RESUMEN

La altura del arbolado es una variable indispensable para clasificar sitios forestales de acuerdo a su productividad. El objetivo fue modelar la relación funcional entre el diámetro normal (dn) y la altura total (Alt) de árboles de Pinus teocote Schlecht. & Cham. Con 1908 pares de datos de Alt-dn, se ajustaron 31 modelos alométricos por máxima verosimilitud. Los modelos explicaron más del 90% de la variabilidad muestral; el sesgo por estimación fue inferior a 5 cm y la desviación global fue menor al 1%. La estimación de la Alt a través del dn fue confiable para la aplicación en términos de un inventario forestal al cuantificar existencias volumétricas de P. teocote.

ABSTRACT

The height of the trees is an indispensable variable to classify forest sites according to their productivity. The objective was to model the functional relationship between the diameter breast height (dn) and the total height (Alt) of Pinus teocote Schlecht trees. & Cham. With 1908 pairs of Alt-dn data, 31 allometric models were fitted by maximum likelihood. The models explained more than 90% of the sample variability, the estimate bias was less than 5 cm and the global deviation was less than 1%. The estimation of the Alt through the dn was reliable for the application in terms of a forest inventory when quantifying volumetric stocks of P. teocote.

INTRODUCCIÓN

La altura del arbolado es una variable indispensable para clasificar rodales de acuerdo con la productividad forestal (Vanclay, 1994) y es fundamental para las estimaciones de crecimiento y rendimiento utilizadas en los programas de manejo (Borders & Bailey, 1986). En los inventarios forestales, la altura de los árboles no se mide en la totalidad debido a la dificultad de medición, el tiempo requerido y los costos que esto genera (Leaño & Saravia, 1998; Zhang, Peng, Huang & Zhou, 2002).

El uso de ecuaciones alométricas permite estimar variables de difícil medición a un costo y tiempo bajo. Ejemplo de ello son los trabajos de Franco et al. (2007) y Quiñonez, Cruz, Vargas & Hernández (2012) para estimar el volumen, la biomasa y el carbono a través de las variables de fácil medición como lo son el diámetro normal (dn) y altura total (Alt), debido a que son expresiones que muestran las relaciones de proporcionalidad entre el aumento relativo de las medidas de un organismo o sus partes (Gayon, 2000).

Otros ejemplos de relaciones alométricas entre las partes de un árbol son la estimación del dn a partir de las dimensiones del diámetro del tocón (dt) (García-Cuevas, Herrera-Ávila, Hernández-Ramos, García-Magaña & Hernández-Ramos, 2016; Hernández et al., 2016) y la estimación de la Alt a través del dt (Quiñonez et al., 2012) o dn (Trincado & Leal, 2006). Todas ellas son opciones prácticas para la reducción de tiempo y esfuerzos invertidos en la toma de datos en campo, planeación de actividades dentro de un programa de manejo forestal y evaluación de cortas o talas clandestinas.

La estimación de la Alt a través del dn (Alt-dn) se puede obtener mediante ecuaciones locales o regionales (Sánchez, Cañellas & Montero, 2007). Las ecuaciones regionales o generalizadas incluyen variables a nivel de rodal con la finalidad de aumentar la aplicabilidad (Trincado & Leal, 2006), en tanto que las expresiones de tipo local son realizadas con una submuestra tomada de cada sitio de muestreo y requieren una menor cantidad de información para generar este tipo de ecuaciones (Sharma & Parton, 2007).

Por la importancia que representa estimar con precisión la Alt en un inventario forestal para la planeación de las actividades de manejo (Alder, 1980; Barrena & Llenera, 1988; Domínguez-Hernández, Huerta-Ortega, Barrios-Díaz & Posadas-García, 2012), y que P. teocote es una de las 10 especies de mayor distribución en el estado de Hidalgo (Secretaría del Medio Ambiente y Recursos Naturales-Comisión Nacional Forestal [Semarnat-Conafor], 2015), se planteó el objetivo de modelar la relación funcional entre el diámetro normal y la altura de árboles de Pinus teocote Schlecht. & Cham. en el oriente del estado de Hidalgo, bajo la hipótesis de que la estrecha relación alométrica entre estas dos variables hace eficiente la predicción de la altura en los bosques naturales de P. teocote.

MATERIALES Y MÉTODOS

El estudio se realizó en el municipio de Cuautepec de Hinojosa, Hidalgo, en una superficie forestal de 2156.33 ha, correspondiente a los ejidos de Santa María Paliseca y Tezoncualpa, además de la propiedad privada Tezoncualpa. Estos se ubican a una altitud de entre los 2000 m y 3100 m, donde predomina el clima de tipo templado (C(w1) (w)) (Instituto Nacional de Estadística y Geografía [INEGI], 1992).

Los bosques bajo estudio no fueron afectados por alguna intervención silvícola en los últimos 15 años. Mediante un muestreo aleatorio en rodales naturales de P. teocote dentro del bosque se midieron, por rodal, alrededor de 45 árboles, dando un total de 1908 pares de datos de Alt-dn, considerando todas las características generales representativas de la población. Los árboles seleccionados como muestras presentaron fuste recto, sin malformaciones, sin resinación o torcidos y sin presencia de plagas y/o enfermedades, además de que estuvieran por lo menos 20 m adentro de los rodales o del bosque para evitar el efecto de orilla en claros o caminos. Las estadísticas básicas de la muestra se muestran en la tabla 1.

Tabla 1

Estadísticas descriptivas de Alt y dn para la muestra de árboles de Pinus teocote en el estado de Hidalgo, México.

Estadístico	dn (cm)	Alt (m)
Tamaño de muestra (N)	1908	1908
Media aritmética	19.2347	12.4825
Valor mínimo	5	3
Valor máximo	55	30
Error estándar	0.2988	0.1510
Desviación estándar	13.0476	6.5939
Varianza de la muestra	170.2408	43.4797

En el ajuste se utilizaron 31 ecuaciones que fueron tomadas de la literatura para describir la alométrica entre el dn y la Alt (García-Cuevas et al., 2016; Hernández et al., 2016; Hernández-Ramos et al., 2018; Huang, Titus & Wiens, 1992; Juárez, Pece, Gaillard, Sanguedolce & Mariot, 2007; Milena, Trincado, Barrios & Nieto, 2013; Zambrano, Suárez & Jerez, 2001) (tabla 2).

Tabla 2

Ecuaciones alométricas de At-dn.

Ecuación	Expresión	Nombre	Ecuación	Expresión	Nombre
1	$Alt = b_0 + b_{1}dn$	Lineal	17	$Alt = \frac{d{n}^2}{(b_0 + b_{1}dn{)}^2}$	Vestjordet-4 - Loesch
2	$Alt =b_0 + b_{1}dn + b_{2}d{n}^2$	Polinomio	18	$Alt =1.3 + b_0 \exp \left(\frac{b_{\mathit{1}}}{dn}\right)$	Burkhart y Strub
3	$Alt =\exp \left(b_{\mathit{0}}\mathit{ }+ b_{\mathit{1}}\mathit{ }\log \left(\mathit{d}\mathit{n}\right)\right)$	Potencial	19	$Alt = 1.3 + {10}^{b_{\mathit{0}}}d{n}^{{\mathit{b}}_{\mathit{1}}}$	Power -Larson
4	$Alt = \exp \mathit{ }\left({\mathit{b}}_{\mathit{0}}\mathit{+}\mathit{ }{\mathit{b}}_{\mathit{1}}\mathit{d}\mathit{n}\right)$	Exponencial- 1	20	$Alt = 1.3 + b_0\frac{dn}{dn +1}{b}_{1}dn$	Watts
5	$Alt =b_0 + b_1 \log dn$	Henriksen	21	$Alt =1.3 + b_0{\left(\frac{dn}{dn +1}\right)}^{b_1}$	Curtis – Prodan
6	$Alt =1.3 + \frac{d{n}^2}{b_0 + b_{1}dn+b_{2}d{n}^2}$	Vestjordet - Hiperbolico	22	$Alt =1.3 + \exp \left(b_0 + b_{1}d{n}^{b_2}\right)$	Schumacher – Wang y Hann
7	$Alt =1.3 + \frac{d{n}^2}{{\left(b_0 + b_{1}dn\right)}^2}$	Vestjordet-1 - Naslund	23	$Alt =1.3 + \frac{b_0}{1 + b_1 \exp \left(b_{2}dn\right)}$	Pearl y Reed
8	$Alt =1.3 \frac{1}{{\left(b_0+b_1{\displaystyle \frac{1}{dn}}\right)}^3}$	Vestjordet-2 - Petterson	24	$Alt =1.3 + \frac{b_0}{1+b_1\exp \left(b_{2}dn\right)}$	Chapman-Richards
9	$Alt =1.3 + \frac{d{n}^2}{{\left(b_0+ b_{1}dn\right)}^{2.5}}$	Vestjordet-3 -Petterson-2	25	$Alt =1.3 + b_0(1 \exp \left(b_{1}d{n}^{b_2}\right))$	Richards - Yang
10	$Alt =b_0 + b_{1}d{n}^2$	Parábola incompleta	26	$Alt =1.3 + \alpha · \exp \left(b·\exp \left(-c·dn\right)\right)$	Slobada-2 - Winsor
11	$Alt =\exp \left(b_0+b_1\frac{1}{dn}\right)$	Exponencial-2	27	$Alt =1.3 \frac{d{n}^2}{b_0+b_{1}dn+b_{2}d{n}^2}$	Curtis y Prodan
12	$Alt =\exp \left(b_0+b_1\log \left(dn\right)+b_2\log \left(d{n}^2\right)\right)$	Exponencial-3 - Brow	28	$Alt =1.3 + b_{0}d{n}^{b_{1}d{n}^{b_2}}$	Sibbesen
13	$Alt =1.3 +b_{0}d{n}^{b_1}$	Alometrico	29	$Alt =1.3 +b_0\exp \left(\frac{b_1}{dn+b_2}\right)$	Ratkowshy
14	$Alt =1.3 +b_0\exp \left(b_0+\frac{b_1}{dn}+1\right)$	Wykoff	30	$Alt =1.3 +\left(\frac{b_0}{1+{\displaystyle \frac{1}{b_1}}d{n}^{b_2}}\right)$	Ratkowshy and reedy
15	$Alt =1.3 + b_0\frac{dn}{b_1+dn}$	Bates y Watts	31	$Alt =1.3 + b_0\left(1 b_1\exp \left(b_{2}dn\right)\right)$	Monomolecular
16	$Alt =1.3 + b_0\left(1 \exp \left(b_{1}dn\right)\right)$	Sloba-1 - Meyer

El ajuste de las ecuaciones y la estimación de los parámetros se hizo con la técnica de máxima verosimilitud, con información completa del procedimiento MODEL en el programa estadístico SAS 9.2 (SAS Institute Inc., 2008). Como valor inicial de los parámetros para el ajuste de las ecuaciones se tomaron los reportados por diversos artículos relacionados como lo mencionan Milena et al. (2013).

Debido a que es común en datos biológicos encontrar varianzas heterogéneas, es decir, que la varianza aumenta a medida que la variable independiente incrementa (Peters, Cox & Real, 1997), se realizó una ponderación a los residuales mediante funciones relacionadas con el dn (1/dn, 1/dn^0.5, 1/dn², 1/dn³, dn^0.5, dn² y dn³) y se utilizó la que mejores resultados estadísticos y gráficos mostró.

En la selección de la mejor ecuación se usó un criterio jerárquico, para lo cual se integraron los estadísticos de bondad de ajuste como la Suma de Cuadrados del Error (SCE), Raíz del Cuadrado Medio del Error (RCME) y Coeficiente de determinación ajustado (R²_ajustado) (Pompa-García, De los Santos-Posadas, Zepeda-Bautista & Corral-Rivas, 2011; Vibrans, Moser, Zimermann & Mazaneuro, 2015), los cuales se calificaron mediante un promedio propuesto por Sakici, Misira, Yavuza & Misira (2008), con la asignación de valores consecutivos del 1 al 31 en función del valor para cada uno de los estadísticos empleados, siendo 1 el índice mayor y 31 el menor. Por ejemplo, a la ecuación con menor valor en la RCME se le asignaría el número 1, mientras que a los siguientes en forma ascendente se les calificaría con 2, 3, 4 y hasta 31, según corresponda en la lista; caso contrario a la R²_ajustado, en la cual al valor de 1 se le otorgaría la ecuación con mayor valor en este estadístico. Después, para cada modelo se promediaron los valores de calificación de los estadísticos para obtener un total, y la expresión con la menor calificación se selecciona como la mejor.

La normalidad de los datos se evaluó a través de la prueba Shapiro-Wilk (SW) (SAS Institute Inc., 2008; Vibrans et al., 2015), en esta última se consideró el Índice de Curtosis (IC) (Martínez-López & Acosta-Ramos, 2014); por su parte, la autocorrelación de los errores se verificó mediante la prueba gráfica de la función de autocorrelación parcial (PACF, por sus siglas en inglés) (Barrios, López & Nieto, 2014).

La evaluación de la precisión de las estimaciones para las mejores ecuaciones se realizó a través del sesgo (E) (Lencinas & Mohr-Bell, 2007), el cual muestra la presencia del error sistemático al emplear las ecuaciones y es expresado de forma directa en las unidades que se trabaja la variable dependiente (y) (Peters et al., 1997); y la diferencia agregada en % (DA %) (Lencinas & Mohr-Bell, 2007) que expresa las desviaciones globales al emplear las ecuaciones de forma porcentual.

RESULTADOS

Los resultados del ajuste estadístico posterior a la ponderación a los residuales (1/dn^0.5) señalan que las ecuaciones en general describen entre el 75% y el 91% de la variabilidad de la muestra. En el análisis, todos los parámetros fueron significativos y los valores de la SCE y RCME son bajos, al igual que el error estándar aproximado (Eea); solo la expresión 28 presentó problemas de significancia en el valor de p (tabla 3). La calificación promedio de las ecuaciones indica que los mejores son las expresiones 2, 23, 25 y 26, que son las cuatro que presentaron el valor más bajo; por ello, se evaluaron los supuestos de la regresión solo en estas.

Tabla 3

Estadísticos de ajuste y valores de los parámetros estimados para cada ecuación empleada, además de su calificación promedio

Ecuación	SCE	RCME	R2ajustado	Parámetros	Estimación	Eea	Valor t	Pr > |t|	Cal. Ῡ
1	10153.6	2.3327	0.87	b0	3.442403	0.1063	32.38	<0.0001	28
				b1	0.472879	0.00379	124.83	<0.0001
2	7811.9	2.0466	0.9	b0	0.944382	0.1546	6.11	<0.0001	3
				b1	0.819241	0.0152	54.05	<0.0001
				b2	-0.00772	0.00031	-24.91	<0.0001
3	8769.8	2.1679	0.89	b0	0.575041	0.0227	25.37	<0.0001	19
				b1	0.680005	0.00666	102.13	<0.0001
4	17594.5	3.0707	0.78	b0	1.879325	0.0118	159.19	<0.0001	30
				b1	0.030203	0.000283	106.65	<0.0001
5	9763.6	2.2874	0.88	b0	-8.974	0.2237	-40.12	<0.0001	24
				b1	8.00609	0.0806	99.38	<0.0001
6	8117.3	2.0863	0.9	b0	1.854114	0.3723	4.98	<0.0001	10
				b1	0.963139	0.0422	22.81	<0.0001
				b2	0.024456	0.000974	25.1	<0.0001
7	8253.9	2.1032	0.9	b0	2.00163	0.0266	75.26	<0.0001	15
				b1	0.174211	0.00108	161.39	<0.0001
8	8607	2.1477	0.89	b0	0.321202	0.00115	280.4	<0.0001	18
				b1	1.966633	0.0261	75.24	<0.0001
9	8454.2	2.1285	0.89	b0	1.937171	0.0164	117.92	<0.0001	17
				b1	0.096799	0.000638	151.79	<0.0001
10	20145.3	3.2857	0.75	b0	7.417003	0.1076	68.92	<0.0001	31
				b1	0.009465	0.000084	113.23	<0.0001
11	10843.9	2.4107	0.86	b0	3.268507	0.00804	406.78	<0.0001	29
				b1	-10.4708	0.1405	-74.55	<0.0001
12	8238.2	2.1017	0.9	b0	-0.33081	0.0935	-3.54	<0.0001	13
				b1	1.337886	0.0624	21.45	<0.0001
				b2	-0.1133	0.0103	-11.05	<0.0001
13	9036.6	2.2006	0.89	b0	1.251597	0.0329	38.01	<0.0001	20
				b1	0.759434	0.00762	99.69	<0.0001
14	9925.3	2.3063	0.88	b0	2.266182	0.00878	258.09	<0.0001	25
				b1	-12.4713	0.1686	-73.96	<0.0001
15	8246.1	2.1022	0.9	b0	51.08097	1.3953	36.61	<0.0001	14
				b1	60.75133	2.4369	24.93	<0.0001
16	8111.1	2.0849	0.9	b0	30.76535	0.6499	47.34	<0.0001	9
				b1	0.026723	0.000846	31.6	<0.0001
17	8253.9	2.1032	0.9	b0	1.624995	0.0213	76.39	<0.0001	16
				b1	0.177876	0.000947	187.84	<0.0001
18	9925.3	2.3063	0.88	b0	26.20597	0.2301	113.89	<0.0001	26
				b1	-12.4671	0.1686	-73.94	<0.0001
19	9036.6	2.2006	0.89	b0	0.097343	0.0114	8.52	<0.0001	21
				b1	0.759518	0.00762	99.7	<0.0001
20	9991.4	2.314	0.88	b0	2.589753	0.1198	21.61	<0.0001	27
				b1	0.461312	0.00405	113.76	<0.0001
21	9556.1	2.263	0.88	b0	26.8576	0.2357	113.97	<0.0001	23
				b1	13.42101	0.176	76.27	<0.0001
22	8235.3	2.1014	0.9	b0	4.455614	0.1523	29.26	<0.0001	12
				b1	-6.00806	0.0905	-66.36	<0.0001
				b2	-0.38492	0.0307	-12.54	<0.0001
23	7415.1	1.994	0.91	b0	20.84888	0.1686	123.68	<0.0001	1
				b1	7.894242	0.2291	34.46	<0.0001
				b2	0.12641	0.0024	52.74	<0.0001
24	7924.2	2.0613	0.9	b0	25.4281	0.6072	41.88	<0.0001	5
				b1	0.043365	0.00266	16.28	<0.0001
				b2	1.227461	0.0405	30.28	<0.0001
25	7883.9	2.056	0.9	b0	24.13261	0.559	43.17	<0.0001	4
				b1	0.022578	0.00106	21.35	<0.0001
				b2	1.181892	0.0249	47.5	<0.0001
26	7560.7	2.0135	0.91	b0	22.47413	0.2607	86.21	<0.0001	2
				b1	2.63522	0.0443	59.45	<0.0001
27	8117.3	2.0863	0.9	b0	1.870243	0.3727	5.02	<0.0001	11
				b1	0.961562	0.0423	22.76	<0.0001
				b2	0.024484	0.000975	25.11	<0.0001
28	9036.6	2.2006	0.89	b0	1.25115	0.0329	38.01	<0.0001	22
				b1	0.779539	0.00762	<------	<0.0001
				b2	0.02	0	<------	<0.0001
29	7951.5	2.0648	0.9	b0	37.27304	0.9413	39.6	<0.0001	6
				b1	-29.2013	1.4035	-20.81	<0.0001
				b2	7.503265	0.5908	12.7	<0.0001
30	8007.1	2.072	0.9	b0	33.05804	1.3598	24.31	<0.0001	7
				b1	0.015288	0.000771	19.82	<0.0001
				b2	1.251375	0.0367	34.05	<0.0001
31	8027.5	2.0747	0.9	b0	27.94948	0.7067	39.55	<0.0001	8
				b1	1.028371	0.00834	123.35	<0.0001
				b2	0.032454	0.00159	20.47	<0.0001

La evaluación de normalidad en los residuales tanto en la prueba de gráfica y la prueba de SW señala normalidad, debido a que el valor de estadístico fue >0.97 y la prueba de Curtosis varió entre 1.2 y 2.0, además de que la tendencia de los percentiles en la gráfica de residuales asemeja la forma de campana de Gauss (figura 1).

Figura 1 Descargar Imagen

Histogramas de las mejores ecuaciones de Alt-dn para P. teocote en Hidalgo, México, donde se pone a prueba la normalidad de los residuales.
Fuente: Elaboración propia.

La gráfica de residuales studentizados muestra una distribución homocedástica, sin tener alguna tendencia aparente en la distribución (figura 2), mientras que en la prueba gráfica de PACF señala que las dos variables utilizadas son independientes entre sí, por no presentar problemas de dependencia entre los diámetros al aumentar su dimensión (figura 3).

Figura 2 Descargar Imagen

Valores estandarizados de t para probar la homocedastisidad de residuales en las mejores ecuaciones de Alt-dn para P. teocote en Hidalgo, México.
Fuente: Elaboración propia.

Figura 3 Descargar Imagen

Prueba gráfica de autocorrelación parcial (PACF) que muestra la independencia entre las variables utilizadas en las mejores ecuaciones de Alt-dn para P. teocote en Hidalgo, México.
Fuente: Elaboración propia.

La capacidad predictiva de las ecuaciones de forma individual (E) y general (DA%) señala que las expresiones sobrestiman la Alt en menos de cinco centímetros por estimación y para toda la población lo hacen en menos del 0.5%, siendo superior en los dos casos la ecuación 25 (tabla 4).

Tabla 4

Sesgo (E) y diferencia agregada en % (DA%) de las estimaciones realizadas con las mejores ecuaciones empleadas de Alt-dn para P. teocote en Hidalgo, México.

Estadístico / Ecuación	2	23	25	26
Sesgo individual en cm	-0.0499	-0.0454	-0.0100	-0.0400
Diferencia agregada global en %	-0.3999	-0.3638	-0.1100	-0.32200

DISCUSIÓN

La regresión ponderada utilizada evitó los problemas de heterogeneidad de varianza de los residuales. Tal y como lo mencionan Peters et al. (1997), se obtuvieron residuos más homogéneos, estimaciones de los parámetros con varianza mínima e intervalos de predicción más pequeños, resultados similares a los obtenidos por Barrios et al. (2014), al utilizar variables de ponderación en ecuaciones de volumen total y comercial en Eucalyptus grandis.

Los valores del R²_ajustado señalan que las ecuaciones explican la variabilidad de la muestra por encima del 75% y en las cuatro expresiones mejores de más del 90% (2, 22, 25 y 26). De acuerdo con Alder & Cailliez (1980), estos son porcentajes de descripción aceptables, los parámetros significativos a un nivel de confiabilidad superior al 95% (p = <0.05) y los valores del Eea de estas cuatro ecuaciones varían entre 0.001 y 0.261, todos ellos valores menores a lo encontrado por Milena et al. (2013) al ajustar este tipo de expresiones para Eucalyptus tereticornis. Los resultados en conjunto demuestran que las variables independientes utilizadas tienen un valor significativo en la descripción de la altura total, tal y como lo mencionan Da Cunha & Guimaraes (2009), en el procedimiento de selección de la mejor ecuación para estimar el volumen total de Pinus taeda, y Hernández-Ramos et al. (2018), al evaluar este supuesto a través del test de White en modelos de P. pseudostrobus en Michoacán.

Los resultados de la prueba de normalidad en las cuatro ecuaciones siguen una tendencia de forma de campana de Gauss, lo cual indica que no se viola el supuesto de normalidad en la regresión (SAS Institute Inc., 2003). Por lo tanto, se aceptan como válidas las estimaciones de los parámetros, además son semejantes a lo obtenido por Hernández et al. (2015), al emplear ecuaciones generalizadas de Alt-dn para P. teocote, y García-Cuevas et al. (2016), al estimar el dn a partir de dt para Abies religiosa. Además, la prueba de Curtosis muestra que la gráfica es de tipo mesocúrtica debido a que el valor absoluto del test fue menor al doble del valor del error estándar de la ecuación, tal y como lo describen Martínez-González, Sánchez-Villegas & Faulin (2006).

La homocedasticidad de los residuales studentizados en las cuatro mejores ecuaciones concuerda con lo expuesto por Martínez, Rubio & San Martín (2004) y Peters et al. (1997), donde se señala que en este tipo de distribución no existen problemas de heterocedasticidad, mientras que la gráfica de PACF es semejante a lo reportado por Quiñonez et al. (2012) en un estudio de ahusamiento y volumen para el género Pinus en Durango, México y concuerda con lo mencionado por Pérez (2007).

Las ecuaciones seleccionadas concuerdan con otros trabajos; por ejemplo, la expresión 2 fue la apropiada para estimar el diámetro de copa (dc) en función del dn en un bosque húmedo sub-tropical de Perú, con una explicación del 97% de la variabilidad muestral (Malleux, 2016). La ecuación 22 es una expresión semejante a la empleada por Temesgen, Hann & Monleon (2007) para estimar la Alt de especies de un bosque de coníferas en Suroeste de Oregón, E.U., con una desviación en las estimaciones menor al 7%. De igual forma, esta ecuación es semejante a la expresión exponencial que describen Juárez et al. (2007) como uno de los mejores para estimar la altura a través del dn en Prosopis nigra en Santiago del Estero, Argentina, el cual explicó el 85% de la variabilidad de la muestra utilizada. La diferencia entre la ecuación reportada por Juárez et al. (2007) con la expresión 22, utilizada en este trabajo, es que se forzó a que cuando la altura sea de 1.3 m sobre el fuste, el valor del dn sea igual a cero, de acuerdo con lo que mencionan Diéguez-Aranda et al. (2009) y Puji (2014). Las ecuaciones 25 y 26 han tenido resultados adecuados en estudios semejantes; sin embargo, no han sido los mejores en términos de precisión, por ejemplo, en el estudio de relaciones entre Alt-dn realizado para reforestaciones en la zona sur de Costa Rica (Arias, 2004).

La capacidad predictiva de las ecuaciones reflejada en los valores del E demuestra la confiabilidad en las estimaciones de Alt en función del dn. Los valores obtenidos de -0.0499, -0.0454 y -0.0400 para el sesgo de los modelos 2, 23 y 26, respectivamente, son inferiores a los reportados por Castedo, Ruiz & Álvarez (2001) al emplear los modelos 14 y 27 para estimar la Alt de Pinus pinaster en Galicia, España. Sin embargo, el valor de -0.0100, obtenido de la ecuación 25, coincide de igual forma con la mejor expresión obtenida por estos autores (función de densidad bivariante S_bb).

Las desviaciones globales de forma porcentual de las cuatro mejores ecuaciones son menores a las reportadas por Juárez et al. (2007), al emplear 13 expresiones de Alt-dn de tipo local para Ziziphus mistol en Santiago de Estero, Argentina, y por Trincado & Leal (2006) al utilizar 10 ecuaciones de este tipo para Pinus radiata en la provincia de Arauco, Chile. Además, son equivalentes a las presentadas por Pece et al. (2006), al emplear las expresiones 2 y 13, este último sin la constante de 1.3 para estimar la Alt en Schinopsis quebracho-colorado en Argentina.

El empleo del E y DA % como criterios de evaluación de la capacidad predictiva de las ecuaciones muestra con precisión mayor las desviaciones de cada uno de ellos con respecto a los datos reales, tal y como lo mencionan Zambrano et al. (2001), al evaluar las expresiones lineales, no lineales, y transformados con algún logaritmo de Alt para Tectona grandis en Barinas, Venezuela. Por otro lado, el ajuste de las ecuaciones con solo el dn presenta limitaciones que se deberán considerar al aplicarlos en campo, debido a que son expresiones específicas para las condiciones de estos bosques, además de que representará una altura media y no las variaciones naturales de la altura en diámetros iguales.

CONCLUSIONES

La forma matemática de la relación alométrica entre el diámetro normal y la altura fue adecuada estadísticamente y las estimaciones realizadas fueron precisas debido a los bajos valores del sesgo y la diferencia agregada, donde las mejores ecuaciones son 2, 22, 25 y 26. Las ecuaciones, al combinarlas con expresiones de índice de sitio, permitirán realizar clasificaciones de productividad de rodales o estimaciones de crecimiento y rendimiento al emplearlas de manera conjunta con ecuaciones de volumen o biomasa, además de que contribuirán a la planeación de actividades silvícolas dentro de programas de manejo forestal, al ser empleadas en los cálculos de un inventario forestal.

AGRADECIMIENTOS

A la Corporación Agroforestal y Ambiental S.P.R. de R.I. (Coafa) y ejidos de Santa María Paliseca y Tezoncualpa, además, de la propiedad privada Tezoncualpa por el apoyo y tiempo brindado.

REFERENCIAS

Alder, D. (1980). Estimación del volumen forestal y predicción del rendimiento con referencia especial a los trópicos. Vol. 2 - Predicción del rendimiento. Roma, Italia: Food and Agriculture Organization (FAO). Recuperado en diciembre de 2018 de http://www.fao.org/3/a-ap354s.pdf

Alder, D. & Cailliez, F. (1980). Estimación del volumen forestal y predicción del rendimiento, con referencia especial a los trópicos. Estudios FAO Montes 22/2. Vol. 2. Roma, Italia. Recuperado en diciembre de 2018 de http://www.fao.org/3/a-ap353s.pdf

Arias, A. D. (2004). Estudio de las relaciones altura-diámetro para seis especies maderables utilizadas en programas de reforestación en la Zona Sur de Costa Rica. Kurú: Revista Forestal (Costa Rica), 1(2), 11 p.

Barrios, A., M., López, A., & Nieto, V. (2014). Predicción de volúmenes comerciales de Eucalyptus grandis a través de modelos de volumen total y de razón. Colombia Forestal, 17(2), 137-149. doi: https://doi.org/10.14483/udistrital.jour.colomb.for.2014.2.a01

Barrena, A. V., & Llerena, P. C. (1988). Influencia de los errores de estimación de la altura en el cálculo del volumen. Revista Forestal Perú, 15(1), 1-11.

Borders, B. E., & Bailey, R. L. (1986). A compatible system of growth and yield equations for slash pine fitted with restricted three-stage least squares. Forest Science, 32(1),185-201. doi: https://doi.org/10.1093/forestscience/32.1.185

Castedo, D. F., Ruiz, G. A. D., & Álvarez, G. J. G. (2001). Modelización de la relación altura-diámetro para Pinus pinaster Ait. en Galicia, España mediante la función de densidad bivariante Sbb. Investigación agraria. Sistemas y recursos forestales, 10(1), 111-125.

Da Cunha, T. A., & Guimarães, F. C. A. (2009). Modelo de regresión para estimar el volumen total con corteza de árboles de Pinus taeda L. en el sur de Brasil. Kurú: Revista Forestal (Costa Rica), 6(19), 1-15.

Diéguez-Aranda, U., Alboreca, A. R., Castedo-Dorado, J. G., Álvarez-González, J. G., Barrio-Anta, M., Crecente-Campo, F., González-González, J. M., Pérez-Cruzado, C., Rodríguez-Soaleiro, R., López-Sánchez, C. A., Balboa-Murias, M. A., Gorgoso-Varela, J. J., Sánchez-Rodríguez, F., & Gómez-García, E. (2009). Herramientas selvícolas para la gestión forestal sostenible en Galicia. Xunta de Galicia. Recuperado en diciembre de 2018 de http://mediorural.xunta.gal/fileadmin/arquivos/publicacions/herramientas_selvicolas.pdf

Domínguez-Hernández, F., Huerta-Ortega, F., Barrios-Díaz, B., & Posadas-García, M. A. (2012). Análisis dasométrico y propuesta de ordenamiento agroforestal del bosque en Tetela de Ocampo, Puebla. Nota técnica. Avances de Investigación Agropecuaria AIA, 16(3), 75-82.

Franco-Diaz, R., Acosta-Mireles, M., Carrillo-Anzures, F., Buendía-Rodríguez, E., Flores-Ayala, J. D., & Etchevers-Barra, D. (2007). Determinación de ecuaciones alométricas para estimar biomasa y carbono en Pinus patula Schl. et Cham. Madera y Bosques, 13(1), 25-34. doi: https://doi.org/10.21829/myb.2007.1311233

García-Cuevas, X., Herrera-Ávila, V., Hernández-Ramos, J., García-Magaña, J. J., & Hernández-Ramos, A. (2016). Ecuaciones para predecir el diámetro normal en función del diámetro del tocón para Abies religiosa (Kunth) Schltdl. et Cham. Revista Mexicana de Ciencia Forestales, 7(37), 95-103.

Gayon, J. (2000). History of the concept of allometry. American Zoologist, 40(5), 748–758. doi: https://doi.org/10.1668/0003-1569(2000)040[0748:HOTCOA]2.0.CO;2

Hernández, R. J. A., García, C. X., García, M. J. J., Muñoz, F. H. J., Velarde, R. J. C., & Olvera, D. E. H. (2016). Factores de proporción y ecuaciones de diámetro normal a partir del tocón para Pinus greggii Engelm. Revista Mexicana de Ciencia Forestales, 7(35), 7-18.

Hernández, R. J., García C. X., Hernández, R. A., García, M., J. J., Muñoz, F., H. J., Flores, L., C., & García, E., G. G. (2015). Ecuaciones altura-diámetro generalizadas para Pinus teocote Schlecht. & Cham. en el estado de Hidalgo. Revista Mexicana de Ciencias Forestales, 6(31), 8-21.

Hernández-Ramos, J., García-Magaña, J., Hernández-Ramos, A., García-Cuevas, X., García-Espinoza, G., Muñoz-Flores, J., & Sáenz-Reyes, T. (2018). Allometric height-diameter equations for Pinus pseudostrobus Lindl. Ecosistemas y recursos agropecuarios, 5(13), 15-23.

Huang, S., Titus, S. J., & Wiens, D. (1992). Comparison of nonlinear height-diameter functions for major Alberta tree species. Canadian Journal of Forest Research, 22(9), 1297-1304. doi: https://doi.org/10.1139/x92-172

Instituto Nacional de Estadística Geográfica e Informática (INEGI). (1992). Síntesis geográfica del estado de Hidalgo. México, D. F.

Juárez, M., Pece, M. G., Gaillard, C., Sanguedolce, J., Mariot, V., & Mazzuco, R. (2007). Ecuaciones altura-diámetro en Prosopis nigra (Griseb) Hieron (Algarrobo negro) en Santiago del Estero, Argentina. Foresta Veracruzana, 9(1), 9-14.

Leaño, C., & Saravia, P. (1998). Monitoreo de parcelas permanentes de medición en el bosque Chimanes. Documento Técnico 67/1998. Santa Cruz, Bolivia: Chemonics International, USAID.

Lencinas, J. D., & Mohr-Bell, D. (2007). Estimación de clases de edad de las plantaciones de la provincia de Corrientes, Argentina, con base en datos satelitales Landsat. Bosque, 28(2), 106-118.

Malleux, O., J. (2016). Estudio de la relación D.A.P. con el diámetro de copa en un bosque húmedo subtropical. Revista Forestal del Perú, 4(1-2), 1-5.

Martínez-González, M. A., Sánchez-Villegas, A., & Faulin-Fajardo, F. J. (2006). Bioestadística amigable. 2a Edición. Madrid, España: Editorial Díaz de Santos, S. A. 936 p.

Martínez-López, J., & Acosta-Ramos, A. (2014). Estimación del diámetro, altura y volumen a partir del diámetro del tocón para Quercus laurina en Ixtlán, Oaxaca, México. Madera y Bosques, 20(1), 59-70.

Martínez, P. F., Rubio, S. A., & San Martín, F. R. (2004). Modelización de producciones forestales no leñosas: Aplicación a la fructificación de Boletuis edulis Bull.: FR. en Pinares de Silvestre de Soria. Cuadernos de la Sociedad Española de Ciencias Forestales, 18, 85-90.

Milena, L. A., Trincado, G., Barrios, A., & Nieto, V. (2013). Modelos regionales de altura–diámetro para plantaciones jóvenes de Eucalyptus tereticornis en la costa atlántica colombiana. Bosque, 34(2), 233-241.

Pece, M. G., Benítez C., Juárez M., Mariot V., Sanguedolce J., & Pranzoni O. (2006) Modelación de la altura total para quebracho colorado santiagueño (Schinopsis quebracho-colorado). Foresta Veracruzana, 8, 1-7.

Pérez, R. F. O. (2007). Introducción a las series de tiempo. Medellín, Colombia: Editorial Lorenza Correa Restrepo.

Peters, R., Cox, F., & Real, P. (1997). Mensura Forestal. Serie Investigación y Educación de Desarrollo Sostenible. Instituto Interamericano de Cooperación para la Agricultura (IICA)/BMZ/GTZ sobre agricultura, recursos naturales y desarrollo sostenible. San José, Costa Rica.

Puji, N. N. (2014). Relationship between total tree height and diameter at breast height for tropical peat swamp forest tree species in rokan hilir district, riau province. Indonesian Journal of Forestry Research, 1(2), 89-107.

Pompa-García, M., De los Santos-Posadas, H., Zepeda-Bautista, M. E., & Corral-Rivas, J. J. (2011). Un modelo dendrométrico para estimación del diámetro normal a partir de las dimensiones del tocón. Agrociencia, 45(3), 379-387.

Quiñonez, B. G., Cruz, C. F., Vargas, L. B., & Hernández, F. J. (2012). Estimación del diámetro, altura y volumen a partir del tocón para especies forestales de Durango. Revista Mexicana de Ciencias Forestales, 3(9), 23-39.

Sakici, O. E., Misir, N., Yavuza, H., & Misir, M. (2008). Stem taper functions for Abies nordmanniana subsp. bornmulleriana in Turkey. Scand. Journal of Forest Research, 23(6), 522-533. doi: https://doi.org/10.1080/02827580802552453

Sánchez M., Cañellas, I., & Montero, G. (2007). Generalized height-diameter and crown diameter prediction models for cork oak forests in Spain. Investigación Agraria: Sistemas y Recursos Forestales, 16(1), 76-88.

SAS Institute Inc. (2008). SAS/STAT® 9.2 User’s Guide Second Edition. SAS Institute Inc. Raleigh, NC USA. Recuperado en diciembre de 2018 de https://support.sas.com/documentation/cdl/en/statugmcmc/63125/PDF/default/statugmcmc.pdf

SAS Institute Inc. (2003). SAS/STATTM User´s guide. Release 9.1 Edition. Statistical Analysis System Institute. Cary, NC, USA.

Secretaría del Medio Ambiente y Recursos Naturales-Comisión Nacional Forestal (Semarnat-Conafor). (2015). Inventario estatal forestal y de suelos-Hidalgo 2014. Semarnat-Conafor: Zapopan, Jalisco, México

Sharma, M., & Parton, J. (2007). Height-diameter equations for boreal tree species in Ontario using mixed-effects modeling approach. Forest Ecology and Management, 249, 187-198. doi: http://dx.doi.org/10.1016/j.foreco.2007.05.006

Temesgen, H., Hann, D. W., & Monleon, V. J. (2007). Regional Height-Diameter equations for major tree species of Southwest, Oregon. Western Journal of Applied Forestry, 22(3), 213-219. 39

Trincado, G., & Leal, C. D (2006). Ecuaciones locales y generalizadas de altura-diámetro para pino radiata (Pinus radiata). Bosque, 27(1), 23-34.

Vanclay, J. (1994). Modelling forest growth and yield: Applications to mixed tropical forests. London, UK: CAB International.

Vibrans, A. C., Moser, P., Zimermann, L., & Mazaneuro, J. (2015). Height-diameter models for three subtropical forest types in Southern, Brazil. Ciência e Agrotecnologia, 39(3), 205-215.

Zambrano, T., Suárez, M., & Jerez, M. (2001). Evaluación de la efectividad del ajuste de algunos modelos de regresión utilizados para estimar la relación altura-diámetro en parcelas permanentes de rendimiento y aclareo en teca (Tectona grandis L. F.). Revista Forestal Venezolana, 45(2), 163-173.

Zhang, L., Peng, C., Huang, S., & Zhou, X. (2002). Development and evaluation of ecoregion-based jack pine height-diameter models for Ontario. Forestry Chronicle, 78(40), 530-538.