrica del árbol j dentro de 5 años será: π
g j +5 = ⋅16,52 + 120,595 = 334,42 cm 2 . El diámetro
4
del árbol j será por lo tanto: d j +5 =
4
⋅ 334,42 = 20,6 cm .
π
Este [m]
Crecimiento del Árbol 245
rodal es óptima cuando todos los valores del rodal original coinciden con los del
rodal simulado. Finalmente se utiliza la distribución de diámetros y especies.
4 Un proceso estocástico puntual tiene la ventaja de que está apoyado por una base teórica (ver por ejemplo Tompo,
1986; Penntinen et al, 1994 o Degenhardt, 1995), pero este método no es adecuado para la aplicación práctica. La
mayoría de los trabajos tratan solamente el tema de la distribución espacial de los árboles. Los procesos puntuales
marcados ofrecen la posibilidad de asignar un atributo a una posición, sin embargo una condición para la
reproducción exitosa de los rodales es que a una posición se le puedan asignar varios atributos simultaneamente.
Crecimiento del Árbol 247
PotZuw = ETZuw ⋅ (1 + α ⋅ H β )
MGO = CR γ
δ
M os = 1 − e K onk
Figura 6-11. Estructura del modelo de árbol individual WASIM para masas mixtas de pícea y
pino según Sterba (1983, 1990).
La variable MGO es una medida de la competencia histórica en el rodal y viene
determinada por el grado de cobertura de copas (CR). La variable MOS describe la
competencia actual en base a un índice de competencia (Konk).
CR Konk id
0,6 1,5 1,9
0,6 0,5 3,3
0,6 1,0 2,5
0,3 1,0 1,3
Para un mismo grado de cobertura de copas aumenta el incremento en diámetro a
medida que disminuye la competencia (3,3 >1,9). Los árboles que se encuentran en
una misma situación de competencia tienen un mayor incremento en diámetro
cuanto mayor es la copa (2,5 > 1,3). El modelo MOSES (Hasenauer, 1994;
Hasenauer et al., 1994) muestra la misma estructura que el modelo WASIM. Solo se
estimaron de nuevo los parámetros para otros tipos de rodal. La ecuación 6-35
muestra la estructura básica del modelo MOSES para calcular el incremento en
248 Crecimiento del Árbol
Procedure CR_CI;
{calcula el crown ratio (CR) y competition index (CI) para cada árbol}
var
ca,S_j,S_k,CI_sum,dist, solapamiento, help1,help2,help3,help4, help5,help6,help7,help8,
angulo1,angulo2, CI_jk : real; k : byte;
begin
for j:=1 to numeropies do {bucle externo}
begin
CR[j]:=(H[j]-KAH[j])/H[j]; {crown ratio}
{para calcular el CI se necesita la superficie de copa (CA), la superficie de superposicion
potencial (O) y parametros del arbol (S) }
ca:=PI*sqr(kd_pot[j]/2);
S_j:=h[j]*kd_pot[j];
CI_sum:=0; {Restablecer la suma de CI para el siguiente arbol j}
for k:=1 to numeropies do {bucle interno para solapamiento}
begin
if j<>k then
begin {eliminacion de competidores}
dist:=sqrt(sqr(X[j]-X[k])+sqr(Y[j]-Y[k]));
{consulta, si existe solapamiento}
if dist<(kd_pot[j]/2+kd_pot[k]/2) then
begin {cuando una copa esta totalmente solapada}
if dist<=abs(kd_pot[j]/2-kd_pot[k]/2) then
begin
if kd_pot[j]>=kd_pot[k] then
solapamiento:=PI*sqr(kd_pot[k]/2)
else solapamiento:=PI*sqr(kd_pot[j]/2);
end
else begin {begin of else, d.h. dist>abs( )}
help3:=(sqr(dist)+sqr(kd_pot[j]/2)-sqr(kd_pot[k]/2))
/(2*dist*(kd_pot[j]/2));
help4:=(sqr(dist)+sqr(kd_pot[j]/2)-sqr(kd_pot[k]/2))
/(4*sqr(dist)*sqr(kd_pot[j]/2));
help5:=sqrt((4*sqr(dist)*sqr(kd_pot[j]/2))
-sqr(sqr(dist)+sqr(kd_pot[j]/2)-sqr(kd_pot[k]/2)));
{conversion arccos en arctan, Bronstein, p.185}
angulo1:=PI/2-arctan(help3/sqrt(1-sqr(help3)));
help1:=angulo1-help4*help5;
help6:=(sqr(dist)+sqr(kd_pot[k]/2)-sqr(kd_pot[j]/2))
/(2*dist*(kd_pot[k]/2));
help7:=(sqr(dist)+sqr(kd_pot[k]/2)-sqr(kd_pot[j]/2))
/(4*sqr(dist)*sqr(kd_pot[k]/2));
help8:=sqrt((4*sqr(dist)*sqr(kd_pot[k]/2))
-sqr(sqr(dist)+sqr(kd_pot[k]/2)-sqr(kd_pot[j]/2)));
angulo2:=PI/2-arctan(help6/sqrt(1-sqr(help6)));
help2:=angulo2-help7*help8;
angulo:=sqr(kd_pot[j]/2)*help1+sqr(kd_pot[k]/2)*help2;
end; {fin de else, es decir dist>abs( )}
S_k:=h[k]*kd_pot[k];
CI_jk:=(solapamieno/ca)*(S_j/S_k);
CI_sum:=CI_sum+CI_jk;
end;
end;
end; {Fin del bucle interno}
CI[j]:=CI_sum; {Indice de competencia para el árbol j}
end; {Fin del bucle externo}
end;
En la tabla 6-5 se presentan los datos iniciales y el pronóstico para cinco años
realizados con el modelo MOSES para una parte de un rodal con 15 árboles. En las
publicaciones citadas anteriormente y en la representación realizada por Albert
(1997) se pueden encontrar mas detalles sobre el modelo MOSES
Datos iniciales en 5 años
NR BA BH H KAH X Y Diam H KAH
1 D 14,2 4,7
2 12,1 12,50 2,10 16,83 17,81 5,70
2 2 12,8 14,2 6,5 9,40 3,10 15,61 17,34 7,19
3 2 5,7 9,2 4,6 5,20 3,30 8,43 12,59 4,82
4 2 9,8 14,2 7,6 6,20 3,70 10,58 16,10 8,17
5 2 12,4 14,2 8,2 2,90 4,20 13,51 16,40 8,65
6 5 12,8 12,5 8,4 12,40 4,30 13,93 14,25 8,99
7 2 6,3 10,0 3,5 5,90 4,70 7,50 12,47 4,02
8 2 8,8 12,7 6,5 5,40 4,80 9,37 14,39 6,99
9 2 5,5 9,9 6,2 5,10 5,00 6,51 12,14 6,36
10 2 4,4 8,2 5,9 14,00 5,50 10,63 12,18 5,94
11 2 6,2 11,1 8,3 4,90 5,60 6,82 12,85 8,41
12 5 19,7 15,6 9,2 8,30 5,80 19,97 16,48 9,88
13 5 19,4 14,7 7,3 10,60 5,80 20,49 16,33 8,18
14 2 9,3 16,1 8,0 13,10 5,80 11,04 18,65 8,89
15 2 9,7 14,0 5,4 6,00 6,10 10,01 15,27 6,45
Tabla 6-5. Datos iniciales y resultados obtenidos empleando el modelo MOSES en una parte de
un rodal con 15 árboles
250 Crecimiento del Árbol
El modelo SILVA
Es ya conocido que el crecimiento de un árbol se ve influido por el espacio
disponible para la copa y por la cobertura y la sombra proporcionada por otros
árboles, es decir en el crecimiento influye la disposición espacial de los árboles
vecinos. Estos factores se pueden considerar en un método espacial tridimensional,
conocido como el método de las celdas matriz (Pretzsch, 1992 página 129, ver figura 6-
12). En base a las coordenadas de los árboles, los radios de las copas, las alturas y
las alturas donde comienzan las copas así como en base a la forma de las copas se
representa la expansión espacial de los árboles en coordenadas cartesianas y se
localizan en una matriz espacial tridimensional. Para cada punto medio de las celdas
de la matriz se determinan los árboles que localizan en este punto. El resultado se
almacena en una matriz espacial que modeliza la estructura del rodal y proporciona
información sobre la extensión de las copas y la presencia de árboles en diferentes
niveles de altura. Según Pretzsch (1992 página 199) el incremento en altura de un
haya se puede estimar mediante la ecuación 6-36.
Δh = Δh pot ⋅ CR 0 .088
⋅ Konk 6-36
siendo Δhpot = incremento en altura potencial
CR =grado de cobertura de copa
Konk =Índice que describe la cobertura y la limitación de la expansión lateral de las copas
Biber (1996) desarrolló las simulaciones de Fisheye en rodales de pícea y haya para
mejorar la descripción de la situación de competencia de un árbol. Si se conocen las
posiciones de los árboles, la longitud y ancho de las copas se puede generar una
foto Fisheye hemisférica. La competencia a la que está sometida el árbol de
referencia se obtiene de las proporciones de cobertura en la foto hemisférica
discretizada (ver Courbaud, 1995).
c A
D
b d
C
Brokaw
a Riera
Segmento de muestra
Figura 6-14. Método de recopilación de datos sobre la vegetación en una pequeña superficie.
Partiendo del nuevo establecimiento de un bosque en Europa central, Thomasius
diferenció cuatro estadios: el estadio herbáceo y arbustivo, el bosque pionero, el
bosque de transición y el bosque cerrado. Si se destruye el bosque cerrado, el
bosque de transición o el bosque pionero se repite el ciclo (figura 6-15).
Crecimiento del Árbol 253
Zona virgen
Estadio herbáceo
Destrucción del bosque cerrado por Inmigración de especies
influencias exógenas arbóreas pioneras
Destrucción del bosque
Estadio de bosque cerrado pionero por influencias
Fase de envejecimiento exógenas
Regeneración
La modelización de la regeneración pasa por varias fases características desde la
floración hasta el enraizamiento y finalmente el crecimiento juvenil de donde se
recluta el Ingrowth (ver Vanclay, 1994, página 193). La formación de las flores,
polinización, fructificación, enraizamiento y la distribución espacial de las semillas
son elementos importantes dentro de la dinámica de las pequeñas superficies. Estos
procesos se intentan reproducir mediante distribuciones empíricas de la
254 Crecimiento del Árbol
% 100
Vias de saca
Bosque pionero Rubus
% de superficie
Rubes-
gestrüpp Bosque de transición
Bosque cerrado
0
0 10 20 30 40 50
Instalación de la Tiempo (años)
parcela permanente
Durante los primeros años dominaron las especies ruderales, hasta el año 10
dominaron las especies de Rubus, del año 10 al 15 predominan matorrales de
sambucus-frangula, después en una proporción similar el bosque pionero, bosque
de transición y el bosque cerrado.
Crecimiento del Árbol 255
Mortalidad
Una de las cuestiones más complicadas dentro de la modelización forestal es
comprender los procesos de mortalidad de los árboles. Los datos referidos a las
direcciones en las que se caen los árboles constituyen una base importante para
modelizar la dinámica en las pequeñas superficies. La figura 6-18 muestra la
dirección en la que se han caído 35 árboles en un bosque en la Guayana francesa
según Van der Meer (1995, página 64). El vector medio de la dirección de caída
señala N-NW. En base a un análisis realizado mediante el test aleatorio de Raleigh
se descubrió que la dirección de caída en este ejemplo no se desvía de manera
256 Crecimiento del Árbol
Media
Representación espacial
Las situaciones de partida para simular la dinámica de una pequeña superficie
pueden ser reales o hipotéticas. Un ejemplo de una situación de partida real es
mosaico estructural inventariado por Namikawa y Kawai (1998) en una parcela de
50 x 200 m en un bosque mixto de coníferas y frondosas en Hokkaido (Japón;
figura 6-19).
140
120
80
diferentes estadios de desarrollo en un
: Pequeña superficie bosque mixto de coníferas y frondosas
: Periferia de la pequeña superficie en Hokkaido, Japón (parte de un
gráfico de Namikawa y Kawai,
60
: Cubierta de copas interrumpida
20
0m 50 m
Crecimiento del Árbol 257
Bibliografía
Aguirre, O., Hui G.Y., Gadow, K.v. y Jiménez, J., 2003: An analysis of spatial forest structure using
neighbourhood-based variables. For. Ecol. Manage. 183, 137-145.
Aguirre, O., Kramer, H. y Jiménez, J., 1998: Strukturuntersuchungen in einem Kiefern-
Durchforstungsversuch Nordmexikos. Allgemeine Forst- Und Jagdzeitung 169 (12): 213-219.
Akça, A., Gadow, K.v., Mench, A., Mann P., Pahl, A y Setje-Eilers, U., 1994: Überprüfung des
Formquotienten q7 (d7/BHD) in der Bundeswaldinventur für die Hauptbaumarten Buche, Eiche,
Fichte und Kiefer im landeseigenen Wald Nordrhein-Westfalens. Project report.
Albert, M., 1999: Analyse der eingriffsbedingten Strukturveränderung und Durchforstungsmodellierung in
Mischbeständen. Dissertation, Universität Göttingen. Hainholz-Verlag, Band 6.
Albert, M. y Gadow, K.v., 1998: Assessing Biodiversity with New Neighborhood-based Parameters. En:
Laumonier Y., King B., Legg C. y Rennolls K. (eds.): Data Management and Modelling Using
Remote Sensing and GIS for Tropical Forest Land Inventory. Rodeo International Publishers,
Jakarta.
Albert, M., 1997: Positionsabhängige Einzelbaummodellierung am Beispiel des Simulationsansatzes von
Hasenauer. Unveröffentlichtes Manuskript, Institut für Forsteinrichtung u. Ertragskunde, Universität
Göttingen.
Albert, M., 1994: Erhebung von Strukturinformationen in einem Buchen-Edellaubholz Mischbestand.
Diplomarbeit am Institut für Forsteinrichtung und Ertragskunde, Universität Göttingen.
Alder, D., 1980: Estimación del volumen forestal y predicción del rendimiento. Estudios FAO. Montes
22/2. Roma.
Alisov, B.P., Drosdov, O.A. y Rubinstein, E.S., 1956: Lehrbuch der Klimatologie. VEB Deutscher Verlag
der Wissenschaften. Berlin.
Altherr, E., 1963: Untersuchungen über Schaftform, Berindung und Sortimentsanfall bei der Weißtanne.
Allgemeine Forst- und Jagdzeitung 134 (5/6), 140-151.
Altherr, E., 1971: Wege zur Buchen-Starkholzproduktion. Bericht zur 15. Hauptversammlung des Baden-
Württembergischen Forstvereins: 123-127.
Álvarez González, J.G., 1997: Análisis y caracterización de las distribuciones diametricas de Pinus Pinaster
Ait en Galicia. Tesis Doctoral. Univ. Politécnica de Madrid.
Álvarez González, J.G., Schröder, J., Rodríguez Soalleiro, R. y Ruiz González, A.D., 2002: Modelling the
effects of thinnings on the diameter distribution of even-aged Maritime pine stands. For. Ecol.
Manage. 165(1-3): 57-65.
Álvarez González, J.G., Ruiz González, A.D., Rodriguez Soalleiro, R. y Barrio Anta M., 2005: Ecoregional
site index models for Pinus pinaster in Galicia (Northwestern Spain) Ann. For. Sci. 62(2), 115-127.
Amateis, R.L., Burkhart, H.E. y Burk, T.E., 1986: A ratio approach to predicting merchantable yields of
unthinned loblolly pine plantations. For. Sci. 32, 187-296.
Assmann, E., 1953: Zur Bonitierung süddeutscher Fichtenbestände. AFZ 10, 61-64.
Assmann, E., 1961: Waldertragskunde. Bayrischer Landwirtschaftsverlag, München.
Assmann, E. y Franz, F., 1963: Vorläufige Fichtenertragstafel für Bayern. Institut für Ertragskunde der
Forstlichen Forschungsanstalt München. 2. Auflage 1972.
Atkins, P. W., 1987: Physikalische Chemie. Verlag VCH, Weinheim. 890 S.
Avery, T.E. y Burkhart, H.E., 1994: Forest measurements, 4th Edition, McGraw-Hill.
Badoux, E., 1939 : De l'influence de divers modes et degrés d'éclaircie dans les Hetraies pures. Mitt.
Schweiz. Anst. f. d. forstl. Vers. Wesen 21, 59-146.
Bailey R.L., 1980: Individual tree growth derived from diameter distribution models. For. Sci. 26: 626–
632.
Bailey, R.L. y Dell, T.R., 1973: Quantifying diameter distributions with the Weibull function. For. Sci. 19:
97-104.
260 Bibliografía
Baker, J.B. y Broadfoot, W.M., 1977: A practical field method for site evaluation for eight important
Southern hardwoods. USDA For. Serv., Southern Forest Experiment Station, New Orleans, LA,
Gen. Tech. Rep. SO-14.
Balboa Murias, M.A., Rodríguez Soalleiro, R., Merino, A. y Álvarez González, J.G., 2006: Temporal
variations and distribution of carbon stocks in aboveground biomass of radiata pine and maritime
pine pure stands under different silvicultural alternatives. For. Ecol. Manage. 237, 29-38.
Barnes, B.V., Zak, D.R., Denton, S.R. y Spurr, S.H., 1997: Forest Ecology. 4th Edition. John Wiley and
sons. New York.
Barrio Anta, M., Balboa Murias, M, Castedo Dorado, F., Dieguez Aranda, U. y Álvarez González, J.G.,
2006: An ecoregional model for estimating volume, biomass and carbon pools in maritime pine
stands in Galicia (northwestern Spain). For. Ecol. Manage. 223, 24-34.
Barrio Anta, M. y Álvarez González, J.G., 2005: Development of a stand density management diagram for
even-aged pedunculate oak stands and its use in designing thinning schedules. Forestry 78(3), 209-
216.
Bauhus, J. y Bartsch, N., 1996: Fine-root growth in beech (Fagus sylvatica) forest gaps. Can. J. For. Res. 26,
2153-2159.
Baur, F.v., 1877: Die Fichte in Bezug auf Ertrag, Zuwachs und Form. Berlin.
Baur, F.v., 1881: Über Durchforstungen und Durchforstungsversuche. In Ganghofer: Das Forstliche
Versuchswesen, Bd. II, Augsburg.
Becker, G. y Seeling, U., 1998: Holzqualität der Fichte. AFZ 53 (8), 434 - 435.
Bella, I.E., 1971: A New Competition Model for Individual Trees. For. Sci. 17 (3): 364-372.
Bergel, D., 1985: Douglasien-Ertragstafel für Nordwestdeutschland. Niedersächsische Forstliche
Versuchsanstalt, Göttingen.
Bertalanffy, L.v., 1948: Quantitative laws in metabolism and growth. Quart. Rev. Biol. 32: 217-230.
Biber, P., 1996. Konstruktion eines einzelbaumorientierten Wachstumssimulators für Fichten-Buchen-
Mischbestände im Solling. Diss. Forstw. Fak. d. Ludwig-Maximilians-Univ. München.
Biederbick, K.H., 1992: Die direkte Sonnenstrahlung als Standortfaktor. Forstarchiv 63, 131-136.
Biging, G.S. y Dobbertin, M., 1992: A comparison of distance-dependent competition measures for height
and basal area growth of individual conifer trees. For. Sci. 38 (3): 695-720.
Biging, G.S. y Dobbertin, M., 1995: Evaluation of competition indices in Individual Tree Growth Models.
For. Sci 41 (2), 360-337.
Biging, G.S. y Gill, S.J., 1997: Stochastic models for conifer tree crown profiles. For. Sci. 43(1), 25-33.
Bolte, A., Rahmann, T., Kuhr, M., Spanuth, P., Murach, D. y Gadow, K. v., 2003: Beziehungen zwischen
Baumdimension und Wurzelstruktur in Fichten-Buchenmischbeständen. Tagungsbericht der
Jahrestagung 2002 der Sektion Waldbau im DFFV, Berlin: 85-96.
Bonnemann, A., 1939: Der gleichaltrige Mischbestand von Kiefer und Buche. Mitt. a. Forstwirt. u. Forst-
wiss. (5): 439-483.
Bonnemann, A., 1956: Eichen-Buchen-Mischbestände. Allgemeine Forst- und Jagdzeitung 127: 118-126.
Bossel, H., 1992: Das Modell FORMIX. Vieweg Verlag, Braunschweig.
Bossel, H., 1994a: Modellbildung und Simulation. Konzepte, Verfahren und Modelle zum Verhalten
dynamischer Systeme. Vieweg Verlag, Braunschweig/Wiesbaden.
Bossel, H., 1994b: TREEDYN3 Forest Simulation Model. Mathematical model, program documentation
and simulation results. Berichte des Forschungszentrums Waldökosysteme, Reihe B, Bd. 35.
Göttingen.
Botkin, D.B., 1993: Forest Dynamics. An ecological model. Oxford University Press, New York.
Botkin, D.R., Janak, J.F. y Wallis, J.R., 1972: Some ecological consequences of a computer model of forest
growth. The Journal of Ecology 60: 849-872.
Bravo-Oviedo, A. y Montero, G., 2005: Site index in relation to edaphic variables in stone pine (Pinus pinea
L.) stands in south west Spain. Ann. For. Sci. 62 (1): 61-72.
Brink, C. y Gadow, K.v., 1986: On the use of growth and decay functions for modelling stem profiles.
EDV in Medizin und Biologie 17(1/2), 20-27.
Brokaw, N.V.L., 1982: The definition of treefall gap and its effect on measures of forest dynamics.
Biotropica 14 (2): 158-160.
Brown, G. S., 1965: Point density in stems per acre. Forestry Research Notes No. 38, New Zealand, 1965.
Bibliografía 261
Bruchwald, A., Dudzinska, M. y Wirowski, M., 1998: Model wzrostu dla lisciastych gatunkow drzew
lesnych. Model wzrostu buka. Typescript in Forest Research Institute in Warsaw.
Bundesministerium für Ernährung, Landwirtschaft und Forsten, 1990: Bundeswaldinventur. Inventur-
bericht und Übersichtstabellen für das Bundesgebiet nach dem Gebietsstand vor dem 3.10.1990 ein-
schließlich Berlin (West). Gitschel-Werbung, Hamburg.
Burger, H., 1939a: Kronenaufbau gleichaltriger Nadelholzbestände. Mitt. Schweiz. Anst. f. d. forstl. Vers.
Wesen 21: 5-58.
Burger, H., 1939b: Baumkrone und Zuwachs in zwei hiebsreifen Fichtenbeständen. Mitt. Schweiz. Anst. f.
d. forstl. Vers. Wesen 21: 147-176.
Burkhart, H.E., 1987: Data collection and modelling approaches for forest growth and yield prediction.
En: Predicting Forest Growth and Yield - Current Issues, Future Prospects. Inst. of Forest
Resources. Univ. of Washington. Contribution Nr. 58, 3-16.
Büttner, V., Leuschner, C., 1994: Spatial and temporal patterns of fine root abundance in a mixed oak
beech forest. For. Ecol. Manag. 70, 11-21.
Cajander, A. K., 1909: Über Waldtypen. Acta For. Fenn. Helsingfors. 1 (1): 1-175.
Cajander, A. K., 1926: The theory of forest types. Acta For. Fenn. 29 (3): 1-108.
Calama, R., Cañadas, N. y Montero, G., 2003: Inter-regional variability in site index models for even-aged
stands of stone pine (Pinus pinea L.) in Spain. Ann. For. Sci. (3): 259-269.
Cañellas, I., del Rio, M., Roig, S. y Montero, G.,. 2004: Growth response to thinning in Quercus pyrenaica
Willd. coppice stands in Spanish central mountain. Ann. For. Sci. 61 (3): 243-250.
Cañellas, I. y Montero, G., 2002: The influence of cork oak pruning on the yield and growth of cork. Ann.
For. Sci. 59 (7): 753-760.
Cao, Q.V., Burkhart, H.E. y Lemin, Jr., 1982: Diameter distributions and yields of thinned loblolly pine
plantations. VPI & SU, Sch. For. & Wildl. Resour. Publ FWS-1-82.
Cao Q.V. y Baldwin V.C., 1999: A new algorithm for stand table projection models. For. Sci. 45: 506 –
511.
Carbonnier, C., 1971: Yield of beech in Southern Sweden. Studia Forestalia Suecica Nr. 91. Royal College
of Forestry, Stockholm.
Carlyle, J.C., 1986: Nitrogen cycling in forested ecosystems. For. Abstracts 47, 307-336.
Carmean, W. H., 1973: Forest Soils Bibliography for the North Central Region. USDA For. Serv. Tech.
Rep. NC-5.
Castedo Dorado, F., Barrio Anta, M., Parresol, B.R. y Álvarez González, J.G., 2005: A stochastic height-
diameter model for maritime pine ecoregions in Galicia (northwestern Spain). Ann. For. Sci. 62, 455-
465.
Castedo Dorado, F., Diéguez Aranda, U. y Álvarez González, J.G., 2007: A growth model for Pinus
radiata D. Don stands in north-western Spain. Ann. For. Sci. 64(4), 453-466.
Černý, M., Parez, J. y Malik, Z., 1996: Rustové a taxační tabulky hlavních drevin. Ministerstva
zemedelstiví.
Chen S.J. y Hwang C.L., 1992. Fuzzy multiple attribute decision making - methods and applications.
Lecture Notes in Economics and Mathematical Systems, Vol. 375. Springer Verlag, Berlin.
Chikumbo, O., Mareels, I.M.Y. y Turner, B.J., 1992: Integrating the Weibull into a dynamic model to
predict future diameter distributions. In: Wood G.B. y Turner, B.J., 1992: Integrating forest informa-
tion over space and time. Proc. IUFRO Conf., Australian National Univ., Canberra: 94-102.
Chroust, L., 1968: Das Temperaturregime in verschieden durchforsteten Eichen-Stangenhölzern.
Allgemeine Forst –und Jagdzeitung 139: 163-173.
Chung, D.J., 1996: Konkurrenzverhältnisse und Struktur natürlicher Pinus densiflora - Quercus variabilis -
Mischwälder in Korea. Diss. Fak. f. Forstw. u. Waldökologie, Universität Göttingen.
Cieszewski, C.J., 2000: Analytical solution to the generalized log-logistic equation. For. Sci. 46: 291-296.
Cieszewski, C.J., 2001: Three methods of deriving advanced dynamic site equations demonstrated on
inland Douglas-fir site curves. Can. J. For. Res. 31: 165-173.
Cieszewski, C.J., 2002: Comparing fixed- and variable-base-age site equations having single versus multiple
asymptotes. For. Sci. 48: 7-23.
Cieszewski, C.J., 2003: Developing a well-behaved dynamic site equation using a modified Hossfeld IV
function Y3 = (axm)/(c + xm-1), a simplified mixed-model and scant subalpine fir data. For. Sci. 49:
539-554.
262 Bibliografía
Cieszewski, C.J., 2004: GADA derivation of dynamic site equations with polymorphism and variable
asymptotes from Richards, Weibull, and other exponential functions. University of Georgia PMRC-
TR 2004-5.
Cieszewski, C.; y Bella, J., 1989: Polimorphic height and site index curves for lodgepole pine in Alberta.
Canadian Journal of Forest Research 19: 1151-1160.
Clark P.J. y Evans F.C., 1954: Distance to nearest neighbour as a measure of spatial relationships in
populations. Ecology 35, 445-453.
Clutter, J.L., 1980: Development of taper functions from variable-top merchantable volume equations.
For. Sci. 26(1), 117-120.
Clutter, J. L. y Jones, E. P., 1980: Prediction of Growth after Thinning in Old-Field Slash Pine Plantations.
USDA For. Serv. Res. Paper 217 S.
Clutter, J.L., Fortson, J.C., Pienaar, L.V., Brister, G.H. y Bailey, R.L., 1983: Timber management - a
quantitative approach. John Wiley, New York.
Condes, S. 1997: Simulación de parcelas arboladas con datos del 2 Inventario Forestal Nacional. Tesis
Doctoral. Escuela Técnica Superior de Ingenieros de Montes de Madrid.
Colin, F., Houllier, F., 1991: Branchiness of Norway spruce in north-eastern France: modelling vertical
trends in maximum nodal branch size. Annales des Sciences Forestieres 48, 679 - 693.
Colin, F., Houllier, F., 1992: Branchiness of Norway spruce in north-eastern France: predicting the main
crown characteristics from usual tree measurements. Annales des Sciences Forestieres 49, 511-538.
Corral Rivas, J.J., Álvarez González, J.G., Ruíz González, A.D. y Gadow, K.v., 2004: Compatible height
and site index models for five pine species in El Salto, Durango (Mexico). Forest Ecology and
management, 201(2-3), 145-160.
Corral Rivas, J.J., Álvarez González, J.G., Aguirre, O. y Hernández, F.J., 2005: The effect of competition
on individual tree basal area growth in mature stands of Pinus cooperi Blanco in Durango (Mexico).
Eur. J. Forest Res. 124, 133-142.
Courbaud, B., 1995: Modélisation de la croissance en forêt irrégulière, - perspectives pour les pessières
irrégulières de montagne. Rev. For. Fr. XLVII No. sp.: 173.
Coutts, M. P., 1983: Root architektur and tree stability. Plant and Soil 56; 171-188.Cowley, J. M., 1975:
Diffraction Physics. North Holland.
Craib I.J., 1939.:Thinning, Pruning and management studies on the main exotic conifers grown in South
Africa. Govt. Printer, Pretoria.
Daniel, T., Helms, J.A. y Bakeer, F.S., 1979. Principles of Silviculture. 2nd Edition. McGraw-Hill.
Daniels, R. F., 1976: Simple Competition Indices and their Correlation with Annual Loblolly Pine Tree
Growth. Forest Science 22(4): 454-456.
Degenhardt, A., 1995: Analyse der Entwicklung von Bestandesstrukturen mit Hilfe des Modells der
zufälligen Punktprozesse in der Ebene. Tagungsbericht, Dt. Verb. Forstl. Forschungsanstalten -
Sektion Biometrie u. Informatik, 8.-10.9.93 in Freising: 93-105.
Demaerschalk, J.P., 1973: Integrated systems for the estimation of tree taper and volume. Can. J. For. Res.
3 (1), 90-94.
Dengler, A., 1982: Waldbau auf ökologischer Grundlage. Bearbeitet von E. Röhrig und H. A. Gussone.
Verlag Paul Parey, Hamburg und Berlin, 275 S.
Dhôte, J. F., 1996: A model of even-aged beech stands productivity with process-based interpretations.
Ann. Sc. For. 53, 1-20.
Dieguez Aranda, U., Álvarez González, J.G., Barrio Anta, M. y Rojo Alboreca A., 2005: Site quality
equations for Pinus sylvestris L. plantations in Galicia (northwestern Spain). Ann. For. Sci. 62(2), 143-
152.
Diéguez Aranda, U., Castedo Dorado, F., Álvarez González, J.G. y Rojo Alboreca, A., 2006a: Compatible
taper function for Scots pine (Pinus sylvestris L.) plantations in northwestern Spain. Can. J. For. Res.
36, 1190-1205.
Diéguez Aranda, U., Grandas Arias, J.A., Álvarez González, J.G. y Gadow K.v., 2006b: Site quality curves
for Birch stands in North-Western Spain. Silva Fennica 40(4), 631-644.
Dittmar, O., Knapp, E. y Lembcke, G., 1986: DDR-Buchenertragstafel 1983. IFE-Berichte.
Döbbeler, H. y Spellmann H., 2002: Methodological approach to simulate and evaluate silvicultural
treatments under climate change. Fw. Cbl. 121, Supplement 1, 52-69.
Bibliografía 263
Dralle, K., 1997: Locating trees by digital image processing of aerial photos. Dina Research Rapport No.
58: 116 p.
Drexhage M., 1994: Die Wurzelentwicklung 40 jähriger Fichten (Picea abies [L.]) in der Langen Bramke
(Harz). Berichte des Forschungszentrums Waldökosysteme, Reihe A, Band 111, Göttingen.
Ďurský J. 2000: Einsatz von Waldwachstumssimulatoren für Bestand, Betrieb und Großregion.
Dissertation, Technische Universität München.
Eberhard J., 1902: Tafeln zur Bonitierung und Ertragsbestimmung nach Mittelhöhen [Höhen-
Ertragskurven] für Tanne, Fichte, Forche, Buche und Eiche. Selbstverlag d. Verfassers.
Eichhorn, F., 1904: Beziehungen zwischen Bestandeshöhe und Bestandesmasse. Allgemeine Forst –und
Jagdzeitung 80: 45-49.
Eichhorn, J., 1992: Wurzeluntersuchungen an sturmgeworfenen Bäumen in Hessen. Forst und Holz
47(18): 555-559.
Ek, A. R. y Monserud, R. A., 1974: Trials with program Forest: Growth and reproduction simulation for
mixed species even- or uneven-aged forest stands. In: Fries, J. (ed.): Growth models for tree and
stand simulation, Royal College of Forestry, Research Notes, Nr. 30: 56-73.
Ekö, P.M. y Ågestam, E., 1994: A comparison of naturally regenerated and planted Scots pine (Pinus
sylvestris L.) on fertile sites in southern Sweden. For u. Landsc. Res. 1:III-126.
Ellenberg, H., 1982: Ökosystemforschung. Ergebnisse des Sollingprojekts: 1966-1986. Verlag Ulmer.
Stuttgart.
Ellenberg, H., 1996: Vegetation Mitteleuropas mit den Alpen in ökologischer Sicht. 6. Auflage. Ulmer,
Stuttgart.
Ellenberg, H., Weber, H. E., Düll, R., Wirth, V., Werner, W. y Paulissen, D., 1991: Zeigerwerte von
Pflanzen Mitteleuropas. Scripta Geobotanica XVIII. Goltze, Göttingen.
Embrog, J., Christensen, M. y Heilmann-Clausen, J., 2000: The structural dynamics of Suserup Skov, a
near-natural temperate deciduous forest in Denmark. For. Ecol. Manage. 126, 173-189.
Evers, F. H. y Moosmayer, H.-U., 1980: Zusammenhänge zwischen Standortseinheiten,
Nährstoffverhältnissen des Bodens und Wachstum von Fichtenbeständen im regionalen Vergleich.
Fw. Cbl. 99: 137-146.
Faber, R. J., 1987: The Japanese Larch in the Netherlands - a new growth prediction. Ned. Bosbouw-
tijdskrift 59 (1/2): 13-27.
Fähser, L., 1998: Naturnahe Waldnutzung – das Beispiel Lübeck. Handbuch Kommunale Politik Raabe: S.
1-17.
Falinski, J. B., 1988: Succession, regeneration and fluctuation in the Bialowieza Forest. Vegetatio 77: 115-
128.
FAO, 1997: State of the World’s Forests. Rom.
FAO, 2001: Global Forest Resources Assessment – Main Report, Rom.
Fehrmann, L., Kuhr, M. y Gadow, K.v., 2003: Zur Analyse der Grobwurzelsysteme großer Waldbäume an
Fichte [Picea abies (L.) Karst.] und Buche [Fagus sylvatica]. Forstachiv 74(3), 96-102.
Fiedler, H. J., Nebe, W. y Hoffmann, F., 1973: Forstliche Pflanzenernährung und Düngung. Verlag G.
Fischer, Jena.
Figueiredo-Filho, A., Borders, B.E. y Hitch, K.L., 1996: Taper equations for Pinus taeda plantations in
Southern Brazil. For. Ecol. Manage. 83: 39-46.
Flury, Ph., 1929: Über den Aufbau des Plenterwaldes. Mitteilungen der schweizerischen Centralanstalt für
das Versuchswesen, Band 15: 305-357.
Fogel, R., 1983: Root turnover and productivity of coniferous forests. Plant and soil 71, 75-85.
Forslund, R.R., 1982: A geometrical tree volume model based on the location of center of gravity of the
bole. Can. J. For. Res. 12, 215-221.
Forss, E., 1994: Das Wachstum der Baumart Acacia mangium in Südkalimantan, Indonesien. Magister Diss.,
Forstw. Fak., Univ. Göttingen.
Forss, E., Gadow, K.v. y Saborowski, J., 1996: Growth models for unthinned Acacia mangium plantations
in South Kalimantan, Indonesia. J. of Trop. For. Sci. 8 (4), 449-462.
Franz, F., Bachler, J., Deckelmann, B., Kennel, E., Kennel, R., Schmidt, A., Wotschikowski, U., 1973:
Bayrische Waldinventur 1970/71 - Aufnahme und Auswertungsverfahren. Forstl. Forschungsanstalt
München. Forschungsbericht Nº. 11.
Franz, F., 1972: Ertragskundliche Prognosemodelle. FwCbl 91: 65-80.
264 Bibliografía
Frauendorfer, 1959: Fichtenertragstafel. In: Marschall, J., 1975: Hilfstafeln für die Forsteinrichtung.
Österr. Forstverein, 2. Aufl., Wien.
Freise, C. y Spieker, H., 1999: Konkurrenzfreies Wachstum der Buche. AFZ/Der Wald, 25: 1346-1349
Freist, H., 1962: Untersuchungen über den Lichtungszuwachs der Rotbuche und seine Ausnutzung im
Forstbetrieb. Forstwiss. Forschungen Nr. 17. Paul Parey, Berlin.
Fritz, H.W., 1999: Feinwurzel- Verteilung, -Vitalität, -Produktion und -Umsatz von Fichten (Picea abies [L.]
Karst.) auf unterschiedlich versauerten Standorten (ein Beitrag zur ökosystemorientierten
Waldschadensforschung). Berichte des Forschungszentrums Waldökosysteme, Reihe A, Band 165,
Göttingen.
Früh, T., 1992: C-Bilanz auf der Basis der Pipe-Modell-Theorie, Produktionsmodell. Berichte des For-
schungszentrums Waldökosysteme (Göttingen), Band 31, 355-367.
Fujimori, T. y Kiyono Y., 1986: Dynamics of crown structure and effects of crown control on tree growth
in Cryptomeria japonica. En Fujimori T.,. Whitehead (eds). Crown and canopy structure in relation to
productivity. Published by the Forestry and Forest Products Institute, Ibaraki, Japan.
Füldner, K. y Gadow, K. v., 1994: How to Define a Thinning in a Mixed Deciduous Beech Forest. Proc.
IUFRO Conference in Lousa, Portugal: Mixed stands - research plots, measurements and results,
models, 1994: 31-42.
Füldner, K., 1995: Strukturbeschreibung von Buchen-Edellaubholz-Mischwäldern. Diss., Fak. f. Forstw. u.
Waldökologie, Universität Göttingen. Cuvillier Verlag, Göttingen.
Gadow, K.v., 1987: Untersuchungen zur Konstruktion von Wuchsmodellen für schnellwüchsige
Plantagenbaumarten. Forstl. Forschungsberichte, Universität München Nr. 77.
Gadow, K.v., 1996: Modelling growth in managed forests - realism and limits of lumping. The Science of the
Total Environment 183, 167-177.
Gadow, K.v., 1999: Waldstruktur und Diversität. Allg. Forst- u. J.- Zeitung 170, 117-122.
Gadow, K.v., 1992: Ein Wachstums- und Ertragsmodell für die Fortschreibung von Bestandesparametern.
In: Preuhsler, T., Röhle, H., Utschig, H. y Bachmann, M. (Hrsg.): Festschrift zum 65. Geburtstag von
Prof. Franz; Lehrstuhl f. Waldwachstumskunde, Universität München, 75-83.
Gadow, K.v., 1984: The relationship between diameter and diameter increment in Pinus patula.
Proceedings of the IUFRO Conference "Site and Productivity of Fast-growing Plantations", held at
Pretoria 1984, Vol. 2: 741-751.
Gadow, K.v. y Heydecke, H., 2000: Wachstum und Durchforstung in einem Buchenmischbestand. Forst
und Holz 56 (3): 86-88.
Gadow, K.v., Heydecke, H. y Riemer, Th., 1996: Zur Beschreibung der Schaftprofile stehender Wald-
bäume. Festschrift A. Akça, Inst. f. Forsteinrichtung u. Ertragskunde, Universität Göttingen: 31-44.
Gadow, K.v. y Hui, G. Y., 1993: Stammzahlentwicklung und potentielle Bestandesdichte bei Cunninghamia
lanceolata. Cbl. ges. Forstw. 110 (2): 41-48.
Gadow, K.v. y Hui, G. Y., 1998: Modelling forest development. Kluwer Academic Publishers.
Gadow, K.v., Hui, G.Y. y Albert, M., 1998: Das Winkelmaß - ein Strukturparameter zur Beschreibung der
Individualverteilung in Waldbeständen. Cbl. ges. Forstw. 115, 1- 10.
Gadow, Kv., Hui, G.Y., Chen, B.W. y Albert, M., 2003: Beziehungen zwischen Winkelmaß und
Baumabständen. Forstw. Cbl. 122, 127-137.
Gadow, K.v. y Postoli, A., 1998: Waldwachstum: Modelle der Waldentwicklung. Skript aus dem Institut
für Forsteinrichtung und Ertragskunde. Georg-August-Universität Göttingen, 201 S.
Gadow, K.v. y Schmidt, M., 1998: Periodische Inventuren und Eingriffsinventuren. Forst und Holz, 22,
667-671.
Gadow, K.v. y Stüber, V., 1994: Die Inventuren der Forsteinrichtung. Forst und Holz 49 (5): 129-131.
Gaffrey, D., 1988: Forstamts- und bestandesindividuelles Sortimentierungsprogramm als Mittel zur
Planung, Aushaltung und Simulation. Diplomarbeit, Fachbereich Forstwissenschaft, Universität
Göttingen.
Gaffrey, D., 1996: Sortenorientiertes Bestandeswachstums-Simulationsmodell auf der Basis
intraspezifischen, konkurrenzbedingten Einzelbaumwachstums - insbesondere hinsichtlich des
Durchmessers- am Beispiel der Douglasie. Diss. Forschungszentrum Waldökosysteme d. Uni.
Göttingen.
Bibliografía 265
García, O., 1988: Experience with an advanced growth modelling methodology. In: Ek, A.R., Shifley, S.R.
y Burke, T.E. (eds): Forest growth modelling and prediction. USDA For. Serv. Gen. Techn. Rep.
NC-120: 668-675.
García, O., 1994: The state space approach in growth modelling. Can. J. For. Res. 24, 1894-1903.
Gates, D. M., 1980: Biophysical ecology. Springer Verlag, New York.
Gatzojannis, S., 1999: Yield tables for beech stands in the forest A. Brontou Serres Prefecture, N. Greece
(en griego). ΔΑΣΙΚΗ ΕΡΕΨΝΑ12: 91-104.
Gehrhardt, E., 1930: Ertragstafeln für reine und gleichaltrige Hochwaldbestände von Eiche, Buche,
Tanne, Fichte, Kiefer, grüner Douglasie und Lärche. 2. Aufl. Julius Springer Verlag, Berlin.
Gehrke, J.T., Schlaghamersky, A. y Sterzik, H.K., 1992: Tragfähigkeit und Befahrbarkeit von Waldböden.
Forst und Holz 8, 205-207.
Gehrmann, J., 1984: Einfluss von Bodenversauerung und Kalkung auf die Entwicklung von
Buchenverjüngungen im Wald. Bericht des Forschungszentrums Waldökosysteme/Waldsterben 1.
Gerold, D., 1990: Modellierung des Wachstums von Waldbeständen auf der Basis der
Durchmesserstruktur. Dissertation, B. TU Dresden.
Gerrard, D. J., 1969: Competition quotient - a new measure of the competition affecting individual forest
trees. Mich. State Univ. Agr. Exp. Stn. Res. Bull. No. 20.
Giurgiu, V., Decei, I. y Armasescu, S., 1972: Biometria arborilor ¸si arboretelor din România : Tabele
dendrometrice. Ceres Verlag.
Golser, M. y Hasenauer, H., 1997: Predicting juvenile tree height growth in uneven-aged mixed species
stands in Austria. For. Ecol. Manage. 97: 133-146.
Göttsche, D., 1972: Verteilung von Feinwurzeln und Mykorrhizen im Bodenprofil eines Buchen- und
Fichtenbestandes im Solling. Mitt. Bundesforschungsanstalt f. Forst- u. Holzwirtschaft 88, 102.
Goulding, C. J., 1972: Simulation technique for a stochastic model of growth of Douglas-fir. Ph. D. thesis.
Univ. of Brit. Col. Vancouver.
Grace, J.C. y Pont, D., 1997: Modelling Branch Development in Radiata Pine. En: Amaro, A. y Tomé, M.
(ed.), Empirical and process-based models for forest tree and stand growth simulation, 21-27
September 1997, Oeiras, Portugal, 173-184.
Grammel, R., 1989: Forstbenutzung. Verlag Paul Parey, Hamburg.
Gregar, T., 1992: Flora und Vegetation des Schlitzerlandes. Diss. TU Berlin.
Gregoire, T.G., Valentine, H.T. y Furnival, G.M., 1986: Estimation of bole volume by importance
sampling. Can. J. For. Res. 16, 554-557.
Gregorius, H.R., 1974: Genetischer Abstand zwischen Populationen. Zur Konzeption der genetischen
Abstandsmessung. Silvae Genetica 23, 22-77.
Groll, M., 1996: Boden-, Bestandes- und Wurzelschäden beim Einsatz eines Harvestersystemes. Forst und
Holz 12, 409.
Gruber, F., 1992: Dynamik und Regeneration der Gehölze. Berichte des Forschungszentrums
Waldökosysteme, Reihe A, Band 86, Göttingen.
Grundner, F., 1904: Untersuchungen im Buchenhochwalde über Wachstumsgang und Massenertrag.
Springer Verlag, Berlin.
Grundner, F. y Schwappach, A., 1942: Massentafeln zur Bestimmung des Holzgehaltes stehender
Waldbäume und Waldbestände. Berlin, 9. Auflage.
Gualdi, V., 1974: Ricerche auxometriche sulle faggete del Gargano. L’Italia Forestale e Montana. 29:85-
116.
Gundersen, P., 1995: Impacts of nitrogen deposition - scientific background. UN ECE Convention on
Long Range Transboundary Air Pollution. Annual Synoptic Report, 9-18.
Gurjanov, M., Sánchez Orois, S. y Schröder, J. 2000: Grundflächenmodelle für gleichaltrige
Fichtenreinbestände - Eine vergleichende Analyse. Cbl. ges. Forstwes. 117 3/4, 187-198.
Háckel, H., 1993: Meteorologie. Verlag Ulmer, Stuttgart.
Hafley, W. L. y Schreuder, H. T., 1977: Statistical distributions for fitting diameter and height data in even-
aged stands. Canadian Journal of Forest Research 7: 481-487.
Hagglund, B., 1981: Evaluation of forest site productivity. Review article. For. Abstr. 42(11): 515-527.
Hahn, J. T. y Leary, R. A., 1979: Potential diameter growth functions. In: A generalized forest growth
projection system applied to the lake states region. USDA For. Serv., Gen. Tech. Rep. NC-49: 22-26.
266 Bibliografía
Haith D. A., Tubbs, L. J. y Pickering, N. B., 1984: Simulation of pollution by erosion and soil nutrient
loss. Pudoc. Centre for Agriculture Publishing and Documentation, Wageningen.
Hakes, W., 1994: On the predictive power of numerical and Braun-Blanquet classification: an example
from beechwoods. Journal of Vegetation Science 5: 153-160.
Halaj, J. y Petráš, R., 1998: Rastové tabuľky hlavných drevín. SAP – Slovac Academic Press, Bratislava.
Hamilton, G.J. y Christie, J.M., 1971: Forest management tables (metrics). For. Comm. booklet n° 34.
London.
Hánninen, H., 1990: Modelling bud dormancy release in trees from cool and temperate regions. Acta
Forestalia Fennica 213, 1-47.
Hapla, F., 1986: Beeinflussen unterschiedliche Durchforstungsmaßnahmen die Holzeigenschaften der
Douglasie? Forstarchiv 57 (3), 99-104.
Hartig, R., 1868: Die Rentabilität der Fichtennutzholz- und Buchenbrennholzwirtschaft im Harze und im
Wesergebirge. Stuttgart.
Hartig, TH., 1847: Vergleichende Untersuchungen über den Ertrag der Rotbuche. Verlag A. Förstner.
Berlin.
Hasenauer, H. y Monserud, R.A., 1997: Biased predictions for tree height increment models developed
from smoothed data. Ecol. Modelling 98, 13-22.
Hasenauer, H., 1994: Ein Einzelbaumwachstumssimulator für ungleichaltrige Fichten-, Kiefern- und
Buchen-Fichtenmischbestände. Forstl. Schriftenreihe d. Universität f. Bodenkultur, Wien, Bd. 8.
Hasenauer, H., Moser, M. y Eckmüllner, O., 1994: Programmbeschreibung. Distanzabhängiger Wachs-
tumssimulator für Mischbestände, MOSES 2.0. Inst. f. Waldwachstumsforschung, Universität f.
Bodenkultur, Wien.
Hasenauer, H., Moser, M. y Eckmüllner, O., 1995: MOSES - a computer simulation program for
modelling stand response. En: Pinto da Costa M.E., Preuhsler T. (Eds.): Mixed stands, research
plots, and results, models. Instituto Superior de Agronomia, Universidade Tecnica de Lisboa,
Portugal.
Hauhs, M., Rost-Siebert, K., Kastner-Maresch, A. y Lange, H., 1993: A New Model Relating Forest
Growth to Input and Output Fluxes of Energy and Matter of the Corresponding Ecosystem
(TRAGIC). Final Report of Project EV4V-0032-D(B), Faculty of Forestry, Univ. of Göttingen.
Hegyi, F., 1974: A simulation model for managing jack-pine stands. 74-76p in Growth models for tree and
stand simulation, Fries, J. (ed.). Royal Coll. of For., Stockholm.
Heinrich, D. y Hergt, M., 1990: dtv-Atlas zur Ökologie. Deutscher Taschenbuchverlag, München.
Henderson, G. S., Hammer, R. D. y Grigal, D. F., 1990: Can measurable soil properties be integrated into
a framework for characterizing forest productivity? In: Gessel, S. P., Lacate, D. S., Weetman, G. F.
and Powers, R. F. (eds): Sustained productivity of forest soils. Proc. 7th North Am. Forest soils conf.
Vancouver: 137-154.
Hendriks, C.M.A. y Bianchi, F.J.J.A., 1995: Root density and root biomass in pure and mixed forests of
Douglas fir and beech. Netherlands Journal of agricultural Science 43 (3), 321-331.
Hengst, E., 1959: Allgemeine Bemerkungen zur Weihmouthskiefer und ihrer Form. Archiv für
Forstwesen 8, 781-811.
Hertel, D., 1999: Das Feinwurzelsystem von Rein- und Mischbeständen der Rotbuche: Struktur, Dynamik
und interspezifische Konkurrenz. Diss. Bot. 317.
Hertstein, U. y Jáger, H.J., 1995: Wirkungen der sich ändernden Atmosphäre (CO2, O3, verstärkte UV-
Strahlung) auf die Vegetation. In: Klimaänderungen und Naturschutz. Angewandte Landschaftsöko-
logie, Heft 4. Bundesamt für Naturschutz, Bonn - Bad Godesberg.
Hessen, 1993: Richtlinien für die Bewirtschaftung des Staatswaldes (RIBES 93). Hrsg.: Ministerium für
Landesentwicklung, Wohnen, Landwirtschaft, Forsten und Naturschutz.
Hessenmöller, D., 2001: Modelle zur Wachstums- und Durchforstungssimulation im Göttinger
Kalkbuchenwald. Diss., Fak. f. Forstw. u. Waldökologie, Universität Göttingen. Logos Verlag,
Berlin.
Hessenmöller, D. Y Gadow, K.v., 2001: Beschreibung der Durchmesserverteilung von Buchenbeständen
mit Hilfe der bimodalen Weibullfunktion. Allgemeine Forst- und Jagdzeitung 172 (3), 46-50.
Hessische Forsteinrichtungsanstalt, 1985: Hessische Anweisung zu Forsteinrichtungsarbeiten (HAFEA).
Staatsanzeiger für das Land Hessen Nr. 32.
Bibliografía 267
Holmes, M. J. y Reed, D. D., 1991: Competition Indices for Mixed Species Northern Hardwoods. Forest
Science 37(5): 1338-1349.
Hubbell, S.P., 2001: The unified Neutral Theory of Biodiversity and Biogeography. Princeton University
Press. Princeton.
Hui, G.Y. y Gadow, K.v., 1993a: Zur Entwicklung von Einheitshöhenkurven am Beispiel der Baumart
Cunninghamia lanceolata. Allgemeine Forst- und Jagdzeitung 164, 218-220.
Hui, G.Y. y Gadow, K.v., 1993b: Zur Modellierung des Oberhöhenwachstums bei Cunninghamia lanceolata.
FA 64: 311-313.
Hui, G.Y., Gadow, K.v., 1993c: Zur Modellierung der Bestandesgrundflächenentwicklung - dargestellt am
Beispiel der Baumart Cunninghamia lanceolata. Allgemeine Forst- und Jagdzeitung 164, 144-149.
Hui, G.Y. y Gadow, K.v., 1996: Ein neuer Ansatz zur Modellierung von Durchmesserverteilungen. Cbl.
ges. Forstw. 113 (¾): 101-113.
Hui, G.Y., 1997: Wuchsmodelle für die Baumart Cunninghamina lanceolata. Diss., Fak. f. Forstw. u.
Waldökologie, Universität Göttingen. Cuvillier Verlag, Göttingen, 121 S.
Hui, G.Y., Gadow, K.v., 1997: Entwicklung und Erprobung eines Einheitsschaftmodells für die Baumart
Cunninghamia lanceolata. Forstw. Cbl. 116, 315-321.
Hui, G.Y., Albert, M. y Gadow, K.v., 1998: Das Umgebungsmaß als Parameter zur Nachbildung von
Bestandesstrukturen. Forstw.Cbl. 117(5), 258 - 266.
Hui, G. Y. y Gadow, K. v., 2002: Das Winkelmaß – Herleitung des optimalen Standardwinkels. Allgemeine
Forst u. Jagdzeitung. 173(10).
Husch, B., Miller, C.I. y Beers, T.W., 1982: Forest Mensuration. John Wiley & Sons, New York.
Hussein, K.A., Albert, M., Gadow, K.v., 2000: The crown window - a simple device for measuring tree
crowns. Forstw. Cbl. 119, 43-50.
Hussein, K.A., 2001: Parameter-parsimonious models for crown and stem profiles. Diss. Univ. of
Göttingen.
Hutchison, A. y Matt, D.R., 1977: The distribution of solar radiation within a deciduous forest. Ecol.
Monogr. 47, 185-207.
Hyink, D. M., 1979: A generalized method for the projection of diameter distributions applied to uneven-
aged forest stands. Unpublished Ph. Diss., Purdue University.
Hyink, D. M., 1980: Diameter distributions approaches to growth and yield modelling. Proceedings of a
Workshop on Forecasting stand dynamic. Lakehead University, Thunder Bay, Ontario, June 24-25.
Hyink, D. M., y Moser, J. W., 1983: A generalized framework for projecting forest yield and stand
structure using diameter distributions. For. Sci. 29 (1): 85-95.
Itô H., Sumida, A., Isagi, Y. y Kamo, K., 1997: The crown shape of an evergreen Oak, Quercus glauca, in a
hardwood community. J. For. Res. 2, 85-88.
Jack, W. H., 1967: Single tree sampling in even-aged plantations for survey and experimentation. IUFRO-
Tagungsband, Sektion 25, München: 379-403.
Jäde, K., 1995: Ein Algorithmus zur quantitativen Beschreibung der Kronenstruktur von Nadelbäumen.
Diplomarbeit. Inst. f. Numerische u. Angewandte Mathematik (unter Mitwirkung d. Inst. f. Forstein-
richtung u. Ertragskunde). Universität Göttingen.
Jansen, J.J., Sevenster, J. y Faber, P.J., 1996: Opbrengsttabellen voor belangrijke boomsoorten in
Nederland. Hinkeloord Report Nr. 17, Landbouwuniversiteit, Wageningen.
Jansen, M. y Martin, G., 1995: Anwendung des Bestandessimulationsmodells TREEDYN3 auf die
Fichten-Versuchsfläche Solling F1. Berichte d. Forschungszentrums Waldökosysteme d. Universität
Göttingen, Reihe B, Bd. 45, 1-79.
Jensen, M. y Hofmann, G., 1997: Entwicklungszyklen des baltischen Buchenwaldes. AFZ/Der Wald 19:
1012-1018.
Jenssen, M. y Hofmann, G., 2002: Pflanzenartenvielfalt, Naturnähe und ökologischer Waldumbau.
AFZ/Der Wald 8, 402-405.
Johnson, N.L., 1949: Systems of frequency curves generated by methods of translation. Biometrika 36,
149-176.
Kahn, M., 1994: Modellierung der Höhenentwicklung ausgewählter Baumarten in Abhängigkeit vom
Standort. Dissertation, Forstwissenschaftliche Fakultät, Universität München.
Kahn, M., 1995: Quasikausale Modellierung des Standort-Leistungsbezuges als Voraussetzung zum
Aufbau flexibler Mischbestands-Modelle. Forstw. Cbl. 114, 175-187.
268 Bibliografía
Kändler, G., 1986: Ermittlung von Bestandesparametern als Eingangsgrößen für Interzeptionsmodelle mit
Hilfe aerophotogrametrischer Verfahren. Mitteilungen der Forstlichen Versuchs- und
Forschungsanstalt Baden-Württemberg 127.
Kassier, H. W., 1993: Dynamics of Diameter and Height Distributions in Commercial Timber Plantations,
PhD dissertation, Faculty of Forestry, Univ. of Stellenbosch, South Africa.
Keller, W., 1978: Einfacher ertragskundlicher Bonitätsschlüssel für Waldbestände in der Schweiz. Mitt. d.
Eidgen. Anst. f. d. Versuchswesen, Bd. 54 (1): 1-98.
Kellomäki, S., 1986: A model for the relationship between branch number and biomass in Pinus sylvestris
crowns and the effect of crown shape and stand density on branch and stem biomass. Scand. J. For.
Res. 1, 455-472.
Kellomäki, S. y Kurttio, O., 1991: A model for the structural development of a Scots pine crown based on
modular growth. For. Ecol. Manage. 43, 103-123.
Kellomäki, S. y Strandman, H., 1995: A model for the structural growth of young Scots pine crowns based
on light interception by shoots. Ecol. Modelling 80, 237-250.
Kellomäki, S., Väisänen, H. y Strandman, H., 1993: FINNFOR: - A model for calculating the response of
a boreal forest ecosystem to climate change. Univ. of Joensuu. Faculty of Forestry. Research Notes
6.
Kenk, G. y Weise, U., 1998: Zu: Beobachtungen zur Bestandesstruktur undurchforsteter Fichtenbestände.
AFZ/Der Wald 53: 937-939.
Kennel, R., 1972a: Die Buchendurchforstungsversuche in Bayern von 1870 bis 1970. Forschungsberichte
der forstl. Forschungsanstalt München Nr. 7.
Kennel, R., 1972b: Die Bestimmung des Ertragsniveaus bei der Buche. Dt. Verb. Forstl. Forsch. Anst. 48-
50, Neustadt a. d. W.
Kern, K.G., Moll, W. y Braun, H.J., 1961: Wurzeluntersuchungen in Rein- und Mischbeständen des
Hochschwarzwaldes (Vfl. Todtmoos 2/I-IV). Allgemeine Forst- und Jagdzeitung , 132, 241-260.
Kienast, F. y Kuhn, N., 1989: Simulating forest succession along ecological gradients in Southern Central
Europe. Vegetatio 79: 7-20.
Kimmins J.P., 1987. Forest Ecology. Macmillan Publishing Company, New York.
Kimmins, J.P., 1990: Modeling the sustainability of forest production and yield for a changing and
uncertain future. For. Chron. 66, 271-280.
Kimmins, J.P., 1997: Forest Ecology 2nd edition. Macmillan Publishing Company, New York.
Kiviste, A., Álvarez, J. G., Rojo, A., González, A. D., 2002: Funciones de crecimiento de aplicación en el
ámbito forestal. Comunicaciones I.N.I.A. Serie: Recursos Naturales. No. 4.
Klädtke, J., 1992: Konstruktion einer Z-Baum-Ertragstafel am Beispiel der Fichte. Diss., Forstl. Fak.,
Univ. Freiburg.
Klier, G., 1969: Beitrag zu den Baumabstandsmethoden in der Forstwirtschaft. Arch. Forstwes., Berlin 18
Jg. Heft 12, 1257-1264.
Knoke, T. y Plusczyk, N., 2001: On economic consequences of transformation of a spruce (Picea abies (L.)
Karst.) dominated stand from regular into irregular age structure. For. Ecol. Manage. 151: 163-179.
Kolström, T., 1992: Dynamics of uneven-aged stands of Norway Spruce - a Model Approach. Diss., Univ.
Joensuu. Finnland.
Konitzer, A., 2000: Waldumbaumassnahmen und ihre betriebswirtschaftlichen Auswirkungen – eine GIS-
gestützte Untersuchung am Beispiel des Niedersächsischen Harzes. Diss., Univ. Göttingen.
Koop, P H., 1989. Forest Dynamics. Springer Verlag, Berlin.
Korol, M. y Gadow, K.v., 2002: Zur quantitativen Beschreibung von Fichtenkronen im Gebiet der
ukrainischen Karpaten. Unveröff. Manuskript, Inst. f. Waldinventur u. Waldwachstum, Univ.
Göttingen.
Korol, M. y Gadow, K.v., 2003: Ein Einheitsschaftmodell für die Baumart Fichte. Forstw. Cbl. 122, 175-
182.
Korotaev, A., 1994: Untersuchungen der Wurzelsysteme von forstlich wichtigen Baumarten im
Nordwesten Rußlands. Dissertation, Fakultät für Forstwissenschaften und Waldökologie, Universität
Göttingen.
Korsun, F., 1935: Zivotnrmalniho porostu ve vzorcich. Lesnicka prace (in tschechisch).
Korpel, S., 1992: Ergebnisse der Urwaldforschung für die Waldwirtschaft im Buchenökosystem.
Allgemeine Forstzeitschrift 47 (21), 1148-1152.
Bibliografía 269
Košir Z., 1966: Beitrag zur Erforschung der Urwaldstruktur reiner Buchenwälder. In:
Gesellschaftsmorphologie, Ber. Int. Symp. Int. Ver. Für Vegetationskunde, Rinteln. 1966, 306-314.
Köstler, J.N., 1956: Waldbauliche Beobachtungen an Wurzelstöcken sturmgeworfener Waldbäume.
Forstw. Cbl. 75, 65-91.
Köstler, J.N., Brückner, E. y Bibelriether H., 1968: Die Wurzeln der Waldbäume. Verlag Paul Parey,
Hamburg.
Kotar, M., 1993: Bestimmung des Verteilungsmusters von Bäumen im Wald. Manuscript.
Kouba, J., 1989: The theory of an estimate of the development of calamities and of management of the
process of forest adjustment to normal forest. Lesnictvi 35 (10): 925-944.
Kozak, A., 1988. A variable exponent taper equation. Can. J. For. Res. 18, 1363-1368.
Kraft, G., 1884: Beiträge zur Lehre von den Durchforstungen, Schlagstellungen und Lichtungshieben.
Klindworth, Hannover.
Krajicek, J.E., Brinkman, K.A. y Gingrich S.F., 1961: Crown competition. A measure of density. For. Sci.
7, 35-42.
Kramer, H., 1988: Waldwachstumslehre. Verlag Paul Parey. Hamburg.
Kramer, H., 1990a: Nutzungsplanung in der Forsteinrichtung. 2. Auflage. J. D. Sauerländer´s Verlag.
Frankfurt a.M.
Kramer, H., 1990b: Zur Nutzungsplanung bei geänderter Waldstruktur. Forst und Holz, 45 (21): 621-623.
Kramer, H. y Kätsch, C.H., 1994: Individuelles Wachstum von Waldbäumen in Abhängigkeit von
natürlichen und anthropogenen Einflüssen. Schr. a. d. Forstl. Fak. d. Univ. Göttingen und der Nds.
Forstl. Vers. Anst. 117. Sauerländer, Frankfurt.
Kramer, H. y AKÇA A., 1995: Leitfaden zur Waldmesslehre. J. D. Sauerländer´s Verlag, Frankfurt.
Kramer, K., 1996. Phenology and growth of European trees in relation to climate change. PhD Diss.
Landbouw-Universität Wageningen.
Kramer, P. J. y Kozlowski, T. T., 1979: Physiology of woody plants. Academic press, New York.
Kranigk, J. y Gravenhorst, G., 1993: Ein dreidimensionales Modell für Fichtenkronen. Allgemeine Forst-
und Jagdzeitung, 164: 146-149.
Kublin, E. y Scharnagl, G., 1988: Verfahrens- und Programmbeschreibung zum BWI-Unterprogramm
BDAT. Abschlußbericht, Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg, 7800
Freiburg.
Kuhr, M., 1999: Grobwurzelarchitektur in Abhängigkeit von Baumart, Alter, Standort und sozialer
Stellung. Dissertation, Fak. f. Forstw. u. Waldökologie, Universität Göttingen.
Kurth, H., Gerold, D. y Ulbricht, R., 1994: Forsteinrichtung. Deutscher Landschaftsverlag Berlin GMBH:
233-322.
Kurth, W., 1994a: Morphological models of plant growth: Possibilities and ecological relevance. En:
Ecological Modelling, International Journal on Ecological Modelling and Systems Ecology. Volumes
75/76:299-308. Verlag Elsevier.
Kurth, W., 1994b: Growth Grammer Interpreter GROGRA 2.4: A software tool for the 3-dimensional
interpretation of stochastic, sensitive growth grammars in the context of plant modelling. Berichte
des Forschungszentrums Waldökosysteme, Reihe B, Bd. 38.
Kurth, W., 1998: Some new formalisms for modelling the interactions between plant architecture,
competition and carbon allocation. Bayreuther Forum Ökologie Bd. 52, 53-98.
Kurth, W., 1999: Die Simulation der Baumarchitektur mit Wachstumsgrammatiken. Habilitation, Univ.
Göttingen.
Kutschera, L. y Lichtenegger, E., 2002: Wurzelatlas mitteleuropäischer Waldbäume und Sträucher.
Leopold Stocker Verlag, Graz – Stuttgart.
Kvist Johannsen, V., 1999: A growth model for oak in Denmark. Ph. D. Dissertation, Danish Forest and
Landscape Research Institute, Hørsholm, Denmark .
Láhde, E., Laiho, O., Norokorpi, Y. y Saska, T., 2002: Zuwachs von Fichte und Birke in gleich und
ungleich strukturierten Beständen. Forst und Holz, 15/16, 483.
Lamprecht, H. 1986. Waldbau in den Tropen. Verlag Paul Parey, Hamburg.
Larson, P.R., 1963: Stem form development of forest trees. For. Sci. Monograph 5.
Lássig, R., 1991: Zum Wachstum von Fichtensolitären [Picea abies (L.) Karst.] in Südwestdeutschland.
Dissertation, Univ. Freiburg.
270 Bibliografía
Last, F.T., Mason, P.A., Wilson, J. y Deacon, J.W., 1983: Fine roots and sheathing mycorrhizas: their
formation, function and dynamics. Plant and Soil 71, 9-21.
Lee, D.H., 1998: Architektur der Wurzelsysteme von Fichten (Picea abies L.) auf unterschiedlich
versauerten Standorten. Diss., Fak. f. Forstw. u. Waldökologie, Universität Göttingen.
Lee, W.K. y Gadow, K.v., 1997: Iterative Bestimmung der Konkurrenzbäume in Pinus densiflora -
Beständen. Allgemeine Fost- und Jagdzeitung, 186 (3/4): 41-44.
Lee, W.K., 1993: Wachstums- und Ertragsmodelle für Pinus densiflora in der Kangwon-Provinz, Korea.
Diss., Forstwiss. Fachbereich, Univ. Göttingen. Cuvillier Verlag.
Lee, W.K., Seo, J.H., Son, Y.M., Lee, K.H. y Gadow, K.v., 2003: Modelling stem profiles for Pinus
densiflora in Korea. For. Ecol. Manage. 172, 69-77.
Leemans, K., 1992: The biological component of the simulation model for boreal forest dynamics. In: A
systems analysis of the global boreal forest: 428-445.
Leibundgut, H., 1978: Die Waldpflege. Paul Haupt, Bern und Stuttgart.
Lemay, V., Kozak, A., Muhairwe, K. y Kozak, R.A., 1993: Factors affecting the performance of Kozak's
(1988) variable-exponent taper function. En: Wood, G.B. y Wiant, H.V. (Eds.) Modern Methods of
Estimating Tree and Log Volume. IUFRO Conference, Morgantown, West Virginia, 34-53.
Lembcke, G., Knapp, E. y Dittmar, O., 1977: DDR-Kiefern-Ertragstafel 1975. Institut für Forstwissen-
schaft, Eberswalde.
Lemm, R., 1991: Ein dynamisches Forstbetriebs-Simulationsmodell. Dissertation, ETH Zürich.
Leslie, P. H., 1945: On the use of matrices in certain population mathematics. Biometrika 33: 183-212.
Leuschner, C., 2002: Lebensraum Baumkrone - Schatzkiste der Biodiversität. Georgia Augusta,
Wissenschaftsmagazin der Georg-August-Universität Göttingen; No. 1, 18-25.
Levins, R., 1966: The strategy of model building in population biology. American Scientist 54, 421-431.
Lewandowski, A. y Gadow, K. v., 1997: Ein heuristischer Ansatz zur Reproduktion von Waldbeständen.
Allgemeine Forst- und Jagdzeitung , 168.Jg., 9: 170-174.
Lewandowski, A. y Pommerening, A., 1997: Zur Beschreibung der Waldstruktur - Erwartete und
beobachtete Artendurchmischung. Forstw. Cbl. 116, 129-139.
Lindenmayer, A., 1975: Developmental algorithms for multicellular organisms: A survey of L-Systems. J.
Theor. Biol. 54, 3-22.
Liu, C., Zhang, L., Davis, C.J., Solomon, D.S. y Gove, J.H., 2002: A Finite Mixture Model for
Characterizing the Diameter Distributions of Mixed-Species Forest Stands. For. Sci. 48 (4), 653-661.
Liu, Q. y Hytteborn, H., 1991: Gap structure, disturbance and regeneration in a primeval Picea abies forest.
J. Veg. Sci. 2: 391-402.
López Sánchez, C.A., Gorgoso, J.J., Castedo, F., Rojo, A., Rodríguez, R., Álvarez González, J.G. y
Sánchez F., 2003: A height-diameter model for Pinus radiata D.Don in Galicia (Northwest Spain).
Ann. For. Sci. 60, 237-245.
Lorimer, C.G., 1983: Test of age-independent competition indices for individual trees in natural hardwood
stands. For. Ecol. Manage. 6, 343-360.
Lundegårdh, H., 1957: Klima und Boden in ihrer Wirkung auf das Pflanzenleben. Fischer Verlag, Jena.
Lüpke, B. v., 1992: Waldbau ohne Kahlschlag – Möglichkeiten und Risiken. Forstarchiv 63 (1): 10-15.
Luxmore, R.J., Oren, R., Sheriff, D.W. y Thomas, R.B., 1995: Source - sink - storage relationships of
conifers. En: Smith, W.K. y Hinckley, T.M. (eds): Resource physiology of conifers. Academic Press,
179-216.
Madrigal, A., Puertas, F. y Martínez Millán,, F. J., 1992: Tablas de producción para Fagus sylvatica en
Navarra. Gobierno de Navarra. Dpto. de Agric. Ganadería y Montes. Serie Agraria n° 3, Pamplona.
Maguire, D.A., Moeur, M. y Bennett, W.S., 1994: Models for describing basal diameter and vertical
distribution of primary branches in young Douglas-Fir. For. Ecol. Manage. 63, 23-55.
Maguire, D. A. y Hann, D. W., 1989: The relationship between cross crown dimensions and sapwood area
at crown base in Douglas-fir. Can. J. For. Res. 19(5), 557-565.
Maier, C.A. y Teskey, R.O., 1992: Internal and external control of net photosynthesis and stomatal con-
ductance of mature eastern white pine (Pinus strobus). Can. J. For. Res. 22, 1387-1394.
Maltamo, M., Puumalainen, J. y Päivinen, R., 1995: Comparison of beta and Weibull functions for
modelling the basal area diameter distribution in stands of Pinus silvestris and Picea abies. Scand. J. For.
Res. 10: 284-295.
Bibliografía 271
Marques, P., 1991: Evaluating site quality of even-aged stands in northern Portugal using direct and
indirect methods. For. Ecol. Manage. 41: 193-204.
Martin, G. L. y Ek, A. R., 1984: A Comparison of Competition Measures and Growth Models for
Predicting Plantation Red Pine Diameter and Height Growth. For. Sci. 30 (3): 731-743.
Matèrn, B., 1986: Spatial Variation. 2nd edition. Lecture Notes in Statistics. Springer-Verlag, Berlin.
Matsuda, M. y Baumgartner, A., 1975: Ökosystemare Simulation des Nutzeffektes der Sonnenenergie für
Wälder. Forst. Cbl. 94, 89-104.
Matsue, K., Iwagami, S., Yamamoto, T. y Shibayama, Z., 1999: Modelling crown form of Hinoki
(Chamaecyparis obtusa) based on branch measurement. J. For. Plann 5, 13-18.
Matsumura, N., 1988: Entwicklung und Anwendungsmöglichkeiten eines einzelbaumorientierten
Simulationsmodells für Douglasie. Diss. Georg-August-Universität Göttingen.
Matthies, D., Weixler, H. y Hess, U., 1995: Befahrungsbedingte Strukturveränderungen von Waldböden.
AFZ/Der Wald (22), 1218-1221.
Matyssek, R., 2003: Kosten und Nutzen von Raumbesetzung und –ausbeute. AFZ/Der Wald 17: 862-863.
Max, T.A. y Burkhart, H.E., 1976: Segmented polynomial regression applied to taper equations. For. Sci.,
22(33): 283-289.
Mayer, H., 1984: Waldbau auf sozio-ökologischer Grundlage. 3. Auflage, Fischer-Verlag Stuttgart.
Mayer, K.E., Laudenslayer, W.F., 1988: A Guide to Wildlife Habitats of California. California Department
of Forestry and Fire Protection.
Mehldahl, R. S. y Beltz, R. C., 1990: Summary of modelling efforts for SET: Southeastern TWIGS, School
of Forestry. Auburn University Alabama.
Mendlik, G., 1983: Beech Yield Table (en hungaro). Erdeszeti-Kutatasok, 75:157-162.
Meng, X. Y., 1991: The significance of taper equations and stand diameter structures in developing
merchantable volume tables. Journal of Beijing Forestry University, 13(2): 14-20.
Meusel, H., Jäger, E. y Weinert, E., 1965: Vergleichende Chorologie der zentraleuropäischen
Flora.Karten/Text. Fischer Verlag, Jena.
Michailoff, I., 1943: Zahlenmäßiges Verfahren für die Ausführung der Bestandeshöhenkurven. Forstw.
Cbl. u. Thar. Jahrb. 6: 273-279.
Mitscherlich, G., 1939a: Sortenertragstafel für Kiefer, Buche und Eiche. Mitt. Forstwirtsch. u. Forstwiss.
10, 1-86.
Mitscherlich, G., 1939b: Sortenertragstafel für Fichte. Mitt. Forstwirtsch. u. Forstwiss. 10, 87-101.
Mitscherlich, G., 1942: Der Einfluß des Seewindes auf das Wachstum von Kiefer, Fichte, Buche, Birke,
Erle. Thar. Forstl. Jahrb. 93: 346-373.
Mitscherlich, G., 1961: Untersuchungen in Plenterwäldern des Schwarzwaldes. Allgemeine Forst- und
Jagdzeitung, 132: 61-73 + 85-95.
Mitscherlich, G., 1970: Wald, Wachstum und Umwelt. 1. Band: Form und Wachstum von Baum und
Bestand. J.D. Sauerländer´s Verlag, Frankfurt.
Mitscherlich, G., 1971: Wald, Wachstum und Umwelt. 2. Bd: Waldklima und Wasserhaushalt. J.D.
Sauerländer's Verlag, Frankfurt.
Mitscherlich, G., 1975: Wald, Wachstum und Umwelt. 3. Bd: Boden, Luft und Produktion. J.D.
Sauerländer's Verlag, Frankfurt.
Mitscherlich, G., 1978: Wald, Wachstum und Umwelt. 1. Band: Form und Wachstum von Baum und
Bestand. 2., überarbeitete Auflage. J.D. Sauerländer´s Verlag, Frankfurt.
Mitscherlich, G., Kern, K.G. y Künstle, E., 1963: Untersuchungen über den Kohlensäuregehalt in
Plentergehalt und Fichtenreinbestand. Allgemeine Forst- und Jagdzeitung 134: 281-290.
Moeur, M., 1981: Crown width and foliage weight of northern Rocky mountain conifers. USDA For.
Serv. Res. Pap. INT.-283.
Moeur, M., 1993: Crown width and foliage weight of northern Rocky mountain conifers. USDA For. Serv.
Res. Pap. INT.-283.
Mohr, H. y Schöpfer, P., 1992: Lehrbuch der Pflanzenphysiologie. Springer-Verlag, Berlin.
Mohren, G. M. J., Van Gerwen, C. P. y Spitters, C. J. T., 1984: Simulation of primary production in even-
aged stands of Douglas-fir. For. Ecology Manage. 9: 27-49.
Möhring, B., 1986: Dynamische Betriebsklassensimulation. Berichte d. Forschungszentrums
Waldökosysteme, Univ. Göttingen, Bd 20.
272 Bibliografía
Møller, C. M., 1933: Bonitetsvise Tilvaekstovesigter for BØg, Eg og RØdgran in Danmark. Sammendrag
fra Dansk Skovf. Tidsskr. 18.
Monserud, R.A. y Sterba, H., 1996: A basal area increment model for individual trees growing in even-
aged forest stands in Austria. For. Ecol. Manage. 80: 57-80.
Monsi, M. y Saeki, T., 1953: The light factor in plant association and its importance in dry matter
production. Japan. J. Bot. 14, 22-52.
Mooney, H.A., 1986: Photosynthesis. En: Crawley, M.J. (ed.). Plant Ecology. Blachwell Scientific
Publications, Oxford, 345-373.
Moosmayer, H.U. y Schöpfer, W., 1972: Beziehungen zwischen Standortsfaktoren und Wuchsleistung der
Fichte. Allgemeine Forst- und Jagdzeitung, 143(10): 203-215.
Moosmayer, U., 1957: Zur ertragskundlichen Auswertung der Standortsgliederung im Ostteil der schwäbi-
schen Alb. Mitt. d. Vereins f. forstl. Standortskunde, Forstpflanzenzüchtung 7: 1-41.
Moser J.W., 1974: A system of equations for the components of forest growth. En: Fries, J. (Ed.): Growth
models for tree and stand simulation; Royal College of Forestry. Research Notes Nr. 30: 56-76.
Moser, M., 1964: Die Mykorrhizafrage bei der Anzucht von Forstpflanzen für das Hochgebirge. En
Schmidt-Vogt, H., 1964: Forstsamengewinnung und Forstpflanzenzucht für das Hochgebirge, 225-
231.
Moser, W. G., 1793: Einige Actenstücke über die Forst-Einrichtung. In: Moser’s Forst-Archiv, Ulm: 147-
243.
Muhairwe, C. K., 1999: Taper equations for Eucalyptus pilularis and Eucalyptus grandis for the north coast in
New South Wales, Australia. Forest Ecology and Management 113: 251-269.
Murach, D., 1984: Die Reaktion der Feinwurzeln von Fichten auf zunehmende Bodenversauerung. Diss.,
Forstwissen. Fachbereich, Universität Göttingen.
Murach, D., 1991: Feinwurzelumsätze auf bodensauren Fichtenstandorten. Forstarchiv 62, 12-17.
Murray, D. M. y Gadow, K. v., 1991: Relationships between the diameter distributions before and after
thinning. For. Sci. 37 (2): 552-559.
Murray, D.M. y Gadow, K.v., 1993: A flexible yield model for regional timber forecasting. Southern
Journal of Applied Forestry 17 (2), 112-115.
Nagashima, I. y Kawata, N., 1994: A stem taper model including butt swell. J. Jpn. For. Soc. 76(4), 291-
297.
Nagel, J. y Biging, G. S., 1995: Schätzung der Parameter der Weibull-Funktion zur Generierung von
Durchmesserverteilungen. Allgemeine Forst- und Jagdzeitung 166 (9/10): 185-189.
Nagel, J., 1994: Ein Einzelbaumwachstumsmodell für Roteichenbestände. Forst und Holz. 49 (3), 69-75.
Nagel, J., 1998: Möglichkeiten der Einschätzung von Artendiversität und Struktur im Rahmen von
Betriebsinventuren. Vortrag am 14. 7. 1998, Fak. f. Forstw. u. Waldökologie, Univ. Göttingen.
Nagel, J., 1999: Konzeptionelle Überlegungen zum schrittweisen Aufbau eines waldwachstumskundlichen
Simulationssystems für Nordwestdeutschland. Schriften aus d. Forstl. Fak. d. Univ. Göttingen u. d.
Nieders. Forstl. Vers. Anst., Bd 128.
Nagel, J., Albert, M. y Schmidt, M., 2002: Das waldbauliche Prognose- und Entscheidungsmodell
BWINPro 6.1. Forst und Holz. 57 (15/16):486-493.
Nagel, P., 1976: Die Darstellung der Diversität von Biozönosen. Schriftenreihe Vegetationskunde 10: 381-
391. Bonn-Bad Godesberg.
Namikawa, K. y Kawai, Y., 1998: Stand structure and establishment process of an old-growth stand in the
mixed deciduous broadleaf/conifer forest of Mt. Moiwa forest reserve, Central Hokkaido, Northern
Japan. J. For. Res. Japan 3: 205-211.
Nepal, S. K. y Somers, G. L., 1992: A generalized approach to stand table projection. For. Sci. 38: 120 –
133.
Newberry, J. D. y Burkhart, H. E., 1986: Variable-form stem profile models for loblolly pine. Can. J. For.
Res. 16: 109-114.
Newnham, R.M., 1992: Variable-form taper functions for four Alberta tree species. Can. J. For. Res. 22,
210-223.
Niedersachsen, 1991: Langfristige ökologische Waldentwicklung in den Landesforsten – Programm der
Landesregierung Niedersachsen. Niedersächsisches Ministerium f. Ernährung, Landw. u. Forsten, 49
S.
Bibliografía 273
Nielsen, C.C.N., 1990: Einflüsse von Pflanzenabstand und Stammzahlhaltung auf Wurzelform, Wurzel-
biomasse, Verankerung sowie auf die Biomasseverteilung im Hinblick auf die Sturmfestigkeit der
Fichte. Schriften aus der Forstl. Fakultät der Universität Göttingen und der Niedersächsischen
Forstl. Versuchsanstalt, Band 100. J. D. Sauerländer´s Verlag, Frankfurt.
Nielsen, C.C.N., 1995. Report of project “Development of roots and root/shoot-rations”. Air3-CT93-
1269. Unveröffentlicht.
Niggemeyer, P., 1999. Schätzung von Durchmesserverteilungen mit Hilfe von nicht-parametrischen
Methoden. Diplomarbeit, Fakultät für Forstwissenschaften und Waldökologie d. Univ. Göttingen.
Nordrhein-Westfalen, 1991: Waldwirtschaft 2000 - Gesamtkonzept für eine ökologische
Waldbewirtschaftung des Staatswaldes in Nordrhein-Westfalen. Hrsg.: Ministerium für Umwelt,
Raumordnung und Landwirtschaft, Landesforstverwaltung.
Oheimb, G.v., Westpahl, C., Tempel, H. y Härdtle, W., 2005. Structural pattern of a near-natural beech
forest (Fagus sylvatica) (Serrahn, North-east Germany). For. Ecol. Manage. 212, 253-263.
Oohata, S.I., 1986: Some quantitative analysis of tree form. Further extensions to the pipe model theory.
En: Fujimori, T., Whitehead (eds). Crown and canopy structure in relation to productivity. Published
by the Forestry and Forest Products Institute, Ibaraki, Japan.
Ortloff, W. y Schlaepfer, R., 1997: Stickstoff und Waldschäden - eine Literaturübersicht. Allgemeine
Forst- und Jagdzeitung, 167 (9-10): 184-201.
Otto, H.J., 1989: Langfristige ökologische Waldbauplanung für die Niedersächsischen Landesforsten. Aus
dem Walde, Heft 42.
Otto, H.J., 1991: Langfristige ökologische Waldbauplanung für die Niedersächsischen Landesforsten. Aus
dem Walde, Heft 43.
Otto, H.J., 1994: Waldökologie. Verlag Eugen Ulmer, Stuttgart.
Otto, H.J., 1995: Zielorientierter Waldbau und Schutz sukzessionaler Prozesse – eine Diskussion. Forst u.
Holz 50: 203-209.
Otto, H.J., 2002: Antriebskräfte natürlicher Buchenwalddynamik in Europa. Forst und Holz 57 (21): 649-
653.
Ottorini, J.M., 1991. Growth and development of individual Douglas-fir stands for applications to simula-
tion in silviculture. Annales des sciences Forestieres 48, 651-666.
Pardé, J. y Bouchon, J., 1990: Dendrométrie. Ecole Nationale du Genie Rural des Eaux et des Forêts,
Nancy.
Pardé, J., 1961: Dendrométrie. Editions de l’École nationale des Eaux et des Forêts, Nancy. 350 S.
Paterson, S.S., 1962: Introduction to Phytochorology of Norden. Medd. Stat. Skogsforskininginstitut 50:
1-145.
Paulsen, J.C., 1795: Praktische Anweisung zum Forstwesen. Detmold.
Pearson, S. M., Turner, M. G., Gardner, R. H. y O’Neill, R. V., 1996: An organism-based perspective of
habitat fragmentation. En: Szaro y Johnston, 1996: 41-57.
Penning de Vries, F.W.T. y Laar H.H.v, 1982 : Simulation of plant growth and crop production. Pudoc
Centre for Agriculture Publishing and Documentation, Wageningen.
Penttinen, A., Stoyan, D. y Henttonen, H. M., 1994: Marked Point Processes in Forest Statistics. For. Sci.
38 (4): 806-824.
Perpeet, M., 1999: Weniger wäre mehr – waldbauliche Illusion oder Chance? Forst u. Holz 54 (3): 71-74.
Petterson, N., 1954: Die Massenproduktion des Nadelwaldes. Medd. Stat. Skogsforskninginst. 45.
Philip, M.S., 1994: Measuring Trees and Forests. Wallingford, Cab International.
Pielou, E.C., 1977: Mathematical ecology. John Wiley, New York.
Pienaar, L.V. y Harrison, W.M., 1988: A Stand Table Projection Approach to Yield Prediction in
Unthinned Even-Aged Stands. For. Sci., 34(3): 804-808.
Pienaar, L.V., Harrison, W.M. y Rheney, J.W., 1990: PMRC Yield Prediction System for Slash Pine
Plantations in the Atlantic Coast Flatwoods. Plantation Management Research Cooperative. School
of Forest Resources. University of Georgia.
Polomski, J. y Kuhn, N., 2001: Wurzelhabitus und Standfestigkeit der Waldbäume. Forstw. Cbl. 120, 303-
317.
Pommerening, A., 1997: Eine Analyse neuer Ansätze zur Bestandesinventur in strukturreichen Wäldern.
Diss., Fak. f. Forstw. u. Waldökologie, Göttingen. Cuvillier Verlag Göttingen.
Pommerening, A., 2002: Approaches to quantifying forest structures. Forestry 75(3), 305-324.
274 Bibliografía
Pressler, M. R., 1865: Das Gesetz der Stammbildung und dessen forstwirtschaftliche Bedeutung für den
Waldbau höchsten Reinertrags. Arnold Verlag, Leipzig.
Pretzsch, H. y Bossel, H., 1988: Rahmenbedingungen für die Konstruktion forstlicher Wachstumsmodelle
und Simulationsprogramme. AFZ (22), 615- 617.
Pretzsch, H., 1991a: Konzeption und Konstruktion von Wuchsmodellen für Rein- und Mischbestände.
Habilitationsschrift. Universität München.
Pretzsch, H., 1991b: Konzeption einer modellorientierten Mischbestandsforschung. Vortrag anläßlich der
Jahrestagung der Sektion Ertragskunde des Dt. Verb. Forstl. Forschungsanstalten in Treis/Mosel am
13. Mai 1991.
Pretzsch, H., 1992: Konzeption und Konstruktion von Wuchsmodellen für Rein- und Mischbestände.
Schriftenreihe der Forstwissenschaftlichen Fakultät, Universität München, No. 115.
Pretzsch, H., 1993: Analyse und Reproduktion räumlicher Bestandesstrukturen - Versuche mit dem
Strukturgenerator STRUGEN. Schriften aus der Forstl. Fak. d. Univ. Göttingen u. d. Nieders. Forstl.
Vers. Anst., Band 114, J.D. Sauerländer's Verlag, Frankfurt a.M.
Pretzsch, H., 1994: Waldwachstumsforschung in strukturreichen Rein- und Mischbeständen - Unter-
suchungsansatz, Arbeitsschwerpunkte, Kooperationsbedarf. Tagungsbericht der Sektion
Ertragskunde des Dt. Verb. Forstl. Forschungsanstalten: 6-26. Habilitationsschrift.
Pretzsch, H., 1995: Perspektiven einer modellorientierten Waldwachstumsforschung. FwCbl 114: 188-209.
Pretzsch, H. y Kahn, M., 1998: Forschungsvorhaben „ Konzeption und Konstruktion von Wuchs- und
Prognosemodellen für Mischbestände in Bayern“: Abschlußbericht Projekt W28 Teil 2. Konzeption
und Konstruktion des Wuchsmodells SILVA 2.2 – Methodische Grundlagen. Lehrstuhl für
Waldwachstumskunde der Ludwig-Maximilians-Universität München, Freising.
Pretzsch, H., 2001: Modellierung des Waldwachstums. Parey Buchverlag Berlin.
Prodan, M., 1965: Holzmeßlehre. J.D. Sauerländer's Verlag, Frankfurt.
Prusinkiewicz, P. y Lindenmayer, A., 1990: The Algorithmic Beauty of Plants. Verlag Springer, New York.
Puhe, J., 1994: Die Wurzelentwicklung der Fichte (Picea abies [L.] Karst.) bei unterschiedlichen chemischen
Bodenbedingungen. Berichte des Forschungszentrums Waldökosysteme, Reihe A, Band 108,
Göttingen.
Pukkala T. y Kolström T., 1988: Simulation of the Development of Norway Spruce Stands using a Tran-
sition Matrix. For. Ecol. Manage. 25, 255-267.
Puumalainen, J., 1996: Die Beta-Funktion und ihre analytische Parameterbestimmung für die Darstellung
von Durchmesserverteilungen. Arbeitspapier 15-96, Inst. f. Forsteinrichtung, Univ. Göttingen.
Rademacher, P., 2002: Ermittlung der Ernährungssituation, der Biomasseproduktion und der
Nährelementakkumulation mit Hilfe von Inventurverfahren sowie Quantifizierung der
Entzugsgrößen auf Umtriebsebene in forstlich genutzten Beständen. Habilitationsschrift, Univ.
Göttingen.
Ramírez-Maldonado, H., Bailey, R.L. y Borders, B.B., 1988: Some implications of the algebraic difference
form approach for developing growth models. En: Ek, A.R., Shifley, S.R. y Burke, T.E. (Eds): Forest
growth modelling and prediction. USDA For. Serv. Gen. Techn. Rep. NC-120, 731-738.
Rapp, C., 1991: Untersuchungen zum Einfluss von Kalkung und Ammoniumsulfat-Düngung auf
Feinwurzeln und Ektomykorrhizen eines Buchenaltbestandes im Solling. Ber. Forschungszentrum
Waldökosysteme Göttingen A 72.
Raunkiaer, C., 1907: Planterigets Livsformer og deres Betydning for Geografien. Kjöbenhavn, Kristiana.
(Engl. Übersetzung von Gilbert-Carter, H., 1937: Plant life forms. Clarendon press, Oxford.)
Rautiainen, O., 1999: Growth Dynamics and Management of Shorea robusta Forests in Southern Nepal.
Dissertation, Univ. Joensuu.
Raven, P.H., Evert, R.F. y Eichhorn S.E., 1987: Biology of plants. Worth Publishers Inc., New York.
Reed, D.D. y Green, E.J., 1984. Compatible stem taper and volume ratio equations. For. Sci. 30 (4), 977-
990.
Reinecke, L. H., 1933: Perfecting a Stand Density Index for Even-Aged Forests. J. Agric. Res. 46: 627-638.
Remmert, H., 1991: Das Mosaik-Zyklus-Konzept und seine Bedeutung für den Naturschutz – eine
Übersicht. Tagungsbericht „Das Mosaik-Zyklus-Konzept der Ökosysteme und seine Bedeutung für
den Naturschutz“, 6.-9. Sept. 1989; Bayer. Akademie f. Naturschutz u. Landschaftspflege: 5-15.
Rennie, P. J., 1963: Methods of assessing site capability. Commonw. For. Rev. 42: 306-317.
Bibliografía 275
Rennols, K y Smith, W. R., 1993: Zone of Influence Models for Inter Tree Forest Competition. En:
Rennols, K. (ed) 1993: Stochastic Spatial Models in Forestry. Proc of a IUFRO S4.11 Conf. held in
Thessaloniki, Greece; published by The University of Greenwich: 27-36.
Richardson, C.W., 1981: Stochastic simulation of daily precipitation, temperature and solar radiation.
Water Resources Research 17: 182-190.
Riemer, T., Gadow, K.v. y Sloboda, B., 1995: Ein Modell zur Beschreibung von Baumschäften.
Allgemeine Forst- und Jagdzeitung. 166(7), 144-147.
Rièra, B., 1982: Observations sur les chablis, Piste de St. Elie, Guyane. Bulletin de liaison de groupe de
travail sur l’écosystème forestier guyanais, ORSTOM, Cayenne, 6: 165-183.
Rodríguez Soalleiro, R.J., Álvarez González, J.G. y Vega Alonso, G., 1995: Pineiro do Pais - Modelo
dinamico de crecemento de masas regulares de Pinus pinaster Aiton en Galicia. Xunta de Galicia.
Rodríguez Soalleiro, R., Álvarez González, J.G. y Schröder, J., 2000: Simulation and comparison of
silvicultural alternatives for even-aged Pinus pinaster Ait. stands in Galicia (Northwestern Spain). Ann.
For. Sci. 57: 747-754.
Rodríguez Soalleiro, R., Sánchez Rodríguez, F., Gorgoso, J., Castedo, F., López Sánchez, C.A. y Gadow,
K.v., 2002: Evaluating standard treatment options for Pinus radiata plantations in Galicia (north-
western Spain). Forestry 75(3): 273-284.
Rodríguez Soalleiro, R., Balboa Murias, M.A., Álvarez González, J.G. y Merino González, A., 2007:
Evaluation through a simulation model of nutrient exports in fast-growing southern European pine
stands in relation to thinning intensity and harvesting operations. Ann. For. Sci. 64(4), 375-384.
Röhe, P., 1985: Untersuchungen über das Wachstum der Buche in Baden-Württemberg. Schriftenreihe der
Landesforstverwaltung Baden-Württemberg 61.
Rojo, A. y Montero, G., 1996: El Pino Silvestre en la Sierra de Guadarrama. Ministerio de Agriculture,
Pesca y Alimentación, Madrid.
Rojo, A., Perales, X., Sánchez Rodríguez, F., Álvarez González J.G. y Gadow K.v., 2005: Stem taper
functions for maritime pine (Pinus pinaster Ait.) in Galicia (Northwestern Spain). Eur. J. Forest Res.
124(3), 177-186.
Römisch, K., 1983: Ein mathematisches Modell zur Simulation von Wachstum und Durchforstung
gleichaltriger Reinbestände. Dissertation, Universität Tharandt.
Römisch, K., 1995: Durchmesserwachstum und ebene Bestandesstruktur am Beispiel der
Kiefernversuchsfläche Markersbach. DVFFA-Sektion Forstliche Biometrie und Informatik, 8.
Tagung Grillenburg, S. 84-103.
Roschak, C., 1999: Schnellwuchsuntersuchung Lensahn - Eine Untersuchung zur Bedeutung
schnellwachsender Baumarten im naturnahen Waldbau. Projektbericht für Gesellschaft zur
Förderung schnellwachsender Baumarten in Norddeutschland e.V.: 37 S.
Rothe, A., 1997: Einfluss des Baumartenanteils auf Durchwurzelung, Wasserhaushalt, Stoffhaushalt und
Zuwachsleitung eines Fichten-Buchen-Mischbestandes am Standort Höglwald. Forstl.
Forschungsber. München 163.
Rubner, K., 1960: Die pflanzengeographischen Grundlagen des Waldbaus. Neumann, Radebeul.
Rudra, A. B., 1968: A stochastic Model for the Prediction of Diameter Distributions of Even-aged Forest
Stands. OPSEARCH. Journal of the operational Society of India. 5 (2): 59-73.
Rysavy, T. y Roloff, A., 1994: Ursachen der Vereschung in Mischbeständen und Vorschläge zu ihrer
Vermeidung. Forst und Holz 49, 392-395.
Saborowski, J., 1982: Entwicklung biometrischer Modelle zur Sortimentenprognose. Dissertation,
Universität, Göttingen.
Saeki, T., 1963: Light relations in plant communities. En: Evans, L.T. (ed.): Environmental control of
plant growth. Academic Press, New York.
Sánchez Orois, S., Gurjanov, M., Schröder, J., 2001. Analyse des Grundflächenzuwachses gleichaltriger
Fichtenreinbestände. Allgemeine Forst- und Jagdzeitung, 172 (3), 51-59.
Sánchez Orois, S., Kotzé, H. y Corral Rivas, J. J., 2003: Ein kompatibles Modell für die Fortschreibung
von Durchmesserverteilungen. Vortrag anlässlich der Jahrestagung der Sektion Ertragskunde des
Deutschen Verbandes Forstlicher Forschungsanstalten in Torgau am 2. – 4. Juni 2003.
Sánchez-Orois, S. y Vilčko, F., 2002: Generierung, Bewertung und Optimierung von
Managementoptionen für die Vornutzung von Fichtenbeständen. Vortragsmanuskript
Ertragskundetagung im Mai 2002.
276 Bibliografía
Sauter, U.H. y Fahrback, M., 1993: Ästigkeitsverhältnisse und Schnittholzqualität in einem weitständig
begründeten Fichtenbestand. AFZ 48 (17), 875 - 878.
Scheffer, F. y Schachtschabel, P., 1976: Lehrbuch der Bodenkunde. Fischer Verlag, Stuttgart.
Schmid I. y Kazda M., 2001: Vertical distribution and radial growth of coarse roots in oure and mixed
stands of Fagus sylvatica and Picea abies. Can. J. For. Res. 31, 539-548.
Schmidt, M. G. y Carmean, W. H., 1988: Jack pine site quality in relation to soil and topography in North
Central Ontario. Can. J. For. Res. 18: 297-305.
Schmidt, M., 2001: Prognosemodelle für ausgewählte Holzqualitätsmerkmale wichtiger Baumarten. Diss.,
Fak. f. Forstwiss. u. Waldökologie, Univ. Göttingen.
Schmidt, M., Schütz, J.P. y Gadow K.v., 1997: Strukturanalyse in vier Plenterüberführungsbeständen.
Schweiz. Zeitschr. f. Forstw. 148(5), 335-352.
Schmidt, M. y Gadow, K.v., 1999: Baumhöhenschätzung mit Hilfe der bivariaten Johnson’s SBB-
Funktion. Forstw. Cbl. 118, 355-367.
Schmidt, W., 1991: Die Bodenvegetation im Wald und das Mosaik-Zyklus-Konzept. Tagungsbericht „Das
Mosaik-Zyklus-Konzept der Ökosysteme und seine Bedeutung für den Naturschutz“, 6.-9. Sept.
1989; Bayer. Akademie f. Naturschutz u. Landschaftspflege: 16-29.
Schmidt-Vogt, H., 1986: Die Fichte. Paul Parey, Berlin.
Schober, R., 1952: Ausbauchungsreihen. In: Grundner, F., Schwappach, A., 1952: Massentafeln zur
Bestimmung des Holzinhaltes stehender Waldbäume und Waldbestände. 10. völlig neu bearbeitete
Auflage; Hrsg. R. Schober. Paul Parey, Berlin.
Schober, R., 1953: Ertragstafeln und Forsteinrichtung. Forstwissenschaftliches Centralblatt 72: 1-13.
Schober, R., 1972: Die Rotbuche 1971. J. D. Sauerländer's Verlag, Frankfurt.
Schober, R., 1987: Ertragstafeln wichtiger Baumarten. J. D. Sauerländer´s Verlag. Frankfurt.
Schober, R., 1991: Eclaircies par le Haut et Arbres D´avenir. Rev. For. Fr. XLIII: 385-402.
Schober, R., 1994: Darstellung von Durchforstungsgraden. Unveröffentl. Vorlesungsmanuskript. Institut
für Forsteinrichtung und Ertragskunde, Universität Göttingen.
Schober, R., 1995: Ertragstafeln wichtiger Baumarten. J. D. Sauerländer´s Verlag, Frankfurt.
Schönau, A. P. G. y Aldworth, W. J. K., 1991: Site evaluation in black wattle with special reference to soil
factors. S. Afr. For. J. 156: 35-43.
Schönau, A. P. G., 1988: A re-appraisal of a site evaluation study in Black Wattle with special reference to
soil factors. En: Gadow, K.v. (ed.) Research Contributions to Plantation Forestry. Faculty of
Forestry, Stellenbosch: 83-102.
Schönhar, S., 1993: Die Waldbodenvegetation als Standortsweiser. Allgemeine Forst- und Jagdzeitung
164: 173-180.
Schröder, J. y Gadow, K. v., 1999: Testing a new competition index for maritime pine in North-Western
Spain. Can. J. For. Res. 29: 280-283.
Schröder, J., 1998: Beschreibung von Bestandesstrukturen im Knysna-Wald, Südafrika. Diplomarbeit, Fak.
f. Forstwissen. u. Waldökologie, Univ. Göttingen.
Schröder, J., 2001: Analyse der Wuchsdynamik von Pinus pinaster Ait. in Nordwest-Spanien. Cuvillier
Verlag, Göttingen.
Schröder, J., Oliver-Villanueva, J. V., Rojas-Briales, E. y Gadow, K. v., 1995: Zum Höhenwachstum von
Pseudotsuga menziesii (MIRB.) FRA. in Katalonien. FA 66: 214-217.
Schröder, J., Rodríguez, R., y Vega Alonso, G., 2002: An age-independent basal area increment model for
Maritime Pine trees in North-Western Spain. For. Ecol. Manage., 157: 55-64.
Schübeler, D., 1997: Untersuchungen zur standortabhängigen Wachstumsmodellierung bei der Fichte.
Diss. Fak. f. Forstwiss. u. Waldökologie d. Univ. Göttingen.
Schübeler, D., Nagel, J., Pommerening, A. y Gadow, K.v., 1995: Modellierung des standortbezogenen
Wachstums der Fichte. Unveröffentlichtes Manuskript, Institut f. Forsteinrichtung u. Ertragskunde,
Univ. Göttingen.
Schubert, R., 1991: Lehrbuch der Ökologie. Gustav Fischer Verlag, Jena.
Schulze, E.D., 1970: Der CO2 - Gaswechsel der Buche (Fagus sylvatica L.) in Abhängigkeit von den
Klimafaktoren im Freiland. Flora 159, 177-232.
Schumacher, F.X., 1939: A new growth curve and its application to timber yield studies. Journal of
Forestry 37, 819-820.
Schumann, K., 2002: Eingriffsanalyse im Forstamt Bovenden. Unveröff. Manuskript.
Bibliografía 277
Schütz, J.-Ph., 1989: Der Plenterbetrieb. Unterlage zur Vorlesung Waldbau III, ETH Zürich.
Schwappach, A., 1890: Wachstum und Ertrag normaler Fichtenbestände. Julius Springer Verlag, Berlin.
Schwappach, A., 1905: Untersuchungen über die Zuwachsleistungen von Eichen-Hochwaldbeständen in
Preussen. Neumann Verlag., Neudamm. 131 S.
Schwappach, A., 1911: Die Rotbuche. Neumann Verlag, Neudamm.
Seidling, W., 1997: 50 Jahre Vegetationsentwicklung auf einer Schlagfläche im osthessischen Bergland. Fw.
Cbl. 116, 218-231.
Shafer, G. N., 1988: A Site Growth Model for Pinus eliottii in the Southern Cape. S. Afr. For. J. 146: 12-17.
Shafer, G. N., 1989: Site Indicator Species for Predicting Productivity of Pine Plantations in the Southern
Cape. S. Afr. For. J. 148: 7-17.
Shannon, C.E., Weaver, W., 1949: The mathematical theory of communication. University of Illinois
Press, Urbana.
Sharpe, P.J.H., 1990: Forest modelling approaches - compromises between generality and precision. En:
Dixon, Mehldal, Ruark, Warren (Eds.): Process Modelling of Forest Growth Responses to
Environmental Stress; Timber Press, Portland, Oregon: 21-32.
Shugart, H.H., 1984: A theory of forest dynamics: the ecological implication of forest successsion models.
Springer, New York.
Shumway, R. H., 1988: Applied statistical time series analysis. Prentice-Hall, Englewood Cliffs, NJ.
Shvidenko, A., Venevsky, S., Raille, G. y Nilsson, S., 1995. A system for evaluation of growth and mor-
tality in Russian forests. Water, Air and Soil Pollution 82, 333-348.
Sievänen, R., 1993: A process-based model for the dimensional growth of even-aged stands. Scand. J. For.
Res. 8: 28-48.
Skovsgaard, J.P. y Mosing, M., 1996: Bogefoyngelser i Ostjylland. Danish Forest and Landscape Research
Institute.
Sloboda, B., 1971: Zur Darstellung von Wachstumsprozessen mit Hilfe von Differntialgleichungen erster
Ordnung. Mitt. Bad.-Württemb. Forstl. Vers. u. Forsch. Anstalt. Heft 32.
Sloboda, B., 1976: Mathematische und stochastische Modelle zur Beschreibung der Statik und Dynamik
von Bäumen und Beständen – insbesondere das bestandesspezifische Wachstum als stochastischer
Prozeß. Habil.-Schrift, Univ. Freiburg. 310 S.
Sloboda, B., 1984: Bestandesindividuelles biometrisches Schaftformmodell zur Darstellung und zum Ver-
gleich von Formigkeit und Sortimentausbeute sowie Inventur. Tagungsbericht d. Sektion
Ertragskunde, Neustadt.
Smalley, G. W. y Bailey, R. L., 1974: Yield tables and stand structure for shortleaf pine plantations in
Tennessee, Alabama and Georgia highlands. USDA For. Service Res. Paper SO-97.
Smaltschinski, T., 1981: Bestandesdichte und Verteilungsstruktur. Dissertation, Universität Freiburg.
Sonntag, M., 1998: Klimaveränderungen und Waldwachstm – Treedyn Simulationen mit einer Analyse
modellstruktureller Unsicherheiten. Verlag Mainz, Wissenschaftsverlag Aachen.
Soares, P. y Tomé, M., 2002: Height-diameter equation for first rotation eucalypt plantations in Portugal.
For. Ecol. Manage. 166, 99-109.
Souter, R.A., 1986: Dynamic stand structure in thinned stands of naturally regenerated loblolly pine in the
Georgia Piedmont. Ph. D. Thesis. University of Georgia. Athens, GA.
Späth, H., 1973: Spline-Algorithmen zur Konstruktion glatter Kurven und Flächen. Oldenbourg,
München.
Speidel, G., 1972: Planung im Forstbetrieb. Grundlagen und Methoden der Forsteinrichtung. Verlag
Parey, Hamburg und Berlin. 267 S.
Spellmann, H., 1998: Überführung als betriebliche Aufgabe. Forst und Holz, 54 (4): 110-116.
Spiecker, H., 1995: Ein Vergleich natürlicher und pflegebedingter Selektionsprozesse. Mitt. d. Forstl. Vers.
Anstalt Rhld-Pfalz, Nr. 34 161-179.
Spiecker, M., 1994: Wachstum und Erziehung wertvoller Waldkirschen. Mitt. d. Forstl. Vers. u.
Forschungsanstalt Baden-Württemberg, Heft 181.
Sprugel, D.G., 1991: Disturbance, Equilibrium, and Environmental Variability - what is Natural
Vegetation in a Changing Environment. Biological Conserv. 58: 1-18.
Spurr, S. H., 1962: A measure point density. For. Sci. 8: 85-96.
278 Bibliografía
Staupendahl, K., 1997: Ein neues Stichprobenverfahren zur Erfassung und Beschreibung von
Naturverjüngung. Vortrag anlässlich der Jahrestagung der Sektion Forstliche Biometrie und
Informatik des Deutschen Verbandes Forstlicher Versuchsanstalten am 24. 9. 97 in Freiburg.
Staupendahl, K., y Puumalainen, J., 1999: Modellierung des Einflusses von Durchforstungen auf die
Durchmesserverteilung von gleichaltrigen Fichtenreinbeständen. Cbl. ges. Forstw. 116 (4): 249-262.
Staupendahl, K., 2001: Das flächenbezogene Winkelmaß Wf. En: Akça, A, Hoffmann, B., Schumann, K. y
Staupendahl K. (Eds.): Waldinventur, Waldwachstum und Forstplanung – Moderne Technologien,
Methoden und Verfahrensweisen. Festschrift K. v. Gadow. Zohab Verlag, Göttingen: 101-116.
Steingaß, F., 1995: Beschreibung der Schaftprofile von Douglasien. Diplomarbeit, Fachbereich
Forstwissenschaft, Universität Göttingen.
Sterba, H., 1975: Assmann´s Theorie der Grundflächenhaltung und die ”Competition-Density-Rule” der
Japaner Kira, Ando und Tadaki. Cbl. ges. Forstw. 92 (1): 46-62.
Sterba, H., 1981: Natürlicher Bestockungsgrad und Reinecke's SDI. Cbl. ges. Forstw. 98 (2): 101-116.
Sterba, H., 1983: Single stem models from inventory data with temporary plots. Mitt. D. Forstl.
Bundesversuchsanstalt Wien Nr. 147: 87-101.
Sterba, H., 1990: Validitätsprüfung des Einzelbaumsimulators für Fichten-Kiefern-Mischbestände.
Tagungsbericht. Dt. Verb. Forstl. Forschungsanstalten - Sektion Ertragskunde: 101-117.
Sterba, H., 1991: Forstliche Ertragslehre. Lecture Notes.
Sterba, H., 1997: Waldwachstumsforschung – zwischen Erkenntnisdrang und Praxisanspruch. Allgemeine
Forst- und Jagdzeitung 168 (11-12), 227-230.
Sterba, H., 1998: Das Randproblem bei der Erfassung von Strukturparametern. Vortrag am 25. 6. 1998,
Fak. f. Forstw. u. Waldökologie, Univ. Göttingen.
Sterba, H. y Monserud, R.A., 1997: Applicability of the forest stand growth simulator Prognaus for the
Austrian part of the Bohemian Massif. Ecol. Mod. 98: 23-34.
Stöhr, F. K., 1963: Erweiterungsmöglichkeiten der Winkelzählprobe. Diss., Albert-Ludwig-Univ.
Freiburg/Br.
Stoyan, D. y Penttinen, A., 2000: Recent applications of point process methods in forestry statistics.
Statistical Science 15, 61-78.
Struck, G., 1999: Effekte von Pflanzverband, Kulturdüngung und Schlagräumung am Beispiel junger
Traubeneichenbestände. Diss., Fak. f. Forstwiss. u. Waldökologie, Univ. Göttingen.
Sturm, K., 1994: Naturnahe Waldnutzung in Mitteleuropa. Studie im Auftrag von Greenpeace
Deutschland. Duvensee.
Suzuki, T., 1971: Forest Transition as a Stochastic Process. Mitt. FBVA Wien. Heft 91: 137-150.
Suzuki, T., Ohsaki, K., Sato, H. y Yamamoto, Y., 1992: A representation method for todo-fir Shapes
Using Computer Graphics. J. of the Jap. For. Soc. 74 (6), 504-508.
Swindel, B. F., Smith, H. D. y Grosenbaugh, L. R., 1987: Fitting diameter distributions with a hand-held
programmable calculator. Scand. J. For. Res. 2: 325-334.
Szaro, R. C. y Johnston, D. W., 1996: Biodiversity in Managed Landscapes. Oxford University Press.
Teepe, R., Brumme, R. y Beese, F., 2000: Der Einfluß der Bodenverdichtung bei der Holzernte auf den
Austausch der Spurengase CO2, CH4 und N2O. Abschlußbericht zum Forschungsvorhaben der
Deutschen Bundesstiftung Umwelt.
Temesgen, H. y Gadow, K.v., 2003: Generalized Height-diameter Models for Major Tree Species in
Complex Stands of Interior British Columbia. Europ. J. For. Res. 123(1), 45-51.
Thomasius, H., 1963: Untersuchungen über die Brauchbarkeit einiger Wachstumsgrößen von Bäumen
und Beständen für die qualitative Standortsbeurteilung. Archiv für Forstwesen 12 (12): 1267-1323.
Thomasius, H., 1988: Stabilität natürlicher und künstlicher Waldökosysteme sowie deren Beeinflußbarkeit
durch forstliche Maßnahmen. AFZ No. 43: 1037-1043, 1064-1068.
Thomasius, H., 1996: Geschichte, Anliegen und Wege des Waldumbaus in Sachsen. Schriftenreihe d.
Sächs. Landesanst. f. Forsten 6/96: 11-52.
Thomasius, H.O. y Thomasius, H., 1976: Anwendungsbeispiel zu einem Verfahren der Berechnung
ertragskundlich optimaler Bestandesdichtewerte und Diskussion dieses Verfahrens. Informationen
TU Dresden, Sektion Forstwirtschaft, Bereich Waldbau und Forstschutz, Tharandt, 21-76.
Thomasius, H.O. y Thomasius, H., 1978. Ableitung eines Verfahrens zur Berechnung der ertragskundlich
optimalen Bestandesdichte. Beiträge f. d. Forstwirtschaft 12 (79).
Bibliografía 279
Thomasius, H., 1978: Modell des gleichaltrigen Reinbestandes. TU Dresden, Sektion Forstwirtschaft,
Tharandt, II Vorträge: 122-148.
Thomasius, H., 2001: 50 Jahre Arbeitsgemeinschaft Naturgemässe Waldwirtschaft -
Dauerwaldbewirtschaftung. Der Dauerwald, 24: 15-39.
Tomé, M. y Burkhart, H. E., 1989: Distance-Dependent Competition Measures for Predicting Growth of
Individual Trees. For. Sci. 35(3): 816-831.
Tomppo, E., 1986: Models and Methods for Analysing Spatial Patterns of Trees. Communicationes
Instituti Forestalis Fenniae No. 138, Helsinki.
Torres Rojo, J. M. y Brodie, J. D., 1990: Adjacency constraints in harvest scheduling. Can. J. of For. Res.
20: 978-986.
Trincado, G. y Gadow, K.v., 1996: Zur Sortimentschätzung stehender Laubbäume. Clbl. ges. Forstw. 1,
27-38.
Trincado, G., Gadow, K.v. y Tewari, V.P., 1996: Comparison of three stem Profile Equations for Quercus
robur L. South African Forestry Journal 177, 23-29.
Trincado, G., Quezada, P. R. y Gadow, K.v., 2003: A Comparison of two stand table projection methods
for young Eucalyptus nitens (Maiden) plantations in Chile. For. Ecol. Manage. 180: 443-451.
Trincado, G., Kiviste, A. y Gadow, K.v., 2003: Preliminary site index models for native Roble (Nothofagus
obliqua) and Raulí (N. alpina) in Chile. New Zealand J. of Forestry Science 32 (3): 322-333.
Tsubo, M., Walkers, S., 2005: Relationships between photosynthetically active radiation and clearness
index at Bloemfontein, South Africa. Theor. Appl. Climatol. 80, 17–25.
Turner, J., Thompson, C. H., Turvey, N. D., Hopmans, P. y Ryan, P. J., 1990: A soil technical classifi-
cation for Pinus radiata (D. Don) plantations. I. Development. Aust. J. Soil Res. 28: 797-811.
Turton, S.M., 1985: The relative distribution of photosynthetically active radiation within four tree cano-
pies, Craigieburn Range, New Zealand. Austr. For. Res. 15, 363-394.
Turvey, N. D., Booth, T. H. y Ryan, P. J., 1990: A soil technical classification for Pinus radiata (D. Don)
plantations. II. A basis for estimation of crop yield. Aust. J. Soil Res. 28: 813-824.
Ulrich, B., 1986: Stoffhaushalt von Waldökosystemen. Bioelement-Haushalt. Institut für Bodenkunde und
Waldernährung der Universität Göttingen.
Ulrich, B., Pirouzpanah, D., Murach, D., 1984: Beziehungen zwischen Bodenversauerung und
Wurzelentwicklung von Fichten mit unterschiedlich starken Schadsymptomen. Forstarchiv 55, 127-
134.
Ung, C.-H., Raulier, F., Oullet, D. y Dhôte, J.-F., 1997: L’indice de compétition interindividuelle de
Schütz. Can. J. For. Res. 27: 521-526.
Ung, C.H., 1993: Growth and branchiness of Picea mariana (Mill.) BSP. En: Canadian Forest Service
Modelling Working Group. Proc. of the seventh annual meeting and workshop.
Upton, G. y Fingleton, B., 1990: Spatial Data Analysis by Example. John Wiley, New York.
Van der Meer, P. J., 1995: Canopy dynamics of a tropical rain forest in French Guiana. Diss.,
Landbouwuniversiteit Wageningen. Van Laar, A. y Akça, A., 1997: Forest Mensuration. Cuvillier
Verlag Göttingen, 418 pp. ISBN 3-89588-874-5.
Vanclay, J. K., 1989: Site productivity assessment in rainforests: an objective approach using indicator
species. In: Wan Razali Mohd, H.T. Chan, S. Appanah (Editors), Proceedings of the Seminar on
Growth and Yield in Tropical Mixed / Moist Forests, 20-24 June 1988, Kuala Lumpur. Forest
Research Institute, Malaysia: 225-241.
Vanclay, J. K., 1992: Assessing site productivity in tropical moist forests: a review. Forest Ecology and
Management 54: 257-287.
Vanclay, J. K., 1994: Modelling forest growth - applications to mixed tropical forests. CAB International,
Wallingford, UK.
Vanclay, J., 1998: Towards more rigorous assessment of biodiversity. En: Bachmann, P., Köhl, M. y
Päivinen, R., (eds), 1998: Assessment of biodiversity for improved forest planning. Kluwer Academic
Publishers: 211-232.
Van Laar, A. y Akça, A., 1997: Forest mensuration. Cuvillier Verlag. Göttingen.
Verein Deutscher Forstlicher Versuchsanstalten, 1902: Beratungen der vom Vereine deutscher Forstlicher
Versuchsanstalten eingesetzten Kommission zur Feststellung des neuen Arbeitsplanes für
Durchforstungs- und Lichtungsversuche. Allg. Forst- und Jagdzeitung, 78, 180-184.
280 Bibliografía
Walther, H., 1960: Einführung in die Phytologie - III. Grundlagen der Pflanzenverbreitung - 1. Teil:
Standortslehre. Stuttgart.
Wang, Y.P. y Jarvis, P.G., 1990: Description and validation of an array model - MAESTRO. Agricultural
and Forest Meteorology 51: 257-280.
Waring, R.H. y Running, S.W. 1998: Forest ecosystems. Analysis at multiples scales. 2nd Edition. Academic
Press. London.
Webb, L. J., 1959: A physiognomic classification of Australian rainforests. J. Ecol. 47: 551-570.
Wegener, G. 1995: Perspektiven der Holznutzung. FwCbl. 114(2): 97-106.
Weise, W., 1880. Ertragstafeln für die Kiefer. Julius Springer Verlag.
Wenk, G., Antanaitis,S V. y Smelko, S., 1990. Waldertragslehre. Deutscher Landwirtschaftsverlag. Berlin.
Wenk, G., Römisch, K. y Gerold, D., 1985: DDR-Fichtenertragstafel 1984. Technische Universität
Dresden, Sektion Forstwissenschaft, Tharandt.
Wenk, G., 1996: Durchmesserverteilungen im Buchenplenterwald (als Bestandteil des
Forschungsprojektes “Sortenorientiertes Wachstumsmodell”). Tagungsband des Deutschen
Verbandes Forstlicher Versuchs-anstalten. Sektion Ertragskunde, Mai 1996 in Neresheim.
Wensel, L., Meerschaert, W. y Biging, G., 1987: Tree Heigh and Diameter Growth Models for Northern
California Conifers, Hilgardia, University of California, Volume 55, No. 8.
Wiant, H.V., Wood, G.B. y Gregoire, T.G., 1992: Practical guide for estimating the volume of a standing
sample tree using either importance or centroid sampling. For. Ecol. Manage. 49, 333-339.
Wiedemann, E., 1931: Die Rotbuche. Mitteilung aus Forstwirtschaft und Forstwissenschaft.
Wiedemann, E., 1936: Die Fichte. Schaper Verlag, Hannover.
Wiedemann, E., 1942: Der gleichaltrige Buchen-Fichten-Mischbestand. Mitt. a. Forstwirtschaft und Forst-
wissensschaft 13: 1-88.
Wiedemann, E., 1949: Ertragstafeln der wichtigsten Holzarten. Schaper Verlag, Hannover.
Wimmenauer, E., 1914: Ertrags- und Sortimentuntersuchungen im Buchenhochwald. Mitteilungen aus
dem forstlichen Versuchswesen Badens.
Windhager, M., 1999: Evaluierung von vier verschiedenen Waldwachstumssimulatoren. Diss., Universität
für Bodenkultur Wien.
Yang, Y.Ch.U. y Feng, F.L., 1989: The application of parameter prediction models and parameter recovery
methods to the analysis of tree growth and stand structure in Taiwan. Q. Journ. Chin. For., 22(1):53-
71.
Zeide, B., Gresham, C.A., 1991: Fractal dimensions of tree crowns in three loblolly pine plantations of
coastal South Carolina. Can. J. For. Res. 21(8), 1208-1212.
Zeide, B. y Pfeifer, P., 1991: A method for estimation of fractal dimension of tree crowns. For. Sci. 37(5),
1253-1265.
Zenner, E.K. y Hibbs, D.E., 2000: A new method for modelling the heterogeneity of forest structure. For.
Ecol. Manage. 129(1), 75-87.
Zoth, R. y Block, J., 1992: Untersuchungen an Wurzelballen sturmgeworfener Bäume in Reinland-Pfalz.
Forst und Holz 47(18), 566-571.
Zucchini, W., Schmidt, M. y Gadow, K.v., 2001. A model for the diameter-height distribution in an
uneven-aged beech forest and a method to assess the fit of such models. Silva Fennica. 35 (2), 168-
183.