MÁS ALLÁ DE LOS MODELOS DE CRECIMIENTO: MODELOS …

MÁS ALLÁ DE LOS MODELOS DE CRECIMIENTO:MODELOS ECOLÓGICOS HÍBRIDOS EN ELCONTEXTO DEL MANEJO FORESTAL SOSTENIBLE

Juan Antonio Blanco Vaca

Dep. Forest Sciences, University of British Columbia. 2424 Main Mall. VANCOUVER (BritishColumbia, Canadá V6T 1Z4). Correo electrónico: [email protected]

Resumen

El desafío actual en el manejo forestal es la planificación de suministros sostenibles de maderay otros valores forestales, a la vez que se preserva la integridad del ecosistema forestal. En conse-cuencia, el uso de modelos basados en la simulación de procesos ecológicos se hace cada vez másnecesario. Un tipo de modelos especialmente adecuado para su aplicación en la gestión forestal sos-tenible son los modelos híbridos, que compaginan la robustez y fiabilidad de los modelos estadísti-cos tradicionales de crecimiento basados en compilaciones de datos de campo con la flexibilidadotorgada por los modelos mecanicistas que simulan procesos ecológicos y la influencia de las con-diciones ambientales en los mismos. Los modelos híbridos, por lo tanto, modifican observacioneshistóricas reales de crecimiento con el conocimiento actual de los procesos fisiológicos que causanese crecimiento. Estos modelos tienen aplicaciones diversas y en este artículo se mencionan tres apli-caciones del modelo FORECAST en Cuba, China y Canadá. Además, estos modelos pueden combi-narse de forma modular con otros modelos para realizar simulaciones múltiples de varios valoresecológicos y socioeconómicos, o usarse de forma secuencial para crear meta-modelos.

Palabras clave: FORECAST, Modelos modulares, Meta-modelos, Manejo ecosistémico

INTRODUCCIÓN

Con el aumento constante en la demanda demadera y otros productos alternativos del bos-que, en un trasfondo de ecosistemas en continuadegradación y teniendo en cuenta el enfoqueglobal del concepto de sostenibilidad, nunca hahabido una mayor necesidad de obtener predic-ciones creíbles de las consecuencias de estrate-gias alternativas de manejo forestal. Lasostenibilidad de las prácticas forestales se havuelto un tema prominente en la última década,debido a la preocupación sobre la sobreexplota-ción de los recursos forestales (POWERS, 2001),los posibles efectos de cambio climático

(WATSON et al., 1995; SCHALM & EK, 2001), elmantenimiento de la biodiversidad, el uso de losbosques como inmovilizadores de carbono(SEELY et al., 2002), o como productores defuentes alternativas de energía (KIMMINS et al.,2006), o de otros valores económicos y cultura-les diferentes de la producción de madera(KIMMINS, 2004). Desgraciadamente, el concep-to de “manejo forestal sostenible” raramente sedefine de forma concreta, y cuando se define esdifícil de cuantificar. En su sentido más amplio,sostenibilidad implica una habilidad de mante-ner perpetuada la productividad y la integridadecológica del bosque. La necesidad de desarro-llar las operaciones forestales de forma sosteni-

11

Cuad. Soc. Esp. Cienc. For. 34: 11-25 (2012) «Actas de la III Reunión sobre Modelización Forestal»

ISSN: 1575-2410© 2012 Sociedad Española de Ciencias Forestales

ble es un hecho reconocido internacionalmente,como lo demuestran los procesos auspiciadospor la ONU de Helsinki y Montreal.

En respuesta a la creciente presión social,política y económica para obtener mejores ymás variados bienes y servicios del bosque, elconcepto se ha generalizado para incluir áreas yusos del bosque mucho más generalizados.WILSON & WANG (1999) definen el manejoforestal sostenible como un grupo de regímenesde manejo que mantienen y refuerzan la salud eintegridad a largo plazo del ecosistema forestaly las comunidades dependientes del bosque,mientras se dan las oportunidades ecológicas,económicas, sociales, y culturales para beneficiode presente y futuras generaciones. La industriaforestal y la mayoría de las agencias guberna-mentales coinciden con el informe Burdtland(W.C.E.D., 1987) y consideran que el manejoforestal sostenible es aquel capaz de satisfacerlas necesidades del presente sin comprometer lahabilidad de generaciones futuras de satisfacersus propias necesidades. Además, cada vez sereconoce más que las prácticas forestales res-ponsables relacionadas son aquellas que soneconómicamente y medioambientalmente bene-ficiosas para la comunidad. Por todos estosmotivos, el interés en desarrollar y utilizarmodelos para mejorar la gestión forestal haaumentando en gran medida en los últimos años.

TIPOS DE MODELOS FORESTALES

Durante casi dos siglos, las curvas de volu-men-edad, curvas de altura-edad, y tablas devolumen han sido la base con la cual los gesto-res han predicho los rendimientos futuros de losbosques. Estos datos históricos son válidos parauna combinación particular de especies y condi-ciones bióticas y abióticas involucradas en elcrecimiento de los árboles. Sin embargo, si ocu-rren cambios en los regímenes de manejo, en lafertilidad del suelo, o en los impactos humanosen la atmósfera (por ejemplo, el cambio climáti-co o la alteración por polución de la químicaatmosférica), se alterarán significativamente lascondiciones futuras del crecimiento de los bos-ques. Por lo tanto, las predicciones de los mode-los tradicionales de crecimiento y producción

probablemente no serán exactas (KIMMINS,1988, 1990; KORZUKHIN et al., 1996). Estastablas de crecimiento y producción son modelosbasados empíricamente en datos reales observa-dos en el campo: son modelos estadísticos queutilizan una amplia base de datos para interpolarposibles producciones futuras utilizando datosde rodales similares. Sin embargo, no simulanningún tipo de proceso biológico y por lo tantono están diseñados para proyectar los efectos delmanejo sobre la producción de madera y de unaamplia variedad de otros productos y valores norelacionados con la madera (hongos, frutos,plantas, flores, caza, pesca, turismo, etc.). Porestas razones, estos modelos no proveen unabase adecuada para comparar los impactos dediferentes estrategias de manejo del bosque enmúltiples recursos, ni son convenientes paraanálisis a nivel de rodal de varias medidas oindicadores de sostenibilidad. Sin embargo, encondiciones estables en las que se sabe que losdeterminantes del crecimiento y desarrollo delbosque en el futuro no van a diferir en granmedida de las condiciones presentes, estosmodelos tienen la gran ventaja de utilizar datosreales que han sido observados en el bosque.Además, requieren muy poco trabajo para sucalibración y uso, a parte de datos básicos quedefinen las características básicas del rodal. Enestas condiciones, el uso de tablas de crecimien-to y producción podría ser el más conveniente.Estos modelos pueden ser muy útiles, ya que sonfáciles de comprender y utilizan pocos datos,permitiendo explorar las tendencias futuras queseguirá el bosque al estar sometido a diferentestipos de manejo. Modelos de este tipo sonNuCSS (VERBURG & JOHNSON, 2001) y PINEL

(citado en BLANCO et al., 2005). Debido a la inflexibilidad de las tablas de

crecimiento y producción tradicionales, se haenfocado recientemente mucho interés y esfuer-zo investigador hacia modelos más mecanicis-tas. Estos modelos simulan procesos biológicosy consisten en las relaciones matemáticas empí-ricamente derivadas entre una serie de variablesindependientes y el crecimiento del rodal.Ejemplos de tales modelos desarrollados parabosques y otros ecosistemas pueden encontrarseen las siguientes referencias: SOLLINS et al.(1979), RUNNING (1984), BARCLAY & HALL

12

J. A. BLANCO VACA «Más allá de los modelos de crecimiento: modelos ecológicos híbridos en el contexto del manejo forestal sostenible»

(1986), PARTON et al. (1987), BOSSEL &SCHAFER (1989) o DIXON et al. (1990). Aunquelos modelos de procesos tienen gran valor heu-rístico, la mayoría de ellos no son modelos anivel de ecosistema y raramente se usan en apli-caciones prácticas en silvicultura. Esto se debeprincipalmente a que no se sabe suficiente sobrelos procesos del ecosistema y sus interaccionespara combinarlos en un modelo con el propósitode hacer las predicciones exactas del crecimien-to del bosque (MOHREN & BURKHART, 1994). Undetallado modelo de simulación de procesossería el acercamiento ideal para simular el creci-miento y rendimiento del bosque, siempre quehubiera un conocimiento más completo de todoslos procesos ecológicos implicados en el creci-miento y desarrollo del rodal. Sin embargo, elgran problema de estos modelos es que cuantomás detallados son (mayor “realismo biológico”incorporado en la estructura del modelo), mayornúmero y complejidad de datos son necesariospara calibrarlos, con lo que el coste en tiempo,dinero y personal dedicado a esta actividad nor-malmente los hace inviables como herramientasde análisis al servicio de los gestores forestales.Estos modelos más realistas proceden de formu-laciones teóricas que tratan de describir el eco-sistema con el máximo detalle posible. Sinembargo, estos modelos suelen omitir uno o másprocesos claves para centrarse en otros, por loque su utilidad está limitada en cuanto a lascuestiones de manejo forestal que pueden res-ponder (KIMMINS, 2004).

Para evaluar los impactos de distintos esce-narios de manejo alternativo a nivel de rodalsobra la productividad a largo plazo, los gestoresde recursos forestales necesitan modelos fores-tales basados en la ecología (ROWE, 1961), yaque para simular los procesos que afectan a unapoblación de árboles, es necesario utilizar losconocimientos disponibles sobre como otroselementos del ecosistema (bióticos y abióticos)afectan a esa población. Por este motivo se hadesarrollado un tercer tipo de simuladores delcrecimiento y desarrollo de los bosques, inten-tando combinar los puntos fuertes de los otrosdos enfoques y así compensar sus debilidadesindividuales. Estos “modelos híbridos” utilizanlas predicciones de crecimiento (con variablescomo la producción de biomasa) basándose en

datos históricos y las modifican simulando lavariación temporal en la competición por recur-sos naturales, como espacio, luz, nutrientes oagua (KIMMINS et al., 2010). En el caso concre-to de los modelos forestales, la disponibilidad denutrientes es el factor más importante de lasimulación de procesos porque es a menudo elfactor que mayormente limita el crecimiento delbosque. Además, es el factor que está más suje-to a cambios producidos por las actividadesforestales. Sin embargo, la competición por luzo agua también puede ser un componente centralde la simulación del desarrollo del rodal. En losúltimos años se han desarrollado muchos mode-los que simulan los procesos ecológicos de unbosque, y su uso se está revelando de granimportancia para desarrollar una gestión forestalque busque la sostenibilidad del sistema deexplotación. Estas herramientas permiten quesistemas complejos y no lineales sean investiga-dos y los datos conseguidos puedan ser interpre-tados con más facilidad (WALLMAN et al., 2002).Aunque los modelos híbridos se sitúan en unnivel más bajo de realismo que los modelos deprocesos puros, proporcionan flexibilidad antelos cambios en el ambiente de crecimiento delos árboles, y evitan la complejidad de los mode-los basados únicamente en procesos fisiológicos(KIMMINS, 2004). Algunos de los ejemplos demodelos más desarrollados en esta “categoríahíbrida” que son convenientes para la valoraciónde los impactos a largo plazo de las actividadesforestales sobre la productividad de los rodalesincluyen LINKAGES (PASTOR & POST, 1985) oFORECAST (KIMMINS et al., 1999).

UTILIDAD DE LOS MODELOSFORESTALES PARA EL DESARROLLODE UNA GESTIÓN FORESTALSOSTENIBLE

El desafío actual en el manejo forestal es laplanificación a varias escalas espaciales de sumi-nistros sostenibles de madera y otros valoresforestales, a la vez que se preserva la integridaddel ecosistema forestal. Este paradigma de la sil-vicultura moderna propone un cambio en lasestrategias de manejo tradicionales, pasando deun manejo enfocado en árboles o rodales indivi-

13


duales a un manejo del paisaje como conjunto.Por lo tanto, el verdadero manejo ecosistémico (osilvicultura ecológica, diseñada para utilizar losrecursos forestales sólo en la medida en que lacomposición, función y estructura de los ecosiste-mas forestales no estén amenazadas), tiende aoperar a escalas espaciales y temporales muchomás grandes que las prácticas silvícolas tradicio-nales, aunque algunos tipos de prácticas ecosisté-micas se han aconsejado a nivel de rodal(KORZUKHIN et al., 1996; KIMMINS et al., 2010).El manejo forestal ecosistémico requiere: (1)determinar las opciones de manejo para unamplio rango de escalas espaciales; (2) predecirlos efectos a largo plazo de las acciones de mane-jo; (3) entender los efectos del manejo sobre ladiversidad biológica; (4) predecir la influencia delos componentes específicos (p.e., legados bioló-gicos, comunidades del sotobosque) sobre el sis-tema en su conjunto; (5) proyectar la dinámicapoblacional de un amplio rango de especies; (6)comparar perturbaciones naturales frente a per-turbaciones de origen humano y (7) determinar lainfluencia climática global sobre bosques especí-ficos. Sin embargo, todas estas demandas estáncaracterizadas por una complejidad extraordina-ria, una disponibilidad limitada de hipótesismecanicistas y una escasez de datos con los queevaluar estas hipótesis (GALINDO-LEAL &BUNNELL, 1995). Además, la gran complejidadinherente en los estudios realizados a nivel deecosistema, en los que multitud de componentesbióticos y abióticos se entrelazan, se multiplica ala hora de estudiar ecosistemas forestales, ya quelos períodos de estudio son necesariamentemucho más largos que en otras ciencias biológi-cas, como la agricultura. Por este motivo, el usode modelos ecosistémicos puede ser una herra-mienta muy buena para sustituir complicados ycostosos diseños experimentales, y para guiar lainvestigación de una forma más efectiva(KIMMINS et al., 2010). Claros ejemplos de estautilidad de los modelos como sintetizadores deinformación a nivel de ecosistema son los traba-jos realizados por BI et al. (2007) para analizar lascausas del descenso de la productividad en plan-taciones de abetos en China, o por BLANCO

(2007), quien estudió la importancia de la simula-ción de interacciones alelopáticas en ecosistemascon fuerte presencia de sotobosques de ericáceas.

Las perturbaciones naturales (plagas deinsectos, fuegos, vientos huracanados) o artifi-ciales (fuegos, manejo forestal) operan simultá-neamente en más de una escala temporal oespacial, generando un complejo mosaico depaisajes forestales que a su vez influyen en laregeneración de los bosques (WEI et al., 2003).Debido a esto, la única forma de evaluar losimpactos a largo plazo sobre grandes áreas condiferentes regímenes de perturbaciones a nivelde paisaje es por medio de simulaciones(SHUGART, 1998). La modelización de procesosecológicos a nivel de paisaje se alimenta de losdatos recogidos en silvicultura, biología, geo-grafía y teledetección. Los avances en la capaci-dad de los equipos informáticos, la reducción delos costes de estos equipos y del software utili-zado en las aplicaciones SIG y teledetecciónproporcionan los fundamentos para el tipo desimulación espacial que se presentan en estecapítulo, pero a su vez los modelos espacialesdeben estar basados en la simulación de los pro-cesos ecológicos del bosque.

Como ejemplo de la utilidad de los modelos,puede citarse el uso del modelo PINEL (BLANCO

et al., 2005) para estudiar la sostenibilidad de lapráctica de claras en los montes Pirineos llevadoa cabo por el Grupo de Ecología de laUniversidad Pública de Navarra (Pamplona). Eneste trabajo se simularon los principales flujos denutrientes del bosque: crecimiento, desfronde,retranslocación, descomposición, absorción radi-cular y manejo silvícola, obteniéndose las pérdi-das potenciales de nutrientes que sufre un bosquedurante su explotación (Figura 1). Estas pérdidasson la suma de los nutrientes extraídos del bosquemás los arrastrados por lixiviación cuando lamineralización desde los restos vegetales en des-composición supera a la absorción radicular delos árboles. Puede establecerse como criterio desostenibilidad que las pérdidas por causas antró-picas no superen las entradas al ecosistema deforma natural, o de lo contrario sería necesaria lafertilización para evitar un descenso en las reser-vas de nutrientes. Asumiendo este criterio, pormedio del modelo puede escogerse un plan declaras, es decir, una combinación de porcentaje deárea basal a retirar y de los años entre claras suce-sivas, unido a la elección de la extracción delfuste o del árbol completo, que permanezca den-

14


tro de los límites de la sostenibilidad. Tambiénpor medio de éste u otros modelos similarespuede estudiarse el efecto del cambio globalsobre los ciclos de nutrientes y la sostenibilidadde la gestión forestal. Así, es esperable que lasemisiones antrópicas eleven la cantidad de nitró-geno y otros nutrientes que entran al ecosistemapor medio de la deposición atmosférica (WEI etal., 2011). En el modelo, esto supondría una ele-vación del nivel límite de extracción de nutrientes(Figura 1, línea horizontal). Sin embargo, unaumento de las temperaturas provocaría una des-composición más rápida de los restos vegetales,por lo que aumentaría la mineralización de losnutrientes de la hojarasca en descomposición ycomo consecuencia también aumentarían las pér-didas potenciales por lavado.

El uso de un modelo en la gestión forestaldepende de varios factores. En primer lugar, elmodelo debe ser adecuado para los objetivosescogidos. Si se pretende explorar el comporta-miento de un rodal a largo plazo, el uso demodelos basados en procesos fisiológicos dise-ñados para simular variaciones en plantas indi-viduales no es adecuado. En segundo lugar, debeser posible revisar y entender las reglas y princi-pios en los cuales el modelo está basado, a la vezque debe poder probarse el modelo para las con-diciones de uso particulares de cada rodal(WALLMAN et al., 2002). Esto implica que la

mayoría de los modelos actuales, desarrolladospara latitudes altas de América o de Europa,necesitan una comprobación rigurosa en condi-ciones mediterráneas, subtropicales o tropicales,ya que no suelen contemplar las particularidadesde los ecosistemas más meridionales, como unarespuesta diferente de la descomposición a lasclaras (BLANCO et al., 2011), o la mayor impor-tancia de la biomasa subterránea en bosquesperennes de hoja ancha respecto a los de conífe-ras. En tercer lugar, debe tenerse en cuenta laescala, tanto espacial como temporal, ya que losmodelos difícilmente se integran en escalas dife-rentes a las empleadas en su desarrollo (AGREN

et al., 1991). Por último no debe olvidarse quelos mejores modelos no son los más complejos,si no que los que con un adecuado nivel de acer-camiento a la realidad necesitan un esfuerzoasumible para determinar sus parámetros y pro-porcionan resultados adecuados a la actividad degestión que se va a llevar a cabo en el bosque.

EL MODELO DE MANEJO FORESTALDE NIVEL ECOSISTÉMICO FORECAST

FORECAST es un simulador no espacial delecosistema forestal a nivel de rodal y orientado almanejo forestal (KIMMINS et al., 1999; 2010).Este modelo ha sido diseñado para simular una

15


Figura 1. Salidas de nitrógeno acumuladas durante 100 años en un bosque de Pinus sylvestris L. en los montesPirineos occidentales, en función de la intensidad de clara (en tanto por ciento de área basal retirada en cada clara)y los años que pasan entre una clara y la siguiente. La línea horizontal representa las entradas naturales de nitrógeno(precipitación y deposición atmosférica) en el ecosistema acumuladas durante el mismo período. El punto representael plan de manejo tradicionalmente utilizado en los bosques de la zona: aclareo del 30% del área basal cada diez años.Adaptado de BLANCO et al. (2005)

amplia variedad de sistemas silvícolas con elobjetivo de comparar y contrastar sus efectossobre la productividad del bosque, la dinámicadel rodal y una amplia serie de indicadores biofí-sicos y valores alternativos a la madera. Elmodelo utiliza un enfoque híbrido, en el cualdatos locales de crecimiento y producción (obte-nidos de tablas de crecimiento tradicionales o deestudios de cronosecuencias) son utilizados paracalcular estimaciones de las tasas de procesosecosistémicos clave relacionados con la produc-tividad, y los requerimientos de recursos de lasespecies seleccionadas asociados a esos proce-sos. Esta información se combina con datos quedescriben tasas de descomposición, ciclo denutrientes, competición por luz y otras propieda-

des ecosistémicas, permitiendo simular el creci-miento del bosque bajo diferentes alternativas demanejo. El crecimiento de la vegetación se llevaa cabo en incrementos anuales. Dependiendo delas especies simuladas, las poblaciones de plan-tas en el sotobosque se originan a partir de semi-llas o por medio de reproducción vegetativa(tubérculos o rizomas). La descomposición sesimula utilizando un método en el cual compo-nentes específicos de la biomasa aérea son trans-feridos en el momento de su abscisión a una seriede tipos de hojarasca independientes (Figura 2).Estos tipos de hojarasca se descomponen y cam-bian de composición química a unas tasas defini-das por datos empíricos, procedentes de trabajosde campo o de la literatura.

16


Figura 2. Representación del ciclo de nutrientes en FORECAST. Los rombos representan procesos del ciclo biogeoquí-mico, y los rectángulos representan los reservorios de nutrientes simulados por el modelo

Fuego

Lavadode suelo

Salida

Salida

Salida

Salida

Escorrentía

Mineralización

Entradas porprecipitación

Biomasa

de

plantas

Nutrientes

disponibles

en el

suelo

Hojarasca y materia orgánica del suelo

Aborciónnutrientes

Ciclointerno

Lavadofoliar

Mortalidadnatural

Hojarasca

Herbivoría

Decomposición

FijaciónBiológica

de N2

Entrada

Entrada

Entrada

Entrada

Entrada

Extracción

Preparacióndel sitio

Fertilizante

Debido a que FORECAST es un modelo anivel de ecosistema, los datos necesarios paracalibrarlo son más numerosos que en los mode-los tradicionales de crecimiento y producción.Se necesitan datos de altura, densidad del rodal,distribución de tamaños dentro del rodal, acu-mulación de biomasa, concentración de nutrien-tes en los distintos componentes de la biomasa,entradas de nutrientes en el ecosistema (deposi-ción atmosférica, mineralización), lavado foliar,tasas de producción de hojarasca, adaptaciónfotosintética del follaje y otra información varia-da sobre propiedades físicas o químicas delrodal en una secuencia de lugares que varían enla calidad del sitio. Para más información sobrelos datos necesarios para la calibración de estemodelo y la sensibilidad del modelo a diferentesvariables, consultar KIMMINS et al. (1999).

Siendo un modelo de manejo forestal,FORECAST puede simular una amplia variedadde prácticas silvícolas diferentes, incluyendofertilización, cortas parciales, podas, aclareos,manejo de rodales mixtos, etc. Perturbacionescomo fuego o defoliación por insectos tambiénpueden ser simuladas. Las proyecciones devolumen simuladas por FORECAST están limi-tadas en última instancia por la producciónpotencial de las especies incluidas en la simula-ción y que son descritas en los datos de calibra-ción. El crecimiento y producción en rodalescomplejos se basa en la simulación del repartode los recursos limitantes (luz y nutrientes) entrelas distintas especies y cohortes de edades simu-ladas. Las propiedades biológicas de las espe-cies determinan su competencia relativa para laobtención de los recursos limitantes. Una des-cripción más completa del modelo y más deta-lles del proceso de calibración puede hallarse enKIMMINS et al. (1999), SEELY et al. (2002) yBLANCO et al. (2007).

El uso del modelo FORECAST se realiza endos fases, una primera fase de calibración y unafase posterior de simulación y análisis de losresultados. En la fase de calibración se recogenlos datos que definen la acumulación de biomasaen los árboles y la vegetación acompañante.Unidos a los datos sobre la respuesta del follaje ala luz, la humedad y los nutrientes en el suelo, ladescomposición de la hojarasca y otras condicio-nes ambientales, estos datos son utilizados para

estimar las tasas a las cuales los procesos ecosis-témicos clave deben operar para generar losdatos observados en el campo. A continuación,estas tasas calibran internamente las simulacio-nes de los procesos en FORECAST. La fase decalibración se completa con el establecimientode las condiciones iniciales de la simulación, quereflejan la historia del uso y las perturbacionesnaturales del bosque a simular. En la segundafase se lleva a cabo la simulación propiamentedicha. El crecimiento anual potencial de la vege-tación se deriva de la producción fotosintética dela biomasa foliar. A su vez, la capacidad produc-tiva de una cantidad dada de biomasa foliar seasume que es dependiente de su contenido denitrógeno, corregido por el grado de sombreadode la masa foliar. Las tasas fotosintéticas estánexpresadas por kilogramo de biomasa de follaje,ya que se ha comprobado que el contenido denitrógeno es una mejor medida del funciona-miento del aparato fotosintético (BRIX, 1971;AGREN, 1983). Por último, una de las caracterís-ticas más importantes de FORECAST es sucapacidad de simular el cambio de calidad delrodal a lo largo del turno de corta, al tener encuenta la reducción en la disponibilidad denutrientes, cambios en las tasas de descomposi-ción, etc. De esta forma, se mejoran las predic-ciones frente a los modelos tradicionales decrecimiento y producción, que comúnmentecarecen de la habilidad de predecir mejoras odeterioros en la calidad productiva de un rodalcomo consecuencia de las actividades silvícolas.

ALGUNAS APLICACIONES ACTUALESDEL MODELO FORECAST

En el pasado, este modelo ha sido amplia-mente utilizado en una gran variedad de aplica-ciones de manejo forestal como son: (1) elestablecimiento de la materia orgánica del suelocomo un indicador de la sostenibilidad relativade diferentes alternativas de manejo del rodal(MORRIS et al., 1997); (2) la evaluación de lacapacidad de fijación de carbono en ecosistemasboreales (SEELY et al., 2002); (3) el análisis de lautilidad del sistema de cortas en dos fases en losbosques mixtos (WELHAM et al., 2002); (4) elestudio del impacto del fuego y las cortas en la

17


productividad a largo plazo en pinares (WEI etal., 2003); (5) la aplicación de un sistema deapoyo a la decisión que utiliza una jerarquía demodelos espaciales y no espaciales para la eva-luación de diferentes estrategias de manejoforestal con múltiples objetivos (SEELY et al.,2004); (6) Estudio de la productividad del rodalen choperas sometidas a múltiples turnos decorta a corto plazo en tierras previamente agrí-colas, bajo diferentes regímenes de fertilizacióny competencia del sotobosque en el centro deCanadá (WELHAM et al., 2007); y (7) la simula-ción de distintos regímenes de fertilización yaclareo en plantaciones de abeto Douglas en eloeste de Vancouver (BLANCO et al., 2007).Algunas de las aplicaciones más destacadas delmodelo en la actualidad se describen a continua-ción (ver Tabla 1 para una lista detallada de usosactuales del modelo).

Análisis de las posibles causas de disminu-ción de la productividad en plantaciones deabeto en China. En las plantaciones de abetochino (Cunninghamia lanceolata) en el suroestede China se observa un importante descenso en

la productividad de las plantaciones tras dos omás turnos de corta. Existe una variedad dehipótesis que intentan explicar este fenómeno,pero la dificultad de implementar experimentosde campo sugiere que un modelo ecosistémicoes la opción más viable para examinar estashipótesis. El modelo FORECAST se está utili-zando para evaluar un modelo conceptual derelaciones entre los diferentes elementos delecosistema (BI et al., 2007). Los resultados delmodelo sugieren que la disminución de la pro-ductividad está causada principalmente por undescenso en la fertilidad del suelo, principal-mente como consecuencia de la quema de restosde corta en combinación con turnos demasiadocortos. Además, cuando la cobertura arbóreadesciende después de una o dos rotaciones pordebajo de un nivel crítico, se produce una cam-bio en la forma en la que sotobosque se regene-ra, pasando de regeneración por semillas arizomas, con lo que la competencia con los árbo-les durante los primeros años de la rotación seintensifica hasta un punto en el cual los árbolesapenas pueden desarrollarse (Figura 3), supo-

18


Tipo de bosque Zona geográfica Aplicación ReferenciaBoreal Canadá norte Simulación de regeneración en BLANCO et al. (2009)

bosques borealesSemi-boreal British Columbia, Uso de la materia orgánica del suelo SEELY et al. (2010)

Canadá como un indicador de sostenibilidadTemplado British Columbia, Impacto a largo plazo de la introducción SCHWAB et al. (2011)

Canadá de árboles resistentes a plagasTemplado: British Columbia, Importancia de la alelopatía en la BLANCO (2007)Plantaciones de Canadá producción de maderaThuja plicataTemplado: British Columbia, Efectos ecológicos a largo plazo del BLANCO (2011)Plantaciones de Canadá manejo intensivo para biomasaPseudotsuga menzinesiiSemitropical China, Canadá Búsqueda del nivel adecuado de KIMMINS et al. (2008)/ Templado complejidad en modelos forestalesSemitropical: SE de China Contaminación atmosférica y BLANCO et al. (2011)Plantaciones de plantaciones de abeto en China WEI et al. (2011)Cunninghamia lanceolataTropical: Pinar del Río, Optimización del sistema de BLANCO & Plantaciones de Cuba producción de madera GONZÁLEZ (2010a)Pinus caribaeaTropical: Pinar del Río, Efectos ecológicos a largo plazo del BLANCO &Plantaciones de Cuba manejo intensivo para biomasa GONZÁLEZ (2010b)Pinus caribaea

Tabla 1. Aplicaciones actuales del modelo FORECAST (KIMMINS et al., 1999, 2010)

niendo el fallo de la plantación. Este problemase intensifica en los sitios pobres en nutrientes,en los que el sotobosque puede ser un competi-dor demasiado fuerte para los árboles.

Estudio del efecto del grosor de la capa desuelo y régimen de fertilización necesario parauna recuperación de zonas de arenas bitumino-sas tras su explotación. Canadá es un productorde petróleo a nivel mundial, principalmenteextraído en explotaciones a cielo abierto locali-zadas en la zona de arenas bituminosas del inte-rior de Canadá. Tras acabar la extracción depetróleo, las compañías tienen la obligación derecuperar el ecosistema forestal existente en lazona. Para ello deben seleccionar una determi-nada cantidad de suelo que debe depositarsesobre las arenas lavadas, unas especies de árbo-les que pueden plantarse en la zona y un régi-men de fertilización que ayuda a mejorar laproductividad de las zonas recuperadas. En estecontexto, FORECAST está siendo utilizado paraayudar a comparar distintas opciones de manejocon el objetivo de seleccionar el plan de recupe-ración que tiene más posibilidades de éxito. Enlos resultados se pudo apreciar claramente cómoes mucho más importante la profundidad de lacapa del suelo que la cantidad de nitrógenoaportado por medio de la fertilización. La pro-ducción de volumen se triplica cuando se utilizaun suelo mucho más. También hay un saltoimportante de una situación sin fertilización a

otra en la que aplica nitrógeno, si bien las dife-rencias entre 50, 100 y 150 kg por hectárea sonpequeñas y además disminuyen con un suelomás grueso. Esto es un indicativo de que con unsuelo más grueso, los árboles están cerca dealcanzar su potencial de producción máxima, yadiciones de nitrógeno de más de 50 kg·ha-1 notienen prácticamente impacto en la producciónde madera a largo plazo. En todos los casos, unaparte importante de todos estos proyectos es elestudio de la fiabilidad de las predicciones pro-ducidas por el modelo. Esto se ha realizadocomparando las predicciones del modelo condatos reales procedentes de parcelas experimen-tales. En todos los casos, el modelo se compor-tó de una forma más que adecuada produciendopredicciones suficientemente fiables. Un trabajoespecífico de evaluación de este modelo enplantaciones de abeto Douglas en la costa de laColumbia Británica está explicado con detalleen BLANCO et al. (2007).

Estudio del efecto del grosor de la capa desuelo y régimen de fertilización necesario parauna recuperación de zonas de arenas bitumino-sas tras su explotación. En Cuba, la situacióneconómica actual de falta de disponibilidad deenergía y productos químicos ha hecho que eluso de las plantaciones de pino caribeño (Pinuscaribaea) empiece a ir más allá de la típica pro-ducción de madera. Otras posibilidades son laproducción de pulpa para fibra y otros productos

19


Figura 3. Resultados de la simulación de cuatro turnos consecutivos de 20 años de duración cada uno en un rodal deabeto chino. Las líneas muestras resultados alternativos si se simula o no la presencia de sotobosque

químicos o la producción de biomasa para lageneración de energía. Sin embargo, el cambiode madera a otros sistemas más intensivos deproducción puede provocar cambios en el ecosis-tema (Figura 4). En concreto, si se extrae másmateria orgánica de las plantaciones y se reducenlos turnos, el sotobosque puede expandirse alreducirse el sombreado de los árboles, así comola materia orgánica en el suelo podría reducirseal reducirse los aportes de hojarasca a la misma.Todo ello combinado produciría una paulatinareducción del crecimiento de los árboles, que setraduciría en una reducción en la capacidad dealmacenamiento de carbono por parte de estosbosques (BLANCO & GONZÁLEZ, 2010a,b).

EL FUTURO DE LOS MODELOSFORESTALES

Una de las realidades más claras del uso demodelos forestales es que ningún modelo puedehacerlo todo (KIMMINS et al., 2010). Por lo tanto,en el manejo forestal sostenible, el futuro no esel desarrollo de un nuevo modelo que intente

integrar todos los procesos ecológicos y datos decampo que existen a muy diversas escalas detiempo y espacio. Por el contrario, ya existenmodelos muy desarrollados que han sido diseña-dos para escalas específicas, y por lo tanto esmás adecuado aumentar la interconexión demodelos entre sí. Hay dos formas típicas de con-seguir este objetivo:

Modelos modulares. En la actualidad existeuna gran experiencia acumulada en modelosforestales. Una forma de aprovechar esta expe-riencia a la vez que se expanden las escalas deaplicación de modelos individuales es el uso demodelos modulares. En estos modelos, cadamodelo individual se convierte en un móduloque está conectado a otros modelos que funcio-nan a escalas diferentes. La particularidad deestos modelos es que funcionan de forma simul-tánea, influyendo las variables de estado de unmódulo en las de los demás. Por lo tanto, esnecesario un conocimiento profundo de todos losmódulos para conseguir que funcionen de unaforma coordinada. La ventaja es que se puedenestimar simultáneamente los efectos de unavariable a una escala y extrapolarlos a otras esca-

20


Figura 4. Evolución de cuatro variables ecosistémicas en una plantación de Pinus caribaea en Pinar del Río (Cuba),sometida a cuatro tipos diferentes de manejo

las. Un ejemplo es el trabajo en la Universidadde la Columbia Británica (Figura 5).

FORCEE (KIMMINS et al., 2010) es unmodelo diseñado para el análisis de rodalescomplejos, ya lo sean en estructura vertical,horizontal, composición de especies y edades oen la variación espacial de las características delsuelo inducidas por la comunidad biológica.FORCEE es un modelo de árbol individual,espacialmente explícito, que funciona a nivel derodal y con una orientación hacia el manejoforestal. Está basado en la misma filosofía demodelización que el modelo anteriormente des-crito (FORECAST), del que es una extensión aescalas más pequeñas. Como en el caso anterior,FORCEE es un modelo híbrido en el cual lasreglas de simulación están basadas en datos deentrada que describen el crecimiento observadode árboles y sotobosque en varios lugares decontrastada calidad nutricional. FORCEE simu-la el crecimiento de árboles y sotobosque,basándose en una simulación de la fotosíntesis,el ciclo de nutrientes, la regulación del creci-miento por limitación de nutrientes y la compe-tencia interespecífica por la luz y nutrientesdisponibles. FORCEE simula la luz disponible adiferentes alturas y localizaciones en una malla

tridimensional de 10 x 10 cm. Además, en esamisma malla se incorporan datos de producciónde hojarasca, y también tiene rutinas que simu-lan el ciclo de nutrientes, el sotobosque, lascapas del suelo, la competición por nutrientes ysu limitación al crecimiento, hábitats para fauna,cambio climático y perturbaciones naturales.

LLEMS (Local Landscape EcosystemManagement System) es el último de los compo-nentes de esta familia de modelos (SEELY et al.,2008; KIMMINS et al., 2010). LLEMS está conec-tado conceptualmente al resto de modelos, y esun desarrollo de FORECAST y PFF. Este mode-lo ha sido específicamente diseñado para ayudara los gestores forestales a analizar los impactos alargo plazo que la corta en retención variablepuede producir en diversos indicadores de soste-nibilidad. LLEMS ha sido desarrollado sobre unaplataforma SIG para facilitar la unión entre dife-rentes modelos ya existentes y datos espacialesprocedentes de inventarios, con el objetivo dedesarrollar una herramienta de análisis de esce-narios de manejo. Esta herramienta está basadaen el conocimiento ecológico actual, es espacial-mente explícita, y puede ser utilizada en el análi-sis de una amplia variedad de alternativas deformas de rodal, orientación y estrategias de

21


Figura 5. Relaciones entre los modelos desarrollados por el Grupo de Simulación Forestal de U.B.C.

corta. Este modelo opera a una escala espacialintermedia equivalente a grandes rodales o a ungrupo de rodales (de 20 a 2.000 hectáreas). Elcrecimiento del bosque en LLEMS se simula anivel de píxeles o de grupos de píxeles con carac-terísticas ecológicas similares. Los principalescomponentes de LLEMS se centran en la simula-ción de la regeneración, crecimiento y desarrollodel bosque, una interfaz visual de manejo querepresenta el área en 3D y permite el diseñointeractivo de los rodales (CALP-Forester),herramientas para exportar los resultados delmodelo a otros sistemas de visualización y laevaluación del riesgo de daños por viento.

Meta-modelos. Distintos grupos de investi-gación pueden generar distintos modelos fores-tales que trabajen a distintas escalas espaciales ytemporales. Es posible utilizar más de un mode-lo creado por distintos grupos para realizar pro-yectos que afecten a distintas escalas espaciales,temporales o de valores ecológicos y socio-eco-nómicos. Para ello es necesario que los datos desalida de un modelo sean fácilmente adaptados,leídos o interpretados por el modelo siguiente enla cadena de utilización (Figura 6). El modelo anivel de rodal FORECAST genera una bibliote-ca de resultados con las distintas variables eco-lógicas (volumen, árboles muertos, carbono,

cobertura del sotobosque, etc) para cada tipo derodal. El modelo a nivel de paisaje ATLAS(NELSON, 2003) utiliza los datos generados porFORECAST para optimizar el calendario decortas de una zona dividida en distintos polígo-nos, cada uno con un bosque homogéneo corres-pondiente con uno de los tipos de rodalessimulados por FORECAST. Además, el modeloSIMFOR (DAUST & SUTHERLAND, 1997) utilizalos datos de FORECAST para similar cada unode los pixeles en los que divide la región, asu-miendo que cada pixel es un bosque homogé-neo. Para ayudar a la interpretación, tanto losdatos generados por FORECAST como porATLAS pueden ser utilizados para calibrar SVSy ENVISION, dos herramientas de visualiza-ción creadas por el U.S.D.A. De esta forma, esposible explorar las implicaciones del manejo enmuchas más facetas del manejo forestal sosteni-ble que utilizando cada modelo por separado.

CONCLUSIONES

Si se unen modelos forestales creíbles consistemas de visualización que representen laspredicciones de esos modelos de una formavisual (fotos, películas) y no solamente por

22


Figura 6. Interconexiones entre modelos desarrollados independientemente

medio de tablas y gráficas (difíciles de entenderpara el público poco acostumbrado a tecnicis-mos forestales), los modelos ecológicos tambiénpueden ayudar a comunicar las posibles conse-cuencias de distintas alternativas de manejo agrupos interesados en la gestión forestal quecarezcan de habilidades técnicas. Esta caracte-rística es muy importante cuando se trata de des-arrollar planes de manejo forestal en los cualesla comunicación entre distintos grupos implica-dos en el manejo con distintitos niveles de habi-lidades técnicas podría resultar problemática porlas dificultades en transferir información ecoló-gica y forestal entre esos grupos. Dado que losprincipales usuarios de los modelos menciona-dos hasta ahora y otras herramientas de modeli-zación forestal son los gestores forestales, esimportante que el flujo de información entre loscientíficos que desarrollan los modelos y losgestores forestales que los necesitan se mejorepara construir modelos que se adapten mejor asus objetivos. Los científicos necesitan propor-cionar a los gestores no solamente prediccionescuantitativas, sino también información sobre lacerteza de las predicciones de los modelos demanejo forestal (BLANCO et al., 2007).

BIBLIOGRAFÍA

AGREN, G.I.; 1983. Nitrogen productivity ofsome conifers. Can. J. For. Res. 13,494–500.

AGREN, G.I.; MCMURTRIE, R.E.; PARTON, W.J.;PASTOR, J. & SHUGART, H.H.; 1991. State-of-the-Art of models of production-decomposi-tion linkages in conifer and grasslandecosystems. Ecol. Appl. 1: 118-138.

BARCLAY, H.J. & HALL, T.H.; 1986. Shawn: Amodel of Douglas-fir Ecosystem Response toNitrogen Fertilization and Thinning: APreliminary Approach. Forestry Canada,Pacific Forestry Centre, Victoria.

BI, J.; BLANCO, J.A.; SEELY, B.; KIMMINS, J.P.;DING, Y. & WELHAM, C.; 2007. Yield decli-ne in Chinese-fir plantations: A simulationinvestigation with implications for modelcomplexity Can. J. For. Res. 37: 1615-1630.

BLANCO, J.A.; 2011. Recovery of Douglas-firforest ecosystems may take centuries after

management for biofuel and pulp produc-tion. Ecosystems, en revisión.

BLANCO, J.A.; 2007. The representation of alle-lopathy in ecosystem-level forest models.Ecol. Model. 209: 65-77.

BLANCO, J.A. & GONZÁLEZ, E.; 2010a. Thelegacy of forest management in tropicalforests: analysis of its long-term influencewith ecosystem-level model. For. Systems19: 249-262.

BLANCO, J.A. & GONZÁLEZ, E.; 2010b.Exploring the sustainability of current mana-gement prescriptions for Pinus caribaeaplantations in Cuba: a modelling approach.J. Trop. For. Sci. 22: 139-154.

BLANCO, J.A; WELHAM, C.; KIMMINS, J.P.;SEELY, B. & MAILLY, D.; 2009. Guidelinesfor modeling natural regeneration in borealforests. For. Chron. 85: 427-439.

BLANCO, J.A.; ZAVALA, M.A.; IMBERT, J.B. &CASTILLO, F.J.; 2005. Evaluation of thinningsustainability using a nutrient cycling simu-lation model. Forest Ecol. Manage. 213,209-228.

BLANCO, J.A.; SEELY, B.; WELHAM, C.; KIMMINS,J.P. & SEEBACHER, T.M.; 2007. Testing theperformance of a forest ecosystem model(FORECAST) against 29 years of field 2data in a Pseudotsuga menziesii plantation.Can. J. For. Res. 37: 1808-1820

BLANCO, J.A.; WEI, X.; JIANG, H.; JIE, C.Y. &XIN, Z.H.; 2011. Enhanced nitrogen deposi-tion in south-east China could partially off-set acid rain negative effects in Chinese firplantations. Env. Pollut., en revisión.

BRIX, H.; 1971. Effects of nitrogen fertilizationon photosynthesis and respiration inDouglas-fir. For. Sci. 17: 407–414.

BOSSEL, H. & SCHAFER, H.; 1989. Generic simu-lation model of forest growth, carbon andnitrogen dynamics and application to tropi-cal acacia and European spruce. Ecol.Model. 48: 221-265.

DAUST, D.K. & SUTHERLAND, G.D.; 1997. SIM-FOR: software for simulating forest mana-gement and assessing effects on biodiversity.In: I.D. Thompson (Ed.), The Status ofForestry/ Wildlife Decision Support Systemsin Canada: Proceedings of a Symposium:15–29. Natural resources Canada, Canadian

23


Forestry Service, Great Lakes ForestryCentre. Sault St. Marie.

DIXON, R.K.; MELDAHL, R.S.; RUARK, G.A. &WARREN, W.G.; 1990. Process Modelling ofForest Growth Responses to EnvironmentalStress. Timber Press. Portland.

GALINDO-LEAL, C. & BUNNELL, F.L.; 1995.Ecosystem management: implications andopportunities of a new paradigm. For.Chron. 71: 601-606.

KIMMINS, J.P.; 1988. Community organization:methods of study and prediction of the pro-ductivity and yield of forest ecosystems.Can. J. Bot. 66: 2654–2672.

KIMMINS, J.P.; 1990. Modelling the sustainabi-lity of forest production and yield for a chan-ging and uncertain future. For. Chron. 66:271–280.

KIMMINS, J.P.; 2004. Forest Ecology. A founda-tion for sustainable management and envi-ronmental ethics in forestry. Prentice Hall,New Jersey.

KIMMINS, J.P.; BLANCO, J.A.; SEELY, B.;WELHAM, C. & SCOULLAR, K.; 2010.Forecasting Forest Futures: A HybridModelling Approach to the Assessment ofSustainability of Forest Ecosystems andtheir Values. Earthscan Ltd. Londres.

KIMMINS, J.P.; BLANCO, J.A.; SEELY, B.;WELHAM, C. & SCOULLAR, K.; 2008.Complexity in Modeling Forest Ecosystems;How Much is Enough? Forest Ecol.Manage. 256: 1646-1658.

KIMMINS, J.P.; BLANCO, J.A.; ZHONG, A.; SEELY,B. & WELHAM, C; 2006. Biofuels as an ecos-ystem management non-timber forest pro-duct: Assessing the tradeoffs. IEA Bioenergyworkshop. Biofuels and Bioenergy:Challenges and opportunities. Vancouver.

KIMMINS, J.P.; MAILLY, D. & SEELY, B.; 1999.Modelling forest ecosystem net primary pro-duction: the hybrid simulation approach usedin FORECAST. Ecol. Model. 122: 195-224.

KORZUKHIN, M.D.; TER-MIKAELIAN, M.T. &WAGNER, R.G.; 1996. Process versus empiri-cal models: which approach for forest ecos-ystem management? Can. J. For. Res. 26:879-887.

MOHREN, G.M.J. & BURKHART, H.E.; 1994.Contrasts between biologically-based pro-

cess models and management-orientedgrowth and yield models. Forest Ecol.Manage. 69: 1–5.

MORRIS, D.M.; KIMMINS, J.P. & DUCKERT, D.R.;1997. The use of soil organic matter as a cri-terion of the relative sustainability of forestmanagement alternatives: a modellingapproach using FORECAST. Forest Ecol.Manage. 94: 61-78.

NELSON, J.; 2003. Forest Planning Studio(FPS)-ATLAS Program: Reference ManualVersion 6. Faculty of Forestry, University ofBC. Vancouver.

PARTON, W.J.; SCHIMEL, D.S.; COLE, C. & OJIMA,D.S.; 1987. Analysis of factors controlling soilorganic matter levels in great plains grass-lands. Soil Sci. Soc. Am. J. 51: 1173-1179.

PASTOR, J. & POST, W.M.; 1985. Development ofa Linked Forest Productivity–Soil ProcessModel. Oak Ridge Nat. Lab. Oak Ridge.

POWERS, R.F.; 2001. Assessing PotentialSustainable Wood Yield. In: J. EVANS (Ed.)The Forestry Handbook. Vol 2. ApplyingForest Science for Sustainable Management.Blackwell Science Ltd. Oxford.

ROWE, J.S.; 1961. The level-of-integration con-cept and ecology. Ecology 42: 420-427.

RUNNING, S.W.; 1984. Documentation andPreliminary Validation of H2OTRANS andDAYTRANS, Two Models for PredictingTranspiration and Water Stress in WesternConiferous Forests. US For. Serv. Res.Portland.

SCHWAB, O.; MANESS, T.; BULL, G.Q.; WELHAM,C.; SEELY, B. & BLANCO, J.A.; 2011.Modelling the timber supply impact of intro-ducing weevil-resistant spruce in BritishColumbia. For. Pol. Econom. 13: 61-68.

SCHWALM, C. & EK, A.R.; 2001. Climate changeand site: relevant mechanisms and modelingtechniques. Forest Ecol. Manage. 150: 241-257.

SEELY, B.; BLANCO, J.A.; WELHAM, C.; KIMMINS,J.P.; SCOULLAR, K. & CAVENS, D.; 2008.LLEMS: un modelo espacialmente explícitopara el manejo forestal sostenible. En: F.T.Maestre, A. Escudero y A. Bonet (eds.),Introducción al análisis especial en ecologíay ciencias ambientales: métodos y aplicacio-nes: 677-696. Dykinson S.L. Madrid.

24


SEELY, B.; NELSON, J.; WELLS, R.; PETER, B.;MEITNER, M.; ANDERSON, A.; HARSHAW, H.;SHEPPARD, S.; BUNNELL, F.L.; KIMMINS, H.& HARRISON, D.; 2004. The application of ahierarchical, decision-support system to eva-luate multi-objective forest managementstrategies: a case study in northeasternBritish Columbia, Canada. Forest Ecol.Manage. 199: 283-305.

SEELY, B.; WELHAM, C. & BLANCO, J.A.; 2010.Towards the application of soil organic mat-ter as an indicator of ecosystem producti-vity: Deriving thresholds, developingmonitoring systems, and evaluating practi-ces. Ecol. Indica. 10: 999-1008.

SEELY, S.; WELHAM, C. & KIMMINS, H.; 2002.Carbon sequestration in a boreal forest ecos-ystem: results from the ecosystem simula-tion model, FORECAST. Forest Ecol.Manage. 169: 123-135.

SHUGART, H.H.; 1998. Terrestrial ecosystems inchanging environments. CambridgeUniversity Press. Cambridge.

SOLLINS, P.A.; BROWN, A.T. & SWARTZMAN, G.;1979. CONIFER: a model of carbon andwater flow trough a coniferous forest (revi-sed documentation). Coniferous ForestBiome Bulletin 15, University ofWashington. Seattle.

VERBUG, P.S.J. & JOHNSON, D.W.; 2001. Aspreadsheet-based biogeochemical modelto simulate nutrient cycling processes inforest ecosystems. Ecol. Model. 141: 185-200.

WALLMAN, P.; SVERDRUP, H.; SVENSSON,M.G.E. & ALVETEG, M.; 2002 Integratedmodelling. In: H. Sverdrup & I.Stjernquist (eds), Developing principlesand models for sustainable forestry in

Sweden: 57-83. Kluwer AcademicPublishers. Dodrecht.

WATSON, R.T.; ZINYOWERA, M.C. & MOSS, R.H.;(Eds); 1995. Climate Change 1995: Impacts,Adaptations and Mitigation of ClimateChange: Scientific-Technical Analyses.Contribution of Working Group II to theSecond Assessment of the IntergovernmentalPanel on Climate Change. CambridgeUniversity Press. Cambridge.

WEI, X.; BLANCO, J.A.; JIANG, H. & KIMMINS,J.P.; 2011. Effects of nitrogen deposition oncarbon sequestration in Chinese fir forests.Ecosystems, en revisión.

WEI, X.; KIMMINS, J.P. & ZHOU, G.; 2003.Disturbances and the sustainability of long-term site productivity in lodgepole pineforests in the central interior of BritishColumbia – an ecosystem modeling appro-ach. Ecol. Model. 164: 239-256.

WELHAM, C.; SEELY, B. & KIMMINS, H.; 2002.The utility of the two-pass harvestingsystem: an analysis using the ecosystemsimulation model FORECAST. Can. J. For.Res. 32: 1071-1079.

WELHAM, C.; SEELY, B.; VAN REES, K. &KIMMINS, H.; 2007. Projected long-term pro-ductivity in Saskatchewan hybrid poplarplantations: weed competition and fertilizereffects. Can. J. For. Res. 37: 356-370.

WILSON, B. & WANG, S.; 1999. Sustainableforestry--the policy prescription in BritishColumbia. In: A. Yoshimoto & K. Yukutake(eds.), Global Concerns for Forest ResourceUtilization--Sustainable Use and Management:35-45. Kluwer Academic Publishers. Londres.

WORLD COMMISSION ON ENVIRONMENT AND DEVE-LOPMENT; 1987. Our common future. OxfordUniversity Press. Oxford.

25


Documents

MÁS ALLÁ DE LOS MODELOS DE CRECIMIENTO: MODELOS …