SAF CACAO (1) - Unlocked

Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.
Más información disponible en www.DeepL.com/pro.
sostenibilidad
Artículo
Evaluación de un sistema agroforestal basado en el cacao en el
suroeste de Colombia
William Ballesteros-Possú 1,* , Juan Carlos Valencia 2 y Jorge Fernando Navia-Estrada 1
1 Departamento de Recursos Naturales y Sistemas Agroforestales, Universidad de Nariño, Ciudadela Universitaria

Torobajo, San Juan de Pasto 52001, Colombia; jornavia@gmail.com
2 Facultad de Ciencias Agropecuarias, Universidad Abierta y a Distancia-UNAD, Tumaco 528509, Colombia;
77valencia@hotmail.es
* Correspondencia: wballesterosp@gmail.com; Tel.: +57-315-4019-339
Resumen: Los agrobosques de cacao desempeñan un papel importante en los medios de

subsistencia de los agricultores y en el medio ambiente mundial; sin embargo, a pesar de estos
hechos, sus bajos rendimientos y el envejecimiento de los árboles ponen en riesgo su destino. Este
proyecto investigó el potencial de almacenamiento de carbono, la productividad y la economía de
diferentes arreglos agroforestales de cacao (Theobroma cacao) con árboles de Melina (Gmelina arborea),
en el suroeste de Colombia. Se estableció el experimento bajo un diseño de Bloques Completos
Aleatorizados con siete tratamientos y tres repeticiones. Se probaron diferentes modelos
alométricos. Los modelos alométricos se realizaron para árboles de G. arborea con dbh, entre
30,24 y 50,11 cm. La acumulación total de carbono fluctuó entre 49,2 (Tratamiento 4) y 88,5 t ha-1
(Tratamiento 2), la materia orgánica del suelo (MOS) osciló entre 9 y 17%, la densidad aparente
disminuyó de 0,83 a 0,77 g cm-3. El rendimiento del cacao osciló entre 311 kg ha-1 año-1
(Tratamiento 7, explotación tradicional) y 922 kg ha-1 año-1 (Tratamiento 6). El Tratamiento 6
mostró el mejor rendimiento con un valor actual neto (VAN) de COP 1.446.467 (US $337,6), una tasa
interna de retorno (TIR) de 42%, y una relación costo-beneficio (B/C) de 1,67%. Los beneficios del AFS
Citación: Ballesteros-Possú, W.; también se pusieron de manifiesto en algunas de las propiedades físicas y químicas del suelo. A
Valencia, J.C.; Navia-Estrada, J.F.
pesar de la marginalidad local, estos arreglos agroforestales de cacao son una alternativa viable
Evaluación de un sistema agroforestal
para mejorar los sistemas tradicionales (locales) de cacao porque los arreglos agroforestales de
basado en cacao en el suroeste de
cacao aumentaron el rendimiento del cacao y el almacenamiento de carbono convirtiéndose en una
Colombia. Sostenibilidad 2022, 14,
9447. https://doi.org/
alternativa adecuada para mejorar los sistemas tradicionales.
10.3390/su14159447
Palabras clave: cambio climático; selva tropical; sistemas tradicionales de cacao; modelos
Editor académico: Antonio Boggia alométricos; biomasa arbórea
Recibido: 8 de junio de 2022
Aceptado: 25 de julio de 2022
Publicado: 2 agosto 2022
1. Introducción
Nota del editor: MDPI se mantiene
La seguridad alimentaria y el cambio climático representan una de las amenazas más
neutral con respecto a las
preocupantes para el medio ambiente global y la humanidad debido a los impactos
reclamaciones jurisdiccionales en los
mapas publicados y las
causados en la salud humana, la biodiversidad, la seguridad alimentaria, la economía, los
a f i l i a c i o n e s institucionales.
recursos naturales y las infraestructuras [1]. Estos problemas amenazarán significativamente el
destino humano debido a sus repercusiones sociales, medioambientales y económicas y
al elevado coste de aplicar medidas de adaptación y mitigación [2]. Por ello, la agenda
2030 para los "miembros del Desarrollo Sostenible" llama la atención sobre la necesidad de
Copyright: © 2022 por los autores. proteger el planeta de la degradación y tomar medidas urgentes para hacer frente a los
Licenciatario MDPI, Basilea, Suiza. problemas del cambio climático [3].
Este artículo es un artículo de acceso Afortunadamente, muchos de estos peligros pueden reducirse aumentando la
abierto distribuido bajo los términos y resiliencia y el uso eficiente de los recursos en los sistemas de producción agrícola [4], lo
condiciones de la licencia Creative que mejorará la capacidad de adaptación de los agricultores locales. Del mismo modo, la FAO
Commons Attribution (CC BY) propuso un enfoque de "agricultura climáticamente inteligente" (CSA, por sus siglas en inglés),
(https:// una herramienta para mejorar la productividad agrícola y reducir la variabilidad del
creativecommons.org/licenses/by/ rendimiento a lo largo del tiempo en escenarios climáticos adversos [4,5].
4.0/).
Los GEI podrían mitigarse de dos formas: reduciendo las emisiones antropogénicas
de CO2 o creando y mejorando sumideros de secuestro de carbono [6]. Los sistemas
agroforestales (SAF) y la árboles son un sumidero de C y una alternativa para mitigar el efecto de los sistemas de
mezcla de cultivos y producción agrícola [7] porque integran paisajes agrícolas con
Sostenibilidad 2022, 14, 9447. https://doi.org/10.3390/su14159447 https://www.mdpi.com/journal/sustainability

Sostenibilidad 2022, 14, 9447 2 de 26
comunidades rurales [8]. El AFS, el arte y la ciencia de cultivar con árboles [9,10], es un
sistema multifuncional de uso de la tierra que ofrece servicios medioambientales en
paisajes agrícolas [9,11]. Por ejemplo, los agrobosques de cacao preservan la biota
natural del suelo, controlan la erosión del suelo y proporcionan un uso sostenido de la
tierra manteniendo rendimientos adecuados [12-14].
Estos sistemas pueden secuestrar y almacenar carbono atmosférico en tierras
agrícolas a bajo coste [7,8]. Los cortavientos, los cinturones de protección, los sistemas
silvopastorales, las explotaciones forestales, las zonas de amortiguación ribereñas, las
parcelas forestales, el fomento de la regeneración natural de la vegetación y la
conservación de los bosques contribuyen enormemente a los presupuestos locales de
carbono [11-18].
Los árboles en el AFS también proporcionan numerosos bienes y servicios
ambientales que benefician a los agricultores, los paisajes y la infraestructura y reducen la
susceptibilidad a eventos climáticos extremos, por lo que es una herramienta para los enfoques
de agricultura inteligente [18-23]. Asimismo, la Agroforestería se considera un sistema
sostenible y eficiente de gestión de la tierra, el AFS puede contribuir a la implementación
de 9 de los 17 ODS, y se presta especial atención a la seguridad alimentaria, la
adaptación al cambio climático y su mitigación, y la biodiversidad [24].
Las prácticas ambientalmente sostenibles son una de las mayores prioridades para
los sistemas agrícolas en los trópicos [25,26]. Una visión general de las principales
tecnologías utilizadas actualmente por los cultivadores de cacao, en Colombia, muestra
que el cacao crece bajo sistemas de producción tradicionales [27,28], con baja tecnología,
árboles de cacao viejos y alta sombra. Estas condiciones desencadenan enfermedades
fúngicas como la pudrición helada de la mazorca (Moniliophthora roreri) y la escoba de
bruja (Moniliophthora perniciosa) [29], que reducen sustancialmente los rendimientos de cacao.
En este escenario, las explotaciones tradicionales tienen un rendimiento medio de 300 kg
ha/año [27,30]. Los resultados de varios investigadores concluyen que estos sistemas no
son viables para los cacaocultores [16]; sin embargo, otros investigadores identifican
importantes cobeneficios sociales y económicos de la producción de cacao respetuosa
con el medio ambiente en relación con la reducción del uso de plaguicidas, la
conservación de los recursos, la productividad a largo plazo, la salud del suelo y el
bienestar humano [31].
Por otra parte, el cultivo del cacao está asociado a numerosos problemas
medioambientales, sociales y económicos, como la deforestación, el trabajo infantil y la
pobreza de los agricultores [31], que provocan la presión del público y los consumidores
[32] y una creciente demanda de cacao producido de forma sostenible [33]. Así, los
comerciantes de cacao y las empresas chocolateras han empezado a abordar la
sostenibilidad a nivel de explotación a través de mecanismos de la cadena de suministro
[34].
Las investigaciones anteriores sobre la sostenibilidad del cacao se han centrado sobre
todo en el trabajo infantil en la cadena de valor del cacao [35], el impacto medioambiental y la
relación entre las prácticas agrícolas respetuosas con el medio ambiente y la rentabilidad [36].
El cultivo de cacao a pleno sol es actualmente el sistema de cultivo de cacao más
extendido en el mundo [37]; sin embargo, sus efectos negativos, entre los que se incluyen
la pérdida de biodiversidad, el agotamiento de la fertilidad del suelo y la degradación de la
calidad del suelo, han recibido increíblemente poca atención. Deben estudiarse algunos
propósitos ecológicos para revertir los efectos ecológicos de los sistemas de cacao a pleno
sol.
La asociación T. cacao-G. arborea ha sido poco estudiada en la costa pacífica de Colombia a
pesar de su buen desempeño; por lo tanto, se requiere un mejor entendimiento de sus
efectos económicos y ambientales [30], para ofrecer diferentes estrategias a los tomadores de
decisiones de los cacaocultores sobre los nuevos sistemas de producción de cacao en el país.
Se estima que el potencial de los AFS para almacenar carbono por encima del suelo es de 1,9
× 109 Mg C año-1
intemperados, y 2,1 × 109 Mg C año-1 en biomas tropicales [38]. La acumulación de
carbono en monocultivos de árboles y cultivos muestra un 40% y un 84% menos que el AFS,
lo que demuestra que el AFS es un importante sumidero de carbono en tierras agrícolas
[39-41].
Esta investigación se centra en responder a ¿cuál es el potencial de almacenamiento

de carbono y la rentabilidad de diferentes arreglos agroforestales basados en el cacao en
comparación con los sistemas tradicionales de cacao? Por lo tanto, el objetivo de esta
investigación es evaluar el potencial de los arreglos agroforestales del cacao para
aumentar el rendimiento y el almacenamiento de carbono atmosférico en comparación
con los sistemas tradicionales de cacao. Para ello, era importante comprender el
rendimiento de los arreglos agroforestales con fines de adopción, teniendo en cuenta la
"visión del agricultor" que facilita la aplicación de arreglos agroforestales mejorados
[42].
2. Materiales y métodos
2.1. Área de estudio
La investigación se llevó a cabo en Tumaco, Nariño, suroccidente de Colombia,
ubicado a 01◦39′12′′ de latitud norte y 78◦41′49′′ de longitud oeste (Figura 1). La zona
experimental, ubicada en un Bosque Húmedo Tropical (bh-T) [43] tuvo una temperatura
promedio de 27 ◦C, humedad relativa de 80%, precipitación de 2800 mm/año y un brillo solar
de 1008 h/año [44].
Figura 1. Área de estudio: Consejo Comunitario Rescate Las Varas.
El sistema agroforestal tenía 10 años de antigüedad, se estableció en una parcela

experimental de cuatro ha, con un Diseño de Bloques Completos Aleatorizados (DBCA),
y abarcaba tres bloques y siete tratamientos. Cada unidad de ensayo tenía 1600 m2. La
Tabla 1 ofrece más detalles sobre
tratamientos. Los árboles de G. arborea tienen un dbh comprendido entre 30,24 y 54,11 cm,
y una altura comprendida entre 57,03 cm y 27,61 m, respectivamente.
Tabla 1. Tratamientos, espaciamiento y densidad de árboles de cacao y Melina en el diseño

experimental. Tratamientos, espaciamiento y densidad de árboles de cacao y Melina en el diseño
experimental.
Espaciado (m2)Cacao Árboles/ha Espaciado (m2Melina
) Árboles/ha
Tratamientos
1 3× 3 1111 3×3 1111
2 4× 4 625 4×4 625
3 3× 4 833 8×6 208
4 3× 4 833 12 × 6 139
5 3× 4 833 16 × 6 104
6 3× 4 833 3 × 3 × 7.5 440
7* 7× 7 200 12 × 12 69
* Sistema tradicional de producción de cacao (control).
2.2. Muestreo de árboles

El tamaño de la muestra de árboles fue de 70 (35 de G. melina y 35 de T. cocoa), cinco por
tratamiento elegidos al azar para replicar toda la gama de diámetros y alturas en los
tratamientos. La biomasa arbórea se obtuvo según el enfoque de McDicken, y Picard et
al. [45,46].
Cortamos árboles de Melina (cinco por tratamiento) a ras de suelo e inmediatamente:
(i) separamos cuatro fracciones de biomasa aérea (es decir, tallo, ramas, ramitas y hojas); (ii)
pesamos cada fracción (peso fresco total) utilizando una balanza de campo colgante (modelo
Golden Lark, precisión 200 g), y (iii) recogimos una muestra de 500 g de cada fracción de
biomasa aérea y almacenamos cada muestra en una bolsa de papel, que posteriormente
se pesó en una balanza de precisión (Kern 440-55N, precisión 0,2 g, Ebingen,
Alemania).
En el laboratorio, las muestras se secaron a una temperatura de 64 ◦C hasta que
alcanzaron un
peso constante. El contenido de humedad de la muestra se determinó con la fórmula
(1). Estos valores se extrapolaron a la biomasa de los diferentes componentes de los
árboles cortados; a continuación, utilizando el factor de conversión 0,47 [47] se
obtuvieron las reservas de carbono biomasa-carbono.
Peso f resco total × Peso seco

Biomasa = × 100 (1)
Peso en fresco
2.3. Tratamiento de datos

Se evaluaron un total de 17 modelos; ocho ecuaciones fueron propuestas por diferentes
autores (Tabla 2) y nueve por los autores del estudio. Algunos de estos modelos de regresión
incluían datos transformados para estimar la biomasa basándose en el dbh y la altura del
tronco. Aunque el dbh se utiliza actualmente para la mayoría de las estimaciones de
biomasa locales o regionales, algunos investigadores han sugerido que tanto el dbh como
la altura deberían incluirse para aplicaciones a mayor escala [48,49]. Por ello, incluimos la
altura en algunos modelos para estimar la biomasa en estos árboles de crecimiento
abierto.
Antes y después de evaluar el modelo que mejor se ajustaba a los datos de biomasa
de G. arborea, se comprobó la ho- moscedasticidad (variabilidad constante de los
errores), la normalidad de los errores, la independencia lineal y la linealidad de los
residuos. La homocedasticidad se logró eliminando tres observaciones (valores atípicos)
y aplicando la prueba de Breusch-Pagan para la varianza constante. La normalidad se
alcanzó utilizando los gráficos QQ y la curva normal, en la que se observaron algunos
puntos desviados en las colas, pero que no afectaban a la normalidad. La independencia
lineal se comprobó con el coeficiente de correlación de Pearson, que no fue significativo
entre las variables ex- plicatorias. Por último, la linealidad se cumplió en algunos casos
utilizando el valor exacto de lambda [51] o transformando logarítmicamente las variables
de respuesta. Un factor de corrección nos previno de sesgos en la predicción de biomasa

cuando se utilizan variables transformadas logarítmicamente [52,53] (Ecuación (2)).
SEE2
varianza
CF exp o exp (2)
=
2 2
donde CF es el factor de corrección, SEE el error estándar de la estimación de la regresión y la

varianza es el cuadrado del error cuadrático medio (RMSE2) en forma logarítmica. Por
último, el proceso de validación constó de dos pasos. En primer lugar, la base de datos se dividió
en dos partes, una para la formación, que correspondía al 80% de los datos, y otra para las
pruebas, que conservaba el 20% restante. En segundo lugar, se evaluaron los modelos
competidores finales con el factor de inflación de la varianza (VIF), el R2 y el error medio
cuadrático de predicción (MSPE) [54-56]. Tras seleccionar la ecuación que mejor se
ajustaba, se realizó un análisis gráfico de los residuos de student para comprobar la
normalidad y la heteroscedasticidad de los errores.
Tabla 2. Ecuaciones alométricas utilizadas para estimar el potencial de biomasa de AFS.
Número Autor Ecuación

1 Berkhout bm = a + b × dbh
2 Kopezky bm = a + b × dbh2
3 Hohenadl-Krenn bm = a + b × dbh + c × dbh2
4 Husch Ln bm = a + b × ln dbh
5 Spurr bm = a + b × dbh2 × ht
6 Stoate bm = a + b × dbh2 + c × dbh2 × ht + d × ht
7 Meyer bm = a + b × dbh2 + c × dbh2 × ht + d × dbh2 × h
8 Schumacher-Hall Log bm = a + b × ln dbh + c × ln × ht
9 Brenack Log bm = a + b × dbh + c × 1/dbh
10 Este estudio Sqrt (bm) = a + b × dbh
11 Este estudio bm = a + b ln(dbh) + ln(ht)
12 Este estudio Sqrt (bm) = a + b × dbh + c × ht
13 Este estudio bm = a × exp(b × dbh)
14 Este estudio bm = a × dbhˆb
15 Este estudio bm = a + b ln(dbh))
Fuente: Loetsch et al. [50]. bm = biomasa (kg/árbol) o C (kg/árbol); dbh = diámetro a la altura del pecho (1,30
m), ht = altura total (m); a, b, c, d = parámetros del modelo; ln = logaritmo base e = 2,718282.
Por otra parte, la biomasa aérea del cacao se calculó utilizando una ecuación de
regresión [57] basada en el diámetro del cuello del árbol a 30 cm, como se indica en la
ecuación (3).
LogAGB = -1,625 + 2,626 ∗ log (D30) (3)
donde BSA = biomasa aérea; D30 = diámetro del árbol a 30 cm por encima del suelo.
La biomasa subterránea del cacao se obtuvo con la Ecuación (4) [58].
BGB = exp[-1,0587 + 0,8836 ∗ Ln(AB) (4)
donde BGB = biomasa de raíces (t ha-1); Ln = logaritmo natural; exp: potencia base e.
AB = Biomasa aérea total (t ha−1 ) del cacao En cuanto al
rendimiento del cacao, en todos los tratamientos se midió mensualmente.
2.4. Análisis de datos

El almacenamiento de carbono en el árbol y el rendimiento del cacao se compararon
con el procedimiento ANOVA de una vía y la prueba de Tukey ajustada para detectar
diferencias entre tratamientos. El procesamiento de los datos se realizó con el software
SAS 9.3 y R 3.5.3. (R Core Team, Viena, Austria) [59].
2.5. Análisis económico

El coste de producción y el rendimiento del cacao de cada tratamiento se registraron mensualmente, mientras que
Los árboles de G. arborea se valoraron in situ en 15,79 USD. El análisis económico se realizó sobre
por hectárea a lo largo de un periodo de 10 años utilizando los índices del Valor Actual
Neto (VAN) (5), la Tasa Interna de Rentabilidad (TIR) (6) y la Relación Beneficio-Coste
(RBC) (7).
∑n CFt
VAN = - Co (5)
t=1 (1 + r)t
∑n CFt
TIR = 0 = VAN = - Co (6)
t=1 (1 + r)t
∑ PV bene f its
BCR = (7)
∑ Costes fotovoltaicos
donde:
CFt = entradas-salidas netas de efectivo durante el periodo t
r = tasa interna de rendimiento que podría obtenerse en inversiones alternativas
t = periodo de tiempo en que se
recibe el flujo de caja n = número
de flujos de caja individuales Co =
coste total de la inversión inicial
VP = Valor actual
3. Resultados
3.1. Potencial de almacenamiento de carbono de los sistemas agroforestales
El sistema agroforestal con cacao mostró diferencias estadísticas (Pr < 0,0001) para
el C sobre el suelo almacenado por el sistema agroforestal (T. cacao y G. arborea). El C
más alto para los arreglos de existencias fue el tratamiento 7 (14,02 t Cha-1 año-1),
mientras que para los arreglos mejorados, fue el tratamiento 2 (11,32 t Cha-1 año-1) (Figura
2C). Los resultados de los otros tratamientos oscilaron entre 8,73 y 6,29 tCha-1 año-1; en
consecuencia, el carbono total contabilizado (por debajo y por encima del suelo) por los
sistemas agroforestales en 10 años estuvo entre
140,226 y 62,85 tCha-1 (Figura 2D), lo que equivale a una variación de 14,02 a 6,29 tCha-1 año-
1.
6 8
a a
7
ab
5 ab B
A
G. arborea Carbono sobre el suelo
b 6
T. cacao Carbono sobre el suelo
4
5
b b
3 4 bc
bc bc
c
3 c
2 cd
d
2
(t/ha)
(t/ha)
1
1
0 0
T2 T7 T1 T6 T3 T4 T5 T7 T5 T2 T4 T3 T6 T1
Tratamientos Tratamientos
16
160
a C
G. arborea y T. cacao Carbono por encima y por
a
G. arborea y T. cacao Carbono por encima y por
14 140
D
debajo del suelo (t/ha/10 y)
ab b
debajo del suelo (t/ha)
12 120
10 b b 100 c c
8 c 80 d
c c d d
6 60
4 40
2 20
0
0
T7 T2 T6 T1 T5 T3 T4
T7 T2 T6 T1 T5 T3 T4
Tratamientos
Tratamientos
Figura 2. Potencial de almacenamiento de carbono Potencial de almacenamiento de carbono

sobre el suelo de los sistemas agroforestales de G. arborea (A) y T. cacao (B). Potencial de
almacenamiento de carbono por encima del suelo de los sistemas agroforestales (C), y potencial total
de almacenamiento de carbono por encima y por debajo del suelo del sistema agroforestal (D), a-d:
índices de significación estadística: "Las medias con la misma letra no son significativamente
Sostenibilidad 2022, 14, 9447 diferentes". 9 de 26
El carbono aéreo de G. arborea presentó diferencias estadísticas (p < 0,0001) entre

tratamientos, el tratamiento 2 mostró la mayor cantidad de biomasa almacenada con 5 t
Cha-1 (Figura 2A).
La biomasa aérea de T. cacao también presentó diferencias estadísticas (p < 0,0001) entre
tratamientos. El tratamiento 7 mostró el mayor potencial (6,7 t Cha-1) (Figura 2B). La
diferencia en carbono almacenado por el agrobosque de cacao tradicional comparado con
los arreglos mejorados fue de alrededor del 20%.
3.2. Ecuaciones alométricas de la biomasa

Comparación de diferentes modelos alométricos utilizando datos de muestreos
destructivos
G. arborea, 15 modelos se ajustaron racionalmente bien a los datos, cumpliendo casi todos
los criterios de información (Tabla 3).
Tabla 3. Rendimiento de los distintos modelos alométricos competidores en los índices de criterios de
información.
R2 BIC PRENSA Cp VIF FI

Modelo AIC
1 0.93 399.7 404 560.3 14.4 1.0 3.9
2 0.93 401.6 406.4 55.8 16.5 1.0 59.1
3 0.93 400 405 48.2 5.8 14.5 33.8
4 0.91 399.8 404.5 153.6 2.00 1.0 65.8
5 0.93 70.8 66.00 134. 8 16.4 139.6 59.8
6 0.94 405.5 410.2 0.30 2.80 144.8 19.4
7 0.94 401.6 407.9 0.30 15.2 66.1 3.8
8 0.91 70.8 66.00 155.5 18.7 13.7 67.5
9 0.91 68.8 62.5 150.1 1.80 144.8 65.5
10 0.92 118.0 125.9 143.1 2.80 1.0 62.6
11 0.92 403.5 411.4 134.8 17.4 124.5 60.6
12 0.92 114.6 119.3 147.7 4.80 13.7 63.3
13 0.93 402.9 412.4 155.5 2.60 1.0 7.4
14 0.93 402.8 413.9 134.9 5.60 1.0 33.24
15 0.93 399.8 404.5 160 16.4 1.0 68.7
R2 = coeficiente de determinación; AIC = criterio de información de Akaike; BIC = criterio de información
bayesiano; PRESS = suma de cuadrados residuales previstos; VIF = factor de inflación de la varianza; FI = índice de
Furnival.
Según los resultados de la Tabla 3, se seleccionaron los modelos 1, 2, 4, 10, 13, 14 y

15. Estos modelos presentaban el coeficiente de determinación más elevado, un VIF
inferior a 10, los criterios de información de Akaike (AIC), los criterios de información
bayesianos (BIC), la suma de cuadrados residuales predichos (PRESS), el Cp de Mallows
(Cp), el factor de inflación de la varianza (VIF) y el índice de Furnival (FI) más bajos. Estos
modelos competidores se sometieron a prueba para determinar su precisión mediante el
error cuadrático medio de predicción (MSPE) (Tabla 4). El mejor modelo predictor fue el
de Berkouth, con un MSPE = 5,74, muy próximo al modelo "Este estudio 3".
Tabla 4. Modelos alométricos competidores seleccionados para realizar estimaciones de biomasa de

G. arborea.
Número de Modelo 1 R2 α β MSPE Rango

modelo
1 Berkouth 0.93 -534.339 33.282 5.74 1
14 Este estudio 3 0.93 1.8048 1.6469 5.78 2
4 Husch 0.91 0.3982 1.6982 5.82 3
10 Este estudio 1 0.92 4.64771 0.58219 5.84 4
2 Kopezky 0.93 141.54096 0.39794 5.89 5
15 Este estudio 4 0.93 -4153.61 1346.99 6.11 6
13 Este estudio 2 0.93 164 0.0386 6.21 7
135 árboles para el entrenamiento del modelo y 1 árbol extraído al azar (prueba) sin reemplazo para evaluar la
precisión de cada modelo repetido en 8 árboles diferentes. α, y β son coeficientes de regresión, R2 = coeficiente
de determinación ajustado, MSPE = error cuadrático medio de predicción.
3.3. Rendimiento del cacao

El análisis de la varianza mostró diferencias estadísticas significativas (p > 0,0001)

en el rendimiento de coa por los tratamientos. Los tratamientos 2, 3, 4, 5, 6 y 1
mostraron los mayores rendimientos
(922, 845, 838, 837, 831, 710 kg ha-1) (Figura 3A); el tratamiento 1 presentó el más bajo.
Cuando
se compararon los arreglos mejorados de cacao con los cacaotales tradicionales

(tratamiento 7), los arreglos mejorados mostraron diferencias significativas. El cacaotal
tradicional tuvo el rendimiento más bajo, con una media de 310,67 kg ha-1 año-1.
a
1000 a
1
a a
a a a a A b b B
b
0.8
800 b
Densidad aparente del

600 0.6
Rendimiento de
cacao (kg/ha)
suelo (kg/m2)
400 c 0.4
200 0.2
0 0
T6 T2 T4 T3 T5 T1 T7 1 2 3
Tratamientos Bloquea
Antes Después
6
a
a C
b
5
a b
4
b
Materia orgánica del
3
suelo (%)
0
1 2 3
Bloquea
Antes Después
Figura 3. Rendimiento medio del cacao (A), densidad aparente del suelo (B) y materia orgánica del suelo (C)
en un AFS diferente. a,b,c: Índices de significación estadística: "Medias con la misma letra no son
significativamente diferentes".
También hubo un efecto positivo de todos los AFS en la reducción de la densidad

aparente del suelo (Figura 3B), donde no hubo diferencias significativas en los
tratamientos dentro de los bloques, pero entre los tres bloques estudiados, hubo una
reducción. Esta reducción fue equivalente a una media del 23%. Estos resultados
muestran que el AFS es una alternativa para mejorar la salud del suelo.
En la materia orgánica del suelo (SOM), no hubo diferencias significativas en los
tratamientos dentro de los bloques, pero entre los tres bloques estudiados hubo un
aumento (aprox. 17%) en la cantidad de materia orgánica transferida por el AFS al suelo
(Figura 3C).
3.4. Análisis económico

El análisis económico muestra que todos los tratamientos tuvieron valores positivos
en los indicadores analizados (Tabla 5). Comparado con todos los arreglos mejorados de
cacao, el tratamiento 6 ofrece la mejor rentabilidad con un VAN de 1446,45 (pesos
colombianos-$ COP), una TIR del 42%, y un BCR de 1,67. El tratamiento de menor
rentabilidad fue el tratamiento 2 con un VAN de 1262, una TIR del 25% y un BCR de
1,16. Si se comparan estos valores con los obtenidos por la explotación tradicional de
cacao (tratamiento 7), se observa que la explotación tradicional presenta valores aún más
bajos en estos índices (VAN de 651,65, TIR del 13% y un BCR de 1,02).
Tabla 5. Métricas del análisis financiero para estimar la rentabilidad de los diferentes arreglos
agroforestales en San Luis Robles-Tumaco, Nariño.
Tratamientos VAN1 TIR (%) BCR

1 1,737,024 26 1.14
2 1,262,004 25 1.16
3 1,308,798 30 1.22
4 1,302,763 29 1.20
5 1,287,711 29 1.18
6 1,446,457 42 1.67
7 651,650 13 1.02
VAN1 = Valor Actual Neto (pesos colombianos -$ COP); TIR = Tasa Interna de Retorno; RCB = Relación Beneficio-Coste.
4. Debates
4.1. Carbono almacenado por el AFS
El potencial de captura y almacenamiento de carbono depende de la estructura y las
funciones del marco agroforestal dictadas por diversos factores socioeconómicos y
ambientales [60]. En este estudio, la biomasa total (aérea y subterránea) en todos los
tratamientos fue inferior a la del control (finca de coca tradicional). La explicación
concebible detrás de esto podría ser el efecto de las interacciones microclimáticas en los
sistemas agroforestales basados en cacao, el espaciamiento [61], la edad/diámetro y la
estructura miscelánea de las fincas tradicionales. Se ha reportado que la energía radiante
y la intercepción de la lluvia por el follaje y la temperatura y humedad del aire que rodea
al follaje [62] impactan el crecimiento de las plantas. En este estudio se detectó que los
tratamientos con menos árboles leñosos y cacao (finca tradicional) pero con múltiples
especies del sotobosque creciendo con ellos almacenaban más biomasa. Del mismo
modo, el agrobosque de cacao tradicional era más antiguo que todos los arreglos de cacao
modernos, lo que afectaba al presupuesto de almacenamiento de carbono. A pesar de que
se ha informado de que la plantación de alta densidad (HDP) del cacao alcanza un mayor
rendimiento que las tradicionales (menos de 700 árboles/ha) [63], sus efectos sobre el
almacenamiento de carbono son limitados [64].
Muchos autores informan del potencial de almacenamiento de C por parte de G.
arborea. Por ejemplo, las reservas totales de C de la biomasa (aérea y subterránea) se
quintuplicaron del monocultivo al sistema de árboles de sombra múltiple (de 11 a 57 Mg
ha-1), este aumento se asoció con un incremento de seis veces en la biomasa aérea, pero
sólo de 3,5 veces en la biomasa radicular, lo que indica un claro cambio en la asignación
de C a los órganos arbóreos aéreos con el aumento de la sombra tanto para el cacao como
para los árboles de sombra [65].
La plantación de G arborea almacenó 41,6 t C ha-1 al año y tres meses de edad, en
Costa
Rica [66]; 22.9 t C ha-1 a los seis años, 145.4 t C ha-1 a los nueve años en Madhya Pradesh,
India [67], 8.31 t ha-1 a los tres años en México [61], 15.54 t ha-1 a los cuatro años, en
México [68], 24.39 t ha-1 a los seis años en Colombia y [69], 41.6 t ha-1 a los cinco años
[70]. El potencial de almacenamiento de C de estos resultados varía de 2.77 a 40 t C ha-1,
reflejando el efecto del ambiente, índice de sitio y espaciamiento en el C almacenado por
G. arborea. Por lo tanto, el rango de 16,2 a 20,9 t ha-1 año-1 [71] no abarca la variabilidad
total de G. melina en diferentes escenarios.
El potencial de almacenamiento de carbono de T. cacao en AFS parece situarse en el rango
de los sistemas agroforestales. Por ejemplo, un sistema agroforestal gmelina-cacao de 13
años de edad almacenó 185 Mg C/ha en Filipinas [72], cifra inferior a la de una
plantación pura de gmelina (294 Mg/ha). Esto podría deberse al espaciamiento porque
favorecía el desarrollo de los árboles de cacao. Sin embargo, encontramos que en el caso
opuesto, los árboles del tratamiento 1, a pesar de tener la mayor densidad de plantación (1111
árboles ha-1), reportaron el menor almacenamiento de C con un potencial de 2,36 tCha-1
año-1. Una razón es que posiblemente la alta humedad y la baja luminosidad en el bosque
tropical incrementadas por la densidad de plantación causaron más crecimiento

longitudinal que en diámetro, generando más follaje que madera. El potencial medio de
almacenamiento de C osciló entre 1,7 y
3,3 tCha-1 año-1 [73,74] es inferior al de este estudio.
El cacao plantado en ambientes muy sombríos produce menores tasas de

asimilación de CO2 y menor producción de frutos y biomasa. En cuanto a la
disponibilidad de agua, ya hay informes que indican que las plantas de cacao ajustan su
fisiología [74]. Por lo tanto, la luz y el agua son una
de los factores que pueden favorecer o estresar a las plantas de cacao, convirtiéndose en
un factor importante en el crecimiento de la planta y la tasa fotosintética [75].
El elevado carbono almacenado en este estudio podría explicarse en parte por la
rápida tasa de crecimiento de los árboles y la alta densidad de rodales en algunos de los AFS.
Además, las condiciones del lugar en la zona de estudio favorecen el crecimiento óptimo de G.
arborea y T. cacao. Por lo tanto, parece que el alto requerimiento de nutrientes de G . arborea
[76] es satisfecho adecuadamente por los suelos del á r e a d e estudio. Esto es de esperar ya que
se plantaron en suelos de selva tropical húmeda donde la producción de biomasa es mayor,
y se asocia con suelos con pH > 6 y relación C:N > 20 [71]. Por lo tanto, la materia orgánica del
suelo es un indicador importante de la productividad agrícola y de la resiliencia
medioambiental y es vital para la estabilización de la estructura del suelo, la mejora de la
capacidad de retención de agua y la retención de nutrientes cruciales para las plantas [1].
La introducción de árboles mejora el potencial de las tierras agrícolas para
almacenar carbono orgánico del suelo [9,77-80]. Numerosos autores informan de mayores
reservas de carbono en la agrosilvicultura que en los cultivos de campo [9,81].
Los valores de densidad aparente encontrados en este estudio corroboran los efectos
positivos del AFS en los suelos. Estos valores representan una mejora de la calidad del
suelo en los primeros 20 cm, lo que es muy importante para las plantas del sotobosque
[22].
4.2. Modelos alométricos

Probamos y propusimos modelos de regresión lineal de la raíz cuadrada, el
logaritmo y la potencia de la biomasa utilizando coeficientes extraídos de datos de
biomasa de AFS tropicales. Nuestros modelos óptimos tienen sólo el dbh como variable
independiente, que cumplía todos los parámetros estadísticos [54]. La altura del árbol se
dejó fuera debido a su efecto sobre la multicolinealidad [54]. Los modelos explican más
del 90% de la varianza de la muestra con un MSPE inferior al 7%. Estos resultados están
dentro del rango de los reportados por estudios similares en AFS [11,81]. La variable de
respuesta sin transformación obtuvo la mejor precisión en la predicción de biomasa. Sin
embargo, la función de regresión de potencia (fórmula como: y = a × exp(b × dbh))
tuvo una precisión de predicción muy cercana a los datos sin transformar.
Los modelos alométricos logarítmicos se utilizan en estudios de biomasa arbórea
[79]; en esta investigación, el modelo log-transformado se ajustaba bien a los datos pero
con un R2 más bajo. La ventaja de estos modelos es que pueden derivarse por regresión
lineal y generalizarse más fácilmente que los modelos de regresión lineal o ponderada
[79]. Su desventaja es que la estimación de la suma de componentes no suele ser igual a las
estimaciones de los datos reales y debe ajustarse cuando la variable de respuesta se
transforma logarítmicamente. En este caso, el factor de corrección fue de 1,032. En
algunos casos, la transformación logarítmica de las variables dependientes estabiliza la
varianza y se ajusta bien al modelo cumpliendo los requisitos de los índices de
información [80,81].
La observación inicial fue que todos los modelos generados en este estudio
cumplían los criterios de precisión, teniendo un bajo AIC, BIC, PRESS, IF, IV, y un muy
alto R2 (Tabla 3). Esto indica que la variable independiente (dbh o dbh-height) explicó
muy bien una alta proporción de la variación en C.
Los modelos genéricos cumplían la mayoría de los criterios de información.
Desgraciadamente, cuando se comprobó la inflación de la varianza (VIF) y los índices
R2, algunos fallaron. Los valores altos de VIF superiores a 10 sugieren que las variables
predictoras consideradas en un modelo de regresión están muy correlacionadas entre sí y
son sinónimo de multicolinealidad [80].
Los modelos alométricos mostraron una predicción similar de la biomasa aérea total
con algunos modelos [81], pero discreparon con otros [41,82], que sobrestimaron o
subestimaron la biomasa aérea total para árboles de mayor dbh. Estos resultados llaman
la atención sobre la necesidad de revisar los antecedentes de cada modelo antes de
u t i l i z a r l o . Los dos modelos ganadores obtuvieron los mejores resultados en el proceso de
validación (Tabla 4), pero hay que tomar algunas precauciones al utilizarlos. En este
sentido, antes de utilizar cualquier modelo alométrico, hay que asegurarse de que los
datos están dentro del rango de validez de los modelos seleccionados [41].
De esta llamada se deduce que los modelos alométricos derivados pueden utilizarse
correcta y eficazmente para estimar la biomasa aérea y las reservas de carbono en AFS.
En resumen, existe una atractiva oportunidad para que los agricultores se beneficien
económicamente de la tradicional
y AFS con G. arborea si los cultivadores de cacao pueden acceder a los mercados de
carbono, ya que estos acuerdos tenían un alto potencial para producir servicios
medioambientales.
4.3. Rendimiento del cacao en los acuerdos agroforestales

Los arreglos agroforestales evaluados mostraron variabilidad en el rendimiento del
cacao. Las altas densidades de plantación (menor espaciamiento) aumentaron la humedad
desencadenando enfermedades del cacao y demandando alta mano de obra para
controlarlas [23,27]. Los bajos rendimientos de la explotación tradicional (tratamiento 7)
indican que las explotaciones tradicionales de cacao no son rentables si su único objetivo es el
r e n d i m i e n t o del cacao [23,27]. Sin embargo, si se evalúan como un sistema,
incluyendo todos los bienes y servicios medioambientales como la biodiversidad, los
resultados pueden diferir. En este sentido, algunos cacaocultores afirman que la tendencia
institucional a aumentar la densidad de plantación de cacao va en contra de la visión
tradicional de los agricultores, ya que la baja densidad de cacaoteros (400 árboles ha-1) les
permite el crecimiento de cultivos diversos para su subsistencia [23]. Sin embargo, con
algunas nuevas prácticas, pueden aumentar su rendimiento hasta 1000 kg ha-1
manteniendo estos arreglos tradicionales del cacao [83,84].
En el sistema tradicional, la inversión energética es menor que en los comerciales;
por cada megajulio invertido, se producen 23 (relación 1:23) [27]. Por lo tanto, el balance
energético es muy eficiente. Por término medio, los rendimientos del cacao fueron un
41% superiores en los monocultivos, pero los ingresos derivados de la agrosilvicultura
tradicional del cacao compensaron económicamente esta diferencia. De hecho, el
rendimiento del trabajo a lo largo de los años fue aproximadamente el doble en los
sistemas agroforestales que en los monocultivos [84].
Al analizar el rendimiento en cada uno de los tratamientos, se observa la misma
tendencia, siendo la explotación tradicional la que presenta los valores más bajos. Sin
embargo, en la estación seca, que tuvo lugar en el municipio entre julio y octubre, se
produjo una ligera separación de los tratamientos, lo que sugiere que el sombreado
produjo un efecto diferencial.
Para un buen comportamiento y rendimiento de los sistemas basados en cacao, los
árboles acompañantes deben proporcionar una sombra inferior al 50%; la más
recomendada es del 30% [85] porque una sombra superior al 60% provoca limitaciones en
el rendimiento [86,87]. Sin embargo, el cacao se ha cultivado tradicionalmente bajo
sombra independientemente del rendimiento [86]. En un experimento realizado en
Ghana, se observaron fuertes reducciones del rendimiento debido al s o m b r e a d o . Los
árboles de cacao que crecían a pleno sol tenían un mayor rendimiento que los que
estaban a la sombra [87]. Por el contrario, tanto los científicos como los ecologistas
empiezan a darse cuenta del error que supone este cambio para la ecología de las plantaciones de
cacao [88]. Una cobertura del dosel de hasta el 39% aumentó los rendimientos a nivel de
campo en comparación con el cacao cultivado a pleno sol, pero el aumento de la sombra
por encima de este nivel puede limitar los rendimientos [89,90]. En Camerún, el aumento de la
cobertura del dosel hasta el 47% mejoró el rendimiento, pero por encima del 60% se redujo
el rendimiento del cacao [91].
Por lo tanto, el cultivo a la luz del sol requerirá un manejo más intensivo, incluido
un mayor aporte de fertilizantes [85]. El sombreado puede no ser necesario en todas las
regiones productoras de cacao, su aplicabilidad depende de las condiciones climáticas
locales. Por ello, el control tanto del crecimiento como de la densidad de los árboles de
cacao, el aumento de la aireación, la percepción de la luz y la fertilización [88,92] son
necesarios para aumentar el rendimiento.
4.4. Evaluación económica de los acuerdos agroforestales

La baja rentabilidad de los agrobosques tradicionales de cacao coincide con la
mayoría de los estudios [93]. Éstos indican que los SAF tradicionales basados en el cacao,
con pocas especies forestales y escasas inversiones, generan bajos ingresos. Sin embargo, los
bajos rendimientos, en algunos casos, pueden verse compensados por los elevados precios del
cacao [94]. Se trata de un hallazgo importante, ya que los sistemas de producción
tradicionales/indígenas contribuyen en gran medida al medio ambiente y al bienestar
rural. En otros escenarios, los ingresos derivados de los subcultivos agroforestales,

sobrecompensan económicamente debido al autoconsumo de cultivos acompañantes, c o m o e l
plátano, las frutas, las hierbas y la palma de durazno, entre otros [94,95]. Existe un sesgo
al evaluar los sistemas de producción de cacao porque la mayoría de los estudios se
centran en los rendimientos del cacao sin evaluar cuantitativamente los retornos
económicos de los cultivos acompañantes [86]. Otros inconvenientes para la competitividad
de las explotaciones de cacao son la falta de acceso al mercado y la baja densidad de árboles
(400 por hectárea). Por lo tanto, a pesar de su potencial para aumentar los ingresos de los
agricultores, los productos del cultivo se han destinado principalmente al autoconsumo
[96].
Los resultados muestran que los rendimientos del cacao fueron, de media, un 41%
superiores en la agrosilvicultura mejorada del cacao, pero los ingresos de los cultivos
acompañantes de la agrosilvicultura tienen un gran potencial. La explicación sobre la alta
TIR en el tratamiento 6 podría ser el resultado del óptimo rendimiento de los árboles de
G. arborea bajo estos arreglos de espaciamiento y callejones y que G. arborea es un
árbol demandante de luz solar, resistente a la sequía, que tiene bastante buena tolerancia a
los suelos húmedos [97]. Bajo estas condiciones en la costa pacífica colombiana, los
árboles de G. arborea alcanzaron dbh y alturas superiores a 50 cm y 11 m,
respectivamente, los cuales se vendieron a $70.000 COP, (USD 17,5). De hecho, el mejor
rendimiento económico se obtuvo con una diversidad intermedia (de tres a siete
especies) y una densidad de 100 a 400 plantas compañeras ha-1) [98]. La misma tendencia
se observó en otro estudio en el que el agrobosque de G. arborea era 2-3 veces más
rentable en términos de valor actual neto en comparación con G. arborea, mango o
guandú solos [99]. Al comparar el coste de todos los sistemas mejorados de cacao no se
observaron diferencias significativas; sin embargo, al compararlos con los sistemas
tradicionales las diferencias fueron notables. Los presupuestos agroforestales
tradicionales son muy bajos (1 millón de COP, USD 250, aproximadamente),
especialmente para mano de obra, lo que permite a los agricultores desarrollar
actividades misceláneas y el uso de insumos en finca. Se espera que los sistemas de
producción sostenibles, como la agrosilvicultura y los sistemas gestionados
orgánicamente, produzcan menos cacao, pero los subproductos y los precios superiores,
respectivamente, podrían compensar económicamente los menores rendimientos [84].
La TIR del 41% era alta en comparación con el tipo de descuento de los bancos, pero
no hay información sobre la tasa de descuento.
mación sobre la TIR de otros sistemas agrícolas de la región.
Estos resultados proporcionan una hoja de ruta para optimizar la diversidad y la
densidad de los cultivos con el fin de ajustar el equilibrio económico entre las ventas y el
autoconsumo en los AFS de cacao.
Por último, si se quiere utilizar la agrosilvicultura en los planes de captura y
almacenamiento de carbono, como los mecanismos de desarrollo limpio, se necesita
mejor información para determinar las reservas de carbono por encima y por debajo del
suelo y el carbono del suelo en los paisajes de sistemas agrosilvopastorales [100]. Por lo
tanto, es necesario estimar la biomasa, que es sensible a una disposición específica,
objetivos, espaciamiento, plantas acompañantes y prácticas de gestión. Los SAF evaluados en este
estudio podrían ser una buena alternativa para que el gobierno colombiano cumpla a
cabalidad sus compromisos con la COP 21 y los Objetivos de Desarrollo Sostenible- ODS
[100], o la agenda 2030 en el ODS 13 (acción climática) [101].
Es necesario seguir investigando el impacto de las diferentes formas de integrar
árboles diversos con el cacao en aspectos más amplios de sostenibilidad medioambiental,
social y económica, que están suscitando un creciente interés en los ODS, el cambio
climático y la seguridad alimentaria [102-104]. Asimismo, es necesario diseñar las
estrategias para adoptar [105] estos resultados en la región.
5. Conclusiones
La acumulación de carbono en los distintos arreglos agroforestales fue
estadísticamente diferente. La menor acumulación se produjo en el tratamiento 4 y la
mayor en el tratamiento 2. Para estimar la biomasa producida en los diferentes arreglos
agroforestales, se desarrollaron dos modelos alométricos para G. arborea basados en el dbh. El
rendimiento del cacao mostró diferencias estadísticas significativas en los distintos arreglos.
Los arreglos agroforestales propuestos tuvieron efectos positivos sobre la densidad
aparente del suelo (Da) y la materia orgánica, la primera se redujo y la segunda tuvo un
aumento significativo. Todos los arreglos agroforestales tuvieron beneficios económicos
positivos. En general, el tratamiento 6 presentó los mejores resultados en todos los
índices financieros.
Contribución de los autores: Conceptualización, W.B.-P. y J.C.V.; metodología, W.B.-P., J.C.V. y

J.F.N.-E.; software, W.B.-P.; validación, W.B.-P., J.C.V. y J.F.N.-E.; análisis formal, W.B.-P.; investigación-
.
W.B.-P., J.C.V. y J.F.N.-E.; recursos, J.F.N.-E.; conservación de datos, W.B.-P.; redacción del borrador
original, J.C.V.; redacción, revisión y edición, W.B.-P. y J.F.N.-E.; visualización, J.F.N.-E. y
J.C.V.; supervisión, J.F.N.-E.; administración del proyecto, W.B.-P. y J.C.-E.P. y J.F.N.-E.;
visualización, J.F.N.-E. y J.C.V.; supervisión, J.F.N.-E.; administración del proyecto, W.B.-P.; obtención
de financiación, J.F.N.-E. Todos los autores han leído y aceptado la versión publicada del manuscrito.
Financiación: Esta investigación fue financiada por el Proyecto 'Fondo Colombiano de Ciencia
Tecnología e Innovación-FCTI del Sistema General de Regalías, subvención número BEPIN
2015000100001' y 'El APC fue financiado con bonos de descuento MDPI'.
Declaración de la Junta de Revisión Institucional: No procede.
Declaración de consentimiento informado: No procede.
Agradecimientos: Queremos agradecer a todas las personas que colaboraron en este estudio:
principalmente a los agricultores de la Aldea Rescate las Varas, y a las innumerables personas que
cooperaron desinteresadamente en el trabajo de campo, incluyendo a la asociación de cacaoteros
Cortepaz.
Conflictos de i n t e r e s e s : Los autores declaran no tener ningún conflicto de i n t e r e s e s .
Referencias
1. Wheeler, T.; von Braun, J. Impactos del cambio climático en la seguridad alimentaria mundial. Science 2013, 341, 508. [CrossRef]
[PubMed].
2. IPCC. Climate Change: Informe de síntesis. Contribución de los Grupos de Trabajo I.; II y III al Quinto Informe de Evaluación del
Grupo Intergubernamental de Expertos sobre el Cambio Climático; Equipo principal de redacción, Pachauri, R.K., Meyer, L.A.,
Eds.; IPCC: Ginebra, Suiza, 2014; 151p.
3. Organización de las Naciones Unidas-ONU. Objetivos de Desarrollo Sostenible. Disponible en línea:
https://www.un.org/sustainabledevelopment/ sustainable-development-goals/ (consultado el 23 de enero de 2021).
4. Lipper, L.; Thornton, P.; Campbell, B.; Baedeker, T.; Braimoh, A.; Bwalya, M.; Caron, P.; Cattaneo, A.; Garrity, D.; Henry, K.; et
al. Climate-smart agriculture for food security. Nat. Clim. Chang. 2014, 4, 1068-1072. [CrossRef]
5. FAO. Estudios de caso de agricultura climáticamente inteligente. Enfoques exitosos de diferentes regiones; FAO: Roma, Italia, 2018; 44p.
6. Anguiano, J.M.; Aguirre, J.; y Palma, J.M. Cunnigham y Pennisetum purpureum. Cuba CT-115. Av. Investig. Agropecu.-Aia 2013,
17, 149-160.
7. Udawatta, R.P.; Jose, S. Carbon sequestration potential of agroforestry practices in temperate North America. En Carbon
Sequestration Potential of Agroforestry Systems: Opportunities and Challenges, Advances in Agroforestry, 1ª ed.; Kumar, B., Mohan Nair,
P.K.R., Eds.; Springer: Dordrecht, Países Bajos, 2011; Volumen 17, pp. 17-42.
8. Pardos, J.A. Los Ecosistemas Forestales y el Secuestro de Carbono Ante el Cambio Climático; Instituto Nacional de Investigación y
Tecnología Agraria y Alimentaria (INIA): Madrid, España, 2010; 253p.
9. Van Noordwijk, M.; Coe, R.; Sinclair, F.L. Central Hypotheses for the Third Agroforestry Paradigm within Common Definition; Working
Paper, No 233; World Agroforestry Center (ICRAF) Southeast Asia Regional Program: Bogor, Indonesia, 2016. Disponible en línea:
https://www.cabdirect.org/cabdirect/abstract/20163398164 (consultado el 8 de febrero de 2021).
10. Torquebiau, E. Una perspectiva renovada de los conceptos y la clasificación de la agrosilvicultura. Life Sci. 2000, 323, 1009-1017.
[CrossRef]
11. Nair, P.K.R. Estudios de secuestro de carbono en sistemas agroforestales: A reality-check. Agrofor. Syst. 2012, 86, 243-253. [CrossRef]
12. Alvarado, J.; Andrade, H.; Segura, M. Almacenamiento de carbono orgánico en suelos en sistemas de producción de café (Coffea
arabica L.) en el municipio del Líbano, Tolima, Colombia. Colomb. For. 2013, 16, 21-31.
13. Nair, P.K.R.; Nair, V.D.; Kumar, B.M.; Showalter, J. Secuestro de carbono en sistemas agroforestales. Adv. Agron. 2010, 108, 237-
307. [CrossRef]
14. Brandle, J.R.; Hintz, D.L.; Sturrock, J.W. Windbreak Technology; Elsevier: Amsterdam, Países Bajos, 1988; 598p.
15. Koohafkan, P.; Altieri, M.A. Sistemas del patrimonio agrícola de importancia mundial: Un legado para el futuro; ONU-FAO: Roma,
Italia, 2010; 41p.
16. Arévalo-Gardini, E.; Canto, M.; Alegre, J.; Loli, O.; Julca, A.; Baligar, V. Changes in soil physical and chemical properties in long
term improved natural and traditional agroforestry management systems of cacao genotypes in Peruvian Amazon. PLoS ONE 2015,
10, e0132147. [CrossRef]
17. Arias, R.M.; Heredia, A.G. Diversidad fúngica en sistemas de cafetales y en un bosque tropical montano de niebla en
Veracruz, México. Agrofor. Syst. 2014, 88, 921-933. [CrossRef]
18. Solis, R.; Vallejos-Torres, G.; Arévalo, L.; Marín-Díaz, J.; Ñique-Alvarez, M.; Engedal, T.; Bruun, T. Carbon stocks and the use of
shade trees in different coffee growing systems in the Peruvian Amazon. J. Agric. Sci. 2020, 158, 450-460. [CrossRef]
19. Mortimer, R.; Saj, S.; David, C. Apoyo y regulación de los servicios ecosistémicos en los sistemas agroforestales de cacao.
Agrofor. Syst. 2018,
92, 1639-1657. [CrossRef]
20. Saj, S.; Durot, C.; Mvondo Sajouma, K.; Tayo Gamo, T.; Avana-Tientcheu, M.L. Contribución de los árboles asociados a la
conservación a largo plazo de las especies, el almacenamiento de carbono y la sostenibilidad: A functional analysis of tree
communities in cacao plantations of Central Cameroon. Int. J. Agr. Sustain. 2017, 15, 282-302. [CrossRef]
21. Toledo-Hernández, M.; Wanger, T.C.; Tscharntke, T. Polinizadores olvidados: ¿Pueden mejorar los servicios de polinización
el rendimiento del cacao? A review. Agr. Ecosyst. Environ. 2017, 247, 137-148. [CrossRef]
22. Murray, N.R.M.; Bojórquez, S.J.; Hernández, J.A.; Orozco, M.G.; García, J.D.; Gómez, A.R.; Ontiveros, G.H.; Aguirre, O.J. Efecto
de la materia orgánica sobre las propiedades físicas del suelo en un sistema agroforestal de la llanura costera norte de Nayarit,
México. Rev. Bio Cienc. 2011, 1, 27-35.
23. Schroth, G.; Jeusset, A.; da Silva Gomez, A.; Florence, C.T.; Pinto Coelho, A.; Faria, D.; Laderach, P. Climate friendliness of cocoa
agroforests is compatible with productivity increase. Mitig. Adapt. Glob. Chang. 2016, 21, 67-80. [CrossRef]
24. Andersson, L. La consecución de los objetivos mundiales a través de la agrosilvicultura. Stocolm. Disponible en línea:
http://agroforestrynetwork.org. hemsida.eu/wp-content/uploads/2018/09/Achieving-the-Global-Goals-through-agroforestry.pdf
(consultado el 18 de julio de 2022).
25. Harvey, C.A.; Komar, O.; Chazdon, R.; Ferguson, B.G.; Finegan, B.; Griffith, D.M.; Martinez-Ramos, M.; Morales, H.; Nigh, R.;
Soto-Pinto, L.; et al. Integrating agricultural landscapes with biodiversity conservation in the Mesoamerican hotspot. Conserv.
Biol. 2008, 22, 8-15. [CrossRef]
26. Nair, P.K.R. Sistemas agroforestales y calidad medioambiental: Introducción. J. Environ. Qual. 2011, 40, 784-790. [CrossRef]
27. Preciado, O.; Ocampo, C.; Possú, W.B. Caracterización del sistema de producción tradicional de cacao de cacao (Theobroma cacao
L.) en seis núcleos productivos del municipio de Tumaco, Nariño. Rev. Cienc. Agrícolas 2011, 20, 58-69.
28. Espinosa-Alzate, J.A.; Ríos-Osorio, L.A. Caracterización de sistemas agroecológicos para el establecimiento de cacao (Theobroma
cacao L.); en comunidades afrodescendientes del Pacífico Colombiano (Tumaco-Nariño, Colombia). Acta Agronómica 2016, 65,
211-217. [CrossRef]
29. Cardenas-Pardo, N.J.; Darghan, A.; Sosa-Rico, M.D.; Rodriguez, A. Análisis espacial de la incidencia de enfermedades en
diferentes genotipos de cacao (Theobroma cacao L.) en Yopal (Casanare); Colombia. Acta Biol. Colomb. 2017, 22, 209-220.
[CrossRef]
30. Agronet. Estadísticas Agropecuarias, Cacao, Producción, Participación de Rendimiento en el Departamento. Disponible en
línea: https://www.agronet.gov. co/Documents/6-CACAO_2017.pdf (consultado el 8 de febrero de 2021).
31. Tennhardt, L.; Lazzarini, G.; Weisshaidinger, R.; Schader, C. ¿Rinden las explotaciones de cacao respetuosas con el medio ambiente
beneficios colaterales sociales y económicos ? Ecol. Econ. 2022, 197, 107428. [CrossRef]
32. Fountain, A.; Huetz-Adams, F. Barómetro del cacao. 2018. Disponible en línea: https://voicenetwork.cc/wp-
content/uploads/2019/0 7/2018-Cocoa-Barometer.pdf (consultado el 18 de julio de 2022).
33. Mithöfer, D.; Roshetko, J.M.; Donovan, J.A.; Nathalie, E.; Robiglio, V.; Wau, D.; Blare, T. Unpacking 'sustainable' cocoa: ¿Tienen
en cuenta las normas de sostenibilidad, los proyectos de desarrollo y las políticas las preocupaciones de los productores en
Indonesia, Camerún y Perú? Int. J. Biodivers. Sci. Ecosyst. Serv. Manag. 2017, 13, 444-469. [CrossRef]
34. Meier, C.; Sampson, G.; Larrea, C.; Schlatter, B.; Voora, V.; Dang, D.; Bermúdez, S.; Wozniak, J.; Willer, H. The State of
Sustainable Markets 2020: Statistics and Emerging Trends; ITC: Ginebra, Suiza, 2020.
35. Grabs, J.; Carodenuto, S.L. Los comerciantes como actores de la gobernanza de la sostenibilidad en las cadenas mundiales de
suministro de alimentos: A research agenda. Strateg. Environ. 2021, 30, 1314-1332. [CrossRef]
36. Busquet, M.; Bosma, N.; Hummels, H. Una perspectiva multidimensional del trabajo infantil en la cadena de valor: El caso de
la cadena de valor del cacao en África Occidental. World Dev. 2021, 146, 105601. [CrossRef]
37. Ebagnerin Tondoh, J.; N'guessan Kouamé, F.; Martinez Guéi, A.; Sey, B.; Wowo Koné, A.; Gnessougou., N. Cambios ecológicos
inducidos por el cultivo del cacao a pleno sol en Costa de Marfil. Glob. Ecol. Conserv. 2015, 3, 575-595. [CrossRef]
38. Goswami, S.; Verma, K.S.; Kaushal, R. Biomass and carbon sequestration in different agroforestry systems of a Western Himalayan
watershed. Biol. Agric. Hortic. 2013, 30, 88-96. [CrossRef]
39. Oelbermann, M.; Voroney, R.P.; Gordon, A.M. Secuestro de carbono en sistemas agroforestales tropicales y templados: A
review with examples from Costa Rica and southern Canada Agriculture. Ecosyst. Environ. 2004, 104, 359-377. [CrossRef]
40. Dhyani, S.K.; Ram, A.; Dev, I. Potential of agroforestry systems in carbon sequestration in India. Indian J. Agric. Sci. 2016,
86, 1103-1112.
41. Ballesteros Possu, W.; Brandle, J.R.; Domke, G.M.; Schoeneberger, M.; Blankenship, E. Estimating carbon storage in windbreak
trees on U.S. agricultural lands. Agrofor. Syst. 2016, 90, 889-904. [CrossRef]
42. Chirwa, P.W.; Mala, W. Árboles en el paisaje: Towards the promotion and development of traditional and farm forest
management- ment in tropical and subtropical regions. Agrofor. Syst. 2016, 90, 555-561. [CrossRef]
43. Holdridge, L. Ecología Basada en Zonas de Vida; IICA: San José, Costa Rica, 1982; p. 216.
44. Instituto de Hidrología, Meteorología y Estudios Ambientales-IDEAM. Cartas Climatológicas del Aeropuerto la Florida, Tumaco. Nariño.
Disponible en línea: www.ideam.gov.co (consultado el 10 de marzo de 2020).
45. MacDicken, K.G. Guía para el seguimiento del almacenamiento de carbono en proyectos forestales y agroforestales. Informe del programa de
seguimiento del carbono forestal; Winrock Internationl Institute for Agricultural Development: Arlington, VA, EE.UU., 1997; p. 92.
46. Picard, N.; Saint-André, L.; Henry, M. Manual for Building Tree Volume and Biomass Allometric Equations: From Field Measurement to
Prediction; Organización de las Naciones Unidas para la Agricultura y la Alimentación: Roma, Italia; Centre de Coopération
Internationale en Recherche Agronomique pour le Développement: Montpellier, Francia, 2012; p. 215.
47. Skog, K.E.; Nicholson, G.A. Ciclo del carbono a través de los productos de la madera: The role of wood and paper products in carbon
sequestration.
Para. Prod. J. 1998, 48, 75.
48. Jenkins, J.C.; Birdsey, R.A.; Pan, Y. Biomass and NPP estimation for the mid-Atlantic region (USA) using plot-level forest
inventory data. Ecol. Appl. 2001, 11, 1174-1193. [CrossRef]
49. Crow, T.R. Biomasa y producción en tres bosques contiguos del norte de Wisconsin. Ecology 1978, 59, 265-273. [CrossRef]
50. Loetsch, F.; Zohrer, F.; Haller, K.E. Inventario forestal; BLV Verlagsgesellschaft: Munchen, Alemania, 1973; p. 469.
51. Box, G.E.P.; Cox, D.R. Un análisis de las transformaciones. J. R. Stat. Soc. Ser. B 1964, 26, 211-252. [CrossRef]
52. Furnival, G.M. Un índice para comparar las ecuaciones utilizadas en la construcción de tablas de volumen. For. Sci. 1961, 7, 337-341.
53. Nakamura, T.; Judd, K.; Mess, M.I.; Small, M. A comparative Study of Information Criteria for Model Selection. Disponible en línea:
http://staffhome.ecm.uwa.edu.au/~{}00027830/pdf/IJBC16-2.pdf (consultado el 9 de febrero de 2021).
54. Kutner, M.H.; Nachtsheim, C.J.; Neter, J. Applied Linear Regression Models, 4ª ed.; Irwin Inc: Nueva York, NY, EE.UU., 2004; p.
701.
55. Whitesell, C.D.; Miyasaka, S.C.; Strand, R.F.; Schubert, T.H.; McDuSe, K.E. Equations for Predicting Biomass in 2- to 6-year-old
Eucalyptus Saligna in Hawaii; USAD Forest Service Research Notes, PSW-402; Pacific Southwest Forest and Range Experiment
Station: Albany, CA, USA, 1988; p. 5.
56. Busing, R.T.; Clebsch, E.E.C.; White, P.S. Biomass production of southern Appalachian cove forests reexamined. Can. J. For. Res.
1993, 23, 60-65. [CrossRef]
57. Andrade, H.; Segura, M.; Somarriba, E.; Villalobos., M. Valoración biofísica y financiera de la fijación de carbono por uso del
suelo en fincas cacaoteras indígenas de Talamanca, Costa Rica. Agroforestería En Las Américas 2008, 46, 45-50.
58. Cairns, M.A.; Brown, S.; Helmer, E.H.; Baumgardner, G.A. Root biomass allocation in the world's upland forests. Oecologia 1997,
111, 1-11. [CrossRef]
59. R Core Team. R: A Language and Environment for Statistical Computing; R Foundation for Statistical Computing: Viena, Austria,
2013. Disponible en línea: https://www.R-project.org/ (consultado el 9 de febrero de 2020).
60. Albrecht, A.; Kandji, S.T. Secuestro de carbono en sistemas agroforestales tropicales. Agric. Ecosyst. Environ. 2003, 99, 15-27.
[CrossRef]
61. Telles Antonio, R.; Alanís Rodríguez, E.; Jiménez Pérez, J.; Aguirre Calderón, O.A.; Treviño Garza, E.J. Estimación del carbono
acumulado en Gmelina arborea Roxb. de Tlatlaya.; Estado de México con ecuaciones alométricas. Rev. Mex. Cienc. For. 2019, 10,
135-153. [CrossRef]
62. Monteith, J.; Chin, L.; Ong, K.; Corlett, J.E. Interacciones microclimáticas en sistemas agroforestales. For. Ecol. Manag. 1991, 45,
31-44. [CrossRef]
63. Ayegboyin Kayode, O.; Famaye Amos, O.; Adeosun Seun, A.; Idrisu, M.; Ugioro, O.; Asowata, F.E.; Okunade Favour, A. Effect of
high density planting on the vigour and yield of Theobroma cacao L. in the Southwest of Nigeria. World J. Adv. Res. Rev. 2020, 8,
217-223. [CrossRef]
64. Spaggiari Souza, C.A.; dos Santos Dias, L.A.; Galeas Aguila, M.A.; Songheti, S.; Oliveira, J.; Andrade Costa, J.L. Cacao yield in
different planting densities. Braz. Arch. Biol. Technol. 2009, 52, 1313-1320. [CrossRef]
65. Abou Rajab, Y.; Leuschner, C.; Barus, H.; Tjoa, A.; Hertel, D. Cacao cultivation under diverse shade tree cover allows high carbon
storage and sequestration without yield losses. PLoS ONE 2016, 11, e0149949. [CrossRef] [PubMed]
66. Vega, Y. Análisis mensual de acumulación de biomasa y fijación de carbono en una plantación de Gmelina arborea Roxb. Los
Chiles, Alajuela, Costa Rica. Tesis de doctorado, Ingeniero forestal-Instituto tecnológico de Costa Rica, Escuela de Ingeniería
Forestal Costa Rica, Alajuela, Costa Rica, 2016; p. 39.
67. Bohre, P.; Chaubey, O.P.; Singhal, P.K. Biomass Accumulation and Carbon Sequestration in Tectona grandis Linn. f. and Gmelina
arborea Roxb. Int. J. Bio-Sci. Bio-Technol. 2013, 5, 153-174.
68. Cámara, C.D.C.; Arias, M.; Martínez, S.J.L.; Castillo, A.O. Carbono almacenado en selva mediana de Quercus oleoides y
plantaciones de Eucalyptus urophylla y Gmelina arborea en Huamanguillo, Tabasco. En Estado Actual del Conocimiento del Ciclo del
Carbono y Sus Interacciones en México: Síntesis a 2013; Pellat, F.P., Julio, W.G., Maira y, B., Saynes, V., Eds.; Universidad
Autónoma de Chapingo: Texcoco, México, 2013; p. 702.
69. Melo Cruz, O.A. Modelación del Crecimiento; Acumulación de Biomasa y Captura de Carbono en Árboles de Gmelina
arborea Roxb., Asociados a Sistemas Agroforestales y Plantaciones Homogéneas en Colombia. Tesis de Doctorado, Facultad
de Ciencias Agrarias, Universidad Nacional de Colombia, Sede Medellín, Medellín, Colombia, 2015; 166p.
70. Patiño Forero, S.; Suárez Santos, L.N.; Andrade Castañeda, H.J.; Segura Madrigal, M.A. Captura de carbono en biomasa en
plantaciones forestales y sistemas agroforestales en Armero-Guayabal, Tolima, Colombia. Rev. De Investig. Agrar. Y Ambient. 2018,
9, 121-134. [CrossRef]
71. Onyekwelu, C.J. Above-ground biomass production and biomass equations for even-aged Gmelina arborea (ROXB) Plantations in
South-Western Nigeria. Biomass Bioenergy 2004, 26, 39-46. [CrossRef]
72. Lasco, R.; Come, R.; Estrella, R.; Saplaco, S.R.; Castillo, A.S.A.; Cruz, R.; Pulhin, F. Carbon stock assessment of two agroforestry
systems in a tropical forest reserve in the Philippines. Philipp. Agric. Sci. 2001, 84, 401-407.
73. Owusu, S.; Anglaaere, L.C.N.; Abugre, S. Aboveground biomass and carbon content of a cocoa-Gliricida sepium agroforestry
system in Ghana. Ghana Jnl Agric. Sci. 2018, 53, 45-60. [CrossRef]
74. Aristizábal, J.; Guerra, A. Estimación de la Tasa de Fijación de Carbono en el Sistema Agroforestal Nogal Cafetero Cordia
alliodora, cacao Theobroma cacao y Plátano Musa paradisíaca. Tesis de Doctorado, Ingeniero Forestal, Universidad Distrital, Bogotá,
Colombia, 2002; 108p. Disponible en línea: http://www.sidalc.net/repdoc/a4836e/a4836e.pdf (consultado el 8 de febrero de 2021).
75. Vespa, A. Relaciones Hídricas e Intercambio de Gases en Theobroma cacao var. Guasare Bajo Períodos de Déficit Hídrico. Rev.
Fac. Agron. Univ. Zulia 2008, 2, 112-120.
76. Chijioke, E.O. Impart on Soils of Fast Growing Species in Lowland Humid Tropics; FAO Forestry Paper, No.21; Food and Agricultural
Organization: Roma, Italia, 1980; 111p.
77. Schoeneberger, M.M. Agroforestería: Árboles de trabajo para el secuestro de carbono en tierras agrícolas. Agrofor. Syst. 2009,
75, 27-37. [CrossRef]
78. Ruiz-Blandon, B.A.; Hernández-Álvarez, E.; Rodríguez-Macias, R.; Salcedo-Pérez, E. Evaluación de la mensuración y
producción de biomasa en Gmelina arborea Roxb. ex Sm. establecida en rodales puros y mixtos. Rev. Mex. Cienc. For. 2020,
11, 94-117. [CrossRef]
79. Claesson, S.; SahlTen, K.; Lundmark, T. Functions for biomass estimation of young Pinus sylvestris, Picea abies and Betula spp
from stands in Northern Sweden with high sand densities. Scand. J. For. Res. 2001, 16, 138-146. [CrossRef]
80. Nam, V.T.; van Kuijk, M.; Anten, N.P.R. Allometric equations for aboveground and belowground biomass estimations in an
evergreen forest in Vietnam. PLoS ONE 2016, 11, e0156827. [CrossRef]
81. Somarriba, E.; Cerda, R.; Orozco, L.; Deheuvels, O.; Cifuentes, M.; Dávila, H.; Espin, T.; Mavisoy, H.; Ávila, G.; Alvarado, E.; et
al. Reservas de carbono y rendimiento del cacao en sistemas agroforestales de América Central. Agr. Ecosyst. Environ. 2013, 173,
46-57. [CrossRef]
82. Chave, J.; Andalo, C.; Brown, S.; Cairns, M.A.; Chambers, J.Q.; Eamus, D.; Fölster, H.; Fromard, F.; Higuchi, N.; Kira, T.; et al.
Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia 2005, 145, 87-99. [CrossRef]
83. Montoya-Restrepo, I.A.; Montoya-Restrepo, L.A.; Lowy Cerón, P.D. Oportunidades para la actividad cacaotera en el municipio de
Tumaco, Nariño, Colombia. Entramado 2015, 11, 48-59. [CrossRef]
84. Armengot, L.; Barbieri, P.; Andres, C.; Milz, J.; Schneider, M. Cacao agroforestry systems have higher return on labor compared to
full-sun monocultures. Agron. Sustain. Dev. 2016, 36, 70. [CrossRef]
85. Beer, J.; Muschler, R.; Somarriba, E.; Kass, D. Gestión de la sombra en cafetales y cacaotales. Agrofor. Syst. 1997, 38, 139-164.
[CrossRef]
86. Koko, L.K.; Snoeck, D.; Lekadou, T.T.; Assiri, A.A. Cacao-fruit tree intercropping effects on cocoa yield, plant vigour and
light interception in Côte d'Ivoire. Agrofor. Syst. 2013, 87, 1043-1052. [CrossRef]
87. Blaser, W.J.; Oppong, J.; Hart, S.P.; Landolt, J.; Yeboah, E.; Six, J. Climate-smart sustainable agriculture in low-to-intermediate
shade agroforests. Nat. Sustain. 2018, 1, 234. [CrossRef]
88. Andres, C.; Blaser, W.J.; Dzahini-Obiatey, H.K.; Ameyaw, G.A.; Domfeh, O.K.; Awiagah, M.A.; Gattinger, A.; Schneider, M.;
Offei, S.K.; Six, J. Los sistemas agroforestales pueden mitigar la gravedad de la enfermedad del virus de los brotes hinchados del
cacao. Agric. Ecosyst. Environ. 2018, 252, 83-92. [CrossRef]
89. Asare, R.; Markussen, B.; Asare, R.A.; Anim-Kwapong, G.; Ræbild, A. On-farm cocoa yield increase with canopy cover of shade
trees in two agro-ecological zones in Ghana. Clim. Dev. 2018, 11, 435-445. [CrossRef]
90. Vernon, A.J.; Sundaram, S. Current cocoa research. En Proceedings of the 4th International Cocoa Research Conference, St.
Augustine, Trinidad y Tobago, 8-18 de enero de 1972; pp. 689-693.
91. Lahive, F.; Hadley, P.; Daymond, A.J. The physiological responses of cacao to the environment and the implications for
climate resilience. A review. Agron. Sustain. Dev. 2019, 39, 5. [CrossRef]
92. Yalta, H. Identificación y Rentabilidad de Sistemas Agroforestales Asociados al Cultivo de Cacao (Theobroma cacao L.) en Tingo Maria.
Tesis de Doctorado, Universidad Nacional Agraria de la Selva, Tingo María, Perú, 2003; 101p.
93. Seufert, V.; Ramankutty, N.; Foley, J.A. Comparación de los rendimientos de la agricultura ecológica y convencional. Nature 2012, 485,
229-232. [CrossRef] [PubMed]
94. Cerda, R.; Deheuvels, O.; Calvache, D.; Niehaus, L.; Saenz, Y.; Kent, J.; Vilchez, S.; Villota, A.; Martinez, C.; Somarriba, E.
Contribución de los sistemas agroforestales de cacao a los ingresos familiares y al consumo doméstico: Mirando hacia la
intensificación. Agrofor. Syst. 2014, 88, 957-981. [CrossRef]
95. Notaro, M.; Gary, C.; Deheuvels, O. Plant diversity and density in cocoa-based agroforestry systems: How farmers' income is
affected in the Dominican Republic. Agrofor. Syst. 2020, 94, 1071-1084. [CrossRef]
96. Bisseleua, D.H.B.; Missoup, A.D.; Vidal, S. Biodiversity conservation, ecosystem functioning, and economic incentives under
cocoa agroforestry intensification. Conserv. Biol. 2009, 23, 1176-1184. [CrossRef]
97. Egbewole, Z.T.; Falade, L.O.; Rotowa, O.J.; Kuje, E.D.; Mairafi, H.H. Evaluation of the Effect of Agricultural Crop on the
Growth Performance of Gmelina arborea under Agroforestry System. Disponible en línea: https://www.researchgate.net/
publication/343502140_Evaluation_of_the_Effect_of_Agricultural_Crop_on_the_Growth_Performance_of_Gmelina_arborea_
under_Agroforestry_System (consultado el 18 de julio de 2022).
98. Jose, S.; Bardhan, S. Agroforestry for biomass production and carbon sequestration: An overview. Agrofor. Syst. 2012, 86, 105-111.
[CrossRef]
99. Biswas, B.; Chakraborty, D.; Timsina, J.; Rudra Bhowmick, U.; Pratap Kumar, D.; Dipak Kumar, G.; Sarkar, A.; Mondal, M.;
Adhikary, S.; Kanthal, S.; et al. La agrosilvicultura ofrece múltiples servicios ecosistémicos en suelos lateríticos degradados. J.
Clean. Prod. 2022, 365, 132768. [CrossRef]
100. Grupo Intergubernamental de Expertos sobre el Cambio Climático. Calentamiento global de 1,5 ◦C. Informe especial del IPCC sobre
los impactos del calentamiento global.
de 1,5 ◦C por encima de los niveles preindustriales y las trayectorias mundiales de emisión de gases de efecto invernadero relacionadas,
en el contexto del fortalecimiento de la respuesta mundial a la amenaza del cambio climático, el desarrollo sostenible y los esfuerzos
para erradicar la pobreza; Masson-Delmotte, V., Zhai, P., Pörtner, H.-O., Roberts, D., Skea, J., Shukla, P.R., Pirani, A., Moufouma-
Okia, W., Péan, C., Pidcock, R., et al., Eds.; IPCC: Ginebra, Suiza, 2018; 630p.
101. Organización de las Naciones Unidas. Objetivos de Desarrollo Sostenible. Disponible en línea:
https://www.un.org/sustainabledevelopment/ climate-change/ (consultado el 18 de julio de 2022).
102. Kuyah, S.; Whitney, C.W.; Jonsson, M.; Sileshi, G.W.; Öborn, I.; Muthuri, C.W.; Luedeling, E. La agrosilvicultura ofrece una
solución ventajosa para los servicios ecosistémicos en el África subsahariana. A meta-analysis. Agron. Sustain. Dev. 2019, 39,
47. [CrossRef]
103. Carsan, S.; Stroebel, A.; Dawson, I. ¿Pueden los valores de opción de la agrosilvicultura mejorar el funcionamiento de los
impulsores de la intensificación agrícola en África? Curr. Opin. Environ. Sustain. 2014, 6, 35-40. [CrossRef]
104. Syampungani, S.C. The potential of using agroforestry as a win-win solution to climate change mitigation and adaptation and
meeting food security challenges in Southern Africa. Agric. J. 2010, 5, 80-88. [CrossRef]
105. Nunoo, I.; Fromm, I.; Frimpong, B.N. Factors Influencing the Adoption of Cocoa Agroforestry Systems in Mitigating Climate
Change in Ghana: The Case of Sefwi Wiawso in Western Region. Environ. Sustain. Clim. Chang. 2020, 2, 1-4. Disponible en
línea: https://researchopenworld.com/wp-content/uploads/2020/07/ESCC-2-1-202.pdf (consultado el 18 de julio de
2022).

SAF CACAO (1) - Unlocked

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SAF CACAO (1) - Unlocked

Cargado por

Copyright:

Formatos disponibles

Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

1 Departamento de Recursos Naturales y Sistemas Agroforestales, Universidad de Nariño, Ciudadela Universitaria

Resumen: Los agrobosques de cacao desempeñan un papel importante en los medios de

Sostenibilidad 2022, 14, 9447. https://doi.org/10.3390/su14159447 https://www.mdpi.com/journal/sustainability

Esta investigación se centra en responder a ¿cuál es el potencial de almacenamiento

Figura 1. Área de estudio: Consejo Comunitario Rescate Las Varas.

El sistema agroforestal tenía 10 años de antigüedad, se estableció en una parcela

Tabla 1. Tratamientos, espaciamiento y densidad de árboles de cacao y Melina en el diseño

* Sistema tradicional de producción de cacao (control).

2.2. Muestreo de árboles

Peso f resco total × Peso seco

2.3. Tratamiento de datos

de respuesta. Un factor de corrección nos previno de sesgos en la predicción de biomasa

donde CF es el factor de corrección, SEE el error estándar de la estimación de la regresión y la

Tabla 2. Ecuaciones alométricas utilizadas para estimar el potencial de biomasa de AFS.

Número Autor Ecuación

LogAGB = -1,625 + 2,626 ∗ log (D30) (3)

BGB = exp[-1,0587 + 0,8836 ∗ Ln(AB) (4)

AB = Biomasa aérea total (t ha−1 ) del cacao En cuanto al

rendimiento del cacao, en todos los tratamientos se midió mensualmente.

2.4. Análisis de datos

2.5. Análisis económico

Figura 2. Potencial de almacenamiento de carbono Potencial de almacenamiento de carbono

El carbono aéreo de G. arborea presentó diferencias estadísticas (p < 0,0001) entre

3.2. Ecuaciones alométricas de la biomasa

R2 BIC PRENSA Cp VIF FI

Según los resultados de la Tabla 3, se seleccionaron los modelos 1, 2, 4, 10, 13, 14 y

Tabla 4. Modelos alométricos competidores seleccionados para realizar estimaciones de biomasa de

Número de Modelo 1 R2 α β MSPE Rango

3.3. Rendimiento del cacao

El análisis de la varianza mostró diferencias estadísticas significativas (p > 0,0001)

se compararon los arreglos mejorados de cacao con los cacaotales tradicionales

Densidad aparente del

También hubo un efecto positivo de todos los AFS en la reducción de la densidad

3.4. Análisis económico

Tratamientos VAN1 TIR (%) BCR

tropical incrementadas por la densidad de plantación causaron más crecimiento

El cacao plantado en ambientes muy sombríos produce menores tasas de

4.2. Modelos alométricos

4.3. Rendimiento del cacao en los acuerdos agroforestales

4.4. Evaluación económica de los acuerdos agroforestales

rural. En otros escenarios, los ingresos derivados de los subcultivos agroforestales,

Contribución de los autores: Conceptualización, W.B.-P. y J.C.V.; metodología, W.B.-P., J.C.V. y

También podría gustarte