Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
59
Cuanticación estructural forestal según uso de la tierra y reservas
de carbono de FEIMA, Turrialba, Costa Rica
Land Use-Based Forest Structure and Carbon Stocks of FEIMA,
Turrialba, Costa Rica
Aldo Quesada-Chacón,
Escuela de Ingeniería de Biosistemas e Instituto de Investigaciones en Ingeniería,
Universidad de Costa Rica, San José, Costa Rica
aldo.quesada@ucr.ac.cr
Shiori Nakajima,
Instituto de Investigaciones en Ingeniería y Agencia Japonesa de Cooperación Internacional (JICA),
Universidad de Costa Rica, San José, Costa Rica
shiori.nakajima@ucr.ac.cr
Pedro A. Rojas Camacho,
Instituto de Investigaciones en Ingeniería,
Universidad de Costa Rica, San José, Costa Rica
pedro.rojas@ucr.ac.cr
Carlos Rojas Alvarado,
Escuela de Ingeniería de Biosistemas, Instituto de Investigaciones en Ingeniería
y Finca Experimental Interdisciplinaria de Modelos Agroecológicos, UCR.,
Universidad de Costa Rica, San José,Costa Rica
carlos.rojasalvarado@ucr.ac.cr
Recibido: 20 de julio 2019 Aceptado: 10 de diciembre 2019
_________________________________________________________
Resumen
El seguimiento de las características del bosque es relevante en el contexto de cambio climático. En este
estudio, se ha evaluado la estructura vertical y horizontal de tres secciones con diferente uso de la tierra en una
nca experimental, así como las reservas de carbono de un parche boscoso de bosque húmedo premontano
de 28 ha en sucesión temprana en el Caribe de Costa Rica. Esta evaluación se ha hecho con base en una
hipótesis de homogeneidad forestal. Los resultados indicaron diferencias estructurales por uso de la tierra
y que, para el parche boscoso el promedio del DAP, la altura de los árboles y la apertura del dosel fueron
1.15 m, 20.83 m y 18.5%, respectivamente. De las seis variables estudiadas, el DAP y la apertura de dosel
fueron las más importantes para determinar la estructura forestal y los resultados no mostraron diferencias
con respecto a una clasicación previa hecha con base en especies forestales codominantes. Un cálculo
de la biomasa sobre el suelo determinó que la nca estudiada tiene entre 100-130 t por hectárea para un
total de 1372-1795 t de carbono total sobre el bosque. Este estudio representó el primer acercamiento a la
investigación forestal de la estación experimental bajo análisis y ha sido importante para determinar parte
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
60
de la línea base de información de esta. Se espera que futuros estudios puedan utilizar la información de la
presente investigación para darle seguimiento a la dinámica en ese sitio.
Palabras clave:
Bosque húmedo premontano, cambio climático, carbono neutralidad, Costa Rica, ecología forestal, Turrialba
Abstract
The monitoring of forest characteristics is relevant in the context of climate change. In this study, both
vertical and horizontal forest structure were analyzed in an experimental station according to land use and
carbon stocks were determined for a 28 ha successional forest patch on the Costa Rican Caribbean Region.
This evaluation was performed assuming a hypothesis of homogeneity in forest structure. Results indicated
structural differences by land use and showed that average DBH, tree height and canopy openness for the
forest patch were 1.15 m, 20.83 m and 18.5%, respectively. Of the six structural variables determined,
DBH and canopy openness were the two most important and results did not show differences based on a
previous classication made with the codominant tree species. A calculation of the biomass showed that
the forest patch contained between 100-130 t/ha above the ground and a total carbon stock of 1372-1795 t.
This investigation represented the rst approach to study the forest associated with the experimental station
under scrutiny and was relevant to determine part of its baseline data. It is expected that future studies can
use the information presented herein for their purposes.
Keywords:
Climate Change, Carbon Neutrality, Costa Rica, Forest Ecology, Premontane Moist Forest, Turrialba
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
61
1. INTRODUCCIÓN
Los bosques son espacios de tierra primordiales para mantener servicios ecosistémicos como
la biodiversidad, la jación de carbono y el control parcial del ciclo hidrogeológico (Ojea, Lou-
reiro, Alló y Barrio, 2016). Estas zonas tienen alto potencial para fomentar la educación, el ocio y
el bienestar personal (Sampaio, De La Fuente, Albuquerque, da Silva Souto, y Schiel, 2018). Así,
en el contexto moderno de desarrollo, los bosques son considerados sistemas biológicos con peso
sobre las economías regionales (Glazyrina, Faleichik, y Yakovleva, 2015). Por ejemplo, en Costa
Rica se ha calculado que los bosques representan hasta un 2% del PIB local (Banco Central de
Costa Rica, 2016).
Para documentar el aporte de los bosques a la dinámica ambiental del entorno se utilizan una
serie de técnicas forestales que permiten el seguimiento de variables en el tiempo (e.g., Sistema
Nacional de Áreas de Conservación, 2014). De esta forma, la caracterización estructural del bosque,
entendida como una documentación técnica en sus ejes espaciales horizontal y vertical, es relevante
en el establecimiento de líneas base de trabajo. Así se puede dar seguimiento a un bosque y estu-
diar el efecto de variables externas como el cambio climático o la fragmentación boscosa, en un
sitio determinado (Shugart, Saatchi, y Hall, 2010). Por lo tanto, y para efectos de gestión forestal,
una buena determinación de estas características permite tomar decisiones de manejo (ver Schall,
Schulze, Fischer, Ayasse, y Ammer, 2018).
Al mismo tiempo, debido a que los bosques acumulan biomasa sobre el suelo en forma de
árboles, su rol en planes de sostenibilidad es primario (Sears, 2016). Esta biomasa, producto de
la jación de carbono atmosférico es muy relevante para la planicación de carbono neutralidad
y descarbonización (e.g., Van Meerbeek, Muys, y Hermy, 2019) por cuanto los bosques son los
sumideros primarios de carbono en ecosistemas terrestres (Avalos, 2016). A pesar de que parte del
carbono jado en un bosque es transferido al suelo por descomposición y parte regresa a la atmós-
fera por respiración, el carbono en los bosques tiene un papel muy activo en la dinámica de dióxido
de carbono en la atmósfera (Houghton, Byers, y Nassikas, 2015).
La Finca Experimental Interdisciplinaria de Modelos Agroecológicos (FEIMA) es una esta-
ción experimental de 45 hectáreas, administrada por la Universidad de Costa Rica, que cuenta con
un parche boscoso de alrededor de 28 hectáreas. Debido a su reciente ocialización (Resolución
R-27-2014, 2014), es poca la documentación que se ha generado sobre FEIMA, sin embargo, su
localización en la zona de Turrialba, dentro de la franja del bosque húmedo tropical, es relevante
en el contexto de sostenibilidad agroforestal. Su carácter experimental permite además que en este
sitio se puedan llevar a cabo investigaciones a largo plazo que permitan monitorear el efecto del
cambio climático en Costa Rica.
De esta forma, el presente proyecto ha sido diseñado con la idea de cuanticar estructuralmente
las comunidades forestales asociadas con los tres usos de la tierra en FEIMA y calcular las reservas de
carbono del parche boscoso de la nca utilizando una estrategia de partición del bosque para evaluar
además uniformidad en las variables estudiadas. El macroanálisis de estas variables en un contexto
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
62
regional y temporal tiene el potencial de vincularse con iniciativas de desarrollo rural integrado y
favorecer el mejoramiento de prácticas de manejo del bosque a nivel institucional y regional.
2. MATERIALES Y MÉTODOS
Este proyecto se llevó a cabo en la Finca Interdisciplinaria de Modelos Agroecológicos (FEIMA)
ubicada en el distrito de La Suiza en Turrialba, Costa Rica durante los años 2017 y 2018. Esta nca
está rodeada de terrenos agrícolas y cuenta con tres usos de la tierra que corresponden con a) agri-
cultura (cultivos varios según necesidades de los estudiantes), b) ganadería y c) bosque. La última
zona corresponde a un parche forestal en regeneración de alrededor de 30 años, dominado por
árboles de Erythrina poeppigiana (Walp.) O.F. Cook, que fue reforestado por el Instituto Costarri-
cense de Electricidad como compensación ambiental por la construcción del embalse Angostura.
2.1 Selección de puntos de muestreo
Figura 1. Esquema general de zonicación de FEIMA y sectorización de la zona forestal utilizados como base
para los análisis del presente estudio. A=zona agrícola, G=zona de ganadería, B1=bosque noroeste
(E. poeppigiana-E. deglupta), B2=bosque medio (E. poeppigiana-A. idiopoda),
B3=bosque sureste (E. poeppigiana-En. cyclocarpum)
Por medio de fotografías satelitales se realizó una división espacial de la nca en parcelas de
alrededor de 100x100 m. Con esta estrategia a priori se seleccionó un punto de muestreo por par-
cela que, en algunos casos, por efecto del borde de la propiedad, no quedó localizado en el centro
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
63
de esta. Tal proceso aleatorio, generado en el software QGIS permitió minimizar el sesgo de selec-
ción de los 45 puntos de estudio y denió 28 parcelas de bosque, 10 de agricultura y 7 de ganade-
ría. La sección de bosque fue dividida en tres zonas denominadas a) sureste, b) media y c) noroeste
(Figura 1). Esto último se hizo con base a diferencias observadas en campo en las especies fores-
tales codominantes con E. poeppigiana, que fueron Enterolobium cyclocarpum (Jacq.) Griseb.,
Abarema idiopoda (S.F. Blake) Barneby y J.W. Grimes y Eucalyptus deglupta Blume, para las tres
zonas, respectivamente. El presente estudio, sin embargo, no incluyó un componente de inventario
forestal y se enfocó en las diferencias estructurales entre las tres zonas.
2.2 Registro de variables estructurales
En una selección de 18 parcelas de bosque se hizo una caracterización horizontal y vertical
del bosque. Para la primera, se determinaron el diámetro de los árboles a altura de pecho (DAP,
medido entre 1.3 y 1.6 m de altura), la distancia entre árboles (distancia vecinal) y el área basal.
Para la segunda se determinaron la altura de los árboles, el Índice de Área Foliar (LAI por sus
siglas en inglés) y la apertura del dosel. Los diámetros y distancias se midieron directamente por
triplicado en el campo con cintas métricas y las alturas se midieron por triplicado con un altímetro
Haga. El LAI y la apertura de dosel se calcularon a partir de fotografías hemisféricas obtenidas a
1 m de altura (ver Fournier y Hall, 2017) usando el software Gap Light Analyzer, v. 2.0. Durante
este último proceso se calcularon los coecientes de nubosidad, la fracción espectral y la fracción
de rayos utilizando sensores de radiación PAR colocados en el sitio además de información de la
estación meteorológica del Centro Agronómico Tropical de Investigación y Enseñanza (CATIE).
Las ecuaciones utilizadas fueron:
Indice de nubosidad (kt)= (1)
Donde H es la radiación incidente en una supercie plana en la tierra y Ho es la radiación inci-
dente en una supercie plana fuera de la atmósfera de la tierra.
Fracción espectral (Fe)= (2)
Donde PAR es la radiación total en el rango de 400-700 nm en la zona de estudio y R es la radia-
ción total en la zona de estudio.
Fracción de rayos (Fr)= (3)
Donde, kt es el índice de nubosidad.
En las zonas de FEIMA dedicadas a la agricultura (zonas de experimentación agrícola con
cultivos que cambian constantemente) y a la ganadería también se determinaron la altura de los
árboles, el LAI y la apertura de dosel con base en información de todas los puntos de muestreo.
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
64
La idea de haber calculado tales variables en estas zonas además del bosque ha sido contrastar el
efecto del manejo diferencial en las mismas sobre la vegetación circundante. Para ello también se
ha establecido un Índice de Disturbio (ID) a partir de la presencia/ausencia de plantas de a) ortiga
(Urera baccifera), b) guarumo (Cecropia sp.), c) palmas falsas (Cyclanthaceae) y d) pastos (Poa-
ceae). La presencia de estos grupos de plantas está asociada con algún tipo de disturbio vegetal.
El ID se ha calculado asignando un valor de 0.3125 (2.5 veces * 1/8 de probabilidad de exis-
tencia) a la presencia de pastos y ortigas y un valor de 0.1875 (1.5 veces * 1/8 de probabilidad de
existencia) a la presencia de guarumos y palmas falsas. El anterior cálculo asumió que los pastos y
plantas de ortiga tuvieron un 60% de probabilidad de presencia mayor que los árboles de guarumo
y las palmas falsas, según observaciones previas hechas en el sitio. De esta forma, el ID tuvo un
rango total de valores de 0 a 1 con el valor más alto asignado a una zona con alto disturbio o alta
presencia de las plantas indicadoras.
2.3 Determinación de reservas de carbono
Además de lo anterior, con la información del DAP se calculó la biomasa, el carbono total
sobre el suelo, las unidades equivalentes de dióxido de carbono y la biomasa subterránea de forma
similar a Rojas y Calvo (2014). Para lo anterior se utilizó la ecuación generalizada para bosques
costarricenses de Chou y Gutiérrez-Espeleta (2012):
(4)
Donde B es la biomasa (kg), es el peso especíco básico (equivalente a 0.23 g/cm
3
para el
caso de E. poepiggiana) y X es una variable dicotómica (1 si DAP≥50 cm y 0 si DAP<50cm).
2.4 Análisis estadístico
La distribución de los valores asignados a cada variable estudiada fue analizada a partir de
pruebas de hipótesis estadísticas, con un valor de probabilidad de rechazo de la hipótesis nula de
0.05. Este mismo enfoque se siguió para estudiar la uniformidad de las variables en las tres seccio-
nes del bosque. En todos los casos se evaluó la normalidad de los datos, se utilizó el Análisis de
Varianza (ANOVA) y cuando las diferencias fueron encontradas se realizó una prueba post hoc de
Tukey. Para los datos estructurales se realizó un Análisis de Componentes Principales con el n de
redimensionar la matriz de datos original y encontrar patrones en la variabilidad del set de datos.
El ID y la radiación total transmitida calculada para un sitio, también determinada con el sof-
tware GLA, fueron usados como variables de respuesta para determinar modelos lineales gene-
ralizados a partir de las variables independientes en toda la nca. Para ello, se identicaron las
variables independientes de peso sobre la matriz de datos a partir de Análisis Multivariado de
Varianza (MANOVA) y se crearon los modelos lineales a partir de regresiones simples. De forma
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
65
similar, la biomasa sobre el suelo fue utilizada para evaluar las variables estructurales determinadas
únicamente en el parche boscoso.
Con las variables de mayor peso para la determinación de diferencias entre las secciones de
uso de la tierra más las variables de respuesta, se construyeron mapas para toda la nca utilizando
el software QGIS. Estos mapas fueron construidos con el datum WGS84 a partir de la caracteriza-
ción de geoposicionamiento de cada punto de muestreo:
3. RESULTADOS
De las variables determinadas, se pudo observar que los valores generales obtenidos para el
parche boscoso y los establecidos para cada sección de este fueron un poco diferentes para la sec-
ción media codominada por E. poeppigiana y A. idiopoda (Tabla 1). Sin embargo, no se observa-
ron diferencias signicativas para casi todas estas variables según sección del bosque. Cuando se
compararon los valores obtenidos en la caracterización vertical del bosque con los determinados
para las secciones agrícola y de ganadería en FEIMA (ver apéndice 1), si se observaron diferencias
signicativas (p.e. F(4,44)=20.48,P<0.0001 para altura de árboles, F(4,44)=69.96, P<0.0001 para
LAI y F(4,44)=98.41, P<0.0001 para apertura de dosel).
Tabla 1. Valores observados en los puntos de muestreo para las diferentes variables registradas en la pre-
sente investigación según uso de la tierra y componente de investigación.
Uso de la
tierra
Estructura horizontal Estructura vertical
Reservas de carbono
DAP,
m
Distancia
vecinal, m
Área
basal,
m
2
/ha
Índice de
disturbio
Altura, m
Índice de
Área Foliar
Apertura
de dosel,
%
Biomasa,
t/ha
Unidades
equivalentes
CO
2
, t/ha
Agrícola 0 0.00 3.56 0.00 99.96
Agrícola 0 0.00 3.86 0.00 99.96
Agrícola 0 0.00 5.61 0.20 81.73
Agrícola 0 0.00 3.46 0.36 69.59
Agrícola 0 0.00 7.72 0.19 79.59
Agrícola 0 0.00 5.69 0.00 99.84
Agrícola 0 0.00 2.95 0.00 99.83
Agrícola 0 0.00 5.49 0.13 88.02
Agrícola 0 0.00 2.44 0.01 99.37
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
66
Agrícola 0 0.00 4.27 0.00 99.74
Ganadería 0.79 0.31 16.16 0.44 68.53
Ganadería 0.87 0.31 13.01 0.05 93.60
Ganadería 1.27 0.31 10.77 0.45 73.47
Ganadería 1.19 0.50 23.88 0.56 71.84
Ganadería 0.72 0.31 15.75 0.25 82.08
Ganadería 1.03 0.50 23.07 2.24 14.81
Ganadería 1.15 0.38 18.70 1.97 18.57
Ganadería 1.61 0.00 0.00 0.51 73.86
Ganadería 1.63 0.50 16.26 0.86 46.33
Ganadería 0.73 0.50 0.00 0.29 79.01
Bosque 0.79 0.50 27.74 1.84 25.02
Bosque 1.53 0.50 30.39 2.17 25.52
Bosque 1.03 0.50 24.59 2.46 14.11
Bosque 0.66 0.50 29.67 1.21 38.76
Bosque 0.66 0.63 19.82 1.84 20.70
Bosque 1.02 0.50 13.11 2.24 14.29
Bosque 2.01 0.50 24.90 2.75 12.31
Bosque 1.59 7.06 54.08 0.19 16.46 2.01 16.12 52.88 95.01
Bosque 1.07 10.57 91.38 0.50 20.53 3.15 14.76 151.17 271.63
Bosque 1.23 6.77 17.62 0.19 21.34 2.08 15.29 54.56 98.04
Bosque 1.42 5.47 61.67 0.50 18.09 1.44 34.24 154.17 277.02
Bosque 1.01 7.20 35.12 0.50 19.92 2.42 13.24 133.95 240.69
Bosque 1.20 5.76 53.62 0.50 21.34 2.43 12.31 96.71 173.77
Bosque 1.46 6.06 47.00 1.00 20.83 1.91 17.51 113.21 203.42
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
67
Bosque 0.99 2.90 91.37 0.81 14.43 2.15 18.83 146.00 262.34
Bosque 1.75 4.93 51.59 0.50 14.23 1.67 27.14 55.97 100.57
Bosque 0.83 4.19 76.07 0.31 15.75 1.96 18.64 128.34 230.60
Bosque 1.36 3.90 130.85 0.31 20.33 1.40 30.72 268.92 483.20
Bosque 1.00 5.64 62.59 0.31 20.33 2.13 21.56 72.36 130.03
Bosque 1.44 5.24 57.78 0.19 19.41 2.45 12.05 132.98 238.94
Bosque 0.64 6.90 43.76 0.50 29.17 2.28 14.37 135.98 244.33
Bosque 1.00 9.86 28.79 0.50 21.65 3.07 9.10 45.21 81.23
Bosque 1.16 8.68 51.51 0.50 17.38 2.23 14.05 104.21 187.25
Bosque 1.08 5.20 64.92 0.50 18.39 3.10 10.40 115.69 207.88
Bosque 0.81 5.47 22.48 0.50 21.04 2.39 12.57 66.24 119.02
Figura 2. Mapas de la distribución espacial de tres variables estudiadas y de los valores de biomasa determinados
para FEIMA según el presente estudio. A=altura de los árboles, B=Apertura de dosel, C=DAP, E=Biomasa.
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
68
La altura de los árboles y el LAI fueron menores en las secciones agrícola (4.19±1.66 m,
0.09±0.01 m
2
/m
2
) y de ganadería (13.76±8.28 m, 0.76±0.74 m2/m2) que en el bosque (20.83±4.73
m, 2.19±0.49 m
2
/m
2
). De forma esperada, la apertura de dosel fue menor en el bosque (18.54±7.71
%) que en las secciones agrícola (91.76±11.75 %) y de ganadería (62.20±20.79 %). Con estos resul-
tados, se observó un crecimiento en la altura de los árboles y en el LAI en el sentido sección agríco-
la-ganadería-bosque (ver Figura 2) con diferencias entre secciones de hasta un 328% (incremento
en la altura de los árboles de la sección agrícola a la de ganadería). La apertura de dosel mostró un
patrón inverso con un crecimiento de hasta 335% (sección bosque a ganadería) en la dirección bos-
que-ganadería-agrícola. La correlación entre la creciente altura de los árboles y el decrecimiento de
la apertura de dosel fue muy alta (r
2
=0.96), lo que indicó que el bosque es alométrico.
Figura 3. Modelo lineal generalizado obtenido para la relación entre la apertura de dosel y la radiación total incidente
sobre el suelo en FEIMA mostrando los puntos asociados con las diferentes secciones y zonas estudiadas.
Este modelo es la base de la ecuación 5
Al analizar el Índice de Disturbio y la radiación total en relación con las variables estructurales
verticales medidas en toda la nca, se encontraron diferencias en el modelo general (F(6,80)=31.53,
P<0.001) dadas por las diferencias al nivel de las variables de respuesta. La máxima relación con el
Índice de Disturbio fue ofrecida por la altura de los árboles (r
2
=0.48, P=0.03) pero la relación entre
variables no fue alta. La apertura de dosel, sin embargo, mostró una relación alta y signicativa
(r
2
=0.89, P=0.00008) con el porcentaje de radiación total incidente sobre el suelo (ver Figura 3). De
esta forma, para FEIMA, existe una relación inversa entre cobertura vegetal y radiación incidente que
se puede explicar según el siguiente modelo lineal generalizado, con un error de alrededor de 3%:
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
69
Radiación total en suelo= 0,974* apertura de dosel+1.66 (5)
Cuando se analizó únicamente el parche boscoso, en donde también se caracterizó el bosque en
su componente horizontal, se encontró que únicamente en la distancia vecinal hubo diferencias por
zona dentro del bosque (F(2,15)=4.08, P=0.04). En este caso, la zona noroeste del bosque tuvo un
valor más alto (7.14±1.82 m) que las zonas media (4.60±1.17 m) y sureste (6.89±1.98 m). El DAP
y el área basal no mostraron diferencias por zona del bosque. En general, al aumentar la distancia
vecinal entre los árboles, aumentó la altura (r
2
= 0.78) y el DAP (r
2
= 0.68).
De forma relevante, un análisis de componentes principales ejecutado con todas las variables
estructurales mostró que alrededor del 67% de la variabilidad de los datos fue explicada por la aper-
tura de dosel y el DAP. Desde el punto de vista estructural, las zonas noroeste y sureste del bosque
presentaron mayores similitudes entre sí, que entre ellas y la zona media (Figura 4). En un modelo
general de análisis de la biomasa como variable de respuesta, las diferencias signicativas entre las
zonas del bosque (F(6,11)=6.04, P=0.005) fueron dadas por el área basal (F(1,11)=19.5, P=0.001).
Esta última variable, mostró una relación media y signicativa con la biomasa (r
2
=0.63, P=0.001),
sin embargo, no fue lo sucientemente alta para generar un modelo predictivo lineal conable.
Figura 4. Biplot del análisis de componentes principales ejecutado con todas las variables estructurales
determinadas en la zona de bosque de FEIMA. Se muestran las agrupaciones determinadas según las tres
secciones del bosque estudiadas
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
70
Con los datos obtenidos se determinó que el parche boscoso de FEIMA tiene entre 100-130 t
de biomasa por hectárea (Tabla 2). No se encontraron diferencias en la estimación de biomasa por
sección del bosque. El cálculo del carbono acumulado con base en la información sobre el suelo
del parche boscoso indicó un valor de reserva de entre 1372-1795 t. Si se suma el carbono acumu-
lado bajo el suelo, la nca podría tener entre 2410-3150 t de carbono jado. Estos cálculos suponen
que, durante el periodo de crecimiento del parche forestal, los árboles en este sitio han neutralizado
entre 8820-11530 t CO
2
atmosférico.
Tabla 2. Valores promedio (y desviación estándar) de los estimadores de reservas de carbono
por hectárea, en toneladas, calculados para las tres secciones del bosque de FEIMA
Sección
boscosa
Biomasa
Terrestre
Carbono sobre el suelo
Unidades equivalentes
de CO
2
Biomasa
subterránea
Noroeste 130.80 (60.56) 64.09 (29.67) 235.03 (108.81) 48.40 (22.41)
Medio 107.24 (36.99) 52.55 (18.13) 192.69 (66.47) 39.68 (13.69)
Sureste 100.05 (29.48) 49.03 (14.45) 179.78 (52.97) 37.02 (10.91)
4. DISCUSIÓN
La Finca Experimental Interdisciplinaria de Modelos Agroecológicos es de reciente estable-
cimiento y sus primeros años fueron utilizados en la consolidación administrativa. Sin embargo,
al ser una unidad experimental adscrita a una institución de enseñanza superior de Costa Rica,
es esperable que tenga algún tipo de documentación primaria para poder atraer a investigadores
y estudiantes (e.g., Derwent, Simmonds, O’Doherty, Manning, y Spain, 2019). Con la presente
investigación se avanzó en ese proceso de generación de una línea base de trabajo para monitoreo
de características forestales con implicaciones en análisis de cambio climático.
En ese sentido, ha sido relevante para la gestión futura de esta nca (Jucker et al., 2017), haber
podido determinar que si bien se observaron contrastes en la estructura vegetal entre los tres tipos
de zonas presentes (diferentes usos del suelo), dentro de la zona de bosque no se documentaron
mayores diferencias. A pesar de lo anterior, es importante mencionar que este estudio no incluyó un
componente de caracterización taxonómica de los árboles presentes, por lo que dicha sectorización
dentro de la zona forestal no puede quedar descartada (ver Hirose, Kawata, y Matsumura, 2018).
Sencillamente, desde el punto de vista estructural forestal, se determinó que el bosque en el sitio
de estudio es para efectos prácticos, una unidad funcional.
Ha sido interesante observar que las diferencias en los valores asociados con algunas de las
variables estructurales estudiadas tuvieron discrepancias mayores a 300% entre zonas de la nca.
Si bien esto no es extraño (Magnago, Rocha, Meyer, Martins, y Meira-Neto, 2015), demuestra
que existe una marcada zonicación existente en el sitio, que no tiene ecotonos transicionales
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
71
amplios presumiblemente por su tamaño. Esto tiene implicaciones grandes en términos de dinámica
biológica y gestión a futuro (Bettinger, 2017). Por ejemplo, la cobertura vegetal en el bosque redujo
en un 70% la radiación transmitida directa que ingresa al sistema forestal (no mostrado antes), en
comparación con la zona dedicada a la agricultura. Un efecto tan drástico de reducción de radiación
incide sobre el potencial uso que se le quiera dar a esa zona en la actualidad.
El carácter alométrico del bosque en FEIMA permite que su estudio a futuro pueda incluir
componentes de investigación con alta aplicabilidad (Djomo y Chimi, 2017). De hecho, la viable
determinación de la biomasa a partir del área basal, cuya correlación no fue alta en este estudio, es
un componente que puede estudiarse más a fondo en futuros proyectos. Un aumento en el número
de observaciones, quizás a partir de una metodología espacial mixta como la sugerida por el Sis-
tema Nacional de Áreas de Conservación (2014) podría permitir una mejor evaluación de esa rela-
ción. En todo caso, la importancia de la apertura de dosel y del DAP como variables estructurales
de peso, facilita además que estudios futuros puedan utilizar estas características para evaluar la
progresión del sistema forestal y del efecto de agentes externos sobre este (Reiche et al., 2016).
Una recomendación para la gestión futura de FEIMA podría ser combinar los resultados estruc-
turales acá mostrados con el análisis de suelos de la nca o con futuros estudios de diversidad
biológica (ver Bohn y Huth, 2017). Lo anterior podría ayudar a determinar el efecto primario del
suelo sobre las características vegetales del sistema en cuestión o la distribución espacial de la biota
(ver Nguyen, Uria-Diez, y Wiegand, 2016) y su implicación en la complejidad sistémica. En todo
caso, se espera que la utilización del sistema de cuadrículas del presente estudio se mantenga, para
potenciar la información georreferenciada ya obtenida y para incrementar el nivel de integración
analítica al que se podría llegar.
Por lo menos con los datos obtenidos en este proyecto, ha sido interesante observar que la zona
media del bosque en el sitio de estudio ha sido algo diferente a las zonas sureste y noroeste del
parche boscoso, que fueron más similares entre sí. Si se observa el esquema espacial de la nca, es
posible observar que es precisamente la sección media la que tiene el menor ancho, y que podría
estar siendo afectada de forma particular por la cercanía de ambos bordes boscosos en tal constric-
ción. Lo anterior ha sido observado por Kunert, El-Madany, Aparecido, Wolf, y Potvin (2019) en
relación con los bordes y el centro funcional del bosque.
En términos de biomasa y reservas de Carbono, la nca estudiada mostró valores similares a
lo determinado en otras investigaciones nacionales en la misma zona de vida (p.e. Santiago-Gar-
cía, Finegan, y Bosque-Pérez, 2019). Desde este punto de vista, el parche forestal en FEIMA se
comportó de forma esperada. Sin embargo, es interesante valorar en un contexto más amplio, la
cuanticación obtenida en este estudio. Por ejemplo, las unidades de dióxido de carbono calcula-
das entre ocho y once mil toneladas son relevantes en el contexto nacional de carbono neutralidad
(ver Flagg, 2018).
Asumiendo que el bosque de FEIMA tiene alrededor de 30 años en proceso de restauración, se
podría decir que este bosque ha jado entre 260 y 360 t de CO
2
atmosférico por año o entre 8 y 12
t CO
2
/ha/año. Según la Unión Europea (ver Muntean et al., 2018), Costa Rica emitió poco más de
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
72
ocho millones de toneladas de CO
2
en el año 2018, lo que signica que el país registró emisiones en
el orden de 1592 t CO
2
/ha/año. Si bien es cierto que una relación directa entre ambas estimaciones
en realidad requiere de otros cálculos adicionales (p.e. emisiones producidas por el bosque en sí),
de forma general se podría decir que la compensación de carbono ofrecida por el bosque de FEIMA
se encuentra en el orden del 0.05% de las emisiones nacionales. Lo anterior parecería trivial, pero
en el marco de adaptación al cambio climático un aporte, por más pequeño que sea, sigue siendo
importante (Berndes et al., 2016).
En resumen, la presente investigación ha mostrado que la cuanticación de variables foresta-
les en el contexto moderno es de utilidad para el monitoreo de los recursos naturales. Dentro de los
planes nacionales de manejo forestal y los movimientos internacionales de conservación de recur-
sos, esta documentación es relevante para la toma de decisiones. En el caso de la Finca Experimen-
tal Interdisciplinaria de Modelos Agroecológicos, se espera que el proceso de investigación que se
ha comenzado pueda continuar reforzándose con elementos contextuales de otras disciplinas para
facilitar los procesos integrados de adaptación al cambio climático.
AGRADECIMIENTOS
Se extiende un agradecimiento a Lolita Durán, Alex Murillo y Werner Rodríguez por permi-
tir la realización de este proyecto. Esta investigación ha sido nanciada por la Vicerrectoría de
Investigación de la Universidad de Costa Rica (731-B8-034). Se agradece el apoyo en el campo
de Josué Mora Chacón y el apoyo logístico ofrecido por la Sede del Atlántico de la Universidad
de Costa Rica. Finalmente, se agradece a dos revisores anónimos por comentarios útiles durante
el proceso editorial.
REFERENCIAS
Avalos, G. (2016). How Do Forests Work? Primary Production, Energy and Forest Growth. En S. Molina-Murillo,
& C. Rojas. (Eds.) The Paradigm of Forests and the Survival of the Fittest (pp. 17-38). Boca Raton, Florida:
CRC Press.
Banco Central de Costa Rica. (2016). Cuentas Bosque: documento de trabajo. San José, Costa Rica: BCCR.
Berndes, G., Abt, B., Asikainen, A., Cowie, A., Dale, V., Egnell, G., … y Yeh, S. (2016). Forest Biomass, Carbon
Neutrality and Climate Change Mitigation. Joensuu, Finlandia: European Forest Institute.
Bettinger, P., Boston, K., Siry, J. P. y Grebner, D. L. (2017). Forest Management and Planning (2a ed.). Londres,
Inglaterra: Academic Press.
Boachá Sampaio, M., De La Fuente, M. F., Albuquerque, U. P., Souto, A. D. S. y Schiel, N. (2018). Contact with Urban
Forests Greatly Enhances Children’s Knowledge of Faunal Diversity. Urban Forestry & Urban Greening, 30,
56-61. https://doi.org/10.1016/j.ufug.2018.01.006
Bohn, F. J. y Huth, A. (2017). The Importance of Forest Structure to Biodiversity–Productivity Relationships. Royal
Society Open Science, 4, 1-12. https://doi.org/10.1098/rsos.160521
Chou, S. W. y Gutiérrez-Espeleta, E. (2012). Ecuación para estimar la biomasa arbórea en los bosques tropicales de
Costa Rica. Tecnología en Marcha, 26, 41-54. https://doi.org/10.18845/tm.v26i2.1402
Ingeniería 30 (1): 59-74, enero-junio, 2020. ISSN: 2215-2652. San José, Costa Rica DOI 10.15517/ri.v30i1.38401
73
Derwent, R. G., Simmonds, P. G., O’Doherty, S. J., Manning, A. J. y Spain, T. G. (2019). A 24-Year Record of
High-Frequency, in situ, Observations of Hydrogen at the Atmospheric Research Station at Mace Head,
Ireland. Atmospheric Environment, 203, 28-34. https://doi.org/10.1016/j.atmosenv.2019.01.050
Djomo, A. N. y Chimi, C. D. (2017). Tree Allometric Equations for Estimation of Above, Below and Total Biomass
in a Tropical Moist Forest: Case Study with Application to Remote Sensing. Forest Ecology and Management,
391, 184-193. https://doi.org/10.1016/j.foreco.2017.02.022
Flagg, J. A. (2018). Carbon Neutral by 2021: The Past and Present of Costa Rica’s Unusual Political Tradition.
Sustainability, 10, 296. https://doi.org/10.3390/su10020296
Fournier, R. A. y Hall, R. J. (Eds.). (2017). Hemispherical Photography in Forest Science: Theory, Methods, Applications
(Vol. 28). Nueva York: Springer.
Glazyrina, I. P., Faleichik, L. M. y Yakovleva, K. A. (2015). Socioeconomic Effectiveness and “Green” Growth of Regional
Forest Use. Geography and Natural Resources, 36, 327-334. https://doi.org/10.1134/S1875372815040022
Hirose, Y., Kawata, S. y Matsumura, N. (2018). Forest Zoning Criteria in Conservation Forest: Case Study in Komono
Town, Mie Prefecture. Forest Resources and Mathematical Modeling, 17, 1-9. https://doi.org/10.15684/
formath.17.002
Houghton, R. A., Byers, B. y Nassikas, A. A. (2015). A Role for Tropical Forests in Stabilizing Atmospheric CO2.
Nature Climate Change, 5, 1022-1023. https://doi.org/10.1038/nclimate2869
Jucker, T., Caspersen, J., Chave, J., Antin, C., Barbier, N., Bongers, F., … y Coomes, D. A. (2017). Allometric Equations
for Integrating Remote Sensing Imagery into Forest Monitoring Programmes. Global Change Biology, 23, 177-
190. https://doi.org/1010.1111/gcb.13388
Kunert, N., El-Madany, T. S., Aparecido, L. M. T., Wolf, S. y Potvin, C. (2019). Understanding the Controls over Forest
Carbon Use Efciency on Small Spatial Scales: Effects of Forest Disturbance and Tree Diversity. Agricultural
and Forest Meteorology, 269-270, 136-144. https://doi.org/10.1016/j.agrformet.2019.02.007
Magnago, L. F. S., Rocha, M. F., Meyer, L., Martins, S. V. y Meira-Neto, J. A. A. (2015). Microclimatic Conditions at
Forest Edges Have Signicant Impacts on Vegetation Structure in Large Atlantic Forest Fragments. Biodiversity
and Conservation, 24, 2305-2318. https://doi.org/10.1007/s10531-015-0961-1
Muntean, M., Guizzardi, D., Schaff, E., Crippa, M., Solazzo, E., Olivier, J. G. J. y Vignatti, E. (2018). Fossil CO2
Emissions of all World Countries - 2018 Report. Bruselas, Bélgica: Publications Ofce of the European Union.
https://doi. org/10.2760/30158
Nguyen, H. H., Uria-Diez, J. y Wiegand, K. (2016). Spatial Distribution and Association Patterns in a Tropical
Evergreen Broad-Leaved Forest of North-Central Vietnam. Journal of Vegetation Science, 27, 318-327. https://
doi.org/10.1111/jvs.12361
Ojea, E., Loureiro, M. L., Alló, M. y Barrio, M. (2016). Ecosystem Services and REDD: Estimating the Benets
of Non-Carbon Services in Worldwide Forests. World Development, 78, 246-261. https://doi.org/10.1016/j.
worlddev.2015.10.002
Reiche, J., Lucas, R., Mitchell, A. L., Verbesselt, J., Hoekman, D. H., Haarpaintner, J., … y Herold, M. (2016).
Combining Satellite Data for Better Tropical Forest Monitoring. Nature Climate Change, 6, 120-122. https://
doi.org/10.1038/nclimate2919
Resolución R-27-2014. La Gaceta Universitaria, San Pedro de Montes de Oca, Costa Rica, 10 de febrero de 2014.
Rojas, C. y Calvo, E. (2014). Forest Biomass, Carbon Stocks and Macrofungal Dynamics: A Study Case in Costa Rica.
International Journal of Forestry Research, 607372. https://doi.org/10.1155/2014/607372.
QUESADA, NAKAJIMA, ROJAS Y ROJAS: Cuanticación estructural forestal según uso de la tierra y reservas...
74
Santiago-García, R. J., Finegan, B. y Bosque-Pérez, N. A. (2019). Soil is the Main Predictor of Secondary Rain Forest
Estimated Aboveground Biomass across a Neotropical Landscape. Biotropica, 51, 10-17. https://doi.org/10.1111/
btp.12621
Schall, P., Schulze, E. D., Fischer, M., Ayasse, M. y Ammer, C. (2018). Relations Between Forest Management, Stand
Structure and Productivity across Different Types of Central European Forests. Basic and Applied Ecology, 32,
39-52. https://doi.org/10.1016/j.baae.2018.02.007
Sears, R. R. (2016). Forests, Sustainability and Progress: Safeguarding the Multiple Dimensions of Forests Through
Sustainable Practices. En S. Molina-Murillo & C. Rojas. (Eds), The Paradigm of Forests and the Survival of
the Fittest (pp. 196-220). Boca Raton, Florida: CRC Press.
Shugart, H. H., Saatchi, S. y Hall, F. G. (2010). Importance of structure and Its Measurement in Quantifying
Function of Forest Ecosystems, Journal of Geophysical Research: Biogeosciences, 115, G00E13. https://doi.
org/10.1029/2009JG000993
Sistema Nacional de Áreas de Conservación. (2014). Manual de campo para el inventario forestal nacional de Costa
Rica: diseño de parcela y medición de variables de sitio y dasométricas. San José, Costa Rica: Programa
REDD/CCAD-GIZ.
Van Meerbeek, K., Muys, B. y Hermy, M. (2019). Lignocellulosic Biomass for Bioenergy Beyond Intensive Cropland and
Dorests. Renewable and Sustainable Energy Reviews, 102, 139-149. https://doi.org/10.1016/j.rser.2018.12.009
