DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES DE CO 2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE BOSQUES.

Transcripción

1 DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES DE CO 2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE BOSQUES. Producto 2: Propuesta metodológica para la cuantificación de carbono forestal Consultor Internacional: Dr. Jeffrey R. Jones jjones@catie.ac.cr, jrjones50@gmail.com

2 Producto 2: Propuesta metodológica para la cuantificación de carbono forestal Introducción El mayor problema enfrentando la implementación del Mecanismo de Desarrollo Limpio (MDL) es superar la falta de información y la falta de preparación en los países. Por un lado, el MDL permite una gran flexibilidad en la selección de metodologías, estrategias de manejo de datos, y el desarrollo de investigaciones relevantes para llegar a documentar el estado de la vegetación y el sumidero de carbono para cada país. Por otro lado, esta misma flexibilidad genera una dinámica de confusión y debate, ya que no hay experiencia definitiva en las metodología, y hay fuertes argumentos para el uso de varias metodologías alternas. En este ambiente, la combinación de productos MODIS y el software ALU representa un firme primer paso para llegar a los análisis requeridos; el producto VCF de MODIS en combinación con mapas actuales de cobertura calcula el estado actual de carbono en la masa forestal del país, mientras el ALU provee una perspectiva dinámica de los diferentes elementos que afectan el balance de carbono en todo momento. ALU provee un marco para la incorporación de datos, la documentación de decisiones tomadas en cada paso, la diferenciación de diferentes comunidades vegetales y procesos relevantes para la evaluación de carbono, e inclusive incluye opciones que permiten la expansión del sistema a incluir elementos para la implementación REDD, si fuera de interés en el futuro. Se incluye un ejemplo de un análisis forestal ALU para años anteriores en Honduras como apéndice. Cálculo de biomasa vegetal y carbono El limitante en el manejo de los datos de bosque es la existencia de formulas para la transformación de áreas de bosque a biomasa y carbono. Aunque existen tablas alométricas para plantaciones forestales, estos datos no corresponden a las condiciones de bosques naturales, ya que no contemplan las plantas del sotobosque, ni la hojarasca en el suelo, y mas importante, suponen una plantación homogénea de plantas de la misma especie y la misma edad. Los cálculos de biomasa y carbono para los diferentes tipos de bosque depende de estudios específicos. Aunque existen muchos estudios de medición, suelen ser muy específicos, a limitarse con algún componente del bosque, tal como la hojarasca, el carbono en el suelo, o la biomasa de las partes aéreas de los árboles o las otras plantas. Aquí se presenta una parte del cuadro de calculo de biomasa para Honduras. La clasificación de bosque depende del mapa de cobertura forestal 2009 de ICF (vea figura). Aunque la diferenciación de clases de bosque no se aprovecha con diferentes productividades de biomasa, se aprovecha los áreas definidos para aplicar el factor de escalamiento de VCF (vea figura). En forma general, la interpolación de valores promedios de porcentaje de árboles en clases de cobertura no presentan mayores sorpresas; la acuicultura presenta poquísima cobertura forestal, seguido por los áreas

3

4 urbanas, y las zonas agrícolas. La agricultura agrocomercial refiere a una producción mas tecnificada, y presenta menos árboles en la finca (aunque hay unas plantaciones de palma africana que aparecen con alto porcentaje de árboles), mientras que la tierra Agropecuaria es un sistema mas tradicional que contiene mas árboles. Inclusive, la cobertura Agropecuaria cuenta con mas densidad de árboles que el bosque seco y la sabana con árboles. La clasificación de matorrales ofrece una justificación clara para el uso del factor porcentaje de árboles; en un mapa forestal típico se tiende a ignorar matorrales, por ser zonas de regeneración, e inclusive, de rotación larga agrícola, de manera que no tienen producción forestal. Sin embargo, puede haber un crecimiento considerable de biomasa bajo condiciones tropicales, y mas si la rotación larga se extiende mas de 3 años. Pct Cobertura Árboles ACUICULTURA 6.92 AREAS URBANAS AGROCOMERCIAL BOSQUE SECO SABANA CON ÁRBOLES AGROPECUARIO MATORRALES BOSQUE PINAR RALO BOSQUE DE MANGLE BOSQUE PINAR DENSO BOSQUE MIXTO-TMLD BOSQUE LATIFOLIADO Otro indicador de la importancia de considerar sumideros de carbono que no son estrictamente bosques se ve en el resumen de sumideros de biomasa en el paisaje. ZONE Mg/ha Has / Categoría Mg Biomasa / Categoría ACUICULTURA , ,922 AGROCOMERCIAL ,479 46,767,797 AGROPECUARIO ,789, ,140,266 AREAS URBANAS , ,893 BOSQUE DE MANGLE ,775 12,403,714 BOSQUE LATIFOLIADO ,692, ,818,822 BOSQUE MIXTO ,397 29,498,802 BOSQUE PINAR DENSO ,384, ,841,401 BOSQUE PINAR RALO ,164, ,477,202 BOSQUE SECO ,745 4,300,423 MATORRALES ,097, ,580,915 SABANA CON ÁRBOLES ,330 23,766,466 Total 11,027,088 1,948,632,622

5 Aunque la cantidad de biomasa por hectárea es relativamente pequeña para matorrales y agropecuario, su contribución al balance nacional de carbono es muy significativo, por los grandes áreas que cubren. Eliminando todos los rubros que no son forestales, se llega a un área forestal total de 6.7millones de ha, y un total de 1.3 miles de millones de Mg de biomasa en los bosques de Honduras, que daría un valor aproximado de 0.7 miles de millones de MT Carbono. ZONE Mg/ha Has / Categoría Mg Biomasa / Categoría BOSQUE DE MANGLE ,775 12,403,714 BOSQUE LATIFOLIADO ,692, ,818,822 BOSQUE MIXTO ,397 29,498,802 BOSQUE PINAR DENSO ,384, ,841,401 BOSQUE PINAR RALO ,164, ,477,202 BOSQUE SECO-TMLD ,745 4,300,423 SABANA CON ÁRBOLES ,330 23,766,466 Total 6,714,109 1,388,106,829 El cálculo de biomasa forestal pareciera diferir de los resultados de Gibbs (2007), quien calcula miles de millones TM de carbono en la biomasa forestal. El cálculo de Gibbs se hizo con la cobertura GLC de 2000, que no diferencia densidad de bosques. Si se aplica una metodología parecida a lo de Gibbs a los datos de 2009, (incluir todo bosque a su máxima densidad, incluir matorrales como bosques), el resultado es de miles de millones de TM Carbono. Este contraste demuestra la importancia de las conclusiones de Chave (2004), que los modelos alométricos provee el mayor error en el análisis del carbono de los bosques nacionales. Se nota un acercamiento en los valores de los diferentes cálculos de carbono. Aun con errores, las diferencias en los cálculos son mínimas en vista de los limitantes mencionados; 1) diferencias en las fechas de los mapas de cobertura forestal 2) diferencias en el reconocimiento de las densidades de los bosques 3) diferentes modelos alométricos Con solo citar posibles cambios en la cobertura forestal en los últimos años, los dos resultados llevan una relación muy comprensible. Como ejemplo de la importante de la consideración de la densidad de la cobertura forestal, se presenta una parte de la tabla completa de calculo de biomasa por clase de cobertura, con el índice de cobertura de árboles (proporcional al porcentaje de árboles), el área de la clase y su biomasa. Es de notar que hay variabilidad en los índices de cobertura de árboles, aun dentro de cada categoría, que refleja la diversidad de la cobertura dentro de cada categoría.

6 ZONE Índice árboles AREA_HAS Biomasa BOSQUE DE MANGLE-TMLD-FL-HAC ,588,366 BOSQUE DE MANGLE-TMLD-FL-LAC ,865 BOSQUE DE MANGLE-TMLD-FL-WET ,276 BOSQUE DE MANGLE-TMSD-FL-HAC ,846,348 BOSQUE DE MANGLE-TRMM-FL-LAC ,788 BOSQUE DE MANGLE-TRW-FL-HAC ,740,058 BOSQUE DE MANGLE-TRW-FL-LAC ,817,760 BOSQUE DE MANGLE-TRW-FL-WET ,253 BOSQUE LATIFOLIADO-TMLD-FL-HAC ,081,375 BOSQUE LATIFOLIADO-TMLD-FL-LAC ,291,811 BOSQUE LATIFOLIADO-TMLD-FL-WET ,374 BOSQUE LATIFOLIADO-TMSD-FL-HAC ,346,944 BOSQUE LATIFOLIADO-TMSD-FL-LAC ,383,551 BOSQUE LATIFOLIADO-TMSD-FL-WET ,680 BOSQUE LATIFOLIADO-TRD-FL-HAC ,444 BOSQUE LATIFOLIADO-TRMD-FL-HAC ,460,226 BOSQUE LATIFOLIADO-TRMD-FL-LAC ,685,472 BOSQUE LATIFOLIADO-TRMD-FL-VOL ,702,346 BOSQUE LATIFOLIADO-TRMM-FL-HAC ,461,906 BOSQUE LATIFOLIADO-TRMM-FL-LAC ,973,538 BOSQUE LATIFOLIADO-TRMM-FL-VOL ,747,830 BOSQUE LATIFOLIADO-TRW-FL-HAC ,569,277 BOSQUE LATIFOLIADO-TRW-FL-LAC ,626,698 BOSQUE LATIFOLIADO-TRW-FL-VOL ,693,554 BOSQUE LATIFOLIADO-WTM-FL-HAC ,491,556 BOSQUE LATIFOLIADO-WTM-FL-VOL ,100,242 BOSQUE MIXTO-TMLD-FL-HAC ,706,553 BOSQUE MIXTO-TMLD-FL-LAC ,201 BOSQUE MIXTO-TMSD-FL-HAC ,284,439 BOSQUE MIXTO-TMSD-FL-LAC ,680 BOSQUE MIXTO-TMSD-FL-WET ,596 BOSQUE MIXTO-TRD-FL-HAC ,617 BOSQUE MIXTO-TRMD-FL-HAC ,740,319 BOSQUE MIXTO-TRMD-FL-LAC ,289 Los polígonos mas pequeños en esta cobertura presentan problema de escala; el píxel MODIS es de 500m de lado, entonces cualquier área menor de 100ha tiene efectos serios de bordes que pueden confundir los valores de porcentaje de árboles. Los cálculos de biomasa presentados son aproximados, hechos para demostrar le metodología sin afinar todos los datos base. Un limitante es que la cobertura VCF es de 2000, entonces no incluye cualquier cambio en densidad desde esa fecha. La generación de estudios específicos de los bosques de cada país es una tarea muy propia de cada país. Crear un inventario de estudios de cada tipo de bosque o paisaje relevante para un país es una tarea que requiere observaciones directas de condiciones

7 nacionales, enfocados en las especies nacionales. Por ejemplo, existe un estudio excelente sobre la biomas y conversiones para Pinus patula en comparación con Tectona grandis en Colombia; cuan relevante seria este estudio con respecto a Pinus caribea en Honduras? Limitantes en el cálculo de biomasa forestal La cobertura VCF (porcentaje de cobertura forestal) de MODIS provee un mecanismo para dar mas consistencia a la generación de los datos de biomasa. Uno de los mayores impactos sobre la biomasa de un sitio es la densidad de árboles, que permite modificar el valor máximo de biomasa que representa un bosque maduro denso a reflejar el estado relativo de todo bosque. Teóricamente, se puede contrastar tipos de bosques que se diferencian en base de las especies presentes (con sus diferentes gravedades especificas), y la clase de bosque (densidad de vegetación, diversidad de especies) y asignar un valor típico a su biomasa. El valor de biomasa de una clase de bosque se califica por la densidad de árboles. Como ejemplo, se toma el mapa forestal 2009, y se clasifica en base de los criterios ALU; por clima, y por suelo. En el caso del mapa forestal de Honduras, el bosque se diferencia en varias clases; sin embargo, no hay buenas evidencias para dar valores específicos a la biomasa de cada clase, entonces se utiliza un valor promedio de bosque tropicales. Chave et.al. (2001) presenta un análisis de bosques en Guyana Francesa y presenta un valor promedio de 310Mg/ha, considerando solamente la biomasa aérea de árboles, sin considerar ni raíces, ni hojarasca, ni carbono del suelo. Hay diferencias notables entre la cantidad de biomasa incorporada en diferentes especies forestales, basando solamente en una comparación de la gravedad específica de diferentes especies. Baker et.al. (2004) encuentran una tendencia a diferencias en la gravedad específica en general, y en biomasa en diferentes partes de la Amazona. Sin embargo, la aplicabilidad de la gravedad específica se complica por la diversidad de especies en un bosque natural; en los trópicos, rara vez se encuentra un bosque pura de una sola especie. La excepción obvia a esta observación es el pino, pero igualmente, muchas veces hay una diversidad de especies de pinos en un bosque, y no hay seguridad que sus gravedades específicas son iguales. Finalmente, en un análisis de la propagación de error en el calculo de biomasa, Chave et.al. (2004) topan con las mismas fuentes de error, y además, el hecho de que la gravedad específica de una especie cambia dependiendo de su edad, y la ubicación de la muestra referente a la corteza del árbol. La conclusión de Chave es que la generalización de información de un bosque a otro tiene muchos posibles errores, y requiere mas modelos alométricos en los bosques locales en cada país para reducir el error. Eso dicho, hay que utilizar el dato mas cercano posible al tipo de bosque de interés, y reconocer que se puede mejorar con mediciones futuras.

8 Desarrollo de ALU El ALU (Agriculture and Land Use National Greenhouse Gas Inventory Software) se inicio como CAALU (Central American Agriculture and Land Use Tool), financiado por la USAID e implementado por Colorado State University en conjunto con la USEPA. Este desarrollo del proyecto ha sido positivo en el sentido que ha obligado a que el programa se haya 'tropicalizado' en el proceso de desarrollo de su primera fase. La historia tropical de ALU se nota por la inclusión de agricultura migratoria como categoría de análisis, la cuantificación de sistemas agroforestales y la incorporación de quemas como elemento influyente característico y persistente en el análisis del sumidero de carbono. Aunque ALU tiene un fuerte enfoque en cambio de uso de la tierra, utiliza como base una sistema de organización de datos para cuantificar unidades homogéneas de análisis, distribuirlos geográficamente, y analizar procesos de cambio o estabilidad. Dentro del rubro de "Land use and management" cabe un análisis muy extenso de las condiciones del bosque. La implementación de ALU requiere la incorporación de información sobre la diversidad de bosques, los procesos de 'manejo' (tal como la explotación para leña), y las características de crecimiento, la estructura del sumidero de carbono (tallo vs. suelo), en inclusive la explotación del bosque con fines de madera redonda. En vista de su orientación hacia UNFCCC objetivos, ALU también genera informes en formatos reconocibles por UNFCCC con el resumen de resultados de la investigación de cada zona. Estos resultados se presentan en forma dinámica y en forma estática, para evaluar el proceso de cambio, y el estado del sumidero en cualquier momento. Estudio de Caso: Honduras Para demostrar la capacidad de ALU, Honduras fue escogido como país forestal centroamericano. Honduras cuenta con mapas forestales, datos de explotación de madera, documentación de impactos de incendios y plagas, de manera que provee muchos datos básicos necesarios para el análisis. A la misma vez, hay un faltante en el detalle de información sobre el secuestro de carbono, la conversión de información entre área, tipo de bosque, y concentración de carbono, contrastado por todos los diferentes tipos de bosque del país. El análisis ALU inicia con la clasificación de bosque por clima y suelo. IPCC reconoce 14 climas típicas, y 7 clases de suelos, como condicionantes de la capacidad de producción primaria de cualquier ecosistema. Ya existen mapas globales de las distribuciones de climas y suelos para facilitar un inicio inmediato, sin recurrir a los mapas nacionales de suelos, ni hacer la interpretación de como los tipos de suelos nacionales relacionan con los tipos de suelos reconocidos por la metodología IPCC. (

9 El IPCC diferencia climas para reflejar las capacidades básicas de productividad básica, entonces contempla cantidad de precipitación, distribución de precipitación en el año, y la temperatura. (Las definiciones de condiciones básicas de IPCC se presentan en ingles, ya que las siglas utilizadas en el análisis refieren al ingles). Como es una clasificación mundial, no todas las clases se aplican en el trópico. Los climas típicas IPCC son; Tropical Moist Montane (TRMM) Tropical Dry Montane (TRMD) Tropical Wet (TRW) Tropical Moist Short Dry Season (TMSD) Tropical Moist Long Dry Season (TMLD) Tropical Dry (TRD) Warm Temperate Moist (WTM) Warm Temperate Dry (WTD) Cool Temperate Moist (CTM) Cool Temperate Dry (CTD) Boreal Moist (BOM) Boreal Dry (BOD) Polar Moist (POM) Polar Dry (POD) Además del clima, IPCC diferencia suelos a grandes rasgos para reflejar su potencial de productividad. Las clases de suelos son; High Activity Clay Mineral Soils (HAC) Low Activity Clay Mineral Soils (LAC) Sandy Soils (SAN) Wetland Soils (WET) Spodic Soils (SPO) Volcanic Soils (VOL) Organic Soils (ORG) Como base de análisis de cobertura, utiliza las seis categorías IPCC, Bosque, Cultivo, Sabana, Asentamientos, Humedales y Otros. La fortaleza de ALU es la capacidad sin limite de expandir estas categorías en sub-categorías. Para el caso de Honduras, se distinguen como mínimo, bosques de pino, bosques latifoliados y manglares. Dependiendo de los datos base que poseen, estas categorías pueden ampliarse a cualquier

10 numero de otras subcategorías. Las subcategorías se cruzan geográficamente con los datos de clima y suelo, para formar las unidades básicas de análisis. Implementación ALU ALU es un producto de una colaboración entre la Universidad Estatal de Colorado, la USAID y la USEPA. Es un producto de libre distribución, que se baja en Internet, y solamente piden que se registra el usuario para documentar su grupo de usuarios. El equipo desarrollador y programador es activo, y disponible para consultas. Lo mas atractivo del uso de ALU es que representa una formulación muy completa de emisiones y sumideros de carbono en un país. Se basa en ingresar datos básicos de distribución de uso de la tierra, y tiene la opción de incluir información sobre detalles de manejo agropecuario. Por ejemplo, pide detalles de manejo de animales, aplicación de fertilizantes y cal, y el manejo de efluentes. Como se aprecia de la pantalla principal de ALU, hay una opción de especificaciones secundarias, sobre detalles de manejo especialmente quemas, manejo de residuos

11 vegetales, etc. En su Modulo II busca cuantificar emisiones de todo tipo, incluyendo directamente de ganado, y del procesamiento de sus excrementos, al igual que los impactos químicos de manejo de arroz y agroquímicos. Finalmente, tiene la opcion de aplicar formulas de interpretación para sacar conclusiones en cuanto a impactos de manejo en vista de la extensión total de cada actividad. ALU es muy flexible. Permite enfocar en uno, o unos cuantos, aspectos del balance de carbono. Entonces, para el análisis que se presenta en paginas anteriores, sobre la contribución del AGB (Biomasa por encima de la tierra) de la masa forestal en Honduras al balance de carbono, se hace perfectamente, sin requerir ingresar datos sobre manejos agropecuarios. Sin embargo, ALU permite ampliar el análisis en cualquier momento para complementar un análisis parcial, para incluir aspectos de carbono del suelo, la agricultura migratoria, etc. Como estructura fundamental, ALU clasifica un área en clima y suelos, y estos subdivididos por clases de cobertura, y sub-clases de cobertura, si estos existen. Estos datos pueden ser introducidos directamente con resultados de análisis SIG, o pueden ser ingresados en forma manual. Tiene la opción de diferenciar áreas en sub-áreas en base de porcentajes. Por ejemplo, si se conoce la distribución de un sub-área solamente como approx. 30% del área total, el programa permite que se ingrese los datos como porcentajes y divide el área total en base de estos números, como se aprecia en la toma de pantalla abajo.

12 Una vez ingresados los datos de tipo de clima y suelo, ALU pasa por un proceso de validación para asegurar que todos los datos tienen una consistencia interna. En la figura arriba se presenta la selección de una combinación de clima y suelo, y se confirma la distribución de áreas bajo esta categoría. Este proceso es algo tedioso, pero hace explicito detalles de la distribución de las diferentes clases de uso y clima, para tratar de evitar errores de dedazos. La gran ventaja en el uso de ALU para el calculo de carbono es la capacidad de ingresar datos sobre el dinamismo del paisaje. Para los cálculos de incremento o decremento del sumidero de carbono en el paisaje, ALU entra con opciones de impactos de plagas, tormentas, e incendios explícitamente, y deja opción para otros impactos sin especificar. El impacto del gorgojo de pino es masivo en Honduras. Ese impacto solamente afecta al pino, y puede tener diferentes impactos en diferentes áreas del país. ALU permite incorporar datos de perdidas debido a gorgojo en la dinámica forestal. Contempla la penetración de la plaga, la cabalidad del impacto, y su efecto sobre la masa forestal como porcentaje. Igualmente, hay una opción para el análisis del impacto de incendios. En Honduras son un elemento critico en el manejo del bosque, y en el manejo de tierras en general. ALU reconoce diferentes niveles de quemas, y diferentes capacidades de recuperación de los bosques. La diferenciación de bosques por clima y suelo ofrece una opción de diferenciar impactos según causas, que fueran naturales o antropogénicos, y dar

13 diferentes características a las quemas dependiendo de la calidad del suelo para la agricultura u otros usos. Otro impacto sobre los bosques de Honduras son los huracanes. Aunque no son predecibles, los impactos pueden incluir como casos específicos en los análisis de años particulares, y diferenciarlos según la ubicación y la geografía de los diferentes áreas de bosque. En el análisis citado en este informe, no se incluyeron datos dinámicos, en el interés de tiempo. Sin embargo, se nota la existencia de datos apropiados para empezar a aproximar aspectos dinámicos del paisaje y su impacto sobre el balance de carbono. ALU permite entrar datos altamente diferenciados para los factores de crecimiento, biomasa, relación entre raíz y tallo, etc. Sin embargo, como se presenta en el cuadro de Aboveground Biomass Growth Increment (Gw) un mismo valor se utiliza para los diferentes edades y los diferentes tipos de bosques por depender la diferenciación de estos valores de un análisis de documentos de crecimiento en los diferentes artículos citados.

14 Por ejemplo, Hughes 1999 analiza crecimiento de bosques secundarias en México, y en base de una muestra de 11 parcelas, encuentra que el crecimiento promedio en bosque secundaria de menos de 20 años de edad es de 10.56Mg /ha/año, y los bosques de mas de 20 años se reducen a 8.1 Mg /ha/año. De momento, la implementación de datos de biomasa forestal depende de la selección de los estudios mas relevantes a las condiciones nacionales. La evaluación de relevancia debe de incluir especies evaluadas, climas consideradas, condiciones de bosque, y suelos, para seleccionar el ejemplo mas parecido a las condiciones nacionales. Sin embargo, hay que reconocer que estos datos no son ideales, ya que suponen una similitud entre bosques de zonas distantes, bajo condiciones climáticas y edafológicas particulares; no hay forma de estimar cuanto parecen a las condiciones nacionales de bosques.

15 Anexado a este documento es una bibliografía de las referencias mas relevantes para Centroamérica extraídos de una búsqueda de literatura académica y disponible por internet. También se ha hecho consultas con colegas para identificar fuentes de información relevantes. El calculo del balance de carbono en el paisaje incluye elementos muy específicos sobre cada clase de bosque. La pagina arriba, Module II Emission and Stock Factors controla varias paginas de datos que pueden ingresarse en forma diferenciada basado en datos locales, un dato general basado en la literatura, o en algunos casos, la aplicación de valores por defecto de IPCC. Las paginas para ingreso de datos específicos son muy importantes a la aproximación mas fiel al balance de carbono. Uno de los datos críticos para manejar en el trópico es la taza de crecimiento de bosque. Este crecimiento puede ser muy rápido, dependiendo de las condiciones ecológicas, y puede diferenciarse en base de condiciones de clima, suelo, y la edad del rodal. ALU pide especificación para tazas de crecimiento para cada combinación de vegetación, suelo y clima; sin embargo, como se ve en este ejemplo, tiene la opción de no variar valores de crecimiento por carecer de información especifica en la cual basar la diferenciación.

16 Otro componente del calculo de carbono en bosque es la relación raíces tallo (rootshoot), para apreciar la cantidad de carbono escondido bajo tierra. Donde hay datos disponibles, esta relación se puede diferenciar por cada caso de suelo-clima-bosque, y donde no hay, se ingresa un solo valor. En el ejemplo presentado, se utiliza la relación de 19% como la relación raíz-tallo, en base de la investigación de Chave.

17 Otro elemento controlado desde la página Module II Emission and Stock Factors es la proporción de carbono que representa la biomasa de cada unidad suelo-clima-bosque. La página especifica para ingresar este dato no se presenta en este informe. Como parte de la estructura de control de calidad, ALU tiene una pagina que controla la validación de todos los elementos para llegar al calculo de cambios es el sumidero de carbono. Esta pagina, Module II Equation Calculations permite revisar valores que contribuyen a una serie de cálculos, y ver los resultados en forma tabular. En este caso, el objetivo es control de calidad, en que deja observar resultados de los análisis para detectar si hay valores que no cuadran a simple vista. Desde esta vista, se revisa varias fuentes de información relevante al calculo de carbono; tazas de crecimiento, impactos de plagas, cosecha de madera, recolección de leña, etc. Como se menciona en otros casos, no son necesarios todos los factores para lograr los cálculos. Si no existen datos de extracción de leña, se deja en 0, y los cálculos se ejecutan con ese valor. Para la presentación de datos formales, ALU cuenta con una facilidad para generar hojas de cálculo Excel con el resumen de los datos de carbono.

18 Conclusiones La aplicación de la cobertura VCF, de porcentaje de árboles en un píxel MODIS, provee una base para evaluar contenido de carbono en el paisaje. La cobertura VCF mejora la precisión de las evaluaciones del carbono, ya que reconoce que hay una gran variabilidad en la densidad de bosques, aun de una sola clase debido a factores de enfermedades, quemas, etc. Los cálculos que ignoran cambios en densidades de bosques sobre-estiman cantidades de carbono en forma consistente, ya que tienden a basarse en cantidades de carbono encontrado en bosques viejos y sin perturbación, aunque estos no son lo mas típico en la región. Lo que no se logra con ningún enfoque de sensores remotos son los valores alométricos, basados en observaciones concretas de concentraciones de biomasa en bosques. En este estudio se aplicó valores razonables de zonas tropicales, por no contar con datos específicos de Honduras. (Honduras en este caso fue seleccionado al azar, por contar con una tradición forestal en el país, que traduce en mapas forestales actuales e históricos, y estadísticas sobre explotación y daños, etc.) Cada pais puede definir si dispone de recursos para mejorar la calidad de los datos alométricos para cada clase de bosque con que se cuenta en el país. Los acuerdos Kioto reconocen la posibilidad de mejorar datos de esta clase. Vale destacar que hay cuestionamiento importante sobre la relevancia de las tablas alométricos ya existentes (Chave 2004). Por enfocar en estudios de plantaciones forestales, y no contar con distribuciones de especies y edades típicas de los bosques y las

19 regiones de cada país, estos datos requieren ajustes de diferentes tipos para reflejar la biomasa total de bosques. En contraste con estudios alométricos para la explotación forestal, se requiere modelos que incluyen el sotobosque típico de cada clase de bosque, la capa de materia orgánica, las ramas y los tallos caídos en el bosque, etc. Esto puede formar parte del agenda de investigación forestal del país. Un afinamiento potencial del análisis de carbono en la masa forestal nacional es el uso de ALU. Aunque su nombre apunta al uso agropecuario, incluye una sección extensiva para cálculos forestales, que contempla tazas de crecimiento, eventos dañinos al bosque (enfermedades, plagas, incendios), y características tales como la relación de tallo a raíz, y la densidad de la madera. Estos elementos se transforman en una taza de cambio para cada clase de bosque identificado en la clasificación de ALU. La clasificación de tierras y coberturas representa otra fortaleza de ALU. Incorpora conceptos reconocidos por IPCC como influyentes en la determinación del sumidero y la dinámica de carbono (clima, suelo, edad de rodales), y cuadra una estructura de datos que sugiere un plan de investigación que responde a las preguntas del pensamiento IPCC. Tal vez la mayor ventaja en el uso de ALU es su estructura que facilite la ampliación del calculo de carbono a otros temas. Por ejemplo, en este caso el calculo de carbono forestal no tiene referencia a raíces ni carbono de suelo; ALU puede extender el análisis inicial a incluir carbono de suelo con el ingreso de datos sobre los procesos relevantes. Otro concepto de mucha importancia para la región centroamericana es la existencia de sistemas agroforestales, sistemas de cultivo migratorio, y sistemas silvopastoriles que convierten a los paisajes agrícolas en paisajes con fuertes componentes forestales. Estos terrenos representan 50% de los usos de la tierra de la región. Como resultado, estos paisajes potencialmente pueden contribuir 30% o mas a la cantidad de carbono nacional. A la vez, los cambios en el paisaje que son positivos para el secuestro de carbono también son positivos en otras cuestiones de manejo de la tierra, que pueden tener impactos positivos sobre condiciones de vida local, o sobre la calidad de aguas nacionales y de aguas costeras. La combinación del uso de la cobertura VCF provee una metodología con mas precisión para apreciar el contenido de carbono a nivel nacional. Requiere insumos mejorados producto de investigaciones nacionales, pero tiene la capacidad de funcionar con menor nivel de precisión sin estos datos. El uso de ALU provee una vía de expansión para los futuros cálculos de carbono, y una base para formular políticas ambientales nacionales que promuevan mejoras ambientales que tendrán impactos nacionales y mundiales. Bibliografía BAKER, TIMOTHY R., OLIVER L. PHILLIPS, YADVINDER MALHI, SAMUEL ALMEIDA, LUZMILA ARROYO, ANTHONY DI FIORE, TERRY ERWIN, TIMOTHY J. KILLEEN, SUSAN G. LAURANCE, WI LL IAM F.

20 LAURANCE, SIMON L. LEWIS, JON LLOYD, ABEL MONTEAGUDO, DAVI D A. NEI L L, SANDRA PAT I N O, NI G E L C. A. PITMAN, J. NATALINO M. SILVA and RODOLFO VASQUEZ MART I N E Z Variation in wood density determines spatial patterns in Amazonian forest biomass. In Global Change Biology (2004) 10, CHAVE, JEROME, BERNARD RIERA and MARC-A. DUBOIS Estimation of biomass in a neotropical forest of French Guiana: spatial and temporal variability. Journal of Tropical Ecology (2001) 17: Chave, Jerome, Richard Condit, Salomon Aguilar, Andres Hernandez, Suzanne Lao and Rolando Perez Error propagation and scaling for tropical forest biomass estimates. The Royal Society. Published online 11 Feb Colorado State University Help Document for the Agriculture and Land Use Software Program (ALU). Version 1.10, August 2010, Natural Resource Ecology Laboratory, Fort Collins, CO, USA. Corrales, L Estimación de los beneficios ambientales por no-emisión y fijación de Carbono (masa aérea) por acciones de ordenamiento forestal en el Area propuesta del Corredor Biológico Mesoamericano. República de Honduras. En: Cummings, D.L., J. Boone Kauffman, David Perry. R. Flint Hughes Aboveground biomass and structure of rainforests in the southwestern Brazilian Amazon. Forest Ecology and Management 163; 2002: Gibbs, Holly K., Sandra Brown, John O. Niles and Jonathan A. Foley Monitoring and estimating tropical forest carbon stocks: making REDD a reality. In Environmental Research Letters 2: Gómez, Yrma, Jorge Paolini & Rosa Mary Hernández Sustitución de la sabana nativa con plantaciones de Pinus caribaea (Pinaceae) en Venezuela: efecto sobre parámetros indicadores de cambios en el carbono del suelo Rev. Biol. Trop. (Int. J. Trop. Biol. ISSN ) Vol. 56 (4): , December HUGHES, R. FLINT, J. BOONE KAUFFMAN, AND Vı CTOR J. JARAMILLO BIOMASS, CARBON, AND NUTRIENT DYNAMICS OF SECONDARY FORESTS IN A HUMID TROPICAL REGION OF ME XICO. In Ecology, 80(6), 1999, pp Jones, J. R. and Alfonso Pérez Diagnostico Socioeconómico sobre el consumo y la producción de leña en Honduras. Proyecto Leña, CATIE,Turrialba. Loaiza Usuga, Juan Carlos, Jorge Andrés Rodríguez Toro, Mailing Vanessa Ramírez Alzate, Álvaro de Jesús Lema Tapias Estimation of biomass and carbon stocks in