Transferir es posible: desarrollo de una aplicación para el aforo anual de la cosecha de piña de Pinus pinea a partir de un modelo híbrido

Transcripción

1 R. Calama 1,J. Gordo 2, R. Martín 2,3, G. Madrigal 1 1. INIA-CIFOR. IUGFS 2. Servicio Territorial Medio Ambiente. Junta de Castilla y León 3. Cándalo Ingenieria, S.L. II MARATÓN CIENTÍFICO CIFOR-INIA Madrid, 3 julio 2012 Transferir es posible: desarrollo de una aplicación para el aforo anual de la cosecha de piña de Pinus pinea a partir de un modelo híbrido

2 Introducción: la producción de piña y piñón de Pinus pinea Principal fruto forestal mediterráneo ha, > 60 % superficie mundial (50000 ha en Meseta Norte) 50 x 10 6 kg piña / año: MN 10 x 10 6 kg piña Precio en pie: 0,35 /kg piña Precio piñón blanco 30 /kg (rdto. 4%) Rendimiento fruto > Rendimiento madera Castilla y León: 1000 empleos industria indirectos

3 Introducción: particularidades que condicionan la gestión del aprovechamiento Vecería: variabilidad interanual en la producción de fruto (50 órdenes de magnitud) Propietario <> Recolector <> Industrial >50% propiedad pública (entidades locales) Sistema de adjudicación: subasta a riesgo y ventura tras aforo visual (muy poco preciso) Robos en la producción P WC (kg (kg/ha) a ) P Predicted d icció n Necesidad por parte de los propietarios y gestores de conocer la producción anual con la mayor antelación posible

4 Antecedente: el modelo de predicción espaciotemporal de producción de piña (Calama et al. 2011, Ecol. Model. 222: ) Finalidad: (1) identificar origen vecería (2) módulo de apoyo en modelo de regeneración (3) identificar selvicultura que optimice la producción de fruto - Modelo de árbol individual - Modelo bietápico: - Probabilidad (θ) de tener fruto un árbol en un año dado - Producción de fruto (wc=kg) del árbol condicional a la anterior θ ln -1,7062 0,0131 pp 1 θ 0,5664 ln(n) 0,0754 SI 2,7243 T my_jn_3 0,0111 pp oc_nv_3 0,1003 nhel 20 0,3298 T50 2,2421d/dg UN1 ln 0,0036 pp wc fb_my_0-2,8930 0,0089 pp my_jn_3 0,0055 pp oc_nv_3 0,0030 pp summ_2 0,0425 nhel 0,2673 ln(n) 0,0421SI 0,0454 d 0,5895 d/dg UN 2 Principal resultado: vecería de origen climático => es posible predecir las producciones

5 Antecedente: el modelo de predicción espaciotemporal de producción de piña (Calama et al. 2011, Ecol. Model. 222: ) Variables de árbol y de masa: - Tamaño del árbol: d - Espesura: N - Competencia: d/dg - Edad del rodal: T20- T50 Variabilidad espacial entre árboles y rodales de un monte Variables de estación - Índice de calidad de estación: SI - Estratificación edáfoclimática (UN) Variables climáticas: - pp my_jn_3: Formación yemas - pp oc_nv_3: Diferenciación yemas - pp ver_2: Supervivencia flor f - pp_inv_prim_0: maduración conos - nhel (<-5ºC): Supervivencia flor f Variabilidad espacial entre montes Variabilidad interanual (80% explicada hasta 2 años antes) Modelo complejo: 37 parámetros

6 Fase 1: puesta en común y definición de objetivos - De qué datos disponen gestores y propietarios para poder correr el modelo? - Podemos modificar algo en el modelo para hacerlo compatible con los datos disponibles? Objetivos 1. Analizar la viabilidad del modelo espaciotemporal de árbol individual para predecir la producción anual de piña a escala de monte en los montes públicos de la provincia de Valladolid 2. Desarrollar una aplicación que permita predecir la producción anual de cada monte: subastas públicas, valoraciones y seguros, suministros a la industria, planificar cortas regeneración

7 Datos disponibles: inventarios de ordenación - Periodicidad: 10 años - Malla sistemática 200 x 200 m - Parcelas circulares radio fijo (15 m) - Mediciones: - Número de pies con dbh > 5 cm por clase diamétrica de 10 cm - Altura de 3 pies - Altura y edad del pie dominante de la especie principal - Datos climáticos AEMET y propios (3 estaciones de JCyL)

8 Datos disponibles: inventarios de ordenación Bases de datos homogéneas y con la misma estructura

9 Supuestos para adaptar el modelo a las bases de datos - Árboles de la misma clase diamétrica tienen el mismo diámetro (marca clase) - Especies distintas a P. pinea se consideran únicamente a efectos de espesura - En las parcelas con dominancia de otra especie el SI para P. pinea se calcula como el promedio del rodal o cuartel - Rodales con dg < 10 cm: edad < 20 años; dg < 25 cm: edad <50 años - No se llevan a cabo proyecciones de crecimiento - El paso de estimaciones por parcela a estimación por rodal y monte similar al cálculo de existencias madereras Evaluación inicial Contrastar predicciones del modelo con las estimaciones a escala de monte proporcionadas a posteriori por agentes forestales y rematantes

10 Fase 2: desarrollo de la aplicación - Aplicación de Microsoft Excel programada en VBA - Lee directamente las bases de datos de inventario de la JCyL

11 Fase 3: evaluación de la aplicación (Monte 44 U.P.) - Entre la subasta del monte quedó desierta - En reducción de la producción no recogida por el modelo - Predicción muy acertada en años buenos y tendencias - Objetivo 1: cumplido

12 - Aplicar sobre el grupo de montes de Viana de Cega : > 6000 ha de P. pinea - Incluir la estimación en el pliego de condiciones de las subastas de la temporada (agosto): objetivo 2 - Limitaciones: Estado actual, limitaciones y potencialidades - Falta de datos climáticos a nivel de monte - Efecto eventos climáticos extremos no considerados en el modelo - Transformar calendario cronológico en fisiológico Mejora del modelo - Exceso de asunciones Modificación en los inventarios - Reticencia por parte de los rematantes

13 - A partir de : extenderlo a todos los montes UP de Valladolid - Automatizar la incorporación de datos climáticos y la modificación en las existencias entre inventarios (cortas) - Extensión a otra regiones Estado actual, limitaciones y potencialidades - Planificación a nivel monte o comarca (SIG)

14 Muchas gracias por vuestra atención Agradecimientos: proyectos CPE C.5, RTA , AGL