UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS AGRARIAS Y FORESTALES

CARRERA DE INGENIERÍA FORESTAL
DECIMO SEMESTRE

MODULO DE APRENDIZAJE:

Software forestal

TEMA:

Estudio de caso: Evaluación de datos dasométricos de Pinus patula aplicando el

análisis multivariado con software SPSS

DOCENTE:

Ing. Muñoz Marcillo José Luis

ESTUDIANTES RESPONSABLES:
Bravo Velásquez Mirtha Patricia
Escobar Morales Robin Eduardo
Lozano Auquillas Karen Liseth
Ponce Rivera Jurixy Julyn
Vera Carranza Marlon Gabriel
Zambrano Jaime Melissa Lisbeth
Primer ciclo

Período Académico

2022-2023
 INTRODUCCIÓN

En el Ecuador se ha introducido el Pinus patula, pues esta especie es originaria de

México (MAE, 2013), ha sido establecida como una de las alternativas para sitios cuyas

características meteorológicas pueden ser limitantes en el desarrollo de especies de este

género, como es la presencia de neblina persistente.

El conocimiento de la ubicación y estado actual de bosques naturales y plantados en la

región interandina, hace necesario la aplicación de criterios técnicos para seleccionar y

manejar fuentes semilleras. En nuestro país esta actividad está limitada por la existencia de

pocos trabajos de investigación. A ello se suma la poca importancia que se da a la

repoblación forestal con especies valiosas y adaptables como en el caso de P. patula especie

que es muy a las diferentes condiciones edafoclimáticas que tiene el país (Valenzuela, 2009).

En este caso se plantea un pequeño estudio de la especie mencionada en la provincia

de Imbabura, Ecuador, en el cual se ha realizado un ensayo para determinar el

comportamiento de la procedencia de esta especie y como ha ido su desarrollo de acuerdo a

las variables tomadas, para trabajar en el método SPSS de componentes principales.

 Problematización

Actualmente en el Ecuador se ha introducido el P. patula originario de México como

una de las alternativas para sitios cuyas características meteorológicas pueden ser limitantes

en el desarrollo, como es la presencia de neblina persistente. Cabe señalar que P. patula es

resistente a esta condición climática. Por otra parte, se menciona que la regeneración natural

de dicha especie antes mencionada se presenta con mayor frecuencia al pie de arbustos de

Baccharis conferta, supuestamente debido a la protección mecánica que reciben las plántulas

contra el pastoreo (Vizcaíno P. y Pupiales A., 2008).

El mejoramiento genético de Pinus patula a través del establecimiento y manejo de

las fuentes semilleras de clase superior, permitirá a futuro, proporcionar a los usuarios, frutos

y semillas que cumplan con los parámetros de calidad genética, física, fisiológica, y sanitaria,

lo que garantizará la producción de material conocido, el mismo que podrá ser utilizado para

proyectos de forestación y reforestación dentro del país (Vizcaíno P. y Pupiales A., 2008).

 Objetivo general

Evaluar la procedencia de P. patula en la Provincia de Imbabura mediante análisis

multivariado de componentes principales aplicando el método SPSS.

 Objetivos específicos

Evaluar las variables dasométricas de la especie P. patula aplicando el método SPSS.

MARCO CONCEPTUAL
Análisis multivariado

El análisis multivariante es el conjunto de técnicas estadísticas y matemáticas que

permiten el procesamiento simultáneo de las observaciones o datos de varias variables,

encaminado a describir o interpretar un fenómeno bajo estudio (Ramirez et al., 2017).

El análisis multivariado es más común o se encuentran en estudios de causalidad, por

ello debe tener una estrategia partiendo de un buen diseño, que pueda involucrar como

variable dependiente el desenlace y como covariables los supuestos factores causales,

también es importantes los posibles factores confusores, deben ser incluidos en el análisis y

se toman precauciones para evitar posibles sesgos (Sagaró y Zamora, 2020).

La construcción de modelos multivariantes ejerce, pues, un papel importante en el

desarrollo de las diferentes disciplinas basadas en el análisis de datos cuantitativos y requiere,

por lo tanto, una atención especial en la formación de futuros profesionales e investigadores.

Conocer la lógica, las características específicas de las diferentes técnicas disponibles, los

objetivos particulares que permiten lograr y las condiciones en que pueden ser utilizadas son

algunos de los retos importantes a los que nos enfrentaremos en este material (Vargas,

Muñoz, Paba y Ordoñez, 2021).

Este tipo de análisis es parte de la estadística y estudia, analiza, representa e interpreta

todos los datos que se obtienen en la observación de las variables. las variables observables

son homogéneas y correlacionadas, sin que alguna predomine sobre las demás. La

información estadística de un AM es de carácter multidimensional, por tanto, la geometría, el

cálculo matricial y las distribuciones multivariantes juegan un papel fundamental.

También se conoce que la información multivariable es una matriz de datos, matriz de

distancias o similaridades que miden el grado de discrepancia entre los individuos. Cualquier
análisis simultáneo de más de dos variables, puede considerarse análisis multivariable

(Coronados, Viltres y Sistach, 2017).

El mismo autor manifiesta que, además, permite cuantificar el poder de

discriminación en relación con la pertenencia de un sujeto u objeto a tal o cual grupo. Por esta

razón, además de las pruebas de rango, esta técnica también se considera como prueba de

dependencia. De hecho, su propósito es similar al análisis de regresión logística, con la

diferencia de que solo admite variables cuantitativas.

Descripción taxonómica del Pinus patula

Familia. Pinaceae

Nombre Científico. Pinus patula

Nombres comunes. Pino chino, Pino colorado, Pino llorón.

Descripción botánica

Tronco recto y cilíndrico, pueden alcanzar de 20 a 40 m de altura y 40 a 150 cm de

diámetro, copa cónica, corteza papirácea, escamosa y de color rojizo en la parte superior del

tallo y en las ramas, hojas en grupos de 3 y a veces 4, raramente 5 en algunos fascículos,

aciculares, delgadas, verticalmente caídas, color verde claro brillante, con bordes finamente

aserrados, flores en inflorescencias, femeninas muy vistosas de color amarillo cremoso o

anaranjado. fruto conos largamente cónicos, de 7 a 9 cm y a veces hasta 12 cm, sésiles, algo

encorvados, oblicuos, puntiagudos, por lo general agrupados de 3 a 6 (MAE, 2013).

Ecología y distribución de la especie

 Restringido a México oriental de Tamaulipas a Oaxaca. Aunque posee una distribución

natural muy restringida, el pino pátula ha tenido mucho éxito en plantaciones industriales a

través de los trópicos y subtrópicos, incluyendo el sur de África, el subcontinente de la India,

la América del Sur y Australia, destacándose por su buena forma, crecimiento acelerado y

gran tamaño. Se adapta en la formación bosque húmedo y muy húmedo montano bajo (MAE,

2013).

Características edafoclimáticas

Altitud:                         1.400 – 3.200

Precipitación:           700 -1.200 mm

Temperatura:           12 – 18 ° C

Requerimientos edáficos

Prefiere suelos profundos, húmedos, fértiles, bien drenados, pH neutro o ácido, texturas

franco-arenosas a franco-arcillosas (MAE, 2013).

Producción en vivero

Se pueden sembrar en macetas o en semilleros y requieren por lo general de 6 a 12 meses

en el vivero antes de alcanzar un tamaño de 15 a 20 cm para el trasplante al campo.  Como

requerimiento especial se encuentra la micorriza (MAE, 2013).

Fuentes semilleras
 En el cantón Cotacachi, Provincia de Imbabura, se estableció en 1998 un ensayo de

procedencias, en la actualidad se realizan ensayos de progenie con el fin de certificarla como

fuente semillera, obteniéndose porcentajes de germinación del orden del 96%, con buena

calidad de plántula producida (MAE, 2013).

Obtención y manejo de semillas

En Colombia, las procedencias de semilla de Pinus patula más usadas y de mejor

comportamiento en plantación han sido las de Sudáfrica, Provincia de Penhalonga y

Zimbabwe. Los ensayos de procedencias tienen como fin seleccionar cuál es el origen o la

procedencia de semilla más adecuada para un conjunto de condiciones de crecimiento y

requerimientos de uso final. Esta especie está establecida en muchos hábitats y exhibe

frecuentemente patrones de variación estrechamente relacionados con variables físicas y

ambientales (Ospina et al., 2011).

Recolección de conos y semillas.

Esta especie florece tempranamente; es común que las flores femeninas aparezcan al

tercer año, las masculinas a partir del cuarto y las semillas viables a partir del quinto año.

Igualmente, luego del cuarto año hay una producción de conos pequeños llamados

microstróbilos, los cuales son abortados eventualmente. La producción de conos se estabiliza

entre los 8 y los 10 años. En Colombia, la producción de conos es anual, con marcadas

diferencias en la producción de un año con respecto al anterior. En Sudáfrica puede florecer y

producir semilla cada año, en Australia al parecer la fructificación ocurre una vez cada 3 o 4

años (Ospina et al., 2011).

Extracción de semilla y limpieza.

 Los conos deben recolectarse en época seca para facilitar su apertura. Cada cono pesa en

promedio de 36 a 50 g, y el número de semillas por cono es de 200 a 300. Habitualmente se

recolecta una cantidad importante de semillas vanas, debido a que sólo una proporción de

óvulos son fecundados. Un cono puede contener hasta 120 semillas pequeñas, pero de ellas

una alta proporción son semillas vacías, por ello el número de semillas viables por cono varía

entre 22 a 57, de acuerdo al sitio de origen (Ospina et al., 2011).

PROCEDIMIENTO

Los datos son ingresados desde una tabla de Excel creada con las variables que se

ingresaron al programa SPSS.

Se selecciona el archivo de Excel y abrir.

Ilustración 1 Ingresos de datos de Excel al programa SPSS

Datos ingresados al sistema SPSS
Ilustración 2 Vista de datos en SPSS

Al aceptar el paso anterior, obtenemos la vista de datos y también la vista de las

variables que se utilizaron para el ensayo, con esta vista se reflejan los datos que salen en el

programa.

Ilustración 3 Vista de Variables

 Para obtener el análisis se ingresa en: reducción de datos y a análisis factorial, una vez

ahí seleccionamos las variables con las que vamos a trabajar.

Ilustración 4 Ingreso de datos para el análisis factorial

 RESULTADOS – ANÁLISIS FACTORIAL

En el análisis factorial se obtienen las medias y desviaciones estándar de cada variable

en las estadísticas descriptivas. La comunalidad asociada a la variable es la proporción

explicada por los factores considerados, sería igual a 0 si los factores comunes no explicaran

nada la variabilidad y sería igual a 1 si quedase totalmente explicada, mientras tanto la en la

variable de la altura de la primera rama cuenta con una extracción de .751 seguida de DAP

con ,947 y llegando a la menor cantidad de extracción con ,754.

Ilustración 5 Estadísticos descriptivos y Comunalidades.

El gráfico de la varianza asociada a cada factor, se utilizó para determinar cuántos

factores deben retenerse, en el que se muestran los autovalores iniciales, las sumas de las

saturaciones al cuadrado de cada extracción, y la suma de las saturaciones al cuadrado de la

rotación, mientras se reflejan de acuerdo a cada componente.

Ilustración 6 Varianza total explicada

En el gráfico muestra la ruptura entre la pronunciada pendiente de los factores más

importantes y el descenso gradual de los restantes

Ilustración 7 Gráfico de sedimentación

La matriz de componentes estimada a partir de la solución factorial, también muestra

las correlaciones residuales, en el componente 1 se observa que son los componentes

extraídos siendo que la variable HC m la que más extracción tuvo con una cantidad de ,949 y

el HT m la de menor cantidad con ,185.

Ilustración 8 Matriz de componentes
La matriz de componentes rotados en el que se muestra la normalización Varimax en

cada uno de los componentes.

Ilustración 9 Matriz de componentes rotados

 En la matriz de transformación de las componentes, muestra el método de rotación a

través de la normalización Varimax con Kaiser y se detallan los componentes principales,

mientras que en el gráfico de componentes de espacios rotados se muestra cada una de las

variables.

Ilustración 10 Gráfico de las componentes de espacios rotados

En la matriz de coeficientes para el cálculo de las puntuaciones en las componentes

vemos que la de menor cantidad contribuye a la variable de ARB/Ha con -185 para el

componente 1 mientras que en el componente 2 tiene -384 y para el componente 3 tiene -

0.41, mientras que el que mayor contribuye en el componente 1 es VT/ARB de la primera

rama es de ,307, para el componente 2 cuenta con -,069 y el componente 3 con -,039.
Ilustración 11 Matriz de coeficientes para el cálculo y Matriz de Covarianza de las
puntaciones

CONCLUSIÓN

De acuerdo al programa de análisis de datos multivariado se ha podido determinar,

específicamente que la técnica de componentes principales del caso de estudio de los datos

dasométricos de Pinus patula, se permitió resumir en tres componentes principales de

acuerdo a ,767,603 y ,218 de la variabilidad total.

 BIBLIOGRAFÍA

Coronados, Y., Viltres, V., & Sistach, V. (2017). Aplicación de técnicas estadísticas

multivariantes en el análisis de datos. Medicina Física y rehabilitación, 9(2).

MAE. (2013). Ficha Técnica No. 14 Pino (Pinus Patula). Ecuador Forestal. Ministerio Del

Ambiente de Ecuador.

Ospina , C., Hernández, R., Rincón, E., Sánchez, F., Urreaga, J., Rodas, C., . . . Riaño, N.

(2011). Guías silviculturales para el manejo de especies forestales con miras a la

producción de madera en la zona andina colombiana. Cali: Blanecolor S.A.S. .

Ramirez, R., Guevara, F., D’Armas, M., Pena, R., Farias, R., Bravo, F., . . . Castelo, J.

(2017). Análisis Multivariante: Teoría y prácticas de las principales técnicas.

Milagro, Ecuador: Ediciones Holguín S.A.

Sagaró, N., & Zamora, L. (2020). Técnicas estadísticas multivariadas para el estudio de la

causalidad en medicina. Ciencias Médicas, 2(24), 1-14.

Valenzuela, D. (2009). Evaluación del comportamiento de procedencias de Pinus patula

Schlect. et Cham en la Provincia de Imbabura Periodo 2008-2009. Tesis de Ingeniería

Forestal. Universidad Técnica del Norte. Facultad de Ingeniería en Ciencias

Agropecuarias y Forestales. Ibarra, Ecuador. 79 p.

Vargas, J., Muñoz, J., Paba, N., & Ordoñez, N. (2021). Aplicación de la técnica multivariada

Manova a dos variables de control provenientes de tres modelos de simulación

estocásticos de un proceso productivo. Entre Ciencia e Ingenieria, 14(28), 66-75.

doi:https://doi.org/10.31908/19098367.2056