proyecto: desarrollo de metodologÍa para el monitoreo de … · desarrollo de metodologÍa para el...
TRANSCRIPT
DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES
DE CO2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE
BOSQUES.
Producto 2:
Propuesta metodológica para la cuantificación de carbono forestal
Consultor Internacional: Dr. Jeffrey R. Jones
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
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.
Cobertura Pct Árboles
ACUICULTURA 6.92
AREAS URBANAS 16.51
AGROCOMERCIAL 35.13
BOSQUE SECO 40.69
SABANA CON ÁRBOLES 41.72
AGROPECUARIO 42.90
MATORRALES 46.56
BOSQUE PINAR RALO 48.79
BOSQUE DE MANGLE 54.67
BOSQUE PINAR DENSO 55.07
BOSQUE MIXTO-TMLD 58.38
BOSQUE LATIFOLIADO 71.22
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 21.44 9,931 212,922
AGROCOMERCIAL 109.10 394,479 46,767,797
AGROPECUARIO 122.19 2,789,222 359,140,266
AREAS URBANAS 21.24 21,568 823,893
BOSQUE DE MANGLE 166.55 79,775 12,403,714
BOSQUE LATIFOLIADO 223.43 3,692,233 926,818,822
BOSQUE MIXTO 182.50 159,397 29,498,802
BOSQUE PINAR DENSO 176.47 1,384,287 233,841,401
BOSQUE PINAR RALO 148.73 1,164,342 157,477,202
BOSQUE SECO 104.59 39,745 4,300,423
MATORRALES 141.91 1,097,778 153,580,915
SABANA CON ÁRBOLES 131.77 194,330 23,766,466
Total 11,027,088 1,948,632,622
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 166.55 79,775 12,403,714
BOSQUE LATIFOLIADO 223.43 3,692,233 926,818,822
BOSQUE MIXTO 182.50 159,397 29,498,802
BOSQUE PINAR DENSO 176.47 1,384,287 233,841,401
BOSQUE PINAR RALO 148.73 1,164,342 157,477,202
BOSQUE SECO-TMLD 104.59 39,745 4,300,423
SABANA CON ÁRBOLES 131.77 194,330 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 1.268 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 1.373
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.
ZONE Índice árboles AREA_HAS Biomasa
BOSQUE DE MANGLE-TMLD-FL-HAC-49 42.9794 9537.15 1,588,366
BOSQUE DE MANGLE-TMLD-FL-LAC-50 33.9333 1968.68 258,865
BOSQUE DE MANGLE-TMLD-FL-WET-51 38.7500 174.99 26,276
BOSQUE DE MANGLE-TMSD-FL-HAC-52 27.2050 36486.16 3,846,348
BOSQUE DE MANGLE-TRMM-FL-LAC-53 42.4615 284.36 46,788
BOSQUE DE MANGLE-TRW-FL-HAC-54 54.0735 17849.34 3,740,058
BOSQUE DE MANGLE-TRW-FL-LAC-55 55.4975 13102.64 2,817,760
BOSQUE DE MANGLE-TRW-FL-WET-56 55.0000 371.86 79,253
BOSQUE LATIFOLIADO-TMLD-FL-HAC-57 57.6585 331569.05 74,081,375
BOSQUE LATIFOLIADO-TMLD-FL-LAC-58 69.3595 566629.12 152,291,811
BOSQUE LATIFOLIADO-TMLD-FL-WET-60 29.0000 65.62 7,374
BOSQUE LATIFOLIADO-TMSD-FL-HAC-61 50.7696 398241.59 78,346,944
BOSQUE LATIFOLIADO-TMSD-FL-LAC-62 64.6849 228935.32 57,383,551
BOSQUE LATIFOLIADO-TMSD-FL-WET-64 15.7500 174.99 10,680
BOSQUE LATIFOLIADO-TRD-FL-HAC-65 40.2963 1181.21 184,444
BOSQUE LATIFOLIADO-TRMD-FL-HAC-66 59.7364 377832.96 87,460,226
BOSQUE LATIFOLIADO-TRMD-FL-LAC-67 54.1710 31848.83 6,685,472
BOSQUE LATIFOLIADO-TRMD-FL-VOL-68 58.0985 29770.78 6,702,346
BOSQUE LATIFOLIADO-TRMM-FL-HAC-69 67.7504 131267.05 34,461,906
BOSQUE LATIFOLIADO-TRMM-FL-LAC-70 70.3116 150385.09 40,973,538
BOSQUE LATIFOLIADO-TRMM-FL-VOL-71 69.7161 10171.50 2,747,830
BOSQUE LATIFOLIADO-TRW-FL-HAC-72 65.6339 824000.92 209,569,277
BOSQUE LATIFOLIADO-TRW-FL-LAC-73 76.1934 527102.46 155,626,698
BOSQUE LATIFOLIADO-TRW-FL-VOL-74 46.6822 9362.16 1,693,554
BOSQUE LATIFOLIADO-WTM-FL-HAC-75 67.1236 40336.01 10,491,556
BOSQUE LATIFOLIADO-WTM-FL-VOL-76 62.6649 33358.15 8,100,242
BOSQUE MIXTO-TMLD-FL-HAC-77 47.0959 14830.70 2,706,553
BOSQUE MIXTO-TMLD-FL-LAC-78 47.6855 2712.40 501,201
BOSQUE MIXTO-TMSD-FL-HAC-80 46.8438 62166.46 11,284,439
BOSQUE MIXTO-TMSD-FL-LAC-81 45.0543 4024.85 702,680
BOSQUE MIXTO-TMSD-FL-WET-83 31.2500 87.50 10,596
BOSQUE MIXTO-TRD-FL-HAC-84 33.2308 284.36 36,617
BOSQUE MIXTO-TRMD-FL-HAC-85 50.9744 34123.74 6,740,319
BOSQUE MIXTO-TRMD-FL-LAC-86 54.2973 809.35 170,289
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
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.
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.
(http://www.isric.org/isric/webdocs/Docs/ISRIC_Report_2009_02.pdf)
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
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
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 sub-
divididos 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.
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
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.
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.
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.
Otro componente del calculo de carbono en bosque es la relación raíces – tallo (root-
shoot), 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.
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.
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
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.
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. 2004. Variation in wood density
determines spatial patterns in Amazonian forest biomass. In Global Change Biology
(2004) 10, 545–562.
CHAVE, JEROME, BERNARD RIERA and MARC-A. DUBOIS. 2001. Estimation of
biomass in a neotropical forest of French Guiana: spatial and temporal variability.
Journal of Tropical Ecology (2001) 17:79-96.
Chave, Jerome, Richard Condit, Salomon Aguilar, Andres Hernandez, Suzanne Lao and
Rolando Perez. 2004. Error propagation and scaling for tropical forest biomass
estimates. The Royal Society. Published online 11 Feb 2004.
Colorado State University. 2010. Help Document for the Agriculture and Land Use
Software Program (ALU). Version 1.10, August 2010, Natural Resource Ecology
Laboratory, Fort Collins, CO, 80523 USA.
Corrales, L. 1998. 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. 2002. Aboveground
biomass and structure of rainforests in the southwestern Brazilian Amazon. Forest
Ecology and Management 163; 2002: 293-307.
Gibbs, Holly K., Sandra Brown, John O. Niles and Jonathan A. Foley. 2007. Monitoring
and estimating tropical forest carbon stocks: making REDD a reality. In Environmental
Research Letters 2: 1 – 13.
Gómez, Yrma, Jorge Paolini & Rosa Mary Hernández. 2008. 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-0034-7744) Vol. 56 (4): 2041-2053, December 2008.
HUGHES, R. FLINT , J. BOONE KAUFFMAN, AND Vı´CTOR J. JARAMILLO 1999.
BIOMASS, CARBON, AND NUTRIENT DYNAMICS OF SECONDARY
FORESTS IN A HUMID TROPICAL REGION OF ME´XICO. In Ecology, 80(6), 1999,
pp. 1892–1907.
Jones, J. R. and Alfonso Pérez. 1982. 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. 2010. Estimation of biomass and carbon stocks in
plants, soil and forest floor in different tropical forests. In Forest Ecology and
Management 260 (2010) 1906–1913.
Mairena, Renan y Manuel Hernandez. 2005. Informe nacional: Honduras. Estudio de
tendencias y perspectivas del Sector Forestal en America Latina.
AFE/COHDEFOR/FAO. Roma, 2005.
Ogle, Stephen M.. 2009. ACTIVITY DATA WORKBOOK FOR THE AGRICULTURE
AND LAND USE (ALU) NATIONAL GREENHOUSE GAS INVENTORY
SOFTWARE PROGRAM: Release Version 1.2. Natural Resource Ecology Laboratory,
Colorado State University, Fort Collins, Colorado USA.
Apéndice
TotalBiomassStockChange1995.xls; un cuadro final de ALU donde se analiza el
impacto potencial de incendios forestales sobre el balance de carbono en Honduras. El
cuadro no tiene relación directa con el análisis en este informe, pero se presenta como
ejemplo de los productos ALU.
En este cuadro de análisis, el balance es negativo, con perdida de carbono; estos
resultados se observan en las tablas con pestañas “Forest fire” y “Forest Total”. Este
análisis es construida en base de información de 1995.
Unos puntos para destacar; muchas de la tablas utilizan factores constantes para toda
clase de bosque/clima/suelo, que se hizo solo para simplificar la investigación para armar
la tabla. Por ejemplo, en la tabla con pestaña “Forest growth”, el factor GTOT,
crecimiento de bosques, se presenta igual por toda clase de bosque, aunque para mas
precisión debería de variar según clima, suelo y bosque.
Las diferentes pestañas presentan los factores que influyen sobre los flujos de carbono del
bosque, que son destrucción de bosques por factores „naturales‟ (fuegos, tormentas, etc) y
la extracción de biomasa por razones comerciales (madera y leña).