Modelamiento de la productividad de Gmelina arborea Roxb. con base en variables biofísicas y de rodal

Abstract

1 Universidad del Tolima. Ibagué, Colombia. * abarriost@ut.edu.co. Autor de correspondencia. Resumen El estudio desarrolló un modelo empírico para predecir la altura dominante (H) y el índice de sitio (IS) de plantaciones de Gmelina arborea Roxb., considerando para ello variables biofísicas y de rodal. Se utilizaron datos de 160 rodales localizados en las regiones Andina, Caribe y Pacífica de Colombia. El modelo de Chapman-Richards fue seleccionado para predecir la H e IS de cada rodal. Un análisis de correlación identificó al espaciamiento relativo, la altitud y la precipitación como variables relacionadas al IS. Un modelo de regresión lineal múltiple con estas variables explicó el 70 % de la variación total observada en el IS. Estas variables incorporadas al modelo de H permitieron aumentar en 30 % y reducir en 40 y 41 % el índice de ajuste, error absoluto y error medio cuadrático, respectivamente. Los modelos desarrollados son adecuados para estimar la productividad en áreas sin historia de plantaciones forestales, adicionando flexibilidad y capacidad predictiva en un entorno cambiante. Palabras clave: manejo forestal, altura dominante, productividad forestal, índice de sitio. Abstract The study developed an empirical model for predicting the dominant height (H) and site index (SI) of Gmelina arborea Roxb. plantations considering biophysical and stand variables. Data from 160 stands located in the Andean, Caribbean and Pacific regions of Colombia were used. The Chapman-Richards model was selected for predicting H and SI of each stand. A correlation analysis identified the relative spacing, elevation and precipitation as variables related to SI. A multiple linear regression model with these variables explained 70 % of the total variation observed in SI. These variables included in the H model allowed to increase the fit index by 30 % and reduce the absolute error and mean square error by 40 and 41 %, respectively. The developed models are suitable for estimating productivity in areas with-out a history of forest plantations, adding flexibility and predictive capacity in a changing environment.