Este documento presenta los resultados de un estudio que estimó el carbono almacenado en la biomasa aérea de los bosques de la región de Madre de Dios en Perú. El estudio analizó datos de más de 600 parcelas de muestreo para generar ecuaciones alométricas que estiman la biomasa por tipo de vegetación. Los resultados mostraron que los bosques de Madre de Dios almacenan un promedio de 127.55 megagramos de carbono por hectárea, con tres tipos de vegetación que representan más del 60% de la región

1. ESTIMACIÓNDELCARBONOENLA
BIOMASAAÉREADELOSBOSQUESDE
LAREGIÓNDEMADREDEDIOS
2014
REPORTE
PE

2. Uno de los principales retos a nivel nacional y sub-nacional
es generar información detallada y con bajos niveles de
incertidumbre, tanto para las estimaciones de las reservas
de carbono almacenada en los bosques como para la tasa de
deforestación histórica, ya que estos estudios son insumos
importantes para la construcción de los niveles de referencia
sub-nacional y nacionales, los cuales será utilizados para la
implementación de las estrategias para la reducción de las
emisionesdelosGEI.
El presente estudio en un trabajo minucioso y participativo
realizado entre WWF Perú y el Programa de Bosques y Clima
deWWF(FCP),laUniversidaddeLeedsylaMesadeServicios
Ambientales y Redd+ (MSAR) de Madre de Dios, los análisis
se basaron en datos de campo de más de 600 parcelas de
estimación de biomasa aérea, distribuida en los diferentes
tipos de vegetación que existe en los bosques de Madre de
Dios, además incorpora las recomendaciones de las Guías de
las Buenas Prácticas del IPCC (2003 y 2006), con análisis
estadísticos para cada etapa del estudio, los cuales sustentan
latransparenciadelprocesamiento.Adicionalmenteelestudio
utiliza ecuaciones alométricas para la estimaciones de la
biomasa aérea generadas para los bosques de Madre de Dios
(Goodmanetal.,2014).
PRESENTACIÓN

3. Informar sobre el contenido de carbono almacenadas en la biomasa
aérea viva en sus diferentes tipos de vegetación y elaborar el mapa de
carbono forestal para los bosques de Madre de Dios, empleando análisis y
metodologías que puedan ser replicables para la amazonía peruana, basados
en las directrices internacionales del IPCC.
OBJETIVOGENERAL
ÁREADEESTUDIO
El departamento de Madre de Dios se ubica en la amazonia peruana (región
sur oriental) limitando con las regiones de Ucayali, Cusco y Puno, e interna-
cionalmente con la República Federal de Brasil y el Estado Plurinacional de
Bolivia. Madre de Dios es la tercera región más extensa del Perú, con una su-
perficie de 85,301.23 km2 que ocupa aproximadamente el 15.4% de la región
Amazónica y el 6,6% del territorio nacional.
ESTRATIFICACION
Para efectos de este estudio se seleccionó la estratificación por tipo de vegeta-
ción de los bosques de Madre de Dios generada por el Instituto de Investiga-
ción de la Amazonía Peruana - IIAP para el proceso de Zonificación Ecológica
y Económica (ZEE) del Gobierno Regional de Madre de Dios (GOREMAD
2009). Esta estratificación está conformada por 22 tipos de formaciones
vegetales y 1 de origen antrópico además de los cuerpos de agua.
Figura 01. Mapa de estratificación por tipo de vegetación en MDD.

4. METODOSYRESULTADOS
COMPILACIÓNYSISTEMATIZACIÓNDEINFORMACIÓN
El presente estudio se basa en el análisis de los datos de las parcelas de campo
muestreadas por organizaciones públicas y privadas involucradas en proyec-
tos de manejo e inventarios forestales, proyectos de carbono para REDD+,
investigación, entre otros, dentro del área de estudio.
La colecta de los datos incluyo la recopilación, sistematización y análisis de
los datos de 608 parcela proporcionadas por (9) fuentes de Información, con
estos datos se desarrollo un análisis con el fin de identificar las categorías de
vegetación sub muestreados y proponer nuevos muestreos, para complemen-
tar la información necesaria para una caracterización adecuada del carbono
contenido en la biomasa aérea viva de los bosque de la región.
PROCESAMIENTOYANÁLISISDELOSDATOSDELASPARCELASDE
CAMPOCOMPILADOS
Los datos de las parcelas de campo fueron organizados y corregidos quedando
578 parcelas para calcular la biomasa aérea viva (BAV), el área basal (AB)
por hectárea, la densidad promedio de los árboles, el nivel de identificación
botánica por individuo y la densidad de la madera de acuerdo a la base de
datos global de densidad forestal (Zanne et al. 2009).
La biomasa aérea de árboles y palmeras fue estimada para cada parcela
y determinar la varianza en los datos, que serán necesarios para estimar
la cantidad de parcelas requeridas para cumplir con los errores mínimos
de muestreo por tipo de vegetación. Para esta primera etapa del análisis
utilizamos las ecuaciones alométricas recomendadas para los bosques
tropicales.
Chave et al. (2005) ecuación para las especies de bosques húmedos tropicales
que consideran el diámetro (D) y densidad de madera (ρ) como las únicas
variable predictoras:
BAV = ρ×exp(-1.499+2.148(ln(D)) + 0.207(ln(D))2
- 0.028107(ln(D))3
Para las especies de palmeras (familia Arecaceae) utilizamos la ecuación
publicada por Pearson et al. (2005; p.43) que considera la altura total como
única variable predictora:
BAV (kg) = 6.666 + 12.826 × height0.5
× ln(height)
Y para especies de palmeras que consideraron el DAP (D) como única medida
tomada en campo, se utilizó la ecuación de Hughes (1997):
BAV (kg) = exp(0.9285 × ln(D2
) + 5.7236) × 1.050/103
Con estos valores se determinó la BAV promedio para cada tipo de
vegetación, se analizaron los valores extremos y las tendencias sistemáticas,

5. buscando diferencias significativas entre estimados de densidad por fuente
y subgrupos. Luego, buscamos efectos sistemáticos entre las áreas de las
parcelas, perímetro, razón área/perímetro, y año de medición, sin detectar
diferencias significativas. Los resultados fueron similares para Área Basal/
individuos. Encontramos que no era necesario calcular promedios o varianzas
ponderadas basadas en el tamaño de la parcela para el cálculo de las reservas
de biomasa.
Para la determinación del tamaño y numero de parcelas adicionales
necesarias para cada tipo de vegetación, utilizamos la herramienta Winrock
Terrestrial Sampling Calculator de Walker et al. 2007. Estimamos la
desviación media y estándar para determinar los tipos de vegetación sub
muestreadas y el número de nuevas parcelas necesarias para alcanzar una
precisión total del estimado de biomasa entre 10 % y 20. El número total de
las nuevas parcelas necesarias para cumplir esta condición fue de 29 nuevas
parcelas distribuidas en diez (10) tipos de vegetación.
Tipos de vegetación Símbolo
Superficies
(ha)
Nuevas parcelas
de muestreo
Comunidades pantanosas herbáceos-arbustivas Cp - her 1,990.7 1
Complejo de Sabanas de Pampas del Heath Csb - H 6,474.3 1
Comunidades densas de bambúes, o pacales densos, en
planicies
Cpd - p 94,704.3 3
Comunidades densas de bambúes, o pacales densos, en
colinas
Cpd - c 104,295.1 4
Comunidades densas de bambúes, o pacales densos, en
piedemonte andino
Cpd - sa 5,046.5 1
Comunidades densas de bambúes, o pacales densos, en
montañas altas
Cpd - ma 15,581.9 1
Comunidades mixtas de bambúes, o pacales mixtos,
asociados con árboles dispersos en montañas altas
Cpx - ma 76,602.2 2
Bosques semicaducifolios con árboles dispersos en
montañas bajas
Bs - mb 231,336.2 9
Bosques mixtos con árboles medianos y arbustos de
montañas altas
Bx - ma 259,491.5 6
Comunidades arbustivo-herbáceas altoandinas Ch - an 8,505.3 1
Total 804,028.0 29
Tabla 01. Número de nuevas parcelas a evaluar por tipo de vegetación

6. ESTIMACIÓNDELASRESERVASDECARBONOFORESTAL
Con los nuevos datos de campo se realizó un nuevo procesamiento actuali-
zando las estimaciones de BAV con la nueva ecuación alométrica generada
para los bosques tropicales de MDD (Goodman et al. 2014). Los parámetros
incluidos en esta ecuación son el diámetro (D) y densidad de madera (ρ) como
las únicas variables predictoras:
BAV = exp(-0.9563 + 2.1486(ln(D)) + 1.5241ln(ρ)
Al contar con esta ecuación y, según las guías del IPCC (2006) esto nos
permite alcanzar un nivel de precisión para las estimaciones de las reservas
de carbono TIER 3 (método más detallado para reducir los niveles de incerti-
dumbres). El nivel 3, usa tanto las ecuaciones alométricas producidas nacio-
nalmente como los datos de campo nacionales.
Figura 02: Mapa de ubicación de todas las parcelas (607) instaladas en MDD para la estimación de biomasa.
Para las estimaciones de las reservas de carbono forestal estratificado se
calculó la densidad general del carbono (C) para cada tipo de vegetación (C
= biomasa aérea x 0.5), asumiendo que el contenido de carbono corresponde
al 50% de la biomasa aérea de los árboles vivos (MacDicken1977, Fearnesi-
de et al. 1999, Malhi et al. 2004, Chave et al. 2005,Goodman et. al 2014).
Cada valor promedio de carbono (Mean C Mg/ha), estimado por estrato debe
estar acompañado de la desviación media y estándar (SD), el coeficiente de
variación (CV), el error estándar (ES), el intervalo de confianza (IC), el error
acumulado (ERROR).
Para estimar las reservas promedio de carbono para cada tipo de vegetación
ajustada al tamaño del área de cada estrato utilizamos el método de la cadena
de Monte Carlo, con estos valores calculamos el promedio de Carbono total
para los tipos de vegetación de los bosques de la región en 127.55 MgC/ha, con
un error promedio acumulado de 11.25%, al 95% de confiabilidad, cumpliendo
así las recomendaciones del IPCC 2006.
Finalmente, el promedio de carbono almacenado en la biomasa aérea de los
bosques de Madre de Dios para sus 23 tipos de vegetacion, varía entre 0 MgC/
ha y 198.31 MgC/ha, así mismo, se encuentran 03 estratos que ocupan más
del 60% de extensión de total de la región y que tienen densidades medias de
Carbono entre 110.79 Mg C/ha y 144.91 Mg C/ha.

7. Tabla
02:
Resumen
de
las
estimaciones
de
la
biomasa
aérea
viva
(BAV),
Densidad
media
del
carbono
(C
Mg/ha),
Desviación
estándar
(SD),
Error
acumulado,
Densidad
media
de
C
aleatorización
de
Monte
Carlo
y
la
Densidad
media
de
C
corregido
por
el
área
para
cada
estrato
del
tipo
de
vegetación.

8. Figura
03:
Mapa
de
carbono
almacenado
en
la
biomasa
aérea
de
los
bosques
de
Madre
de
Dios

9. DISCUSIÓN
La estratificación por tipo de vegetación se basa en una leyenda propuesta
por el IIAP para la amazonia peruana la cual es ampliamente utilizada,
esta estratificación caracteriza a la vegetación de acuerdo a su formación,
estructura y adaptabilidad. Las cantidades de carbono almacenado en su
biomasa aérea viva por tipo de vegetación estimadas en el presente estudio
reflejan esas diferencias, esperamos que esto contribuya a las estimaciones de
nivel nacional y permita realizar comparaciones con otros estudios realizados
en la amazonia peruana.
La aplicación de la ecuación alométrica de Goodman et al. (2014), generada
para los bosques de MDD, ha mostrado resultados más conservadores en
las estimaciones de la biomasa aérea viva y en los niveles de incertidumbre
asociados; es decir las estimaciones utilizando las ecuaciones alométricas de
Chave et al. 2005 reportan diferencias de hasta un 10% más.
Los resultados muestran una estimación de carbono específico para cada
tipo de vegetación, con estimaciones de las incertidumbres analizadas con el
método de la cadena de simulación aleatorizada de Monte Carlo. El promedio
del carbono estratificado y ponderado por el tamaño del área de cada
estrato (para los 23 estratos) es de 127.55 MgC/ha, y con un error promedio
acumulado de 11.25%, al 95% de confiabilidad.
El presente estudio cumple con las especificaciones técnicas del IPCC
para la determinación de las estimaciones de la reservas de carbono en los
diferentes tipos de vegetación de los bosques de la región, que consideran
como principales requisitos: (i) estratificación de los bosques para una
mejor precisión en las estimaciones generadas para cada estrato, (ii) que
las estimaciones obtenidas sean conservadoras, y (ii) que reporten una
incertidumbre baja (cercana al 10%).

10. CONCLUSIONES
YRECOMENDACIONES
El proceso metodológico utilizado en este estudio es conservador, busca
reducir los niveles de incertidumbre asociado a los tamaños y forma de
muestras de campo. Flexible por lo que ha permitido incorporar estimaciones
de biomasa de diferentes fuentes de información, analizando previamente las
diferentes metodologías y sus efectos en las estimaciones.
El proceso de análisis y resultados de las estimaciones de biomasa aérea, se
presentan de manera transparente con el fin de que sea replicable, verificable,
auditable; adicionalmente las estimaciones reportan bajos niveles de
incertidumbre, tal como recomienda el IPCC.
Los resultados obtenidos cumplen con el objetivo del estudio, que fue estimar
las reservas de carbono en sus diferentes tipos de vegetación y la elaboración
del mapa de carbono forestal para los bosques de Madre de Dios, insumo
importante para la valoración económica de los servicios ecosistémicos que
brindan los bosques.
Aunque se presentan bajos niveles de incertidumbre asociados a las
estimaciones de la biomasa para cada estrato, este estudio sigue siendo una
primera aproximación base del carbono forestal en los bosques de Madre de
Dios.
Las estimaciones realizadas utilizando parcelas de campo para cada estrato de
vegetación, ecuaciones alométricas propias de los bosques del área de estudio
y bajos niveles de incertidumbre permiten alcanzar un nivel de estimación
Tier 3.

11. BIBLIOGRAFÍA
Avery TE, Burkhart HE (1994) Forest measurements, 4th edn. McGraw-Hill, New York
Chave J. et al. (2005) Tree allometry and improved estimation of carbon stocks and balance in tropical forests.
Oecologia 145:87-99
Chave, J. et al. (2014), Improvedallometric models to estimate the aboveground biomass of tropical trees. Global
Change Biology, 20: 3177–3190
Gibbon A et al. (2010) Ecosystem Carbon Storage Across the Grassland–Forest Transition in the High Andes of Manu
National Park, Peru. Ecosystems 13:1097-1111
GOREMAD (2009) Macro Zonificación Ecológica y Económica del Departamento de Madre de Dios. Puerto
Maldonado, 167 pp
Goodman R. et al. (2014) The importance of crown dimensions to improve tropical tree biomass estimates. Ecological
Applications 24:680–698
Hughes RF (1997) Effects of deforestation and land use on biomass, carbon, and nutrient pools in the Los Tuxtlas
Region, Mexico. In: Department of Forest Science, vol. Ph.D. Dissertation. Oregon State University, Corvallis, Oregon,
105pp
IPCC (Intergovernmental Panel OnClimateChange)2006 Directrices del IPCC de 2006 para los Inventarios Nacionales
de Gases de Efecto Invernadero, Volumen 1 (Orientación general y generación de informes). Eds S Eggleston; L
Buendía; K Miwa; T Ngara y K Tanabe.
IPCC (Intergovernmental Panel OnClimateChange) 2006 Directrices del IPCC de 2006 para los Inventarios
Nacionales de Gases de Efecto Invernadero, Volumen 4 (Agricultura, silvicultura y otros usos de la tierra). Eds S
Eggleston; L Buendía; K Miwa; T Ngara; K Tanabe. IGES, Hayama, JP. 679p.
Lewis SL et al. (2009) Increasing carbon storage in intact African tropical forests. Nature 457:1003-U1003
Nascimento HEM, Laurance WF (2002) Total aboveground biomass in central Amazonian rainforests: a landscape-
scale study. Forest Ecology and Management 168:311-321
Pearson T, Walker S, Brown S (2005) Sourcebook for Land Use, Land-Use Change and Forestry Projects. In. Winrock
International and World Bank BioCarbonFund
Rügnitz MT, Chacón ML, Porro R (2009) Guía para la Determinación de Carbono en Pequeñas Propiedades Rurales.
In, 1st edn. Centro Mundial Agroflorestal (ICRAF) / Consórcio Iniciativa Amazônica (IA), Lima
Walker SM, Pearson T, Brown S (2007) Winrock Terrestrial Sampling Calculator. In, 2007 edn
Zanne AE et al. (2009) Global wood density database.In, 2009-02-04 edn. Dryad Digital Repository