Professional Documents
Culture Documents
AR–LSM de ENCOFOR
Manual del Usuario
2007
Robert Zomer
World Agroforestry Centre (ICRAF)
PO Box 30677, Nairobi, Kenya
E–mail: r.zomer@cgiar.org
Antonio Trabucco
International Water Management Institute (IWMI)KU Leuven, Bélgica
E–mail: a.trabucco@cgiar.org
1
INDICE
Introducción
Análisis
Referencias
2
Manual del Usuario del AR–LSM de ENCOFOR
Modelo Espacial de Aptitud del suelo para el Desarrollo de Proyectos
MDL de tipo A/R
Introducción
El presente documento describe el uso y la metodología del Modelo de Aptitud del
suelo para los proyectos de forestación / reforestación (AR–LSM) de ENCOFOR. Es una
herramienta desarrollada en el marco del proyecto ENCOFOR
(http://www.joanneum.at/encofor), financiado por la UE (Unión Europea), para apoyar la
gestión del uso de suelos y la toma de decisiones en proyectos de forestación y
reforestación a ser certificados bajo el Mecanismo de Desarrollo Limpio del Protocolo de
Kyoto (proyectos MDL de tipo A/R). Esta herramienta busca facilitar el desarrollo de ideas
de proyecto y ayudar a evaluar la factibilidad de proyectos potenciales MDL de tipo A/R.
Se encuentra en el Internet con el URL:
http://www.joanneum.at/encofor/tools/tool_demonstration/download_tools.htm/. El AR–
LSM constituye un plataforma tanto para la evaluación de la pre-factibilidad del diseño de
proyectos, así como para la exploración de una serie de escenarios alternativos.
Adicionalmente, la evaluación espacial optimiza la distribución de especies o variedades
forestales para maximizar la producción de biomasa, madera, existencias de carbono, o
potenciales ingresos, todo dentro del contexto de un proyecto MDL de tipo A/R.
El AR–LSM fue construido como un Arc Macro Language (AML) bajo el ambiente
de trabajo ESRI de ARCGIS. Posibilita a los planificadores y actores de los proyectos
determinar, primero, el desempeño general de un árbol en un sitio prospectivo y, segundo,
cuáles de las especies o combinaciones de especies propuestas serían las más adecuadas
para ser cultivadas, tomando en cuenta los objetivos de los actores (propietarios). El
modelo comienza con un estimado de la aptitud ambiental de cada especie forestal
propuesta para el área como un todo, relacionando las condiciones ambientales con los
requisitos fisiológicos conocidos. Subsecuentemente, para cada especie se compara la
producción potencial – a raíz del crecimiento y la acumulación de biomasa – con los
respectivos mapas de aptitud ambiental, obteniendo así el crecimiento realizable. El AR–
LSM arroja aquella combinación de especies forestales que mejor optimice los ingresos del
proyecto o el potencial para secuestrar el carbono (biomasa). El programa mapea la
acumulación de biomasa, los volúmenes de cosecha, los ingresos a partir de la cosecha y
los costos de establecimiento.
El Sistema de Apoyo para Decisiones (DSS del inglés) de Encofor, herramienta
basada en una hoja de cálculo que da apoyo a los proyectos MDL de tipo A/R, fue
elaborada por el proyecto Encofor y se encuentra disponible en el URL
http://www.joanneum.at/encofor/tools/tool_demonstration/download_tools.htm. Esta
herramienta sirve para estimar la relación carbono–crecimiento y los modelos de
rendimiento de biomasa requeridos para parametrizar el crecimiento de las especies al
interior del AR–LSM. El DSS es una herramienta que brinda apoyo para la toma de
decisiones, basada en una hoja de cálculo que modela de manera no espacial las
acumulaciones de carbono. El AR–LSM, a su vez, añade el aspecto espacial a estos
3
resultados y modifica los estimados en base a las condiciones biofísicas presentes en el área
y el crecimiento de las especies en respuesta a dichas condiciones ambientales.
Figura 1: Respuesta de crecimiento predicha para el Pinus radiata ante tres variables medioambientales
(profundidad del suelo, textura del suelo y altitud).
4
Al asignar estos puntajes, es necesario contar con una buena base de conocimientos
respecto a las especies propuestas, sus nichos ecológicos y su desempeño de crecimiento
conocido bajo diversas condiciones ambientales (de óptimo a subóptimo). El obtener
buenos resultados del modelo depende de la disponibilidad de información relevante o de
conocimientos existentes respecto a las relaciones individuales de tipo especie–ambiente,
ya sea que se obtenga de la literatura científica o de otras fuentes como son los expertos
locales. Reconociendo las dificultades para obtener buenos datos empíricos sobre el
crecimiento en el caso de muchas de las especies forestales, especialmente las especies
nativas , el modelo ha sido diseñado para admitir el ingreso de conocimientos de expertos y
de consultas locales. En este sentido, el AR–LSM es útil en entornos carentes de datos (una
realidad en la mayoría de países en desarrollo); es aplicable a cualquier sitio donde existe
información geográfica ambiental; es adaptable a varios ámbitos, desde lo local hasta lo
regional; y es capaz de captar fuentes de datos tanto formales como informales.
A fin de asegurar y mejorar la precisión y el poder predictivo del modelo, las
variables explicativas empleadas deben ser relevantes al crecimiento de las plantas o a la
producción de madera, o bien responder a otros factores de producción como son la
frecuencia de incendios, el pastoreo, o los daños por acción del viento. Por tanto, es
esencial decidir cuáles variables explicativas, o combinaciones de éstas, deben entrar en el
modelo. De igual importancia es la estimación de sus coeficientes, una vez seleccionadas,
una tarea que puede resultar bastante sencilla en caso de disponer de buenos datos. Desde
una perspectiva mecanicista, es deseable predecir la distribución de las plantas en base a los
parámetros ecológicos que son considerados las fuerzas causales y motivadoras de su
distribución y abundancia, es decir, su altitud, precipitación y tipo de suelo.
Dentro de la zona propuesta para un proyecto MDL de tipo A/R, es probable que
existan áreas donde no resulte posible o deseable sembrar árboles, ya sea debido a las
restricciones ecológicas, su situación legal o de tenencia, el tipo de uso del suelo (p.ej.:
áreas ya forestadas o sitios protegidos), u otros posibles motivos. Estas áreas son
descartadas del análisis a priori mediante un “layer” o cobertura de exclusión que reúne las
5
condiciones o criterios de eliminación que podrían impedir el uso de un sitio determinado
para la siembra de árboles. Los criterios de eliminación pueden definirse como cuadrículas
temáticas (tipo de uso del suelo, estatus legal de tenencia, cobertura de copa) que aplican un
método de rangos binarios con el valor de “1” para las áreas (celdas de la cuadrícula) no
excluidas y “0” para las áreas descartadas.
Acoplamiento del crecimiento forestal con los mapas de aptitud de las especies
El análisis de aptitud del suelo genera un mapa de calidad del sitio para una especie
determinada, el cual es empatado posteriormente con el potencial de crecimiento y
producción de dicha especie. De este modo se modela el crecimiento vegetal y la
acumulación de biomasa (volumen de madera y reserva de carbono) para un sitio
determinado dentro del área del proyecto, por la duración del mismo. Se pueden estimar y
6
modelar en el DSS de Diseño de Encofor los cálculos de volumen de madera y reserva de
carbono para cada especie forestal propuesta. De otro modo, son derivados de las
mediciones de campo tomadas en el área propuesta para el proyecto o, en su ausencia,
tomadas de fuera del sitio del proyecto. El volumen de madera se convierte a toneladas de
carbono en base a los factores de densidad de la madera, fracción de madera y expansión de
biomasa para cada especie.
Utilizando la función algebraica del SIG, se multiplican la producción de biomasa,
el volumen de madera de la cosecha y las existencias de carbono, según el modelo para
cada especie, por el mapa de aptitud (o mapa de modificadores del crecimiento) para dicha
especie, obteniendo así un estimado espacial del potencial de crecimiento forestal. Los
resultados incluyen la cosecha estimada del proyecto (a partir del raleo y la tala final), en
volumen de biomasa y madera, así como el potencial de secuestro de carbono. El mapa de
aptitud se utiliza como la función de modificación del crecimiento (Reed et al., 2001) que
determina el grado al cual es inhibido el crecimiento de la planta dadas las condiciones
ambientales presentes en ese sitio (o celda de la cuadrícula).
Figura 3: Estimados de acumulación de carbono a partir de varias especies forestales propuestas durante la
vida del proyecto
7
Modelamiento de la biomasa y el carbono
Los proyectos MDL de tipo A/R para la compensación del carbono, únicamente
reciben créditos por el carbono adicional secuestrado, por encima de la línea base
(escenario en ausencia del proyecto). La línea base fue definida durante la COP 9 de la
CMNUCC como “…el escenario que representa razonablemente la suma de los cambios en
las existencias de carbono en los reservorios de carbono dentro de los límites del proyecto,
que habrían ocurrido en ausencia de la actividad de proyecto propuesta. Se considerará que
una línea base representa razonablemente la suma de los cambios en aquellas existencias de
carbono en los reservorios de carbono al interior de los límites del proyecto, que habrían
ocurrido en ausencia de la actividad de proyecto MDL de forestación o reforestación
propuesta...”
Se utiliza el DSS de Diseño de Encofor para estimar la condición de línea base. Las
predicciones de biomasa en la línea base se realizan para los actuales sistemas de uso del
suelo presentes en el área del proyecto (Figura 4). El DSS de Diseño de Encofor incorpora
la naturaleza dinámica de los sistemas de uso del suelo y es capaz de modelar hasta tres
tipos de cultivo plantados consecutivamente. El “promedio de carbono” mantenido en cada
sistema de uso del suelo, es vinculado con la respectiva área ocupada en el mapa de usos
del suelo y combinado con un mapa de aptitud ambiental para dicho uso del suelo, creando
así un mapa de línea base para la biomasa y el carbono, con desagregación espacial.
Figura 4: Ejemplos de las tendencias de biomasa observadas en dos diferentes sistemas de uso del suelo. El
primero es un sistema de agricultura alternada y el segundo es un sistema estático.
8
Cálculo del carbono neto
El modelo del AR–LSM provee predicciones del volumen de cosecha y raleo que,
siendo conocidos y cuantificables los precios de mercado, son utilizadas para determinar
los ingresos potenciales del proyecto a partir de la venta de madera (u otros productos
arbóreos / forestales como frutas y demás productos forestales no maderables). El modelo
sólo da una idea difusa de los ingresos netos y la rentabilidad; y no debe utilizarse sino para
una evaluación preliminar de los posibles ingresos. No toma en cuenta los cambios en los
precios de mercado o costos con el tiempo, ni tampoco calcula los valores netos actuales o
futuros. A efectos de realizar esta evaluación preliminar y general de la rentabilidad, se
restan de los ingresos anticipados del proyecto los costos de establecimiento y
mantenimiento de la plantación. Estos cálculos son realizados dentro del AR–LSM
utilizando una metodología con desagregación espacial para estimar la rentabilidad del sitio
bajo diversos escenarios. Es posible conocer los precios actuales de la madera en el
mercado local, pero quizás resulte más problemático predecir sus valores futuros. Los usos
no madereros y no comerciales, como por ejemplo las materias primas locales o los
productos medicinales, deben ser valorizados en base a un estimado del valor de estos
productos para las comunidades locales.
9
La respuesta de crecimiento, la acumulación de carbono y los ingresos netos, son
modelados para cada especie individualmente en sus respectivas áreas cultivables. Luego
son comparados para considerar la óptima distribución de especies y los mejores diseños de
proyectos, en base al objetivo definido por el usuario (p.ej., máximo secuestro del carbono,
o máximos ingresos netos). Las especies son escogidas y sembradas en sitios donde se
adecuen mejor, ya sea ecológicamente o en base a otros objetivos, tales como el volumen
de madera o los ingresos netos. El AR–LSM fue diseñado para comprobar y comparar los
diversos diseños de proyecto posibles, diferentes regímenes de siembra y escenarios de
cosecha. El AR–LSM utiliza el mapa de distribución de especies óptima para calcular y
cartografiar los beneficios prospectivos.
Esta herramienta del AR–LSM (tal y como está) puede comparar las diferentes ideas
de proyecto y sus respectivos potenciales de producción bajo dos tipos de escenarios:
10
Cómo utilizar el modelo AR–LSM
11
Figura 5: Vista instantánea del interfaz del AR–LSM con ejemplos de los parámetros de
entrada.
12
entrada tengan el mismo sistema de coordenadas, las mismas unidades y que traslapen por
completo el área de proyecto.
Precio de los créditos de carbono ( $ / tonelada ): Este es el supuesto precio a ser pagado
por los créditos de carbono producidos por el proyecto. Este precio se especifica en dólares
($) por tonelada (ton) de carbono (C). Nota: El AR–LSM calcula los estimados en base a
toneladas de carbono (C), no toneladas de dióxido de carbono (CO2).
Duración del proyecto (en años): La duración del proyecto MDL de tipo A/R propuesto o,
más específicamente, el plazo de los créditos de carbono para el proyecto MDL de tipo
A/R.
Cuadrícula de los límites: Esta cuadrícula define el área del proyecto. Las celdas de la
cuadrícula que contienen un valor válido se consideran dentro del área de estudio. Por otra
parte, aquellas celdas de la cuadrícula que no contienen datos definen el área que queda
fuera del proyecto de estudio.
13
cual las áreas excluidas son definidas como completamente inadecuadas y no áreas
excluidas como totalmente adecuadas.
Si un solo valor ha de ser reclasificado como otro valor, es identificado seguido por un
espacio, seguido por dos puntos (‘:’), seguido por otro espacio, y entonces el valor a ser
asignado a esas celdas en la salida. Genéricamente, el renglón de asignación para un solo
valor de entrada aparece como sigue:
in_value : out_value
in_value : out_value
……………………
in_value : out_value
1:7
2 : 10
3 : 10
4:7
5:0
14
donde las ubicaciones con valores de 2 y 3 en la cuadrícula de entrada serán asignadas un
puntaje de 10, los valores 1 y 4 recibirán un puntaje de 7 y el valor 5 recibirá un puntaje<
de 0.
600 700 : 0
700 900 : 4
900 1100 : 7
1100 1200 : 10
1200 1250 : 9
donde las ubicaciones con valores de 600 y 700 en la cuadrícula de entrada serán asignadas
un puntaje de 0, los valores 700 y 900 recibirán un puntaje de 4, el valor entre 900 y 1100
recibirá un puntaje de 7 y así sucesivamente.
Todos los valores presentes en la cuadrícula deben ser caracterizados con un puntaje en la
tabla de reclasificación.
Se puede añadir en la tabla renglones para comentarios, iniciando el renglón con el símbolo
para número ( # ).
15
Volumen de madera cosechada – constante ( m3 / Ha ): Especifica un valor constante
para el volumen de madera vendible ( m3 / Ha ), bajo óptimas condiciones ambientales,
desde la cosecha al final del período de rotación, a ser utilizado en toda el área del proyecto
para cada especie. Si se ha utilizado una o más cuadrículas para definir la distribución
espacial del volumen de cosecha de madera, se debe ingresar un valor falso (p.ej., “0”) para
esa especie.
16
El método de la “Maximización de Ingresos” escoge la especie con los mayores
ingresos netos, es decir, el volumen de madera vendible por la duración del período
de rotación (incluyendo la cosecha final y los raleos) multiplicado por el precio de
mercado, menos los costos de siembra, para un sitio determinado (celda de la
cuadrícula) como la especie óptima para ese sitio.
Estadísticas tabulares: Esta casilla de control es activada para pedir estadísticas tabulares
que resumen las cuadrículas de salida del AR–LSM para cualquier zona dentro de las
cuadrículas de estratos. Las estadísticas son guardadas en la tabla de atributos en las
cuadrículas de los estratos, que son copiadas en el directorio de salida donde se guardan
todas las cuadrículas de salida del AR–LSM. Las cuadrículas de los estratos caracterizan
diferentes zonas dentro del área del estudio, donde una zona se define como el área donde
los píxeles tienen el mismo valor. Las tablas de estadísticas definen la suma y el valor
mediano de cada salida para cualquier zona definida en una de las cuadrículas de estratos.
Abrir: Abre y carga del directorio de trabajo un conjunto de valores de los parámetros de
entrada, guardados en forma de un archivo en ASCII con la extensión “.aml” (p.ej.:
scenario_1.aml).
Todas las cuadrículas descritas a continuación son generadas con cada secuencia del AR–
LSM y guardadas en el directorio de trabajo especificado.
17
SUITAB: La Cuadrícula de Aptitud de Especies Optimizadas, que muestra la distribución
óptima de las especies. Cada especie es representada por el orden numérico (1, 2, ... n)
utilizado para especificar el valor de entrada en el interfaz del menú. Un valor de "0" en
esta cuadrícula describe áreas no aptas para la forestación o para alguna de las especies
propuestas.
VOL_FHR_HA: Madera vendible por volumen (m3 / Ha), incluye toda la madera vendible
del total de las cosechas finales, es decir, cosechas al final de cada rotación, por la duración
del proyecto.
VOL_FHR_PX: Madera vendible por volumen (m3 / celda de la cuadrícula), incluye toda
la madera vendible del total de las cosechas finales, es decir, cosechas al final de cada
rotación, por la duración del proyecto.
.
REV_FHR_HA: Ingresos de la madera vendible ( t / Ha ) a partir de todas las cosechas
finales por la duración del proyecto.
18
REV_TH_PX: Ingresos del volumen de la madera vendible ( t / celda de la cuadrícula ) a
partir de todas las actividades de raleo y poda por la duración del proyecto.
NET_REV_HA: Ingresos netos ($ / Ha) a raíz de la venta de madera (cosecha final más
raleo) incluyendo los costos de siembra por la duración del proyecto. Esto se calcula como
sigue: NET_REV = REV_FHR + REV_TH – PLN_CST.
PRJ_REV_HA: Ingresos netos del proyecto ($ / Ha) a raíz de la venta de madera (cosecha
final más raleo) incluyendo los costos de siembra y créditos de carbono por la duración del
proyecto. Esto se calcula como sigue: PRJ_REV = NET_REV + CRB_REV.
La función Estadísticas Tabulares puede dar las estadísticas básicas para estas cuadrículas.
Cuando se encuentra activada esta casilla de control, la función de Estadísticas Tabulares
resume las cuadrículas de salida del AR–LSM por zonas, las cuales son definidas por las
Cuadrículas de Estratos. Las estadísticas son guardadas en la tabla de atributos de las
Cuadrículas de los Estratos. Son guardadas en el directorio de trabajo especificado,
conjuntamente con todas las cuadrículas de salida del AR–LSM. Las Cuadrículas de
Estratos caracterizan zonas definidas por el usuario (tipo de especies, tipo de uso del suelo,
o zona de elevación) al interior del área de estudio. En el análisis, una “zona” se define
como el área donde los píxeles tienen el mismo valor. Las tablas de estadísticas definen la
suma y el valor promedio de cada salida para todas las zonas definida en cualquier
cuadrícula de las Cuadrículas de Estratos especificadas.
19
Análisis
Las salidas espaciales del modelo pretenden proporcionar información valiosa para
potenciales inversionistas y planificadores de proyectos, no sólo para un escenario óptimo,
sino además sobre un escenario y análisis de sensibilidad del potencial un proyecto para
cultivar árboles, acumular carbono y alcanzar ingresos. El producto espacial también ayuda
a identificar sitios más específicos dentro del área de proyecto propuesto, que pueden
resultar más productivas para la siembra de árboles. La Tabla 1 a continuación ejemplifica
una salida tabular resumida, construida con los resultados espaciales que produce el
modelo.
Área Total Disponible para MDL-A/R (ha) 662 1,699 1,701 1,526 2,552 8,141
Carbono Promedio de la Línea Base (tC/ha) 5.4 6.2 6.2 5.7 6.2 6
Carbon de la Línea Base (tC) 3,587 10,591 10,618 8,704 15,928 49,429
Promedio de Ingresos Netos (USD/ha) $630 $5,453 $4,230 $4,018 $10,975 $6,267
Ingresos Netos (USD) $417,212 $9,265,085 $7,196,908 $6,131,647 $28,007,950 $51,018,802
20
El AR–LSM posibilita la comparación de potenciales escenarios de proyecto in situ,
pero además constituye una plataforma para comparar diferentes proyectos en distintas
áreas. Se debe tener cuidado al realizar tales comparaciones, ya que la fidelidad de los
resultados puede ser diferente para cada proyecto dependiendo de la exactitud, precisión y
resolución de los datos de entrada. Esta herramienta de análisis de factibilidad permite al
usuario ejecutar varios escenarios diferentes para obtener un rango aproximado tanto del
potencial como de los límites superiores e inferiores de la productividad en un área de
proyecto. El usuario puede ejecutar múltiples escenarios ajustando los valores de los
puntajes de aptitud para diferentes variables ambientales o predicciones de crecimiento y
rendimiento para distintas especies y luego comparar las estadísticas de salida obtenidas de
los diversos escenarios para comprender la sensibilidad de las diferentes especies ante las
influencias del medio. Ejecutando el AR–LSM múltiples veces, se puede obtener una
predicción general de la factibilidad de un proyecto, conjuntamente con la identificación de
umbrales básicos que deben ser alcanzados o estar disponibles, como por ejemplo el precio
del carbono o los precios mínimos de la madera.
21
22
Reconocimientos:
Este modelo fue elaborado originalmente dentro del contexto del Proyecto ENCOFOR
(B7–6200 / 2002 / 069–203 / TPS) financiado por la Unión Europea / EuropeAid. Los
autores desean agradecer a las siguientes personas e instituciones por haber participado en
este esfuerzo con sus aportes y respuestas para el desarrollo de este modelo y su
metodología. Muchos agradecimientos a los asociados nacionales de Encofor: Anko Stilma
de CETEFOR en Bolivia; Luis Fernando Jara y María Belén Herrera de PROFAFOR en
Ecuador; Timm Tennigkeit en Uganda; y Lou Verchot de ICRAF en Kenya. También
agradecemos a nuestros colaboradores en ENCOFOR: Bart Muys y Juan Garcia de KU
Leuven, Bélgica; Bernard Schlamadinger, Neil Bird y Hannes Schwaiger del Johanneum
Institute, Igino Emmer de FACE en los Países Bajos, y Wolfram Kagi de B.S.S. en Suiza.
Referencias:
Booth, T. (1996). Predicting Plant Growth: Where will it Grow? How well will it grow?
Workshop on Integrating GIS and Environmental Modeling”, Santa Barbara,
NCGIA, University of California.
Cade, B.S., J. W. Terrell, y R. L. Schroeder. 1999. “Estimating effects of limiting factors
with regression quantiles”, pp. 311–323 Ecology, Vol. 80.
Moura Costa, P. 2001. “Carbon accounting, trading and the temporary nature of carbon
storage”, pp. 10. EcoSecurities, Oxford, UK.
Reed, D., M. Tomé, M.C. Araujo, y E. Jones. 2001. A Re–examination of Potential
Modifier Dimensional Growth Models, en K. Rennolls, (ed.), Forest Biometry,
Modelling and Information Science. University of Greenwich, London.
Schlamadinger, B., D.N. Bird, I.M. Emmer, J. Garcia, B. Muys, y Z. Somogyi. 2004. The
average carbon–stock approach for small–scale CDM AR projects, p. 4.
23