Documentos de Académico
Documentos de Profesional
Documentos de Cultura
wilderquispe163@gmail.com
Introducción
como Tara o Taya, que crece de manera silvestre o cultivada en varios países de la región
sudamericana (Narváez et al., 2009). Ha sido muy empleada por las culturas preincas e
incas en la elaboración de tintes, curtido de pieles así como por sus propiedades
numerosas familias campesinas debido a que se comercializa tanto la vaina del fruto, del
cual se extraen los taninos para la industria de la curtiembre, como la semilla de la que se
alimentaria, así también el embrión (o germen de tara) que se utiliza para la elaboración
El Perú presenta la mayor área de bosques de tara, seguido por Bolivia, Chile, Ecuador y
tara con aproximadamente más del 80% de la producción mundial de este recurso, sin
embargo no logra cubrir la demanda internacional por lo que varios países se han
2009). Conocer los espacios o lugares potenciales para hacer plantaciones en la región
planteo como objetivo: Modelar la distribución potencial de Tara en la región Junín, con
Materiales y métodos
La región Junín está localizado en el centro del Perú, limita por el noroeste con Pasco,
por el noreste con Ucayali, por el sur con Huancavelica y Ayacucho, por el este con Cusco
y por el oeste con Lima (figura 1). Tiene una superficie territorial de 44 197 km2.
los puntos de presencia que caían dentro de la región Junín, también se eliminaron puntos
superpuestos.
Datos climáticos
Cameron, Parra, Jones y Jarvis, 2005). Bio1 es la temperatura media anual (°C); Bio2 es
temperatura; Bio5 es la temperatura máxima del mes más cálido (°C); Bio6 es la
temperatura mínima del mes más frío (°C); Bio7 es el rango anual de temperatura; Bio8
es la temperatura media del cuarto más húmedo (°C); Bio9 es la temperatura media del
trimestre más seco (°C); Bio10 es la temperatura media del trimestre más caluroso (°C);
Bio11 es la temperatura media del trimeste más frío (°C); Bio12 es la precipitación anual
(mm); Bio13 es la precipitación del mes más húmedo (mm); Bio14 es la precipitación del
precipitación del trimestre más lluvioso (mm); Bio17 la precipitación en el trimestre más
seco (mm); Bio18 es la precipitación del trimestre más caluroso (mm); y Bio19 es la
precipitación del trimestre más frío (mm), se obtuvo de WorldClim (Nasa, 2019).
Análisis de datos
acuerdo con las condiciones ambientales (Phillips, Anderson y Shapire, 2006). Los
Evaluación de modelos
Se utilizó el Area Under the Curve (AUC), estadístico que representa el área total bajo la
curva roja del Receiver Operating Characteristic (ROC) y que valida los modelos
elaborados en MaxEnt. Los valores de AUC de 0.5 a 0.7 tienen baja confianza, de 0.7-0.9
tienen aplicación útil en el modelo y los mayores a 0.9 tienen alta confianza (Lobo,
Resultados
(a) (b)
Figura 2. Parte analítica del modelo (a), variables de contribución del proceso de
modelado; (b), análisis del rendimiento del modelo de acuerdo a AUC
Discusiones y conclusiones
De acuerdo a la figura 2(a), nos da a conocer que el Bio18(precipitación del trimestre más
caluroso) tiene un mayor porcentaje de contribución en un 35%, dando a conocer que las
lluvias de verano controlan el desarrollo de Tara, seguido por Bio6 (temperatura mínima
del mes más frío) y la figura 2(b) nos da a conocer el rendimiento del modelo Maxent,
La figura 3, menciona que se trabajó con 21 reportes de Tara, dando a conocer que el
valle del Mantaro y la parte media de la cuenca del rio Tarma son potenciales para hacer
plantaciones de C. spinosa.
WILDER ROLANDO QUISPE ROJAS (2022)
wilderquispe163@gmail.com
Bibliografía
Narváez, A.; Calvo, A.; Troya, A.M. 2009. Las poblaciones naturales de la tara
(Caesalpinia spinosa) en el Ecuador: una aproximación al conocimiento de la
diversidad genética y el contenido de taninos a través de estudios moleculares y
bioquímicos. Serie Investigación y Sistematización No. 7. Programa Regional
ECOBONA-INTERCOOPERATION, Labo-ratorio de Biotecnología Vegetal
Escuela de Ciencias Biológicas Pontificia Universidad Católica del Ecuador
PUCE. Quito. 39 pp.
Villanueva, C. 2007. La Tara el oro verde de los Incas para el mundo. Ediciones AGRUM.
Universidad Nacional Agraria La Molina, Lima, Perú. 163 pp.
Novoa, S.; Ramirez, K. 2007. Evaluación del estado de conservación de la tara
Caesalpinia spinosa en el departamento de Ayacucho. Serie de publicaciones de
Flora y Fauna silvestre. Instituto Nacional de Recursos Naturales, Lima, Perú. 9
pp.
Castell, E.; Carles, J. 2012. Tara (Caesalpinia spinosa): the sustainable source of tannins
for innovative tanning processes. Tesis doctoral. Universidad Politécnica de
Cataluña (UPC), España. 201 pp.
Dodds, R. 2015. Evaluación de proyecto de prefactibilidad para la plantación e instalación
de una planta piloto de extracción de harina y goma de tara (Caesalpinia spinosa)
en Chile. Memoria para optar el título de Ingeniero en Alimentos. Facultad de
Ciencias Quí-micas y Farmaceúticas. Universidad de Chile. 49 pp.
Dostert, N.; Roque, J.; Brokamp, G.; Cano, A.; La Torre, M. & Weigend M. 2009.
Factsheet: Datos botánicos de Tara Caesalpinia spinosa (Molina) Kuntze.
Proyecto Peru Biodiverso PBD. Lima, Perú. 10 pp.
Hijmans, R., Cameron, S., Parra, J., Jones, P. y Jarvis, A. (2005). Superficies climáticas
interpoladas de muy alta resolución para áreas terrestres globales. Revista
Internacional de Climatología, 25(15), 1965-1978. DOI:
https://doi.org/10.1002/joc.1276
Nasa (2019). Imagery by Jesse Allen, Nasa's Earth Observatory, using data from the
General Bathymetric Chart of the Oceans (GEBCO) produced by the British
Oceanographic Data Centre. Recuperado de:
https://visibleearth.nasa.gov/view.php?id=73934
Phillips, S., Anderson, R. y Sphapire, R. (2006). Maximum entropy modeling of species
geographic distributions. Ecological Modelling, 190(3), 231-259. DOI:
https://doi.org/10.1016/j.ecolmodel.2005.03.026
Phillips, S. y Dudík, M. (2008). Modeling of species distribucions with MaxEnt: new
extensions and a comprehensive evaluation. Ecography, 31(2), 161-175. DOI:
https://doi.org/10.1111/j.0906-7590.2008.5203.x
WILDER ROLANDO QUISPE ROJAS (2022)
wilderquispe163@gmail.com
Lobo, J., Jiménez, A. y Real, R. (2007). AUC: a misleading measure of the performance
of predictive distribution models. Global Ecology and Biogeography, 17(2), 145-
151. DOI: https://doi.org/10.1111/j.1466-8238.2007.00358.x