Upload
cachil53
View
86
Download
11
Embed Size (px)
Citation preview
IMPACTO POTENCIAL DEL CAMBIO CLIMATICO EN EVENTOS
EPIDÉMICOS DEL GORGOJO DESCORTEZADOR DEL PINO Dendroctonus
frontalis (Coleoptera: Curculionidae, Scolytinae) EN HONDURAS
Milton Rivera Rojas
Carlos J Perez
Bruno Locatelli
Pablo Imbach
Alberto Sediles Jean
Resumen
Los bosques de pino en Honduras son uno de los principales capitales natrales con los
que cuenta esta nación Centroamericana. Sin embargo, a través del tiempo el
Dendroctonus frontalis se ha convertido después de los incendios forestales en el
principal agente de alteraciones ecológicas y pérdidas económicas de estos bosques.
Hay relaciones que evidencian la respuesta del insecto con las condiciones
medioambientales. Bajo estos parámetros, en este estudio se pudo referir el papel que
juega las variables climáticas en los eventos epidémicos integrando además las
características del bosque y la evolución de D. frontalis en respuesta a los cambios de
temperatura y variación en el régimen de lluvias. Se considero para ello un modelo
lineal simple, un modelo con árboles de decisión credo a partir del programa Matlab y
finalmente se integró todos los factores en un modelo se simulación considerando el
enfoque de sistemas dinámicos y utilizando el programa Vensim.
Se encontró en este estudio que cambios en la temperatura promedio de la época seca,
anomalías climáticas, afectación anual por incendios forestales y las condiciones de
manejo de los bosques de pino podrían estar influenciando la dinámica de brotes
epidémicos del D. frontalis. Los resultados de la simulación a partir del enfoque
sistémico ponen de manifiesto la importancia del manejo forestal como medidas de
prevención y control de los impactos ocasionados. Queda de manifiesto la importancia
de la utilización de estos modelos como una herramienta útil en la toma de decisiones
sobre el manejo de los bosques e ilustran un enfoque general para predecir los efectos
que traería el cambio climático en los bosques de pino de Honduras.
Palabras Claves: Cambio climático, modelos de simulación, brotes epidémicos,
bosques de pino, manejo forestal, área bajo manejo, arboles de decisión, correlaciones,
variables climáticas, anomalías climáticas.
Summary
América Central cuenta con al menos 3,8 millones de hectáreas de pinares nativos
(Pinus spp). De los países centroamericanos Honduras es el que cuenta con mayor
extensión de pinares, 2,5 millones de hectáreas aproximadamente, estos bosques están
localizados principalmente en la parte centro oriental y occidental del país y cubren una
(COHDEFOR 2000). A través del tiempo estos bosques han estado sometidos a
amenazas de diversos agentes destructivos como son los huracanes, sequías, incendios,
actividades humanas y plagas forestales, entre otras (FAO 2005). Se atribuye que la
reducción en la capacidad productiva y la pérdida de la calidad genética de las especies
que los conforman esta posiblemente asociada con el problema de los incendios y las
plagas forestales (CCAD-UICN 2005).
Se han documentado varias plagas forestales de impacto económico para los pinares de
la región, una de las más importantes es el gorgojo descortezador de los pinos
Dendroctonus frontalis Zimmermann (Coleoptera: Curculionidae, Scolytinae) y quien es
considerado la principal plaga de los pinares de Belice, Guatemala, Nicaragua y
Honduras (CATIE 1991). Este insecto ataca varias especies de pino e inicia su ataque en
áreas debilitadas por fuegos, alta densidad del rodal y otras causas de debilitamiento o
estrés (Payne 1980).
En Honduras se han registrado brotes importantes de D. frontalis en los periodos de
1962 a 1965, 1982 a 1984, 1989 a 1990 y el último en el año 2001 (COHDEFOR
2002). En este último año se observó un incremento en la incidencia de insectos
descortezadores en bosques de pino, desde el sur de México hasta el norte de Nicaragua,
en Guatemala por ejemplo, se reportaron más de 300.000 hectáreas destruidas y en
Nicaragua había unas 30.000 hectáreas infestadas por esta plaga (Macias e Hilje 2001,
INAFOR 2002). En Estados Unidos también se encuentran los gorgojos descortezadores
incluido el D. frontalis y los registros de ataques datan desde el año 1960, su mayor
incidencia se documentó en el año 1973 y la última en el año 1997 (Price et al. 1998).
Son varios factores bióticos y abióticos que explican el desarrollo de brotes epidémicos
de D. frontalis. Investigadores han tratado de relacionar los factores climáticos con el
estrés de los arboles de pino y el cambio en la severidad de los brotes y aunque se ha
estudiado con frecuencia no quedan conclusiones claras que permitan tener un
entendimiento preciso en este sentido (McNulty et al. 1998). Algunos otros autores
ligan al parecer la ocurrencia de brotes a factores como efectos o disturbios climáticos,
características intrínsecas como la dinámica poblacional del insecto (Richard et al.
2006) y la alta densidad de arboles en bosques no manejados (Ray y Hicks 1980).
Para Centroamérica los estudios realizados se han centrado en la descripción de especies
de los gorgojos de los pinos (Thunes el at 2005), descripción de las técnicas de manejo
de la plaga (Billing 1982, Nuñez 2001) y el más reciente (Rivera 2005) que determinó
las áreas con mayor riesgo de ser atacadas por Dendroctonus spp basándose en áreas
afectadas durante los años 2004 y 2005.
Estudios respecto al clima futuro para Centroamérica el Panel Intergubernamental sobre
Cambio Climático (IPCC) estima que habrá una disminución paulatina de la
precipitación durante la época de lluvias, particularmente en la región del pacifico,
mientras que las proyecciones de la temperatura muestra tendencia hacia el aumento
(IPCC 2001). Otro estudio sobre la evolución del clima en la región Centroamericana
concluyó que en los últimos 40 años no se ha observado una disminución significativa
en la precipitación total promedio anual, no obstante, han aumentado los días en que
llueve con mayor intensidad y el número de días secos por año lo que sugiere un cambio
en el régimen de lluvias (Aguilar et al. 2005).
Metodología
Características del área de estudio: Las áreas de bosque consideradas en estudio son
las que a través del tiempo han sido afectados por ataque de D frontalis. Estos bosques
están localizados en la parte centro oriental y occidental de Honduras (Figura 1). Cubren
una extensión de aproximadamente 2,5 millones de hectáreas y están compuestos según
Ávila (2002) por las especies Pinus caribaea Moralet (variedad hondurensis), P. oocarpa
Schiede, P. maximinoi (H. E. Moore), P. tecumumanii ((Schw.) Eguiluz & Perry)), P.
ayacahuite Ehr, P. pseudostrobus Lindl. No se incluyó los bosques localizados en la
región de Gracias a Dios en la parte nororiental del país, la razón, en esta zona
históricamente no se han registrado brotes del gorgojo descortezador.
N
300000
300000
450000
450000
600000
600000
750000
750000
900000
900000
1500000
1500000
1650000
1650000
1800000
1800000
Proyección :
UTM 16
30 0 30 60 90
Kilómetros
Elaborado por: Milton Rivera Rojas
Fuente: Corporación Hondureñade Desarrollo Forestal (COHDEFOR)
Regiones ForestalesBosques de Pino
Leyenda
Mapa de ubicación de losbosques de coniferas atacadospor D. frontalis en Honduras
NICARAGUAEL SALVADOR
GUATEMALA
Figura 1. Áreas de bosque donde han ocurrido los brotes epidémicos del D. frontalis
durante el periodo 1982 a 2006.
Recolección de información: La información utilizada proviene de los registros de la
Corporación Hondureña de Desarrollo Forestal (AFE-COHDEFOR). Los set de datos
incluyen registro histórico de brotes D. frontalis, área de bosque incendiada y área de
bosque bajo manejo forestal durante el periodo 1982-2006. Los registros históricos de
precipitación y temperatura fueron suministrados por la Secretaria de Recursos
Naturales y Ambiente (SERNA) a través del Departamento de Servicios Hidrológicos y
Climatológicos de Honduras. El Escenario climático ó información climática para el
periodo 2011 2025 fue obtenida del programa PRECIS-CARIBE del instituto
meteorológico de Cuba.
Análisis de la información: Para el procesamiento de la información se creó una matriz
de variables elegidas de acuerdo a factores que inciden en la ocurrencia de eventos
epidémicos de D. frontalis y a la disponibilidad de información. Se eligieron las
variables climáticas temperatura promedio anual, temperatura promedio por estación
(seca y húmeda), precipitación promedio anual y por estación, ocurrencia de eventos
extremos como El Niño y La Niña, anomalías climáticas como el número de meses
secos, húmedos y calurosos, variables silviculturales como el área bajo manejo, y área
de bosque incendiada. De los registros históricos se promedió y se obtuvo el clima base,
seguidamente, se aplicaron las anomalías climáticas obtenidas de PRECIS CARIBE y
se realizaron las proyecciones del clima para el periodo 2011-2025. La falta de datos
climáticos para los años comprendidos entre el 2007 y el 2010 imposibilitó hacer las
proyecciones en ese periodo.
Desarrollo del modelo lineal: Se realizó la correlación múltiple y posteriormente se
llevo a cabo la regresión lineal simple para estimar la ecuación del modelo. Para la
estimación del modelo se tuvo en cuenta las variables correlacionadas con la variable
dependiente, (área de bosque afectada), igualmente se consideró la significancia de las
correlaciones P< 0,1 mediante coeficientes de correlación de Pearson. Para la
proyección de la variable área incendiada se desarrollo igual procedimiento mediante
una regresión no lineal. En este análisis se utilizó el software estadístico Infostat 2007.
Desarrollo del modelo con árboles de decisión: En este modelo se consideró la
ocurrencia de meses atípicos secos, húmedos y calientes con relación al clima base. La
variable dependiente siguió siendo el área afectada por brotes pero en este caso se
expresó en tres clases. El 33% de valores más altos son la clase tres y están por encima
de 2.430 hectáreas/año, la clase dos son los valores que se encuentran entre el intervalo
338 y 2.430 hectáreas/año. Finalmente, el 33% de valores más bajos que 338,8
hectáreas/año son la clase uno. Con el programa MatLab se estableció los arboles de
decisión. La calibración de los árboles se hizo sobre una muestra de 12 años sacados al
azar de los 25 disponibles, luego el árbol se validó con los 13 años restantes. El
procedimiento fue el siguiente:
Paso 1. Se escogieron al azar entre 5 y 10 variables independientes
Paso 2. Se escogieron al azar 12 de los 25 años con datos disponibles
Paso 3. Se estableció el árbol de decisión con el procedimiento "treefit" de Matlab
Paso 4. Se evaluó el árbol de decisión con los 13 datos de los años no utilizados en el
elaboración.
Paso 5. Se calculó un indicador de performance que sirve para seleccionar los mejores
árboles:
.
)()(
1
11ePerformanc 1
rmodel
n
iyiy
numClass
n
i
eal
Paso 6. Se observó el % de observaciones bien estimadas por el árbol en la muestra de
validación y en toda la muestra.
Pao 7. Se repitió el procedimiento 5000 veces.
Paso 8. Se seleccionaron los 5 mejores árboles de acuerdo al nivel de performance
Desarrollo del modelo de simulación: Se desarrollo considerando la metodología para
el análisis de sistemas planteada por Grant et al. (2001). En algunos aspectos se hicieron
ajustes de acuerdo a las características de este estudio. Los aspectos de esta metodología
se enuncia en el cuadro uno.
Cuadro 1. Etapas para el desarrollo de un modelo de simulación a partir del enfoque
de análisis de sistemas dinámicos (Grant et al 2001)
ETAPA ACTIVIDADES
(I)
Desarrollo del
modelo
Conceptual
Definición de los objetivos del modelo
Definición de los límites del sistema
Clasificación de los componentes del sistema
Identificar relaciones entre los componentes del sistema
Representación del modelo conceptual
Describir los patrones esperados en el comportamiento
del modelo
(II)
Desarrollo del
modelo Cuantitativo
Seleccionar la forma matemática general del modelo
Definir intervalos de tiempo para las simulaciones
Identificar las formas de las relaciones entre las
variables del modelo
Estimar los parámetros de las ecuaciones del modelo
Codificar las ecuaciones del modelo en la computadora
Ejecutar las simulaciones
Presentar las ecuaciones del modelo
(III)
Evaluación del
modelo
Evaluar la estructura del modelo y las relaciones
representadas
Evaluar la concordancia entre el comportamiento del
modelo y los patrones esperados
Evaluar la concordancia entre las predicciones del
modelo y los datos reales
Determinar la sensibilidad del modelo a cambios en
parámetros importantes.
(IV)
Uso del modelo
Ejecutar las simulaciones
Analizar e interpretar los resultados del modelo
Examinar el manejo o las condiciones ambientales
alternativas.
Comunicar los resultados de la simulación
Los parámetros de las ecuaciones del modelo se detallan en el cuadro 2. Estas
ecuaciones son producto del análisis de las relaciones del sistema y en el caso de la
dinámica del D. frontalis se determinó por la revisión de literatura científica que
describe el cambio poblacional de la especie ante cambios de temperatura.
Cuadro 2. Ecuaciones para el desarrollo del modelo de simulación con el programa
Vensim.
Variable Ecuación
Índice de área bajo manejo Área bajo manejo/Área total
Índice de área incendiada Área incendiada anual/Área total
Índice de estrés climático Promedio de afectación anual expresado en clase de
afectación, valor uno para afectaciones leves y tres para
afectaciones severas
Estrés climático (Índice estrés climatico-1)/2
Estrés climático del año anterior (Valor X del estrés climático del año inmediatamente
anterior al análisis en un tiempo T)
Índice de área total disponible
del año pasado
(Índice de área total disponible sin ataques en los 10
últimos años)
Índice de área total disponible
sin ataque en los 10 últimos
años
Índice de área total disponible del año pasado-Índice de
áreas atacadas el año anterior + Índice de áreas
recuperadas después de 10 años
Índice de área Índice de área sensible + Beta*Índice de área muy
vulnerable
Índice de área sensible Índice de área total disponible (sin ataques en los 10
últimos años)-10*Índice de área manejada
Sensibilidad del bosque Estrés climático*(1+Estres climático del año anterior)
Índice de área muy vulnerable Índice de área incendiada
Índice de área atacada el año
anterior
Valor del índice de área atacada X para el tiempo T
inmediatamente anterior al análisis
Índice de áreas recuperadas
después de 10 años
Índice de área atacada desde el año cero hasta el año 10
de la serie de tiempo pasada
Índice de área atacada Índice de afectación
Índice de afectación Alpha*Abundancia del insecto*índice de
área*sensibilidad del bosque
Parámetro Alpha 0,15
Parámetro Beta 20
Las pruebas de ajuste del modelo se realizaron basadas en una correlación entre los
valores observados y los valores simulados por Vensim. Después de una cierta cantidad
de simulaciones se logró obtener una correlación de 0.80 con una P< 0,001
Resultados y discusión
La definición de predecir o proyectar con uno u otro método está en función de la
información disponible. Los métodos utilizados para este estudio (modelo lineal,
modelo árbol de decisión y modelo de simulación) fueron escogidos de acuerdo al tipo
y cantidad de datos disponibles. La serie de tiempo de 25 años y la carencia de datos
puntuales en las áreas donde se registraron los ataques imposibilitó realizar análisis
estadísticos más precisos y por consiguiente no se pudo llegar a determinar la dinámica
espacial de los posibles brotes.
Condiciones climáticas: La temperatura promedio anual para la zona de pinares donde
han ocurrido los brotes de D. frontalis fluctúa entre los 24 °C y 25,4 °C y se estima para
los próximos 20 años un incremento de por lo menos un grado considerando las
proyecciones a partir del escenario A2 del grupo de escenarios del IPCC (2000). La
precipitación promedio anual presenta valores que van desde los 1250 mm hasta los
2750. En la época húmeda fluctúa entre los 1200 y los 2000 mm y para la estación seca
el valor promedio de precipitación esta alrededor de los 200 mm. Las proyecciones de
acuerdo al escenario A2 en la estación húmeda se presentará una reducción de la
precipitación y se establecería alrededor de los 1250 mm, por su parte, en la estación
seca se incrementaría hasta los 500 mm. Al final de este periodo la precipitación
promedio anual no habrá presentado grandes cambios y se mantendría alrededor de los
1750 mm. Estos análisis están en concordancia con Aguilar et al (2005) quienes
reportan igual comportamiento al hacer un análisis de lo que sería el clima futuro para
toda Centroamérica. Otro aspecto a considerar serán los posibles efectos que traerán
fenómenos como El Niño, La Niña, tormentas y huracanes como lo ocurrido en los
últimos años.
Afectación histórica por brotes de D. frontalis: El número de hectáreas afectadas
durante la serie de tiempo muestra la ocurrencia de picos extremos. En 1982 se tuvo un
total de 8.500 hectáreas afectadas, en el año 1988 alrededor de 4.000, para la década de
los 90 no se registra grandes afectaciones y en el año 2002 se presenta la mayor de ellas
con casi 14.000 hectáreas. Las fluctuaciones continúan entre el 2003 – 2006 aunque con
tendencias a mantenerse en niveles altos de ataque (Figura 2).
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006
Año
0
3000
6000
9000
12000
15000
Hectáreas
Figura 2. Área afectada por ataque de D. frontalis durante el periodo 1982-2006
El promedio de hectáreas afectadas por año durante el periodo de análisis es de 2759, si
se considera el periodo 2000- 2006 el promedio de afectación se incrementó a 6606
hectáreas.
Afectación por incendios forestales: Los incendios forestales desde 1982 han venido
afectando alrededor de 9000 hectáreas año. Dentro de la serie de tiempo se destaca lo
ocurrido en el 2005 con unas 90.000 hectáreas afectadas (Figura 3).
1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006
Año
0
9500
19000
28500
38000
47500
57000
66500
76000
85500
95000
Hetáreas
Figura 3. Área afectada por incendios foretales durante el periodo 1982-2006
Correlación entre variables: En la correlación múltiple entre variables se encontró que
la temperatura media en la estación seca y el total de área afectada por incendios
forestales están correlacionados con el total de área afectada por brotes (Cuadro 3).
Cuadro 3. Matriz de correlación de variables que explican la afectación por D.
frontalis en los pinares de Honduras.
Área
Afectada
Volumen
Afectado (m3)
Área
Incendiada
Temperatura
media Época seca
Área Afectada (Has) 1 < 0,001 0,06 < 0,001
Área Incendiada (Has) 0,39 0,37 1 0,19
Temperatura media época
seca
0,64 0,61 0,27 1
Resultados modelo lineal
Mediante regresión lineal se obtuvo el modelo que describe la afectación tomando como
variable dependiente a total de área afectada por año. El R2
del modelo es de 0,57, valor
que se explica desde el punto de vista que se trabajo con información secundaria lo que
no permite ningún control sobre los que es la base de datos.
LnAiLnTmes 74,022,333,105LnAA
(P< 0.001; R2= 0,57)
Donde:
LnAA = Logaritmo natural del área afectada por brotes de Dendroctonus frontalis
LnTmes= Logaritmo natural de la temperatura media en la época seca
LnAI= Logaritmo natural del área incendiada
Para extrapolar a futuro las áreas incendiadas se desarrolló la siguiente regresión no
lineal
NMMCAi
Donde:
Ai= Área afectada por incendios forestales
∞= 9.277,77= 9.278
β = 0,35
NMMC= Numero de meses muy calientes en el año
Para los dos parámetros ∞ y β la significancia fue (P< 0.001)
Un mes muy caliente es aquel que tiene un índice de anomalía mayor a 1.5 °C calculado
a partir de la diferencia entre la temperatura promedio de ese mes en un año dado con
respecto al promedio de la serie para ese mismo mes, todo esto dividido sobre la
desviación estándar de la serie. Las áreas afectadas por incendios de acuerdo a los
parámetros calculados serían las que se presentan en la Figura 4.
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
100000
1980
1985
1990
1995
2000
2005
2010
2015
2020
2025
Has
Año
Area incendiada histótica Área incendiada proyectada Área incendida simulada
Figura 4. Distribución del área de bosque afectado por incendios forestales durante el
periodo observado y el área afectada proyectada según el escenarios de cambio
climático A2
Con excepción a lo ocurrido en los años 2005 y 2006 las proyecciones de áreas
incendiadas para la serie de tiempo 2011 – 2025 tendrían un comportamiento similar a
lo ocurrido de 2004 hacia atrás. La afectación promedio anual estaría entre 10.000 y
15.000 hectáreas aproximadamente con excepción del año 2013 que presentaría casi
20000 hectáreas y 2022 con al menos 30000 hectáreas.
Incorporando el total de área afectada por incendios forestales en la ecuación general de
área afectada por brotes se tiene la proyección de lo que sería el total de aérea afectada
por ataque de D. frontalis (Figura 5). El ajuste entre la curva real del área histórica
afectada y la curva del modelo es R2= 0,57. Según este modelo el promedio anual de
afectación para el periodo 1982-2006 es de 2400 y para el periodo 2011-2025 sería de
6600 hectáreas año, promedio muy similar considerando lo ocurrido entre el año 2000 y
2006.
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
20000
1980 1985 1990 1995 2000 2005 2010 2015 2020 2025
Has
Año
Área afectada proyectada Registro histórico de ataques Area afectada simulada
Figura 5. Distribución del área de bosque afectado observado y el área afectada
proyectada según los escenarios de cambio climático
Resultados modelo con árboles de decisión: Los cinco mejores arboles seleccionados
fueron creados a partir de las variables climáticas descritas en el cuadro cuatro.
Cuadro 4. Cinco mejores arboles de de decisión con su performance, éxito de
validación y variables incluidas en la creación que explican la afectación por D.
Frontalis en los pinares de Honduras.
Numero
del árbol
Ajuste o
performance
Éxito en la
validación (%)
Éxito en la validación
con todos los datos (%)
Variables utilizadas en la creación
del árbol
1 0,88 76,9 76 Ai-1; TES, PPEH, NMUPH,
SAMH, SAMUPS2, SAMS2,
SAMMS2, NMUPC2, SAMC.
2 0,85 76,9 76 TES, TEH, NMH, NMH2, NMAT,
SAMMC.
3 0,85 76,9 84 TES, NMS2, NMUPH2, NMH2,
NMUPC, SAMMC.
4 0,85 69,2 76 TES, PRTA, NMS, SAMMH2,
SAMUPS2, SAMMS2, NMUPH2,
NMAT2, SAMMC.
5 0,85 69,2 80 TES, NMATS, NMMH, NMUPS2,
SAMUPS2.
En los árboles uno y cuatro las proyecciones para el periodo 2011-2025 serán de un
nivel de afectación constante en un valor dos, hacia el año 2024 se incrementara a un
nivel tres. Los Árbol dos y tres dan como resultado para todo el periodo simulado la
clase de afectación máxima, tres en este caso. En el árbol cinco el nivel de afectación se
mantendría constante en un valor tres con excepción del año 2016 que presentaría un
nivel uno. Se puede decir finalmente que de los cinco arboles seleccionados tres de ellos
muestran una afectación casi constante en el nivel tres, lo que quiere decir que el nivel
mínimo de afectación que se tendría sería unas 2430 hectáreas por año
aproximadamente.
Resultados modelo de simulación: Desde hace ya varios años los modelos de
simulación para predecir poblaciones de D. frontalis han sido utilizados. Feldman y
colaboradores (1980) se centraron en simular a partir de la temperatura la ecología y
dinámica propia del insecto en cada uno de sus instares. Por su parte, Hines et al. (1980)
simularon el crecimiento de las poblaciones y la aparición de arboles infestados y
muertos para un intervalo de tiempo de 50 días. En este caso el modelo presenta la
afectación en un índice de ataque que toma valores entre 0 y 0,14 aproximadamente
(Figura 6). El valor cero indica el umbral menor de afectación, no queriendo decir que
no exista afectación alguna pues el gorgojo descortezador es un insecto endémico que
anualmente genera algún tipo de impacto. Los valores máximos cercanos a 0,14 indican
aquellos años en los que los brotes se han disparado de forma muy atípica.
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
1980 1985 1990 1995 2000 2005 2010 2015 2020 2025
Índi
ce de
afec
tació
n
Año
Figura 61. Índice de ataque simulado para los bosques de pino de Honduras
considerando cincuenta mil hectareas bajo manejo ( ) y cero hectareas bajo manejo
(---)
De acuerdo a los resultados presentados en la figura 6, los valores de afectación
simulados para la serie de tiempo observada (1982 – 2006) muestran un valor máximo
en los años 2002 y 2005 con un índice de 0,12 aproximadamente; por su parte, la
menor afectación se dio para el periodo 1991 – 1994. Para el periodo simulado entre el
2011 y 2025 e incluyendo un área de bosque bajo manejo de 50 mil hectáreas por año el
índice de ataque fluctúa entre 0,04 y 0,05, valor que equivaldría a 2320 hectáreas
afectadas por año; en el caso de no incluir las 50 mil hectáreas manejadas en la
simulación el índice de ataque tendría un incremento desde el año 2011 hasta el 2018
alcanzando un máximo valor de 0,07; posterior a este periodo habría un leve descenso
hasta el 2021 y luego tomaría similar tendencia. En este caso la afectación promedio por
año sería de 3950. Dicho de otra manera, para mantener el nivel promedio de afectación
ocurrido entre el año 1982 y 2000, se deberían incorporar en el manejo forestal
alrededor de cincuenta mil nuevas hectáreas por año.
Recientemente, varios autores han desarrollado estudios donde a través de diferentes
tipos de modelos considerando factores climáticos y patrones espaciales como la latitud
y la longitud han logrado concluir que las posibles áreas impactadas irían en aumento
(Urgerer et al. 1999, Gumpertz et al. 2000, Caroll et al. 2003). Para este caso en donde
no se incluye un análisis espacial ni se centra el análisis en la dinámica poblacional del
insecto los tres modelos desarrollados permiten igualmente advertir que existirá un
incremento en los niveles de afectación causadas por los cambios de clima.
La escala de tiempo en la que se da un evento epidémico puede variar de acuerdo a
diferentes circunstancias dentro de las cuales influyen las condiciones climáticas. Las
poblaciones en estado epidémico pueden mantenerse en su máximo umbral por un
periodo de hasta cuatro años para luego volver a su estado endémico, en algunos casos
en las zonas templadas los brotes pueden llegar a durar una década (Price et al. 1998).
Para el caso de Honduras las condiciones climáticas tienden a tener variabilidad en
cuanto al régimen de lluvias y un incremento mínimo pero constante de la temperatura
lo que haría prever que la duración de los brotes no estará determinado exclusivamente
por las condiciones climáticas y en parte el manejo forestal que se le dé a las áreas
susceptibles de ser atacadas estarán jugando un papel significativo.
No se puede afirmar cuál de las tendencias mostradas por los modelos utilizados sería la
más creíble. El modelo lineal muestra la afectación relacionando las condiciones
climáticas y el área de bosque incendiada, resultados que refuerza la teoría de Billings y
Espino (2002) y que ha sido observada por los técnicos en campo sin que hasta la fecha
se haya demostrado su grado explicito de correlación. El modelo con árboles de
decisión que involucra diferentes variables climáticas muestra igualmente una tendencia
al incremento en la afectación. Finalmente, la utilización del modelo de simulación con
Vensim permite ver la tendencia al incremento en los índices de afectación.
Conclusiones y recomendaciones
La principal conclusión de este estudio es que se pudo reforzar la teoría sobre las
influencia del clima en los eventos epidémicos del gorgojo descortezador, caso
concreto, la correlación de la temperatura promedio anual y el total de área afectada. De
igual forma la correlación del área de bosque incendiada y el área afectada por brotes
son otra de las formas como el clima estaría influenciado este fenómeno, sabemos que
la temporada de incendios está directamente relacionadas con los periodos de sequia.
Los modelos utilizados en este estudio dan como resultado el aumento promedio anual
de afectación ocurrido hasta el año 2006 y cuyo registro es de 2750 hectáreas año. En el
modelo lineal se proyecta un promedio de afectación de 6600 has/año, el modelo
arboles de decisión muestra un umbral mínimo de afectación que sería de 2430 has/año.
Finalmente, según el modelo se simulación sin considerar ningún tipo de manejo
forestal preventivo el área impactada anualmente estaría alrededor de 4000 hectáreas
año.
El haber utilizado tres formas de modelación distintas y haber encontrado similares
resultados dan la pauta para planear en función de los resultados encontrados, no
obstante, se recomienda explorar la metodología basada en el modelo de simulación de
Vensim, la plasticidad de este modelo permite ir ajustando la metodología con la
utilización de datos cada vez más precisos. Con las variables utilizadas en este modelo
se puede llegar a tener datos más puntuales en la simulación, por ahora los datos de
afectación con los que se trabajo son a escala nacional lo que puede generar una sobre o
sub estimulación de los datos proyectados. En el caso de los datos climáticos estos
fueron promedios mensuales para toda la zona de pinares de Honduras y las
proyecciones futuras se realizaron a partir de un único escenario de cambio climático,
factor que se puede mejorar con la utilización de varios escenarios generados a partir
de diferentes fuentes, esto permitiría tener un contraste de los datos proyectados en una
gama más amplia de resultados. No se trata entonces de aumentar el número de
variables a incluir dentro del análisis sino realizar un esfuerzo en mejorar la calidad y
disponibilidad de información.
Aparte de mejorar las fuentes de información se recomienda diseñar un programa de
investigación que permita el continuo ajuste de las estrategias a adoptar en el manejo de
los bosques. Se sugiere en el futuro próximo avanzar en investigación que ayude a este
propósito y para ello se recomienda abordar teman como el de la evaluación de los
impactos socioeconómicos de las actividades de prevención y control de la plaga,
monitoreo temporal de los meses del año en donde se da la aparición de nuevos brotes,
monitoreo espacial o ubicación de puntos calientes para el ataque de D. Frontalis
basados en la ecología de la especie y la experiencia de los técnicos de campo,
monitoreo de las poblaciones D. Frontalis a través del establecimiento de una red de
trampas y finalmente algún tipo de investigación que determine la relación entre
incendios forestales y plagas y área de bosque bajo manejo.
Por intuición técnica y teniendo en cuenta otros estudios es muy probable que los
futuros ataques puedan alcanzar áreas de pino que actualmente se encuentran
aisladas por condiciones de microclima y que ante los cambios proyectados podrían
ser impactadas por el desplazamiento altitudinal que adoptaría el D. frontalis como
una respuesta de adaptación. En este sentido se recomienda desarrollar en áreas de
ubicación con mayor altitud las prácticas silviculturales de prevención como son los
raleos y sanidad de los bosques debilitados por fuegos.
Galería fotográfica
Bosque de pino en el Norte de Nicaragua. Foto: INAFOR Nicaragua
Claro generado en el bosque de Olancho Honduras por un ataque de D. frontalis. Foto: Milton Rivera
Ataque del D. frontalis en la zona de Nueva Segovia Nicaragua. Foto: INAFOR Nicaragua
Literatura citada
AFE-COHDEFOR. 2000. Plan Nacional Forestal de las Áreas Protegidas y de la Vida
Silvestre, 2002 – 2016. Tegucigalpa HH. 69p.
______. 2002. Manejo integral de plagas y enfermedades forestales. Consultado el 01
de septiembre de 2007. En línea. http://www.cohdefor.hn/proteccion_forestal/.
Aguilar, E; Peterson, T; Ramírez, P; Frutos, R; Retana, J; Solera, M; Soley, J; González,
I; Araujo, R; Santos, A; Valle, V; Brunet, M; Aguilar, L; Álvarez, L; Bautista,
M; Castañón, C; Herrera, L; Ruano, E; Sinay, J; Sánchez, E; Hernández, G;
Obed, F; Salgado, J; Vázquez, J; Baca, M; Gutiérrez, M; Centella, C; Espinosa,
J; Martínez, D; Olmedo, B; Ojeda, C; Núñez, R; Haylock, M; Benavides, H;
Mayorga, R. 2005. Changes in precipitation and temperature extremes in Central
America and Northern South America, 1961–2003. Journal of Geophisical
Researh. 110: 23-107.
Ávila, Z. 2002. Clave para la identificación de los pinos en Honduras. Programa
Desarrollo Forestal ESNACIFOR. Siguatepeque, HN. 45 p.
Billings, R.1892. Informe a la corporación hondureña de desarrollo forestal sobre la
evaluación y recomendaciones de control de la plaga Dendroctonus en los
pinares de Honduras. Tegucigalpa. HN 45 p
Carroll, AL; Taylor, SW; Régnière, J; Safranyik, L. 2003. Effects of Climate Change on
Range Expansion by the Mountain Pine Beetle in British Columbia. En.
Mountain Pine Beetle Symposium: Challenges and Solutions. Canadian Forest
Service. Victoria, BC. 223-232 p.
CCAD-UICN. 2005. Centroamérica en el límite forestal: Desafíos para la
implementación de políticas forestales en el Istmo. San José. CR.172 p.
CATIE. 1991. Plagas y enfermedades forestales en América Central: Guía de Campo.
Centro Agronómico Tropical de Investigación y Enseñanza. Turrialba. C.R. 185
p.
_____. 1991. Plagas y enfermedades forestales en América Central: Manual de consulta.
Centro Agronómico Tropical de Investigación y Enseñanza. Turrialba. C.R. 185
p.
FAO. 2005. Forest and climate change working. Adaptation of forests ecosystems and
the forest sector to climate change. Paper 2. Roma Italia.
Feldman, RM; Curry, GL; Coulson, RN. 1980. The use and structure of the tambeetle
spot dynamics model. En. Technical Bulletin 1630. USDA Forest Service. North
Carolina, US. 20-28 p.
Gant, WE; Marín, SL; Pedersen; EK. 2001. Ecología y Manejo de Recursos Naturales:
Análisis de Sistemas y Simulación. IICA. San Jose, CR. 338 p.
Gumpertz, ML; Wu,C; Pye, JM. 2000. Logistic Regression for Southern Pine Beetle
Outbreaks With Spatial and Temporal Autocorrelation. Forest Science. 46 (1):
95-107.
Hines,GS; Taha,HA; StephenFM. 1980. Model for predicting southern pine beetle
population growth and tree mortality. En. Technical Bulletin 1630. USDA
Forest Service. North Carolina, US. 4-11 p.
IPCC. 2000. Resumen para responsables de políticas. Escenarios de emisiones. Informe
especial del grupo de trabajo III. Ginebra Suiza. 83 p.
______. 2001. Tercer informe de evaluación: Impactos Adaptación y Vulnerabilidad.
Ginebra. Suiza. 101 p.
INAFOR. 2002. Acciones Realizadas y Efectos Causados por el Gorgojo Descortezador
(Dendroctonus frontalis, Zimm) en las áreas Boscosas de Coníferas del
Departamento de Nueva Segovia. Informe de evaluación. Managua, NI. 43 p.
InfoStat. 2007. Manual del Usuario. Grupo InfoStat, FCA, Universidad Nacional de
Cordoba.Primera Edicion, Editorial Brujas Argentina.
Logan, J; Bentz, B. 1999. Model Analysis of Mountain Pine Beetle (Coleoptera:
Scolytidae) Seasonality. Environmental Entomology. 28(6): 924-925
Macias, J; Hilje, L. 2001. Manejo integrado de plagas: Plagas Forestales Neotropicales.
Boletín informativo. C R. 61: 85, 86 p.
McNulty, SG; Lorio, PL; Ayres, Jr; Matthew, P; Reeve, JD. 1998. Predictions of
southern pine beetle populations using a forest ecosystem model. En. The
productivity and sustainability of southern forest ecosystems in a changing
environment Ecological Studies. 128. (33): 617-634.
Núñez, D. 2001. Manejo integrado del gorgojo del pino Dendroctonus Frontalis.
Programa Regional Forestal para Centroamérica. Siguatepeque. HN. 37p.
Payne, T. 1980. Life History and Habits. En. The Southern Pine Beetle. Department of
Entomology, Texas A. & M. University. College Station, TX. 123p.
Price, TC; Doggetjd, JP, Smith, B. 1998. A history of southern pine beetle outbreaks in
the southern Unite State. Tech. rep. South. For. Insect Work. Group GA.
For.Comm. Macon GA. 71 p.
Ray, R; Hicks, JR. 1980. Climatic, Site, and Stand Factors. En. The Southern Pine
Beetle. Department of Entomology Texas A. & M. University. College Station,
TX. 123p.
Rivera, KL. 2005. Áreas vulnerables al ataque del Dendroctonus spp. Basado en tres
variables climáticas de Honduras. Tesis (Ing). ESNACIFOR. Siguatepeque, HN.
72 p.
Thunes, K; Midtgaard, F; Kirkendall, L, Leveron O; Espino, V. 2005. Los gorgojos del
pino en Honduras: Descripción de especies, Asociaciones de hospederos y
métodos de monitoreo y control. Tegicigalpa HN. 35p.
Ungerer, M; Ayres, M; Lombardero, M. 1999. Climate and the northern distribution
limits of Dendroctonus frontalis Zimmermann (Coleoptera: Scolytidae) Journal
of Biogeography 26: 1133-1145.