Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Destacado
Destacado (20)
Similar a Zavala remedia 2012
Similar a Zavala remedia 2012 (20)
Más de REMEDIAnetwork
Más de REMEDIAnetwork (20)
Zavala remedia 2012
- 1. Factores determinantes del secuestro de carbono en los bosques españoles: herramientas para el análisis y prospectiva Paloma Ruiz Benito – CIFOR-UAH Marta Benito Garzón - CIFOR-UAH Lorena Gómez Aparicio – IRNA-CSIC Miguel A. Zavala - UAH
- 4. Objetivos (i) Variación del "stock" en diferentes regiones a partir de los cambios en la ocupación del suelo, Inventario Forestal Nacional y balance C con emisiones GEI. (ii) Efecto de la diversidad funcional en el almacenamiento de carbono y productividad en diferentes formaciones forestales (iii) Herramienta para proyectar el efecto sumidero de los bosques en diferentes escenarios climáticos y de tipos de uso del suelo
- 5. Objetivos (i) Variación del "stock" en diferentes regiones a partir de los cambios en la ocupación del suelo, Inventario Forestal Nacional y balance C con emisiones GEI. (ii) Efecto de la diversidad funcional en el almacenamiento de carbono y productividad en diferentes formaciones forestales (iii) Herramienta para proyectar el efecto sumidero de los bosques en diferentes escenarios climáticos y de tipos de uso del suelo
- 6. Cambios de uso Emisión de GEI 827.899 ha cambios 44.3% de los cambios hacia tipos de ocupación del suelo que potencialmente absorben más carbono
- 7. Cambios de uso Carbono promedio emitido o absorbido debido a cambios en la ocupación del suelo por CCAA Suponen menos de un 2% del total de emisiones GEI
- 9. Masas forestales Absorben aprox. el 14% del total de emisiones GEI
- 10. Objetivos (i) Variación del "stock" en diferentes regiones a partir de los cambios en la ocupación del suelo, Inventario Forestal Nacional y balance C con emisiones GEI. (ii) Efecto de la diversidad funcional en el almacenamiento de carbono y productividad en diferentes formaciones forestales (iii) Herramienta para proyectar el efecto sumidero de los bosques en diferentes escenarios climáticos y de tipos de uso del suelo
- 11. Stock de carbono y productividad bosques Ecuaciones alométricas Above /below /total carbon dbh stock y productividad Predicho = Potencial x Efecto (Climático x Estructural x Diversidad) Stock carbono Productividad Densidad Heterogeneidad Temperatura media anual Funcional: Déficit de agua - Complementariedad - Selección
- 12. Índices de diversidad funcional Dispersion funcional (FDis) – Laliberte & Legendre 2010 Efecto de la complementariedad ALTURA MÁXIMA MASA DE SEMILLAS DENSIDAD MADERA Comunity Weighted Means (CWM) – Lavorel et al. 2008 Efecto de la selección LMA
- 13. Productividad bosques AIC δAIC Productividad total Completo Climático Estructural Diversidad R2 Caducifolio 14,908 297 790 631 0.36 Esclerófilos 11,449 400 2,468 119 0.43 Pinares Med. naturales 10,514 457 1,916 605 0.41 Pinares Mon. naturales 10,164 988 2,440 13 0.47 Pinares Med. plantados 8,363 219 924 207 0.40 Pinares Mon. plantados 6,140 360 681 24 0.38 Exóticos 2,413 5 59 4 0.20
- 14. Objetivos (i) Variación del "stock" en diferentes regiones a partir de los cambios en la ocupación del suelo, Inventario Forestal Nacional y balance C con emisiones GEI. (ii) Efecto de la diversidad funcional en el almacenamiento de carbono y productividad en diferentes formaciones forestales (iii) Herramienta para proyectar el efecto sumidero de los bosques en diferentes escenarios climáticos y de tipos de uso del suelo
- 15. Proyección efecto sumidero Gestión forestal (variables (tn/ha·year) Variables abióticas bióticas y antrópicas) Estimado de (clima, topografía, Variables abióticas IFN2, IFN3 litología) PPNP NPP - Índice Paterson -Machine learning - Rosenzweig versus PRODUCTIVIDAD PRODUCTIVIDAD REAL POTENCIAL ESTIMADA PREDICHA (PNPP – NPP) VARIABLES INFLUYENTES EN LA PRODUCTIVIDAD REAL Benito Garzón et al., in review Climatic Change
- 16. PPN vs. cambio climático 45 variables (abioticas, bioticas, de gestión) R2= 0.82 p<0.001 Variables climáticas Cambios PPN : presente – 2080 R2= 0.61 p<0.001 Temperaturas máximas Precipitaciones
- 17. Agradecimientos: Datos: Iniciativa TRY, MARM. Proyectos: INTERBOS3-CGL2008-04503-C03-03; SUM2008-00004-C03-01; FPU (AP2008-01325). Personas: J. Madrigal, C. Messier, A. Paquette.
Notas del editor
- Las mayores densidades de carbono se corresponden con las zonas forestales, especialmente bosque y matorral boscoso de transición,. Dentro de las zonas agrícolas contienen más carbono los cultivos anuales con cultivos permanentes, seguidas de las zonas agrícolas heterogéneas y de secano. Se representan los cambios de ocupación del suelo que han supuesto aumentos de la absorción de carbono entre 2000 y 2006 y los que han supuesto reducciones de dicha absorción. Estos cambios suponen una superficie total de 827.899 ha, siendo el 44,3% de los mismos hacia tipos de ocupación del suelo que absorben más carbono, y el resto (55,7%), hacia tipos que absorben menos carbono. Los cambios en la ocupación del suelo son muy dispersos heterogéneos a lo largo del territorio, aunque se observan ciertos patrones, como el aumento de la absorción de carbono en el norte de Cantabria, el norte del País Vasco y en Andalucía y la disminución de la absorción en Madrid y el litoral levantino, probablemente como consecuencia de la conversión de otros usos del suelo en zonas artificiales.
- Las emisiones debidas a los cambios en la ocupación del suelo representan un porcentaje muy bajo respecto a las emisiones anuales promedio de GEI entre 2000 y 2006, en todo caso inferior al 2% de las mismas. Las únicas CCAA para las que las transformaciones en la ocupación del suelo han supuesto un incremento en el carbono absorbido son País Vasco, Cataluña y Castilla y León.
- La absorción media de carbono fue mayor en la parte aérea que en la parte radical a nivel de especie. Los valores más elevados se sitúan en el norte de la Península, especialmente en la región atlántica y Pirineos. En la región mediterránea se observa un stock de carbono superior en torno a los sistemas montañosos.
- La absorción media de carbono fue mayor en la parte aérea que en la parte radical a nivel de especie. En relación con los resultados obtenidos a partir del segundo y tercer IFN, en algunas CCAA el CO2 total fijado entre 1990 y 2000 por la parte aérea y radical de las masas forestales es inferior al 10% del CO2 emitido, tal y como ocurre en Comunidad Valenciana (2,4%), Comunidad de Madrid (4,5%), Andalucía (5,9%), Castilla y León (6,5%) y País Vasco (6,7%)
- El stocj de carbono se calculo en aprox. 50000 parcelas a partir del Inventario Forestal Nacional, mediante la aplicación de ecuaciones alométricas al dbh del arbol. Para el stock de carbono hemos considerado árboles adultos y regeneración, y para la productividad unicamente árboles adultos vivos en ambos IFN. El carbono predicho se calculo en función del potencial máximo, analizando como varia el mismo por el efecto del clima (temepratura y déficit de agua), estructura de la parcela (densidad y heterogeneidad) y en función de la diversidad funcional (analizando el efecto de la complementariedad y el efecto de la selección).
- INDICES USADOS PARA MEDIR LA DIVERSIDAD FUNCIONAL: USAMOS Fdis para medir la dispersión de los traits: “n” especies en un espacio bidimensional de rasgos funcionales es representada por círculos negros donde el tamaño es su abundancia (se puede calcular basada en matriz de abundancias o de presencia/ausencia). El vector Xj representa la posición de la especie “j”, el vector “c” es el centroide de las “n” especes (cuadrado blanco), “zj” es la distancia de la especie “j” al centroide c y “aj” es la abundancia de la especie “j”. En el caso de usar la matriz basada en abundancias, la posición de “c” se centra por la abundancia relativa de las especies. El mejor índice seleccionado estuvo basado en la matriz de presencia ausencia y en los rasgos funcionales altura máxima, masa de semillas y densidad de la madera. CWM representa la composición funcional definida como los valores medios presentes en la comunidad ponderados por la abundancia relative de la especie con dicho valor. El mejor seleccionado estuvo basado en el rasgo funcional LMA basado en datos de abundancia.