Escolar Documentos
Profissional Documentos
Cultura Documentos
(3.1)
donde: V = volumen;
t = tiempo;
a, b, c = constantes (a > 0; c > 0 y 0 < b < 1)
La ecuacin 3.1 pertenece a una clase de ecuaciones diferenciales conocidas
como Ecuaciones Bernoulli (BRENA & BOM, 1991). Cuando la ecuacin 3.1 es
resuelta para la condicin de Y = 0, cuando t = t
0
, la funcin acumulativa de
crecimiento resultante, o funcin de produccin, es la siguiente:
( ) [ ] { }
( ) [ ] b
t t b a V
=
1 1
0
. exp 1 . (3.2)
donde: t
0
= tiempo inicial
La curva de crecimiento definida por la ecuacin 3.2 es sigmoidea, con origen
en el punto (t
0
, 0), y tiene la asntota superior igual a a. Si la ecuacin 3.1 se
resuelve bajo la condicin inicial de que V = V
0
, cuando t = t
0
, resulta la siguiente
funcin acumulativa de crecimiento:
( ) [ ] { }
( ) [ ]
=
1 1
0
exp 1 t t V (3.3)
donde: = ( )
( ) [ ] b
c a
1 1
= ( ) b c 1
12
= ( )
b
V a c
1
0
. 1
Los parmetros de las ecuaciones 3.2 o 3.3 pueden ser estimados a partir de
datos de los puntos (t , V), usando la tcnica de los mnimos cuadrados no-lineares.
PEINAR y TURNBULL (1973) usaron el modelos de Chapman-Richards con
datos de plantaciones remedidas de Pinus elliottii del sur de frica, para testar y
confirmar la hiptesis de que, en un sitio determinado todos los niveles de densidad
del rodal (en funcin del nmero de rboles por hectrea) convergen para la misma
asntota volumtrica, representada por el valor de en la ecuacin 3.3.
3.3 Modelos empricos
Existen, bsicamente, dos tipos de modelos de crecimiento: los empricos y
los biolgicos. Los biolgicos son mas complejos en el ajuste, porque envuelven
regresiones no-lineares, y de difcil manejo, a pesar de brindar buenos resultados de
crecimiento y produccin forestal. Los modelos empricos, o funciones artificiales,
presentan forma matemtica mas simple, facilitando el ajuste y manejo, y brindan,
igualmente, buenas estimativas del crecimiento.
Estos modelos intentan explicar que sucedi, est sucediendo o puede
suceder en el futuro. Es un mtodo con nfasis en la calidad de ajuste de los datos y
de las predicciones (SANQUETTA, 1996).
Segn CLUTTER et al. (1983), estos modelos son aplicados para la
prediccin de la produccin presente y futura. Las diferencias bsicas entre estos
trminos ya fue aclarada en puntos anteriores.
13
4. MODELOS DE DISTRIBUCIN DIAMTRICA
Una distribucin diamtrica es una descripcin cuantitativa de la estructura de un
rodal forestal, cuando la frecuencia del nmero de rboles por unidad de rea, por
clase de dimetro a la altura del pecho (DAP), con corteza, es presentada en forma
tabular o grfica. La distribucin diamtrica puede ser tambin representada por
medio de funciones matemticas (funciones de probabilidad) (AHRENS, 1990).
Estos modelos expresan el desarrollo del rodal a travs de la descripcin de la
evolucin de las distribuciones diamtricas (SANQUETTA, 1996).
Tambin, segn BRENA & BOM (1991), estos modelos ofrecen informaciones
sobre la estructura de la poblacin, pudiendo ser utilizados para estimar la
produccin presente y futura, bien como los productos forestales. Su utilizacin es
fundamental en bosques heterogneos, donde la edad de los individuos y de la
poblacin es indefinida.
En la literatura existen tres tipos fundamentales de modelos por clases de
dimetro: funciones probabilsticas, matrices de transicin y procesos de difusin.
4.1 Funciones probabilsticas
En estos modelos la evolucin de las clases diamtricas est expresada por
funciones probabilsticas, donde los coeficientes estn basados en las
caractersticas del rodal. Los sistemas de prediccin por clases diamtricas utilizan
distribuciones continuas de probabilidad, entre ellas Weibull, Beta, Normal, etc.
Debido a su alta flexibilidad y simplicidad matemtica la funcin de Weibull es la que
presenta mejor ajuste, generalmente, al sistema de prediccin de dimetros por
presentar parmetros que correlacionan la edad con otras caractersticas del rodal.
BALEY & DELL (1973) fueron los primeros en aplicar la distribucin de Weibull
para predecir la distribucin diamtrica. La ecuacin de Weibull es una distribucin
de tres parmetros definida por la siguiente funcin de densidad de probabilidad:
(
(
|
.
|
\
|
|
.
|
\
|
=
c c
x
b
a x
b
a x
b
c
f exp
1
(a x < ) (4.1)
El coeficiente a representa el parmetro de localizacin, b es el parmetro de
escala, y c el parmetro de forma. Los parmetros b y c deben ser, siempre,
positivos. El parmetro a, en general, puede ser positivo, negativo, o cero; pero
cuando aplicado a distribuciones diamtricas no debe ser negativo. As, como
norma, esta funcin define la porcin de la densidad de probabilidad asociada con
cada valor posible de la variable aleatoria x. Aunque la funcin de densidad de
probabilidad parezca difcil, la distribucin es mucho mas fcil de usar de que la
distribucin normal, porque la forma exacta y la expresin analtica de la funcin de
distribucin acumulativa existe y es relativamente de forma simple (CLUTTER et al,
1983).
La funcin de distribucin acumulativa, de la distribucin de Weibull, est dada
por la siguiente expresin:
14
(
(
|
.
|
\
|
=
c
x
b
a x
exp F 1 (a x < ) (4.2)
Esta funcin ha sido utilizada con xito en un elevado nmero de estudios sobre
crecimiento y produccin (COUTO, 1980; FINGUER, 1982; GLADE, 1986).
Otra funcin que tambin fue usada para modelado por clases diamtricas es la
funcin Beta () que, segn SCHNEIDER (1993), ha sido aplicada con xito para
fines de ajuste de distribucin de frecuencias por clases diamtricas en diferentes
tipos de rodales.
La forma general de esta funcin es la siguiente:
( )
( ) ( )
}
=
b
a
dx x b a x . .
,
(4.3)
donde: x = variable a ser investigada;
a = limite inferior de la funcin;
b = limite superior de la funcin;
y = parmetros de la funcin;
(,)
= rea bajo la curva
4.2 Matriz de transicin
Varios mtodos estn siendo desarrollados para proyectar la evolucin de
rodales de edades heterogneas. Estos mtodos pueden ser clasificados en dos
grandes grupos de acuerdo con cual sea la unidad elemental considerada; si es el
rbol (modelo para rbol individual) o si es el rodal (modelo para rodal completo).
Los modelos para rboles individuales fueron desarrollados por BOTKIM et al.
(1972); EK & MONSERUD (1974); y SCHUGART & WEST (1977), ofreciendo un
poderoso medio para representar competicin entre los rboles, mortalidad,
variacin en la composicin de especies e influencias del medio ambiente sobre el
crecimiento del bosque.
Los modelos para rodales son por naturaleza mucho mas agregados,
representando al rodal a travs de pocos parmetros (BOUNGIORNO & MICHIE,
1980).
Las matrices de transicin han sido usadas en el modelado de sistemas
complejos como el desarrollo de rodales forestales (USHER, 1966 y 1969; BRUNER
& MOSER, 1973; BUONGIORNO & MICHIE, 1980; HIGUCHI, 1979; GLENN-LEWIS
et al., 1992), en la sucesin de poblaciones animales (USHER, 1979) y en la
sucesin vegetal (BINKLEY, 1980; GLENN-LEWIS et al., 1992).
Estos modelos tiene su origen en los modelos de Lesli & Lewis, op. cit. por
BUONGIORNO & MICHIE (1980), donde fueron originalmente desarrollados para
investigar el efecto de la estructura de edades sobre el crecimiento de una poblacin
animal.
En estos modelos los estados de la poblacin estn descriptos por vectores y la
transicin de un estado a otro est descripta por una matriz. Se usa el criterio de
separar los rboles de una cierta clase diamtrica que crecen e ingresan en una, dos
15
o mas clases consecutivas de aquella en la que se encuentran de los rboles que
permanecen en la misma clase o mueren durante un intervalo de tiempo
considerado. El movimiento (dinmica) de las clases es calculado a travs de
probabilidades que constituyen la llamada matriz de transicin. La matriz es
entonces multiplicada por el vector de frecuencias por clases para obtener otro
vector con frecuencias proyectadas para un momento futuro (SANQUETTA, 1996).
El clculo de las probabilidades es realizado basndose en la divisin del nmero
de rboles que permanecen o migran para otras clases por el nmero total de
rboles en la clase diamtrica en cuestin. Las proyecciones o predicciones son
hechas, como mximo, para el mismo periodo en que la matriz fue construida.
Segn BUONGIORNO & MICHIE (1980), los rboles del rodal pueden ser
divididos en un nmero finito de clases de tamao (n) especificado por el dimetro
de los rboles. El nmero de rboles vivos, dentro de una clase determinada, en un
punto de tiempo t, escrito en notacin matricial, es el siguiente:
( )
nt t t
y y y Y , , ,
2 1
= , o
[ ]
it
y Y = , para i = 1, 2, . . ., n clases de dimetro
Durante un perodo especfico de crecimiento los rboles situados en la clase
de dimetro i quedan en la misma clase o avanzan a la clase de dimetro siguiente.
Los rboles, tambin, pueden morir durante el intervalo , o pueden ser
cosechadas.
El nmero de rboles cosechados en la clase de dimetro i, durante el intervalo
, de acuerdo con los autores referidos anteriormente, est representado por el
vector columna, h
it
; por lo tanto, la serie de cosechas (raleos) se puede escribir como
sigue:
( )
it t t t
h h h h , , ,
2 1
= para i = 1, 2, . . ., n
Adems, estos autores sealan que, a partir del acompaamiento del crecimiento
y la mortalidad de un rbol dentro del rodal, se tiene lo siguiente:
a
i
= probabilidad de que un rbol que est vivo en una clase de dimetro i, en el
tiempo t, pero que no sea raleada durante el intervalo , permanezca viva y
en la misma clase de dimetro i, en el tiempo t + .
b
i
= probabilidad de que un rbol que esta vivo en la clase de dimetro i 1, en el
tiempo t, pero que no sea raleada durante el intervalo , est vivo y en la
clase de dimetro i, en el tiempo t + .
c
i
= probabilidad de que un rbol que esta vivo en la clase de dimetro i- 2, en el
tiempo t, pero que no sea raleado en el intervalo , est vivo y en la clase de
dimetro i, en el tiempo t + .
m
i
= probabilidad de que un rbol que esta vivo en la clase i, en el tiempo t, pero
que no sea raleado en el intervalo , muera en el intervalo de tiempo t + .
= perodo de crecimiento entre t
0
y t
1
, en que:
2 1
1
+ +
=
i i i i
c b a m , para i = 1, 2, . . ., n-1; y
n n
a m = 1 (ltima clase)
Segn estos autores, la estimativa de la mortalidad es siempre incierta, pudiendo
ser, sta, regular o irregular. La mortalidad regular resulta de la competicin entre
16
clases diamtricas menores, aunque, ocasionalmente, algunos rboles mayores
tambin mueran. Ahora, la mortalidad irregular es provocada por fenmenos
adversos, como ser: ataque de insectos, fuegos accidentales, enfermedades, etc. Si
la mortalidad regular es previsible, no podemos decir lo mismo de la irregular.
El ingreso, esto es, el nmero de rboles vivos que entran en la clase de
dimetro menor durante el intervalo de tiempo t para t + , est especificado por el
vector I
t
.
Entonces, la distribucin diamtrica del rodal, a ser proyectada en el tiempo t
para el tiempo t + y la situacin del rodal en el tiempo t + pueden ser totalmente
determinadas por la situacin en el tiempo t, por los raleos, muertes e ingresos
ocurridos en el intervalo de tiempo , empleando las siguientes ecuaciones:
( )
t t i t t
h y a I y
1 1 1
+ =
+
; y
( ) ( )
t t t t t
h y a h y b y
2 2 2 1 1 2 2
+ =
+
generalizando, tenemos:
( ) ( ) ( )
nt nt n t n t n n t n t n n nt
h y a h y b h y c y + + =
+ 1 1 2 2
,
donde: y
1t+
= nmero de rboles vivos en la clase 1, en el tiempo t + ;
y
1t
= nmero de rboles vivos en la clase 1, en el tiempo t;
h
1t
= nmero de rboles cosechados en la clase 1, en el intervalo .
Considerando que el nmero de rboles en la primera clase en el tiempo t + es
el nmero de rboles que permanecen en esta clase desde el tiempo t, mas los
ingresos, tenemos que:
( ) ( ) ( ) ( )
= =
+
+ + + + + =
n
i
it it
n
i
it it i t t i t
h y h y h y B a y
2
2
2
1 1 1 2 1 1 0 1
.
donde: B
i
= rea basal del rbol de dimetro medio de la i-sima clase de
dimetro;
0
,
1
y
2
= constantes a ser estimadas.
Por consiguiente, el modelo puede ser escrito en la siguiente forma matricial:
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
+
+
+
+
+
0
0
0
0
.
0 0 0 0
0 0
0 0
0 0 0
0
4 4
3 3
2 2
1 1
4 4 4
3 3 3
2 2
4 3 2 1
4
3
2
1
nt nt
t t
t t
t t
t t
n n n
n
nt
t
t
t
t
h y
h y
h y
h y
h y
a b c
a b c
a b c
a b
d d d d d
y
y
y
y
y
donde: d
1
= a
1
+
1
i
+
2
; y
d
i
=
1
i
+
2
para i = 2, 3, . . ., n
Un ejemplo numrico tpico para aclarar este proceso, es mostrado en la Tabla 1.
Los nmeros son originados de observaciones sobre 50 cuadrantes en tres aos
consecutivos. Todos los estados de la vegetacin fueron clasificados en tres clases:
A, B o C. No obstante ellos son originados, supuestamente, de 50 cuadrantes
17
localizados aleatoreamente, el hecho que fueron observados en tres estaciones
anuales implica que las observaciones son estadsticamente no independientes
(GLENN-LEWIS et al., 1992)
TABLA 1: Observaciones en 50 puntos de muestreo. Cada observacin es
clasificada dentro de un estado designados por A, B o C.
Estados Estados Punto de
Muestreo T1 T2 T3
Punto de
Muestreo T1 T2 T3
1 A A A 26 A A B
2 A B A 27 C C C
3 B B C 28 A A C
4 A A A 29 A A A
5 B C B 30 C C C
6 A C A 31 A B A
7 A A A 32 B C B
8 C C C 33 B C A
9 B A C 34 C C C
10 A A B 35 B B A
11 B B B 36 B B A
12 A B C 37 C B A
13 A A A 38 C C B
14 B B C 39 A A A
15 A A A 40 A A A
16 C C C 41 A A B
17 C C C 42 C C C
18 B C C 43 C C C
19 B B B 44 A A B
20 A C C 45 C C B
21 C A B 46 C C C
22 A A B 47 B B C
23 B B B 48 A A B
24 B B B 49 A A B
25 A B B 50 B B C
En los 50 cuadrantes, cada observacin doble despus del registro inicial, hacen
un total de 100 transectas de datos anuales. El primer cuadrante puede escribirse
as:
A A A
Y muestra la transicin desde A para A. El segundo cuadrante, se escribe como:
A B A
Mostrando una transicin desde A para B y otra de B para A. La sumatoria de
las 100 transiciones es mostrada en la Tabla 2:
18
TABLA 2: Valores derivados de las 100 transiciones que ocurrieron en las 50
secuencias de la Tabla 1.
Por estado
Estado
A B C
Total de la
Lnea
A 14 12 4 40
B 6 15 9 30
C 3 6 21 30
Total de la
Columna
33 33 34 100
Estos datos pueden ser colocados en forma matricial, formando una matriz de
datos, de la siguiente manera:
(
(
(
21 6 3
9 15 6
4 12 24
Dividiendo cada fila por el valor de la suma de cada columna (Tabla 2) formamos
la matriz de transicin de probabilidades. Este es, dividiendo la primera fila por 40, y
la segunda y tercera por 30, tenemos:
(
(
(
=
7 , 0 2 , 0 1 , 0
3 , 0 5 , 0 2 , 0
1 , 0 3 , 0 6 , 0
P
Haciendo un anlisis de lo mostrado en P, se observa que un elemento p
ij
, un
elemento en la i-sima fila y j-sima columna, es la probabilidad de observar una
transicin desde el i-simo hasta el j-simo estado. Entonces, para un cuadrante que
esta en el estado A, tiene una probabilidad de 0,6 (60%) de continuar en el estado A
despus de pasar un ao, una probabilidad de 0,3 (30%) de mudar para el estado B,
y una probabilidad de 0,1 (10%) de mudar al estado C.
La matriz de probabilidades P tiene dos importantes usos matemticos, y un uso
prctico. Primero, es usada para predecir como puede ser un sistema en el futuro.
En una nueva observacin de la Tabla 1 se pueden advertir 15 cuadrantes en el
estado A, 18 en el estado B y 17 en el estado C. Estos valores son usados como
elementos para la construccin de un vector lineal, denominado de vector de
estados, de la siguiente manera:
[ ] 17 18 15 =
t
P
La multiplicacin de este vector estado en un tiempo t por la matriz de transicin
de probabilidades general el vector estado en el tiempo t + 1, como siguie:
[ ] 8 , 18 9 , 16 3 , 14
1
= =
+
P p P
t t
o, ampliando para la totalidad de los nmeros de los cuadrantes para una realidad
biolgica,
[ ] 19 17 14
1
=
+ t
P
Repitiendo el proceso, en una nueva observacin de la Tabla 1, tenemos:
19
[ ] 20 16 14
1 2
= =
+ +
P p P
t t
y generalizando, tenemos
k
t k t
P p P =
+
(4.4)
donde K es cualquier nmero entero. Primeramente, mediante el uso de la ecuacin
4.4, se puede predecir que la estructura del sistema para cualquier nmero entero
de perodos de tiempo en el futuro.
El segundo uso de P es investigar cuales son los procesos de cambio hasta un
punto final. Esto es similar a decir que una sucesin ha alcanzado un estado clmax.
El uso prctico de P es relatar, diagramaticamente, que est ocurriendo en el
estado del sistema que esta bajo estudio. Esto es, escoger arbitrariamente los
valores que sean principales en las transiciones (por ejemplo: probabilidades
mayores que algunos niveles: 0,3 son apropiadas para la matriz P) y disear un
diagrama con esta restriccin. Por otro lado, es importante incluir una categora
media, como ser 0,2 y 0,3; como es mostrado en la Figura 1. Estos diagramas,
usados por Greig-Smith (1983) y Digby & Kempton (1987), op. cit. por GLENN-
LEWIS et al. (1992) y USHER (1981), tienden a mostrar las fracciones importantes
de un sistema de estados: por ejemplo, en la Figura 1 se observa claramente que
ellos tienden a una secuencia de A para B para C. La nica regla para disear un
diagrama es colocar solamente las probabilidades que son esenciales para el
sistema. USHER (1981) dice que colocando 15% de las probabilidades en las clases
superiores, 15% en las clases intermedias y 70% en la inferiores, hacen una
razonable composicin para una presentacin visual de una matriz de transicin de
probabilidades con ocho estados. Estos porcentajes van disminuyendo en su valor
para matrices con mas estados, y se incrementan para matrices con menos estados.
a)
b)
FIGURA 1: Representacin grfica de la matriz de transicin de probabilidades
basada en la Tabla 2. a) Todas las probabilidades que exceden algn
valor arbitrario, en este caso 0,3, fueron colocadas. b) Las
probabilidades mayores son indicadas con lneas continuas, y las
siguientes (de 0,2 hasta 0,3) por lneas punteadas (adaptado de
GLENN-LEWIS et al., 1992).
0,3 0,3
0,7 0,5 0,6
A B C
A
0,3 0,3
B C
0,2 0,2
20
4.2.1 Cadena de Markov y test de significancia
Entre los modelos de matrices, la matriz de Markov o cadena de Markov es
utilizada en la prognosis y en el desarrollo de rodales de edades heterogneas. Este
modelo utiliza el concepto de estado. Estados son situaciones en que un rbol
puede ser encontrado, como, por ejemplo: ingresos, clases de dimetro y cosechas.
Simplemente, un proceso markoviano se puede definir como: cual es la
probabilidad de que un estado especifico en un tiempo particular puede derivar para
un estado inmediatamente precedente. Una forma particular de los procesos
markovianos es la cadena de Markov, que es una secuencia, en el tiempo, de
estados discretos en que la probabilidad de transicin de un estado particular hasta
el siguiente en la cadena depende solamente del estado anterior. Introducciones
generales a las cadenas de Markov fueron incluidas por Harbauch & Bonham-Carter
(1970) para aplicaciones en geologa y Collins (1975) para aplicaciones en geografa
(GLENN-LEWIS et al., 1992).
El ingreso representa el crecimiento de los rboles nuevos que estn compitiendo
por un nicho en el rodal. Una vez que un rbol est en un estado, puede permanecer
en este estado o moverse a otro, este movimiento es calculado por la probabilidad
de transicin. El modelo asume que la probabilidad de movimientos de los rboles
de un estado a otro depende solamente del estado inicial y que ste es constante
para todo el perodo de proyeccin.
Se puede observar fcilmente que el ejemplo desarrollado anteriormente encaja
fcilmente en la estructura de la cadena de Markov. Esta estructura ofrece una base
para un primer test de significancia que puede ser apropiado usando los datos
sucecionales. Supongamos que la matriz de probabilidades de transicin, de la
seccin anterior tenga la siguiente forma, donde cada fila es igual:
(
(
(
=
1 , 0 3 , 0 6 , 0
1 , 0 3 , 0 6 , 0
1 , 0 3 , 0 6 , 0
P
Esto indica que la probabilidad de una transicin desde un estado no depende
del estado presente, por ejemplo; que siempre exista una probabilidad del 0,6 que el
sistema quede en el estado A independientemente de si nos encontrramos en el
estado A, B o C en un perodo de tiempo anterior. Por esto, la matriz P no cumple
con la propiedad de la cadena de Markov.
Un test de independencia en una matriz de transicin de probabilidades fue
propuesto por Anderson & Goodman (1957), op. cit. por GLENN-LEWIS et al. (1992).
La hiptesis nula es que etapas sucesivas en la secuencia son estadsticamente
independientes (por ejemplo: como en el proceso aleatorio anterior); es testada a
continuacin la hiptesis alternativa: que las etapas sucesivas son no
independientes (y que adems ellas forman, pero no necesariamente son, un primer
ordenamiento de la cadena de Markov). Usando los datos de la Tablas 1 y 2, la
matriz es la siguiente:
(
(
(
=
21 6 3
9 15 6
4 12 24
N (4.5)
21
y la matriz de transicin de probabilidades es:
(
(
(
=
7 , 0 2 , 0 1 , 0
3 , 0 5 , 0 2 , 0
1 , 0 3 , 0 6 , 0
P (4.6)
El test estadstico apropiado es:
( ) ( )
= =
=
m
i
m
j
j ij ij
p p n
1 1
ln 2 ln 2 (4.7)
donde ln indica logaritmo natural, m es el nmero de estados del sistema, n
ij
es el
elemento de la i-sima fila y j-sima columna de N, p
ij
es el elemento
correspondiente en P, y p
j
es la probabilidad marginal de la j-sima columna de N,
determinado por:
=
= =
|
|
|
.
|
\
|
=
m
i
m
i
m
j
ij
ij
j
n
n
p
1
1 1
(4.8)
Aplicando este test en el ejemplo, para m = 3, y n
ij
y p
ij
son tomados de las
ecuaciones 4.5 y 4.6 respectivamente. Sumando las columnas de N en la ecuacin
4.5 generamos los valores de p
1
= 33/100 (=0,33), p
2
= 33/100 (=0,33) y p
3
= 34/100
(=0,34), usando la ecuacin 4.8. entones la ecuacin 4.7 es calculada como sigue:
( ) 978 , 37
34 , 0
7 , 0
ln 21
33 , 0
2 , 0
ln 6
33 , 0
3 , 0
ln 12
33 , 0
6 , 0
ln 24 . 2 ln 2 =
(
|
.
|
\
|
+ |
.
|
\
|
+ + |
.
|
\
|
+ |
.
|
\
|
=
Anderson & Goodman (1957) dicen que 2(ln) est distribuido asintoticamente
como
2
con (m-1)
2
grados de libertad. Refirindonos a la Tabla de
2
con cuatro
grados de libertad indica que la probabilidad de observacin
2
= 37,978 es mucho
menor que uno en un millar (p < 0,001), y por lo tanto la hiptesis nula de
independencia estadstica debe ser rechazada (GLENN-LEWIS et al., 1992).
Es importante recordar que este test no indica que el proceso, presentado en las
Tablas 1 y 2, es un primer orden de la cadena de Markov. Todo lo que muestra es
que el proceso es no completamente aleatorizado. Si la probabilidad de
2
es mayor
que 5% (p < 0,05), entonces es posible aceptar la hiptesis nula y decir que el
proceso es aleatorio.
4.2.2 Ordenamiento del proceso
Retornando a los datos de la Tabla 1, se pueden derivar tres diferentes matrices
de transicin de probabilidades sobre la base del estado del sistema cuando se
realiza la primera observacin. Entonces, si el estado del sistema esta en A en la
primera observacin, la matriz calculada correctamente y la matriz de transicin de
probabilidades correspondiente a la segunda y tercera observacin son:
22
(
(
(
=
1 0 1
1 1 2
1 7 8
A
N ,
(
(
(
=
25 , 0 00 , 0 50 , 0
25 , 0 25 , 0 50 , 0
06 , 0 44 , 0 50 , 0
A
P (4.9)
La probabilidad nueva en P
A
representa las probabilidades de transicin desde el
estado i hasta el estado j si se sabe que el estado se encuentra en A en el perodo
de tiempo anterior. Entonces, conociendo que el cuadrante se encuentra en el
estado A en el tiempo (t- 1); 0,50 es la probabilidad de que contine en ese estado
(estado A) despus de un intervalo de tiempo t hasta (t + 1), y la probabilidad que
ocurra un cambio desde el estado A para el estado B es de 0,44, etc. Matrices
similares son escritas para el estado B en el tiempo (t 1), as:
(
(
(
=
1 2 1
4 4 2
1 0 0
B
N ,
(
(
(
=
25 , 0 50 , 0 25 , 0
40 , 0 40 , 0 20 , 0
00 , 1 00 , 0 00 , 0
B
P (4.10)
Para el estado C en el tiempo (t 1), tenemos:
(
(
(
=
8 3 0
0 0 1
0 1 0
C
N ,
(
(
(
=
73 , 0 27 , 0 00 , 0
00 , 0 00 , 0 00 , 1
00 , 0 00 , 1 00 , 0
C
P (4.11)
Si la cadena de Markov es el proceso de primer orden en otras palabras, si las
probabilidades de transicin son dependientes solamente del estado actual del
sistema y no de los estados anteriores del sistema- entonces las tres matrices P
A
, P
B
y P
C
deben ser de igual orden que la matriz P de la ecuacin 4.6.
Simplificando, en la formulacin de las tres matrices N
A
, N
B
y N
C
de las
ecuaciones 4.9 hasta 4.11 solo 50 de las 100 transiciones de la Tabla 1 fueron
usadas en la primera observacin indicando por la estructura de las tres matrices
cualquier transicin entre la segunda y la tercera observacin puede ocurrir. Esto es,
entonces, que existen muy pocos datos evaluables para realizar una estimacin
acertada de las probabilidades de transicin en las matrices P
A
, P
B
y P
C
. No
obstante, el ejemplo muestra en el modelo de sucesin ecolgica, cuales son los
procesos de orden, superior o inferior, que son requeridos, adems la cantidad de
datos necesarios para obtener estimativas razonables de probabilidades de
transicin.
El test de significancia es requerido para determinar que sean o no idnticas las
matrices P. Anderson & Goodman (1957), dieron un test apropiado, pero antes es
esencial la generalizacin de las matrices en las ecuaciones 4.5 y 4.6 desde dos
dimensiones para tres dimensiones. Esto est mostrado para las matrices N
A
, N
B
y
N
C
en la Figura 2. Un elemento nuevo en la matriz tridimensional N es n
ijk
que indica
el nmero de transiciones observadas desde el estado i hasta el estado j hasta el
estado k. Observe que, estos son los 50 valores de la Tabla 1, el nmero dentro de
las clulas de la Figura 2 totalizan 50. El test de Anderson & Goodman es el
siguiente:
( ) ( ) =
= = =
m
i
m
j
m
k
jk ijk ijk
p p n
1 1 1
ln 2 ln 2 (4.12)
donde los smbolos fueron definidos previamente a excepcin de p
jk
que es la
probabilidad marginal calculada por:
23
=
= = =
m
i
m
k
ijk
m
i
ijk jk
n n P
1 1 1
(4.13)
y 2(ln) est asintoticamente distribuido como
2
con m.(m 1)
2
grados de libertad.
FIGURA 2: Una representacin del diagrama de una matriz tridimensional. La matriz
a la izquierda es la llamada matriz N y consiste de tres submatrices N
A
,
N
B
y N
C
(mostradas desde la ecuacin 4.8 hasta la 4.10). Calculando p
jk
con la ecuacin 4.12, el valor del numerador proviene de las sumas de
las columnas de la matriz N (por ejemplo; cuando j = k = 1, la suma de la
columna es: 8 + 0 + 0 = 8), el valor del denominador es la suma vertical
de la matriz (las sumas son 15 para porcin izquierda, 18 para la porcin
central y 17 para la derecha) (adaptado de GLENN-LEWIS et al., 1992).
El clculo presentado en la ecuacin 4.9 es mostrado en el ejemplo, donde:
( ) 502 , 17 ln 2 = (4.14)
Esto es aproximadamente un
2
con 12 grados de libertad y con una probabilidad
cercana a 1 en 20 (p > 0,05). Entonces, basados en la extremamente pequea
diferencia, la hiptesis nula es rechazada, implicando que las matrices P
A
, P
B
y P
C
en las ecuaciones 4.9 a 4.11 son consideradas como idnticas con la matriz P de la
ecuacin 4.6 (admitiendo, de hecho, una variacin sencilla). Esto implica que el
proceso de la Tabla 1 puede ser visto como un primer orden de la cadena de
Markov.
En este ejemplo la probabilidad de existir en cualquier estado en el tiempo (t + 1)
depende solamente del estado en el tiempo t, y por lo tanto la cadena como una
simple-dependencia envuelve un simple-escalonamiento de unidades de tiempo.
Entonces, la ecuacin 4.14 testa los datos de la Tabla 1 para una cadena de doble-
dependencia sobre dos estratos inmediatamente precedentes: si el valor de
2
es
significativo se puede considerar la cadena como de doble dependencia, de segundo
orden, de escalonamiento simple. Suponga que el estado de una cadena en el
tiempo (t + 1) depende del estado en el tiempo t y del tiempo (t 2), entonces la
cadena tiene doble dependencia, de tercer orden, y de escalonamientos mixtos. La
prueba para este tipo de cadenas fueron formulados en las ecuaciones 4.12 y 4.13:
24
no obstante, con los datos de la Tabla 1, la prueba de la ecuacin (4.14) es la nica
alternativa que puede ser formulada cuando se trata de una cadena de simple
dependencia, el orden y el simple paso del tiempo (GLENN-LEWIS et al., 1992).
25
5. MORTALIDAD
La mortalidad se refiere al nmero de rboles que fueron medidos inicialmente,
que no fueron utilizadas, y que murieron durante el perodo de crecimiento
considerado. La mortalidad puede ser causada por diversos factores, como ser:
edad o senilidad; competicin; enfermedades o plagas; condiciones climticas
adversas; fuegos silvestres; y por anillamiento, envenenamiento y corte del rbol
(SANQUETTA, 1996).
CARVALHO (1997), resalta que en bosques tropicales, el patrn de mortalidad
natural a travs del tiempo y en el espacio est fuertemente relacionado a la
longevidad de los rboles; distribucin en clases de tamao; abundancia relativa de
las especies; y tamao y nmero de aberturas (gaps) en el dosel del bosque. El
mismo autor resalta tambin, que en relacin al porte de los individuos, algunos
estudios reportan que especies emergentes presentan una taza anual de mortalidad
mas baja, en cuanto que las especies propias del sub-bosque presenta taza mas
altas; y que otros estudios, considerando apenas individuos con DAP superior a 10
cm, no encontraron ninguna diferencia significativa respecto a la mortalidad por
clases de tamao.
Dos grandes categora de mortalidad natural pueden ser distinguidas: mortalidad
regular y mortalidad catastrfica. La mortalidad regular se refiere, principalmente, al
envejecimiento, supresin y competicin, pero tambin, la mortalidad regular puede
ocurrir al azar, y por incidencia normal de plagas, enfermedades, y por fenmenos
atmosfricos (por ejemplo: sequas, tormentas, etc.; eventos que tpicamente
ocurren con baja frecuencia a travs de muchos aos). La mortalidad catastrfica
incluye los incendios naturales, pero de consecuencias severas bajo condiciones de
tiempo anormales, y grandes pestes y enfermedades violentas (VANCLAY, 1994).
Estimaciones de la mortalidad regular estn basados en teoras de limitaciones
de densidad de los rodales (por ejemplo: ndice de Densidad de Reineke (1933), o
por el uso de relaciones empricas ajustadas para el rodal o para los rboles en
forma individual). Las aproximaciones tericas o empricas se basan en
estimaciones de la densidad del rodal, competicin y vigor de los rboles, pero
algunos mtodos tambin en funcin de la edad del rbol.
Muchos modelos de crecimiento para bosques de edad homognea predicen la
mortalidad como funcin dependiente de la densidad, asumiendo que existe una
relacin simple entre densidad mxima del rodal y el dimetro medio de los rboles
(VANCLAY, 1994). Basados en estos conceptos fueron propuestos tres tipos de
relaciones:
1. Del Espacio Relativo (WILSON, 1951), originalmente formulado como una
gua prctica de raleos, pero fue usado como una gua para limitar la
densidad del rodal (MITCHELL, 1975). En este caso son considerados la
altura total media del rodal (h
t
) y el nmero de rboles (N):
LnN + 2.lnh
t
= constante
2. ndice de Densidad de Reineke, este ndice, desarrollado en 1933, es
calculado a travs del nmero de rboles correspondientes al dimetro de
rea basal media. El nmero de rboles (N) en relacin al dimetro medio
(d
g
), generalmente, resulta en una expresin linear. As, estas dos
variables se relacionan a travs de la siguiente ecuacin:
LnN + 1,6.lnd
g
= constante
26
REINEKE (1933), trabajando con varios grupos de datos, para la elaboracin de
tablas de produccin, detect que una misma inclinacin podra, en muchos casos,
ser usada para definir los limites de densidad mxima en varias situaciones.
Adems, encontr que cualquier rodal puro, bien poblado y de edad uniforme, que
presente un dimetro promedio del rodal (en donde el dimetro promedio DP- es el
dimetro a la altura del pecho DAP de un rbol con el rea basal media) tiene
aproximadamente, el mismo nmero de rboles por unidad de superficie que
cualquier otro rodal puro, bien poblado y de edad uniforme de la misma especie y
que tenga el mismo dimetro medio del rodal.
Existen dos aportes fundamentales a travs de este concepto: 1) el mismo
nmero de rboles con un cierto dimetro medio del rodal; y 2) el hecho de que la
edad y la calidad del sitio no tienen efecto sobre la cantidad de rboles del rodal
(DANIELS et al., 1982).
Para la mayora de las especies estudiadas, las curvas tuvieron la misma
inclinacin: k D N + = log 605 , 1 log ; donde N = nmero de rboles por unidad de
superficie, D = dimetro medio del rodal, y k = ajuste en elevacin de las diferentes
especies.
Las investigaciones realizadas por los investigadores japoneses, liderados por
Kira, op. cit. por SANQUETTA (1996), trajeron justificativas tericas para lo
encontrado por Reineke, dando origen a la famosa Ley de Auto-Raleo o Ley del
Exponente 3/2. Esta Ley es una expresin relacionada a la reduccin de la
densidad por competicin como producto del aumento en tamao de las plantas que
compiten en un rea determinada y se fundamenta en la siguiente relacin:
2
3
= N k w (5.1)
donde: w = peso medio de las plantas por unidad de rea;
N = nmero de plantas por unidad de rea;
k = valor constante por especie o rodal; y el exponente 3/2 es fijo,
independiente de la especie y del estado de desarrollo del rodal que
est bajo condicin de competicin:
Como este Ley establece una relacin entre el peso medio por planta y el
mximo de densidad posible en el bosque (N
max
(t)) en un tiempo KtK, le ecuacin 5.1
puede escribirse de la siguiente manera:
( ) ( ) t N t w
max
= (5.2)
Basado en esta ecuacin y de acuerdo con lo establecido por SANQUETTA
(1994) la mortalidad en el bosque puede ser calculada de la siguiente manera:
( )
( ) ( ) t N t N M
t
=
max
(5.3)
donde: M(t) = mortalidad en el tiempo t;
N(t) = densidad actual del bosque.
Adems de esto, y siguiendo con el mismo autor, la mortalidad se podra calcular
para cada clase de dimetro como sigue:
( )
( ) ( ) x mp t M M
x t
=
,
(5.4)
y por especie, como sigue:
27
( )
( ) ( ) ( )
(
=
=
n
i
x t j
j n j m t x M M
1
, ,
. , (5.5)
donde: mp(x) = porcentaje de muertes para cada clase de dimetro (x); y
m(j) = es la velocidad de mortalidad (ao
-1
) para cada especie
considerada (j).
3. La lnea de raleo medio de Yoda et al. (1963), op. cit. por VANCLAY
(1994), considera el lmite de estoque de la masa vegetal, pero en
aplicaciones forestales usa la media en volumen (v ) como una
substitucin de la masa vegetal:
. ln
3
2
ln cte v N = +
Estas tres alternativas son consideradas validas, y algunas unificaciones de estas
variables, en el desarrollo del rodal, pueden ser vistas como la existencia de tres
dimensiones (h
t
, d
g
y N; se puede observar que ( )
g t
d h f v , ) y estos lmites pueden
ser colocados colectivamente como un plano en un espacio tridimensional.
No obstante ser aceptables estos conceptos de lmite de densidad, existen
algunas limitaciones prcticas para su aplicacin:
1. Indican el nmero de rboles residuales, pero no los rboles que mueren.
Algunos modelos asumen que los rboles mayores mueren, pero esto no
es necesariamente correcto.
2. No indican muertes por causas que no sea la competicin (por ejemplo:
sequas, accidentes fsicos, y algunas enfermedades y pestes). Esto
puede ser una importante proporcin de la mortalidad total.
3. Las relaciones stock-tamao pueden no ser lineares y la inclinacin de la
lnea puede no ser constante. En una inclinacin constante se asume que
(ZEIDE, 1987): a) la accin combinada del crecimiento de la copa y la
media de los raleos mantienen la canopia cerrada; y b) las plantas de la
misma especie son geomtricamente similares en forma,
independientemente del estado de crecimiento y condiciones del hbitat.
4. Otro problema es identificar la mortalidad dependiente de la densidad en el
tiempo, y en obtener estimativas reales de los coeficientes que describen
las diferentes relaciones.
5. Exceptuando los rodales puros, de la misma edad y homogneamente
espaciados (por ejemplo: las plantaciones forestales), las relaciones en las
ecuaciones es probable que sean altamente dependientes del tiempo,
pues la mortalidad, dependiente de la densidad, puede no suceder en
todas las partes del bosque al mismo tiempo. STERBA & MONSERUD
(1993) establecieron que en un bosque nativo, la inclinacin de la lnea de
auto-raleo (o de Reineke) es casi plana para bosques con distribucin de
los dimetros en forma de J invertida.
A pesar de estas limitaciones, el concepto de una densidad lmite del rodal viene
siendo usada como base para el modelado de la mortalidad en varios modelos de
crecimiento para rodales puros (VANCLAY, 1994). No obstante, muchos de estos
requieren decisiones subjetivas respecto de los rboles que mueren. Por ejemplo, en
el modelo de OPIE (1972), basado en la curva de Reineke, se considera siempre
muerto el tercer rbol comenzando a contar desde el inicio de la plantacin hasta
28
que sea obtenida la reduccin requerida por el stock. Campbell et al. (1981), op. cit.
por VANCLAY (1994), modificaron este modelo removiendo siempre el sexto rbol
contando desde el inicio, hasta un mximo de 100 rboles muertos por hectrea en
todo un ao. Obviamente, estas dos alternativas son bastante arbitrarias.
Segn citas realizadas por VANCLAY (1994), otras alternativas en el uso de la
lnea de auto-raleo son a travs de la altura de los rboles y la competicin de las
copas. El autor cita el modelo de Mitchell (1975), que usa como gua el
espaciamiento relativo, basado en el cuadrado de la altura del sitio (tomado del 40%
de los rboles mas altos) y asume que los rboles menores son los que morirn
primero. Otro caso citado es la Aproximacin de Arney (1985) basada en el factor
de competicin de las copas. Lean (1969), usa una funcin exponencial del
incremento en dimetro medio del rodal asociando, este valor, con una disminucin
fija en el stock: en este caso 15% para especies comerciales y 19% para especies
intolerantes e intermedias.
Ninguna de estas alternativas presentadas anteriormente son completamente
satisfactorias, y una mejor alternativa sera predecir la condiciones limitantes
directamente para el espacio de crecimiento, ndice de competicin o dinmica de
copas. Segn Arney (1972), op. cit. por VANCLAY (1994), se puede asumir que los
rboles mueren si la extensin de las copas retrocede hasta menos del 5% de la
altura total del rbol.
Otra alternativa, para determinar la mortalidad, usada en modelos para bosques
nativos, es estimar el incremento a travs del tiempo y asumir que todos (ej.:
Newnham, 1964) o algunos (ej.: Botkim et al., 1972; Reed, 1986) de los rboles con
incrementos menores a los estimados pueden morir (VANCLAY, 1994). EK &
MONSERRUD (1974) usaron una funcin estocstica del dimetro para hacer
predicciones a travs del tiempo, y asumieron que todos los rboles con incrementos
menores a los previstos van a morir.
El incremento a travs del tiempo se aproxima al razonamiento mas correcto y
est apoyado por algunas evidencias de carcter emprico. SPURR (1962)
estableci que cualquier rbol de Pinus radiata que alcance un incremento anual
menor a 20 cm
2
, respecto a la media del rodal, tiene menos de ocho aos de vida.
Ahora, Beuege (1972), op. cit. por VANCLAY (1994), observ que rboles
moribundos en una plantacin de Pinus elliottii pueden sobrevivir por un perodo de
tiempo considerable (de 3 a 10 aos, con media de 6 aos) con crecimientos
insignificantes, adems de esto, este perodo depende de la edad y del tamao del
rbol. Estas observaciones muestran que los rboles pasan por un perodo de rbol
moribundo por varios aos antes de su muerte.
SWAINE et al. (1987), indicaron que los ndices de mortalidad en bosques
semideciduos en Gana (frica) son significativamente altos en rboles que no
muestran incrementos en tamao.
Tambin se percibi que, los rboles muertos exhibieron incrementos muy
pequeos en los aos anteriores a su muerte, o que crecieron rpidamente hasta el
momento anterior a su muerte, o murieron al mismo tiempo que crecieron
rpidamente (VANCLAY, 1994).
Los incrementos a travs del tiempo, tambin pueden proveer una base
apropiada para el modelado de la mortalidad sobre el componente de demanda de
luz de las especies, pero este componente es poco relevante si consideramos a las
especies tolerantes. Por ejemplo; rboles de Douglas-fire (Pseudotsuga taxifolia)
pueden sobrevivir por mas de 25 aos con un incremento de dimetro medio menor
29
a 0,3 mm/ao (Newnhan, 1964), y plantas de Araucaria cunninghamii, provenientes
de semillas, pueden alcanzar 50 aos de edad antes de lograr una altura de 0,5
metros (VANCLAY, 1994).
Otro problema con la prediccin de la mortalidad por causas naturales es la
dificultad de determinar el agente responsable. La presuposicin de que la mayor
parte de la mortalidad se puede atribuir a la competicin no es siempre correcta. Una
alternativa para intentar superar este problema es predecir la mortalidad a travs de
una funcin emprica.
5.1 Aproximaciones empricas
Muchos de los modelos por clases de tamao usan un mtodo emprico para
predecir la mortalidad, muchas veces como una funcin linear simple de la densidad
del rodal y del tamao relativo del rbol. Segn VANCLAY (1994), la funcin logstica
ofrece un camino vlido generando una distribucin mas realista de los errores. La
funcin logstica puede expresarse como sigue:
( )
( )
( )
( )
( )
( ) x f
x f
x f x f
e
e
e e P
+
= + = + =
1
1 1 1
1 1
(5.6)
donde: P es la probabilidad de sobrevivencia y f
(x)
es una funcin (generalmente
linear) de variables explicativas. La probabilidad de la mortalidad es obtenida a
travs de (1P). La ventaja de predecir la sobrevivencia es que, a diferencia de la
mortalidad, este es un proceso Markoviano. Diferentes mediciones, en diferentes
intervalos de tiempo, pueden ser usadas como exponente en la ecuacin 5.6 (ej.: -t
substituye 1). No obstante, esto no ser tcnicamente correcto, esta alternativa
parece razonable bajo la condicin de que las remediciones sean bastante
frecuentes y la mortalidad sea relativamente baja (ej.: frecuencias menores a 8 aos
y mortalidad menor al 0,7%) (VANCLAY, 1994).
La ecuacin 5.6 se puede convertir en una ecuacin linear si los datos son
agrupados dentro de categoras con un rbol muerto y uno sobreviviente como
mnimo en cada categora:
( ) x f
N
N
P
P
Y
muertos
vivos
=
|
|
.
|
\
|
=
|
|
.
|
\
|
= ln
1
ln (5.7)
donde: P es la proporcin de rboles sobrevivientes, N
vivos
es el nmero de
sobrevivientes y N
muertos
es el nmero de rboles muertos. Esta forma de calcular es
til para una investigacin inicial de las variables que puedan formar parte de un
modelo que estime la mortalidad, pero es ineficiente para la estimacin de
parmetros debido a una distribucin inadecuada de los errores.
Segn VANCLAY (1994), la ecuacin 5.6 esta siendo usada por varios modelos
de mortalidad, frecuentemente en funciones empricas que tienen como parmetros
como dimetro, altura, defectos, clases de copa y rea basal del rodal. Hamilton
(1986) dice que es til incluir dos transformaciones en las variables que definen el
tamao del rbol (ej.: d
0,5
y d
-1
o d y lnd) en el modelo matemtico para permitir un
buen ajuste cuando se trata de rboles grandes y pequeos. Adems, muchas
variables de los rboles estn altamente correlacionadas y proveen buenas
predicciones de la mortalidad cuando son usadas en forma separadas, pero, muchas
30
veces, no ofrecen una mejor aproximacin cuando son incluidas muchas variables
en el modelo.
OLIVEIRA et al. (1998), durante el desarrollo de los programas (software)
PLANIN y REPLAN, para la simulacin del crecimiento y de la produccin de Pinus
taeda y su evaluacin econmica, usaron la distribucin binomial negativa para la
descripcin de la mortalidad, que puede ser expresada por:
( )
( )
( )
x
k
x
k m
m
k
m
k x
x k
P
|
|
.
|
\
|
+
|
.
|
\
|
+
+
=
1
! 1 !
! 1
(5.8)
donde: x = nmero de rboles muertos;
P
(x)
= probabilidad de la existencia de x rboles muertos;
k = parmetro referente a la taza de mortalidad; y
m = altura media de los rboles.
Siendo que, las estimativas de los parmetros son obtenidas por las ecuaciones
siguientes:
m s
m
k
x
=
2
2
(5.9)
donde: m = media aritmtica;
2
x
s = variancia de la muestra.
Las estimativas de estos valores fueron relacionadas al ndice de sitio (IS),
establecido por la altura dominante a los 15 aos y el nmero de rboles iniciales
(N
0
). Esta relacin fue obtenida por los siguientes modelos de regresin:
( ) ( ) IS b IS b b
e N b m
3 2 1
0 0
+
= (5.10)
y
5 , 0
0
2 1 0
2
000 . 10
3
|
|
.
|
\
|
+ + =
N
IS b IS b b s
b
x
(5.11)
donde: b
0
, b
1
, b
2
y b
3
son los coeficientes de la ecuacin.
Como se puede observar, las ecuaciones para estimar la mortalidad son muchas
y muy diferentes unas de otras, donde cada una se adapta a una necesidad o
situacin determinada.
Generalizando, segn SCHNEIDER (1993), la mortalidad es un problema de gran
importancia sobre la produccin total, que se manifiesta, principalmente, en la
confeccin de la tablas de produccin para rodales raleados.
Adems, para concluir, se puede decir que, dependiendo de las condiciones del
bosque, la mortalidad puede ser estimada como una funcin de una variable que
mide la densidad del rodal, como el rea basal, nmero de rboles por unidad de
superficie, altura dominante, etc.
31
6. INGRESO Y RECLUTAMIENTO
Segn CARVALHO (1997), reclutamiento es la admisin de un ser en una
determinada poblacin. El reclutamiento de plntulas puede ser confundido con el
nacimiento o germinacin. Muchas veces, el reclutamiento tambin es llamado
ingreso. Ingreso se puede definir como el proceso por el cual rboles pequeos
aparecen en un bosque, por ejemplo en una parcela permanente, despus de su
primer medicin.
Para Alder & Synnott, citados por PIZZATO (1999), el ingreso puede ser definido
como el proceso por el cual los rboles menores surgen en la poblacin despus de
una medicin inicial en una parcela permanente; o sea, rboles ingresados son
aquellos que alcanzan un dimetro mnimo estipulado entre dos mediciones
subsecuentes. Segn estos autores, las tazas de ingresos dependen del potencial
de regeneracin de las especies, de la disponibilidad de luz y de la competicin.
De forma similar, VANCLAY (1994), dice que el reclutamiento se refiere a los
individuos que alcanzan un lmite de tamao especificado, lo que difiere de la
regeneracin, que puede ser definida como el desarrollo de rboles ya establecidos
por semillas o plntulas.
Por esto, ecuaciones de reclutamiento o regeneracin son muy importantes en
modelos de simulacin de la produccin en bosques nativos, que dependen de la
regeneracin natural para el manejo sustentado. Las plantaciones forestales, por
regla, no tienen reclutamiento y regeneracin.
Segn SANQUETTA (1996), casi no existe ningn conocimiento terico general
sobre el proceso de reclutamiento o establecimiento de plntulas en bosques
nativos. Este es, probablemente, el tpico o el componente de los modelos de
simulacin de la produccin en bosques nativos mas carente de estudios tericos y
aplicados.
Los modelos de prediccin del reclutamiento estn basado en tamaos
especficos de alguna variable del rbol, generalmente altura o dimetro. Tres tipos
de ecuaciones de reclutamiento son mencionadas por la literatura:
1. modelo de reclutamiento esttico: asume que el reclutamiento durante el
perodo de levantamiento de datos refleja la media de ste en un perodo
de tiempo determinado y que los valores asumidos son variables;
2. modelo de reclutamiento dinmico: presupone que el reclutamiento es una
funcin de las condiciones del bosque, previendo el reclutamiento como
una funcin de la densidad del bosque, composicin y otros parmetros; y
3. modelo de regeneracin: difiere de los modelos anteriormente citados por
caracterizar el establecimiento de individuos que provienen de semillas o
siembras, y atiende a todos los factores que influyen en los procesos de
renovacin del bosque.
6.1 Modelos estticos
Algunos modelos de reclutamiento asumen que la mayora de los ingresos
observados durante un perodo de tiempo reflejan un valor medio, y que estas
32
medias no varan durante la simulacin. Estas presuposiciones son comunes en
muchas tablas de produccin y matrices de transicin (VANCLAY, 1994).
Una presuposicin comn es que el nmero de rboles en las clases menores
permanece igual, independientemente del crecimiento de la clase siguiente, y de la
densidad total del bosque. Los modelos de tamao son similares a las tablas de
crecimiento, pero usan la funcin de uniformidad para estimar el potencial de
reclutamiento. Otros modelos asumen como constante los ingresos para cada ciclo.
6.2 Modelos dinmicos
Modelos dinmicos son aquellos modelos donde los datos permiten predecir el
reclutamiento a travs de una funcin que considera el sitio y la localizacin del
rbol. Fueron publicados varios modelos dinmicos. Las variables mas comnmente
usadas, en estos modelos, incluyen la productividad del sitio, la densidad (expresada
en funcin del rea basal, del nmero de rboles por unidad de superficie o por el
ndice de competicin de copas) y se controlan los cortes y raleos. Inclusive, los
detalles de los ltimos raleos en el modelo pueden ayudar para obtener mejores
ajustes de los datos, pero esto puede limitar la aplicacin del modelos porque estos
valores pueden no ser conocidos para todos los rodales. En el caso de los bosques
nativos, donde estn envueltas varias especies, los modelos pueden predecir el
ingreso para cada especie agrupada independientemente, o se puede predecir el
ingreso total (VANCLAY, 1994).
VANCLAY (1989) predice el reclutamiento total para rboles con 20 cm de
dimetro en los bosques lluviosos de Queensland (Australia) a travs de una funcin
linear del rodal basada en el rea basal y la calidad del sitio, como sigue:
S G N
r
013 , 1 06469 , 0 466 , 5 + = (6.1)
donde; N
r
es el nmero de ingresos (expresado en: rbol.ha
-1
.ao
-1
), G es el rea
basal (expresada en: m
2
.ha
-1
) y S es la calidad del sitio. La cantidad de rboles
ingresadas se determina determinando una proporcin para cada uno de los grupos
de especies consideradas, y luego se unifican las proporciones. La proporcin para
cada grupo de especies fue fijada por el rea basal del rodal, la calidad del sitio y el
rea basal de cada grupo de especies (ej.: para el primer grupo, especies de rpido
crecimiento):
[ ] ( )
1
1 1 1
00464 , 0 0110 , 0 00561 , 0 41 , 2 exp 1
+ + = S G G G P (6.2)
donde: G
1
es el rea basal de todas las especies del grupo 1 (en m
2
.ha
-1
).
Estas proporciones fueron unificadas para asegurar que la suma de ellas sea
igual a la unidad:
=
P
P
P
i
1
(6.3)
Aunque simple, este modelo permiti una flexibilidad suficiente para predecir la
dinmica de grupos de especies y obtener resultados razonables.
El modelos JABOWA simula la dinmica del rodal en parcelas de 10 m x 10 m.
La versin original del modelos JABOWA (Botking et al., 1972) predice el ingreso de
rboles hasta con 2 cm de DAP (VANCLAY, 1994). En este modelo se asume que
existe una fuente de semillas segura para cada una de las especies consideradas
33
como principales. Para un sitio determinado donde son conocidos los requerimientos
de temperatura y humedad del suelo, la composicin y nmero de rboles que
ingresan estar determinado, principalmente, por la cantidad de luz que alcanza la
superficie del suelo dentro del bosque.
SHUGART & WEST (1977), disearon un modelo semejante, pero identificando
los requerimientos minerales especficos del suelo y/o del mantillo, simulando el
tiempo y los daos producidos por animales herbvoros, y considerando la brotacin
de rboles cortados. Modelos de sucesin semejantes existen para el bosque
lluvioso subtropical en Australia (SCHUGART et al., 1980) y para el bosque montano
tropical en Centro Amrica (Doyle, 1981 op. cit. por VANCLAY, 1994).
El reclutamiento solo puede ser definido relativo a un tamao lmite, y ese lmite
puede no ser igual en todas las situaciones. Los inventarios pueden adoptar
padrones diferentes y pueden usar un tamao de lmite mayor o menor para la
medida de los rboles. La anulacin de datos sucede cuando el tamao lmite de la
regeneracin es menor que el dimetro mnimo registrado en el inventario
operacional, disminuyendo la eficiencia del modelo. La solucin para este problema
es aumentar la base de datos para cada tipo de bosque (Randall et al., 1988, op. cit.
por VANCLAY, 1994). Otra alternativa es hacer el modelo mas flexible, de forma que
el reclutamiento se pueda predecir para cualquier lmite.
SHIFLEY et al. (1993), idearon un modelo para predecir el ingreso de seis
especies de rboles en el Norte y Centro de los Estados Unidos de Amrica, para
cualquier lmite entre 1 a 13 pulgadas (2,5 a 32.5 cm). Para la formulacin de estos
modelos, los autores se basaron el los siguientes presupuestos:
a. Los rodales tienden a la ocupacin completa del sitio.
b. Los rodales que se encuentran con stock inferior al mximo permitido,
tienen espacio potencial para reclutar nuevos individuos.
c. Los recursos disponibles para el crecimiento del rodal limitan posibles
ingresos de nuevos individuos, por lo tanto, el reclutamiento debera
disminuir con el aumento de densidad del rodal.
Estos autores asumieron que la ocupacin del sitio est determinada por el factor
de competicin de copas, a travs de la siguiente ecuacin:
( )
2
1 0
2
2
400 400
+ = =
d c C
wo cf
(6.4)
donde: C
wo
es el largo de copa del rbol y
0
,
1
y
2
son especies especficas.
Basndonos en estas ecuaciones, se podra decir que el ingreso es potencialmente
igual al nmero de rboles necesarios para alcanzar el valor mximo del factor de
competicin de copas en un sitio determinado:
400
2
max
max
wr
cf
c
C C
N
= (6.5)
donde: C
wr
es el largo de copa de un rbol.
34
6.3 Modelos de regeneracin
Los modelos de reclutamiento se inician bastante tarde en el proceso de
renovacin del rodal. Esta limitacin puede ser superada parcialmente comenzando
la simulacin en una fase mas temprana de desarrollo de la plntula. Los modelos
de regeneracin son los que simulan el desarrollo del rbol a partir de la semilla o de
la plntula, teniendo en cuenta dos factores ms que tienen influencia sobre el
proceso de renovacin del bosque.
El crecimiento y desarrollo de la regeneracin puede ser modelada a travs de
varios mtodos. Las matrices de transicin de Leslie o Tablas de Crecimiento
fueron usadas (Hett & Loucks, 1968, op. cit. por VANCLAY, 1994) para predecir la
regeneracin, pero el problema de estos modelos es que consideran el factor edad
el cual no es un buen elemento para predecir el crecimiento cuando se tratan de
bosques nativos. La altura del rbol es un elemento de prediccin mas preciso.
Vanclay (1988), op. cit. por VANCLAY (1994), propone una ecuacin para
predecir la cantidad de regeneracin en un ao en bosques de Callitris considerando
la calidad del sitio y el rea basal, como sigue:
( ) 45 , 4 01723 , 0 497 , 0 1 ln
, ,
= + G S S N
d h d h r
(6.6)
donde: N
r
es el nmero de mudas (ha
-1
) establecidas con un ao de edad; S
h,d
es la
calidad del sitio; y G es el rea basal (m
2
.ha
-1
). El crecimiento de las mudas es
modelado hasta que alcanzan la altura del pecho, cuando llegan a esta altura son
pasadas al modelo de ingreso o reclutamiento.
MOSER (1967), formulo un modelo para predecir el ingreso, basado en el
presupuesto de que la razn, entre rea basal y nmero de rboles, es un indicador
preciso de la taza de ingreso total del rodal.
EK (1967) ajust los modelos, usados por Moser (1967), para sus datos y
considero los resultados como pobres. Por lo tanto adicion trminos considerando
la naturaleza heterognea de los datos resultando en el modelo siguiente:
( )
i
N G
t
E e N I
1 3
2 1
0
=
(6.7)
en que G y N son, respectivamente, el rea basal y el nmero de rboles iniciales
del rodal.
Este mismo autor observ que el ingreso estaba inversamente relacionada con el
rea basal y que estaba directamente relacionado con el nmero de rboles. As,
BUONGIORNO & MICHIE (1980) concluyeron que el ingreso podra ser estimado
por la siguiente expresin:
( ) ( )
i
n
i
it it
n
i
it it i t
E h Y h Y B I + + + =
= = 1
2
1
1 0
(6.8)
donde: B
i
= rea basal del rbol de dimetro medio de la i-sima clase de
dimetro;
Y
it
= nmero de rboles vivos en la clase i, en el tiempo t;
H
it
= nmero de rboles cortados en la clase i, en el intervalo de
tiempo t;
0
,
1
,
2
= parmetros a ser estimados;
I
t
= ingresos;
35
E
i
= error aleatorio asociado a la i-sima observacin, siendo
independiente y normalmente distribuido, con media cero y variancia
2
.
Davison et al. (1989), op. cit. por AZEVEDO et al. (1995), con base en los
trabajos de MOSER (1967) y EK (1974), propusieron tres ecuaciones para la
prediccin del ingreso total del rodal:
1.
( )
i
N G
t
E e I
1
= (6.9)
2.
( )
i
N G
t
E e N I . .
2 1
0
= (6.10)
3.
( )
i
N G
i t
E e G N I . . .
3 2 1
0
= (6.11)
donde: I
t
= ingreso de rboles, por hectrea, durante el intervalo de
crecimiento;
G = rea basal (m
2
ha
-1
) al inicio del perodo de crecimiento;
G
i
= rea basal (m
2
ha
-1
) en la clase de tamao menor;
N = nmero de rboles, por hectrea, al inicio del perodo de
crecimiento;
e = base de logaritmos neperianos; y
0
,
1
,
2
,
3
= parmetros a ser estimados
AZEVEDO et al. (1995), trabajando con datos provenientes de la Floresta
Atlntica, en la Reserva Florestal de Linhares (Estado de Espritu Santo Brasil),
determin que el modelo 1 (ecuacin 6.9) era el mejor para la prediccin del ingreso
total, basndose en las estadsticas de regresin no-linear, en el anlisis grfico de
los residuos y en los grficos de los valores actuales versus los valores estimados.
Los mismos autores, tambin, recomiendan testar los siguientes modelos para
predecir el ingreso total:
a.
i I t
E G G I + + + =
2 1 0
(6.12)
b.
i t
E N G I + + + =
2 1 0
(6.13)
c.
i t
E G I + + =
1 0
(6.14)
d.
i t
E N I + + =
1 0
(6.15)
Los modelos de regresin pueden no ser prcticos en muchos bosques nativos
por causa de la dificultad con la identificacin de las especies en rboles pequeos
y con la ausencia de datos satisfactorios.
36
7. BIBLIOGRAFIA
AHRENS, S. Modelos de crescimiento e produo. Curitiba, Curso de Ps-
Graduao em Engenharia Florestal, Universidade Federal do Paran, 1990.
46 p. (Tpico Especial).
ANDERSON, T.W.; GOODMAN, L.A. Statistical inference about Markov Chains.
Ann. Math, v.28, 1957, p.89-110.
AZEVEDO, C.P. de et al. Predio do ingresso total de um povoamento. Rev.
rvore, Viosa: v.19, n.1, p.50-64, 1995.
BAILEY, R.L.; DELL, T.R. Quantifying diameter distribution with the Weibull function.
Forest Science 20(2): p.155-159. 1974.
BRENA, D.A.; BOM, R.P. Modelos de crescimiento e produo. Curitiba, Curso de
Ps-Graduao em Engenharia Florestal, Universidade Federal do Paran,
1991. 111 p. (Tpico Especial).
BUONGIORNO, J.; MICHIE, B.R. A matrix model for uneven-aged forest
management. Forest Science: v.26, n.4, p.609-625. 1980.
CARVALHO, J.O.P. Dinmica de florestas naturais e sua implicao para o
manejo florestal. Curso de Manejo Florestal Sustentable. Curitiba:
EMBRAPA, 1997.
CLUTTER, J.L.; FORTSON, J.C.; PIENAAR, J.V.; BRISTER, G.H.; BAILEY, R.L.
Timber management: a quantitative approach. New York: John Wiley,
1983. 333p.
COLLINS, L. An introduction to Markov Chain analysis. Geo. Abstracts, Norwich.
1975.
COUTO, H.T.Z. Distribuio de dimetros em plantaoes de Pinus caribaea var.
caribaea. (Disertacin de Libre-Docencia). Piracicaba: Universidade de So
Paulo, Escola Superior Luiz Quieroz ESALQ, 1980. 79p.
DAVIS L.S.; JOHNSON, K.N. Forest management. 3 ed. New York: McGraw-Hill,
1987. 791p.
DAVISON, C.B.; HAFLEY, W.L.; FREDERICK, D.J.; MENGEL, D.L. Prediction of
total stand ingrowth in southeastern mixed species bottomland hardwoods. In:
Miller, J.H. Comp. Fifth blenial southern silvicultural research conference. New
Orleans, Luisiana, Southern Forest Experimental Station, 1989, p.435-439.
DIGBY, P.G.N.; KEMPTON, R.A. Multivariate analysis of ecological
communities, London and New York: Chapman and Hall. 1987.
EK, A.R. Nonlinear models for stand table projection in northern hardwood.
Canadian Journal of Forest Research, Ottawa: v.4, p.23-27, 1974.
EK, A.R.; MONSERUD, R.A. Forest: a computer model for simulating the growth and
reproduction of mixed species forest-stands. University of Wisconsin, Sch.
Nat. Resources, Rpt R 2635. 1974.
FINGER, C.A.G. Distribuio de dimetros em Acacia Negra, Acacia mearnsii
de Wild, em diferentes povoamentos e idades. (Disertacin de Maestrado).
Curitiba: Universidade Federal do Paran, 1982. 129p.
37
GAUTO, O.A. Anlise da dinmica e impactos da explorao sobre o estoque
remanescente (por espcie e grupos de espcies similares) de uma
floresta Estacional Semidecidual em Misiones, Argentina. (Disertacin de
Maestrado). Curitiba: Universdiade Federal do Paran, 1997. 133p.
GLADE, J.E. Prognose de volume por classes diamtricas para Eucalyptus
grandis Hill ex Maiden. Curitiba: Universidade Federal do Paran, 1986.
94p.
GLENN-LEWIS, D.C.; PEET, R.K.; VEBLEN, T.T. Plant succession theory and
prediction. Population and Community Biology Series 11: ed. Chapman &
Hall, 1992. 352p.
GREIG-SMITH, P. Quantitative plant ecology. Oxford: Blackwell, 3 ed. 1983.
HARBAUGH, J.W.; BONHAM-CARTER, G. Computer simulation in geology. New
York: Wiley. 1970.
HUSCH, B.; MILLER, C.I.; BEERS, T.W. Forest menstruation. New York: John
Wiley & Sons, 1972. 352p.
LEVINS, R. The strategy of model building in population biology. Amer. Scient.,
v.54, 1966, p.421-431.
LILJELUND, L.E.; AGREN, G.I.; FAGERSTRM, T. Succession in stacionary
environment generated by interespecific differences In life-history parameters.
Ann. Zool. Fennici., v.25, 1988, p.17-22.
MITCHELL, K.J. Dynamics and simulate yield functions for uneven-aged forest stand.
For. Sci. Monog. n.17, 1975, 39p.
MOSER, Jr., J.W. Growth and yiel models for uneven-aged stands. Lafayette:
Purdue University (Tese Ph.D.), 1967, 149 p.
MOSER, J.W. Dynamics of an uneve-aged forest stand. For. Sci., v.18, n.3, 1972,
p.184-191.
MOSER, J.W.; HALL, O.F. Forest growth models a prognosis. In: Growth Models
for Tree and Stand Simulation. Stockholm, Royal Coll. For., Res. Notes N 30,
1974.
MUNRO, D.D. Forest growth models: a prognosis, in Growth Models for Tree and
Stand Simulation. Stockholm: Royal Colleg of Forestry, (ed. J. Fries), Res.
Note 30, Dept. Forest Yield, 1974, p.7-21.
OLIVERA, E.B. de; MACHADO, S. Do A.; FIGUIEREDO FILHO, A. Sistema para
simulao de cescimento e da Produo de Pinus taeda L. e avaliao
econmica de regimes de manejo. Revista rvore, Viosa, v.22, n.1, p.99-
111, 1998.
OPIE, J.E. STANDSIM a general model for simulation the growth of even-aged
stands. In: 3 Conf. IUFRO Advisor Group of Forest Statisticians. Institut
Nationalde la Recherche Agronomique Publ. 72-3, p.217-240. 1972.
PEINAR, L.V. Quantitative theory of forest growth. (Ph. D. Thesis). Washington,
University of Washington, 1965. 177p.
PIENAAR, L.V.; TURNBULL, H.J. The Chapman-Richards generalization of Von
Bertalanffys growth model for basal area growth and yield in even aged
stands. For. Sci. 19: p.2-22. 1973.
38
PIZATTO, W. Avaliao biomtrica da estrutura e da dinmica de uma Floresta
Ombrfila Mista em So Joao do Triunfo PR: 1995 a 1998. (Disertacin
de Maestrado). Curitiba: Universidade Federal do Paran. 1999. 170p.
REINEKE, L.H. Perfecting a stand density index for even-aged stands. Jor. Agric.
Res. N.46, p.627-638. 1933.
RICHARDS, F.J. A flexible growth function for empirical use. Journal of
Experimental Botany, 10(29): p.290-300. 1959.
SANQUETTA, C.R. Fundamentos biomtricos dos modelos de simulao
floresal. Curitiba: Universidade Federal do Paran/FUPEF Srie Didtica N
8, 1996. 59p.
SANQUETTA, C.R. A model of natural regeneration process of a Fir-Hemlock
forest, southwestern Japan. Japn: (Tesis Doctoral). United Graduate
School of Agricultural Sciences for Doctoral Curse of Ehime University. 1994,
136p.
SHIFFLEY, S.R.; EK. A.R.; BURK, T.E. A generalized methodology for estimating
forest ingrowths at multiple threshold diameters. For. Sci., n.39, p.776-798,
1993.
SCHNEIDER, P.R. Introduo ao manejo florestal. Santa Maria: Universidade
Federal de Santa Maria/CEPEF/FATEC, 1993. 348p.
SCHUGART, H.H.; WEST, D.C. Development of an Appalachian deciduous forest
succession model and its application to assessment of impact of the chestnut
blight. Jor. Environ. Manage, n.5, p.161-180, 1977.
SCHUGART, H.H.; HOPKINS, M.S.; BURGESS, I.P.; MORTLOCK, A.T. The
development of a succession model for tropical rainforest and its applications
to assess the effects of timber harvest at Wiangaree State Forest, New Soulth
Wales. Jor. Environ. Manage, n.11, p.243-265, 1980.
SCOLFORO, J.R.S. Sistema integrado para predio e anlise presente e futura
do crescimento e produo, com otimizao de remunerao de capitais,
para Pinus caribaea. (Tesis Doctoral). Curitiba: Universidade Federal do
Paran, 1990. 290p.
SPURR, S.H. Forest inventory. New York: The Ronald Press Co., 1952. 476p.
STERBA, H.; MONSERUD, R.A. The maximum density concept applied to uneven-
aged mixed-species stands. For. Sci., n.39, p.432-452. 1993.
SWAINE, M.D.; HALL, J.B.; ALEXANDER, I.J. Tree population dynamics at Kade,
Ghana (1968 1982). Jor. Tropical Ecology. N.3, p.331-345. 1987.
TOURNBULL, K.V. Population dynamics an mixed forest stands. A system of
mathematical models of mixed stand growth and structure. (Ph. D.
Thesis). Washington: University of Washington, 1963. 186p.
USHER, M.B. A matrix approach to the management of renewable resources, with
special reference to selection forest, Jor. Appl. Ecol., n.3, p.355-367. 1966.
USHER, M.B. Modeling ecological succession, with particular reference to Markovian
models. Vegetatio, n.40, p.11-18. 1981.
VANCLAY, J.K. A growth model for north Queensland rainforest. For. Ecol.
Manage., n.27, p.245-271. 1989.
39
VANCLAY, J.K. Modeling forest growth and yield applications to mixed
tropical forest. Wallingford: CAB International, 1994. 312p.
WILSON, F.G. Control of stocking ineven-aged stands of conifers. Jor. For., n.49,
p.692-695. 1951.
MODELOS DE CRECIMIENTO Y PRODUCCIN FORESTAL
La perpetuacin de la produccin forestal, tanto de productos
maderables como de no maderables, precisa de un buen conocimiento de
leyes naturales que rigen su crecimiento y evolucin; que se utilice solamente
la taza de crecimiento, se garantice el mantenimiento de la calidad ambiental y
que sea econmicamente viable. Para el logro de estos objetivos se necesita
de una cuidadosa y detallada planificacin, con decisiones basadas en
criterios tcnicos que garanticen, a las generaciones futuras, productos
naturales de mxima calidad, cantidad y diversidad.
Muchos son los mtodos y tcnicas desarrollados en esta rea a travs
del tiempo. En Argentina, a pesar de su gran rea forestal, el aprovechamiento
forestal basado en los principios de la sustentabilidad, solamente, en los
ltimos tiempos parece tornarse una realidad.
Por esto, la razn de esta publicacin es acercar una serie de
conceptos, criterios y definiciones que son necesarias para todo aquel que
trabaje en temas forestales, ya sea sobre plantaciones comerciales o sobre
bosques nativos. Lgicamente, no se trata de un modelo nico y permanente,
sino de un vistazo general de las posibilidades que ofrece la ciencia forestal
en este campo; lo que deber ser profundizado a travs de la lectura de un
mayor nmero de trabajos cientficos sobre el tema.
El objetivo de este trabajo es documentar un anlisis global de los
modelos de crecimiento y produccin forestal, resaltando aquellos que tengan
mayor uso o aplicacin dentro de los estudios forestales; enumerar los
modelos de distribucin diamtrica, con nfasis en el desarrollo y uso de
matrices de transicin (o cadena de Markov) y la recapitulacin de las
ecuaciones mas usadas para estimar la mortalidad y el ingreso de rboles, en
diferentes clases diamtricas, en los diferentes modelos de crecimiento y
produccin.
Adems, el presente trabajo pretende ser una orientacin sobre la
bibliografa existente sobre el tema, destacando los puntos que estn siendo
objeto de estudio por muchos investigadores en todo el mundo.