Repositorio Institucional de Documentos

1 TRABAJO FIN DE MÁSTER MODELIZACIÓN DE LA RESPUESTA CLIMÁTICA DE FAGUS SYLVATICA EN EL PARQUE NATURAL DEL MONCAYO Ernesto Tejedor Vargas Dr. Miguel Ángel Saz Sánchez Dr. Martín de Luis Arrillaga Máster Universitario en Tecnologías de la información geográfica para la ordenación del territorio: sistemas de información geográfica y teledetección Septiembre de 2012 Departamento de Geografía y Ordenación del Territorio 2 Resumen La Península Ibérica se está viendo afectada por un proceso de cambios en el clima que están provocando impactos en las distribuciones de especies vegetales. En este sentido se ha estudiado la especie Fagus sylvatica la cual se encuentra ampliamente distribuida en Europa teniendo en España su límite sur debido a factores climáticos limitantes. Se han analizado muestras de Fagus sylvatica de ese límite sur de la especie, localizado en el Parque Natural del Moncayo, integrando información climática e información geográfica en un SIG con el objetivo de obtener las funciones respuesta de Fagus sylvatica. Conociendo el comportamiento de la especie ante el clima actual, se puede intentar predecir cuál va a ser su respuesta ante posibles escenarios de cambio climático futuros y de este modo aplicar medidas de gestión. Finalmente se han generado cartografías analizando las funciones respuesta de Fagus sylvatica con respecto al clima y en gradiente altitudinal en el Parque Natural del Moncayo. Palabras Clave: Fagus sylvatica, dendrocronología, cambio climático, sistemas de información geográfica, R-project. Abstract The Iberian Peninsula is being affected by a process of changes in climate that are causing impacts in the distributions of plant species. The species Fagus sylvatica, which is widely distributed in Europe having its southern limit in Spain due to climatic constraints, has been studied. We analyzed samples of Fagus sylvatica in the southern limit of the species, located in the natural park of Moncayo, integrating climate information and geographic information in a GIS, in order to obtain the response functions of Fagus sylvatica. Knowing the behavior of the species in the current climate, we can try to predict what will be their response to potential future climate change scenarios and thus management measures. Finally, maps have been generated by analyzing the response functions of Fagus sylvatica on climate and altitudinal gradient in the Moncayo Natural Park. Key Words: Fagus sylvatica, dendrochronology, global change, geographic information systems, R-project. 3 Mis más sinceros agradecimientos a mis directores del estudio, Miguel Ángel y Martín, por su dirección y enseñanza de nuevas metodologías y por transmitirme la motivación y necesidad de seguir investigando. 4 Índice 1. Introducción .............................................................................. 7 2. Objetivos ................................................................................... 9 3. Área de estudio......................................................................... 10 4. Metodología .............................................................................. 13 4.1 Contribuir en la creación de una red dendrocronológica de Fagus sylvatica en el Moncayo ................................................................... 13 4.1.1. Colaboración en muestreos de campo ............................... 13 4.1.2. Preparación de las muestras en el laboratorio .................... 15 4.1.3. Sincronización ................................................................ 16 4.1.4. Medición del grosor de anillos (Lintab y Tsap). ................... 16 4.1.5. Verificación .................................................................... 17 4.1.6. Creación de cronologías .................................................. 17 4.2. Obtención de datos climáticos a través de grids del CRU ........... 18 4.2.1. Descarga de ficheros ...................................................... 18 4.2.2. Rutina en R ................................................................... 19 4.3. Análisis dendroclimático ........................................................ 20 4.4. Creación de un SIG para el hayedo del Moncayo. ..................... 23 4.4.1. Creación de una base de datos y su inserción en un SIG ........ 23 4.4.2. Delimitación del área de distribución del hayedo en el Moncayo 25 4.4.3. Descarga de modelo digital de elevaciones (MDE) y cálculo de las variables necesarias para la modelización .................................. 25 4.4.5. Integración de los coeficientes de correlación..................... 27 4.5. Modelización de las variables espaciales de las relaciones dendroclimáticas en el conjunto del área de distribución del hayedo del Parque Natural del Moncayo ............................................................. 27 4.5.1. Análisis de regresión múltiple siguiendo el método stepwise.27 4.5.2. Validación de los modelos, R2, RMSE, y gráficos de dispersión y significación de los modelos........................................................ 29 4.6. Interpolación mediante modelos de regresión y generación de cartografías dendroclimáticas ........................................................... 29 4.6.1. Mapas de correlaciones ................................................... 29 4.6.2. Mapas de correlaciones sobre modelo digital en tres dimensiones ................................................................................ 33 5. Resultados ................................................................................ 33 5.1. Contribuir en la creación de una red dendrocronológica de Fagus sylvatica en el Moncayo ................................................................... 33 5.2. Obtención de datos climáticos a través del Grid del CRU. .......... 36 5.3. Análisis dendroclimático ........................................................ 46 5 5.4. Creación de un SIG para el hayedo del Parque Natural del Moncayo. ....................................................................................... 50 5.5. Modelización de las variaciones espaciales de las relaciones dendroclimáticas en el conjunto del área de distribución del hayedo en el Moncayo ........................................................................................ 54 5.6. Interpolación y generación de cartografías dendroclimáticas ...... 58 6. Conclusiones ............................................................................. 71 6.1. Conclusiones respecto a los resultados obtenidos ........................ 71 6.2. Conclusiones respecto de la metodología utilizada .................... 72 7. Referencias ............................................................................... 73 Weisberg, S., 1985. Applied Linear Regression, 2nd ed., John Wiley, New York, 324 pp. .................................................................................... 74 Índice de figuras Figura 1. Mapa de localización del P.N. del Moncayo ............................... 10 Figura 2. Mapa de localización del P.N. del Moncayo en Aragón. .............. 11 Figura 3. Mapa de distribución de Fagus sylvatica en Europa ................... 12 Figura 4. Puntos de extracción de las muestras de hayas. ....................... 13 Figura 5. Mediciones en bruto.............................................................. 17 Figura 6. Cronologías estandarizadas ................................................... 18 Figura 7. Script de R para los datos descargados del CRU ....................... 19 Figura 8. Script para calcular las funciones respuesta y generar gráficos. .. 21 Figura 9. Preparación datos climáticos .................................................. 22 Figura 10. Base de datos .................................................................... 24 Figura 11. Variables dependientes e independientes ............................... 28 Figura 12. Coeficientes para el modelo de regresión ............................... 30 Figura 13. Interpolación con máscara ................................................... 31 Figura 14. Leyenda de valores de correlación ........................................ 32 Figura 15. Gráfico del grosor de los anillos en escala logarítmica ............. 34 Figura 16. Cronología nº29 ................................................................. 35 Figura 17. Cronologías de Fagus sylvatica del Moncayo ........................... 35 Figura 18. Gráfico de anomalías de Tª y precipitación ............................. 36 Figura 19. Serie temporal de temperatura y precipitación del área de estudio. Periodo 1940-2006 ................................................................ 37 Figura 20. Relación entre cronología MY29 y precipitación total anual. ...... 38 Figura 21. Relación entre cronología MY29 y temperatura media anual ..... 38 Figura 22. Tª y precipitación de verano, periodo 1940-2006 .................... 39 Figura 23. Anomalías de Tª en verano .................................................. 40 Figura 24. Anomalías de precipitación de verano.................................... 40 Figura 25. Tª y precipitación de otoño, periodo 1940-2006 ..................... 41 Figura 26. Anomalías de temperatura de otoño...................................... 41 Figura 27. Anomalías de precipitación de otoño ..................................... 42 Figura 28. Tª y precipitación de invierno ............................................... 42 6 Figura 29. Anomalías de Tª con respecto a la media en invierno .............. 43 Figura 30. Anomalías de precipitación respecto a la media de invierno...... 44 Figura 31. Temperatura y precipitación en primavera ............................. 44 Figura 32.Anomalías de Tª con respecto a la media de primavera ............ 45 Figura 33. Anomalías de precipitación con respecto a la media de primavera ....................................................................................................... 45 Figura 34. Gráfico de coeficientes de correlación MY29 ........................... 46 Figura 35. Gráfico de función respuesta de MY29. .................................. 47 Figura 36. Gráfico de correlaciones con ventana móvil, de MY29 .............. 48 Figura 38. Resumen de coeficientes de correlación significativos .............. 49 Figura 37. Gráfico de coeficientes de correlación, MY1 ............................ 49 Figura 39. Coeficientes de correlación en el SIG .................................... 50 Figura 40. Límites hayedo ................................................................... 51 Figura 41. Modelo digital de elevaciones ............................................... 52 Figura 42. Modelo de sombreado ......................................................... 52 Figura 43. Radiación solar directa ........................................................ 53 Figura 44. Mapa de orientaciones y pendientes del bosque de hayas ........ 54 Figura 45. Tabla de valores de coeficientes, r2 y sig. ............................... 55 Figura 46. Gráfico de dispersión de la temperatura de abril. .................... 56 Figura 47. Gráfico de dispersión precipitación previa de diciembre ........... 56 Figura 48. Gráfico dispersión precipitación de junio ................................ 57 Figura 49. Gráfico de dispersión de la temperatura de enero ................... 57 Figura 50. Proceso de generación de cartografías ................................... 58 Figura 51. Mapa de correlación de temperatura en otoño del año previo ... 60 Figura 52. Mapa de correlación de temperatura de invierno ..................... 61 Figura 53. Mapa de correlación de temperatura de primavera .................. 62 Figura 54. Mapa de correlación de temperatura de verano ...................... 63 Figura 55. Mapa de correlación de temperatura de otoño ........................ 64 Figura 56. Mapa de correlación de precipitación de septiembre del año previo .............................................................................................. 66 Figura 57. Mapa de correlación de precipitación de invierno .................... 67 Figura 58. Mapa de correlación de precipitación de primavera ................. 68 Figura 59. Mapa de correlación de la precipitación de verano .................. 69 Figura 60. Mapa de correlación de la precipitación de otoño .................... 70 Ilustración 1. Extracción de muestras con barrena pressler ..................... 14 Ilustración 2. Microtomo ..................................................................... 15 Ilustración 3. Mesa de medición y lupa binocular ................................... 16 Ilustración 4- Extracción de la precipitación de la coordenada 41.75N, 1.75W .............................................................................................. 20 Ilustración 5. Localización de las cronologías ......................................... 24 7 1. Introducción Ante el inminente proceso de desertización que se está produciendo en la Península Ibérica (Puigdefábregas, 1998) y las perspectivas que los escenarios climáticos pronostican para el sur de Europa y más concretamente para España, parece fundamental conocer el comportamiento de la flora que en estos momentos se distribuye a lo largo de la Península Ibérica para tratar de minimizar en la medida de lo posible los efectos del cambio climático. En este contexto se enmarca el estudio de este trabajo sobre la especie Fagus sylvatica como observatorio específico del cambio climático. La especie estudiada tiene su límite altitudinal en Europa en 38ºN en el volcán Etna en Sicilia, pero en la Península Ibérica, el límite de un bosque de hayas de gran extensión lo encontramos en el Parque Natural del Moncayo. Por tanto, se considera fundamental conocer y estudiar la especie dada la incertidumbre existente ante los potenciales efectos del cambio del clima en su dinámica y en su distribución. El Parque Natural del Moncayo constituye el límite sur del área de distribución de Fagus sylvatica y por tanto representa un ecotono climático en el que los efectos del cambio del clima se manifiestan con antelación y mayor intensidad (Dittmar, C et al, 2003). En este contexto, el estudio de su comportamiento puede ser fundamental para conocer el futuro de los bosques de hayas de Francia o Alemania a medida que los efectos del cambio climático vayan en aumento. Para el estudio del comportamiento y desarrollo de la especie se ha utilizado la dendrocronología. Se ha manejado la dendrocronología como herramienta para determinar qué elementos del clima condicionan la dinámica de crecimiento de las especies. Además, conjuntamente con datos climáticos, tiene un gran potencial para establecer relaciones clima-crecimiento actual y por lo tanto también para predecir dinámicas de cambio en el futuro. Al mismo tiempo, se pretender realizar un análisis de la señal climática en el gradiente altitudinal (gradiente térmico) como aproximación de cómo esa señal climática puede verse modificada latitudinalmente (gradiente térmico) ante diferentes escenarios de cambio del clima. La integración de toda la información en un sistema de información geográfica (SIG en adelante) es fundamental para comprender y analizar las características biogeográficas de la especie. En este sentido, pocos son los trabajos donde la información obtenida mediante la dendrocronología, la climática y la puramente geográfica se ha integrado en un SIG.A este respecto, la creación de un SIG va a permitir la identificación de la respuesta diferencial del haya a lo largo de los diferentes gradientes geográficos (altitud, pendiente, orientaciones, etc) del Parque Natural del Moncayo. Este 8 conocimiento es una herramienta básica para establecer medidas de gestión del Parque y para cuantificar el balance de carbono actual y futuro. Para finalizar, el autor de este trabajo está cursando el doctorado de Geografía y Ordenación del Territorio y este trabajo se enmarca como un apoyo en la formación metodológica, en herramientas como la dendrocronología, la estadística aplicada con R y los sistemas de información geográfica. 9 2. Objetivos El propósito final de este trabajo es la obtención de unos resultados, en forma de cartografías, a partir de la extracción de muestras y el análisis dendroclimático de las mismas. Se han establecido, por tanto, seis objetivos principales mediante los cuales se van a ir resolviendo cada uno de los pasos necesarios para obtener los resultados finales. Al mismo tiempo, cada objetivo cuenta con una serie de metodología y tareas necesarias para llevarlo a cabo, de tal forma que el trabajo está estructurado en función de los objetivos, sus métodos y finalmente los resultados para cada objetivo. Al mismo tiempo, para la realización de estos objetivos se ha tenido que llevar a cabo un proceso de formación metodológica. A continuación se muestran enumerados los objetivos y en cursiva la metodología aprendida al respecto de cada objetivo. 1. Contribuir en la creación de una red dendrocronológica de Fagus sylvatica en el Moncayo. a. Extracción de muestras y manejo de material específico. b. Preparación de las muestras en el laboratorio. c. Análisis de las muestras y creación de las cronologías. 2. Obtención de datos climáticos a través del Grid generado por el Climate Research Unit (en adelante CRU). a. Formación en estadística aplicada con el programa estadístico de software libre R (realización del curso de R impartido en la Universidad de Zaragoza). Creación de scripts complejos. 3. Análisis dendroclimático de las muestras de Fagus sylvatica y los datos climáticos. a. Formación en análisis de datos mediante software específico, Dendroclim(Biondi, 2004) 4. Creación de un sistema de información geográfica (SIG) para el hayedo del Moncayo. a. Integración de datos dendroclimáticos en un SIG y aplicación de los conocimientos adquiridos en el Máster. 5. Modelización de las variaciones espaciales de las relaciones dendroclimáticas en el conjunto del área de distribución del hayedo del Moncayo. a. Formación en estadística. 6. Modelos de regresión y generación de cartografías dendroclimáticas. a. Aplicación de los conocimientos adquiridos en el Máster para la creación de cartografías de alta calidad. 16 4.1.3. Sincronización Una vez que todas las muestras han quedado debidamente lijadas y cortadas, es el momento de llevar a cabo la sincronización. Este proceso consiste en la datación de la muestra contando el número de anillos de cada muestra. La sincronización se puede realizar siguiendo varios métodos, pero en este caso se ha optado por la digitalización de cada una de las muestras. La mayor parte se han escaneado con alta resolución y en alguna muestra con gran cantidad de anillos se han tomado fotografías con mayor resolución que el escáner. De este modo, se tiene una base de datos digital con todas las muestras debidamente codificadas. Se procede al datado de los anillos, mediante un programa de edición fotográfica, en este caso SerifPhotoPlus, el cual permite otorgar etiquetas individualizadas a cada anillo. Teniendo en cuenta que la muestra 01A deberá estar sincronizada con la 01B, y al mismo tiempo si se aprecia algún anillo de crecimiento característico, deberá aparecer en todas las muestras de la zona, y habrá que sincronizarlo como el mismo año para todas ellas. Es un proceso complejo y duradero, ya que el árbol puede producir anillos dobles en un mismo año de crecimiento o no generar anillo, y por tanto tener missing rings y generar confusión. 4.1.4. Medición del grosor de anillos (Lintab y Tsap). Tras sincronizar las muestras y tenerlas correctamente datadas, se lleva cada una de las muestras a la mesa de mediciones y ayudados en otra pantalla con las dataciones digitales, se procede a la medición del grosor de los anillos de crecimiento. Es un proceso laborioso y complejo en el que la concentración tiene que ser máxima para no omitir la medición de ningún anillo. Ilustración 3. Mesa de medición y lupa binocular 17 4.1.5. Verificación Como apoyo a la sincronización de las mediciones se utiliza el programa COFECHA (Holmes, 1983) que compara cada una de las series medidas con una cronología de referencia, construida esta con el promedio de todas las series ya estandarizadas. De esta forma se obtienen unos coeficientes de correlación, si los mismos son mayores de 0,3281 se puede considerar la medición como correcta. COFECHA por tanto, es un programa para el control de la calidad y exactitud del datado de mediciones o muestras que son sometidas al procedimiento de cros-datado. 4.1.6. Creación de cronologías El siguiente proceso tras la obtención de los datos y su verificación es el tratamiento estadístico de los mismos para la creación de cronologías. Esto se realiza mediante el programa ARSTAN (Holmes, 1992) bien en la versión ejecutable en forma de programa o bien en R ejecutando el paquete dplR (Bunn, 2012). Con el tratamiento de datos estadístico se consigue una estandarización de cada muestra, intentando eliminar o evitar los efectos de la edad, perturbaciones o competencias entre los individuos, ya que en ese caso lo que interesa es ver cómo afecta el clima al crecimiento de los mismos. Como se muestra en el siguiente ejemplo (Figura5) las mediciones en un primer momento muestran la influencia de diferentes factores como el clima, la polución, o el efecto de la edad. Figura 5. Mediciones en bruto 0 3000 6000 9000 12000 15000 1840 1860 1880 1900 1920 1940 1960 1980 2000 2020 RW width ( /100 mm) YEAR DAR_PIHA_rw_RAW GUA_PIHA_rw.RAW MAI_PIHA_rw.RAW SLO_PIHA_rw.RAW 18 Mediante los procesos de estandarización se van eliminando las diferentes tendencias (detrending) para dejar únicamente las climática (Figura6). 4.2. Obtención de datos climáticos a través de grids del CRU El segundo objetivo, la obtención de datos climáticos a través del grid del Climate Research Unit (CRU), se enmarca en la necesidad de obtener una base de datos homogénea y comparable de un periodo largo de tiempo. En este caso desde 1901 a 2006 para poder sincronizarlo con las muestras de hayas. Este proceso se ha realizado en dos fases. 4.2.1. Descarga de ficheros El proceso de descarga de ficheros se realiza desde la página web del CRU (http://www.cru.uea.ac.uk/cru/data/hrg/) y para proceder a la descarga de ficheros hay que registrarse previamente indicando el propósito del trabajo y el director del mismo. Una vez obtenidas las claves que dan acceso a la web de descargas, se procedió a la descarga de todos los archivos climáticos del grid CRU 3.0 (Harris et al, bajo revisión); temperatura máxima, mínima y media, precipitación, vapor de agua, nubosidad y humedad. La resolución temporal es mensual y la resolución espacial es de 0,5º. Cada fichero tiene un tamaño de más de 2 gigas, por lo que resultaba imposible abrirlo con editores de texto o Excel. Para poder utilizarlo y convertirlo en ficheros más pequeños se creó una rutina de programación con R. 0 500 1000 1500 2000 2500 3000 1950 1960 1970 1980 1990 2000 2010 RW width ( /100 mm) YEAR DAR_PIHA_rw_STD GUA_PIHA_rw.STD MAI_PIHA_rw.STD SLO_PIHA_rw.STD DAR_PIPN_rw_STD GUA_PIPN_rw.STD Figura 6. Cronologías estandarizadas 19 4.2.2. Rutina en R R es un programa de estadística de código abierto que además de permitir realizar análisis complejos estadísticos y generar gráficos de alta calidad, permite programar rutinas para realizar procesos complejos iterativamente. Al descargar los ficheros surgió el problema de la imposibilidad de abrirlos, por tanto no se podía tratar con los datos. Para solucionarlo se creó un script que genera a partir del archivo principal, ficheros individuales cada uno de una latitud, comenzando en -89.75º hasta 89.75º, con intervalos de 0.5º. Cada fichero de latitud contiene todas las longitudes, de -179.75º a 179.5º. Este proceso se realiza con blucles o loops que ejecutan el proceso iterativamente para cada latitud. Una vez realizado este proceso, el cual tarda aproximadamente una hora y media para cada archivo general, se buscó la coordenada más próxima a la zona de muestreo en el Moncayo. En la Figura7 se muestra el script que se creó y a partir del cual se han podido utilizar los datos climáticos generados por el CRU. En la Ilustración4 se muestra un ejemplo de cómo se han obtenido los datos una vez han sido extraídos con R. Figura 7. Script de R para los datos descargados del CRU 20 4.3. Análisis dendroclimático De acuerdo al tercer objetivo se explica a continuación cómo se ha realizado el análisis dendroclimático. Una vez se han descargado y homogeneizado los datos climáticos y se ha finalizado el proceso de medición y verificación del grosor de los anillos, es decir, se han generado las cronologías, el siguiente paso es realizar el análisis dendroclimático. Este análisis tiene como propósito establecer las relaciones entre crecimiento radial y clima. Estas relaciones se evaluaron usando, por un lado las cronologías residuales de índices de crecimiento y por otro las series climáticas de temperatura media y precipitación total mensual. Para este caso se determinó un periodo común a analizar, de 1940 a 2006, ya que los datos climáticos del CRU de comienzos del sXX pueden estar sesgados. Al mismo tiempo, se determinaba un periodo común en las cronologías, las cuales no tienen la misma extensión. La relación crecimiento-clima se cuantificó utilizando funciones de correlación, basadas en coeficientes de correlación de Pearson, entre los índices de crecimiento y los datos climáticos mensuales del periodo comprendido entre 1940 y 2006. Así mismo, se utilizaron funciones respuesta. Una función respuesta es una representación de una regresión linear múltiple que relaciona los componentes principales de los datos climáticos mensuales, para una serie de años, Ilustración 4- Extracción de la precipitación de la coordenada 41.75N, 1.75W 21 y los índices de grosos de los anillos formados en esos años (Fritts, 1976). El crecimiento radial suele estar también determinado por el clima del año anterior al de la formación del anillo, por lo que la ventana de correlación clima-crecimiento incluyó desde septiembre del año anterior al crecimiento hasta diciembre del año de formación del anillo. Los coeficientes de correlación y de respuesta se calcularon utilizando dos métodos. Por un lado el programa Dendroclim (Biondi, 2004), en el cual introduces los datos climáticos y las cronologías por separado, cada una con un formato en fichero de texto específico, y te devuelve los coeficientes. Pero este proceso hay que realizarlo tantas veces como cronologías tengas. Por otro lado, para realizar esta acción más rápida y de manera iterativa se utilizó el paquete de datos para R denominado dplR (Bunn, 2008), el cual contiene módulos que permiten desde tratar con las cronologías en bruto, hasta generar gráficos de significación de las funciones respuesta. En la Figura7 se observa el script creado para realizar las funciones respuesta y las funciones de correlación. Figura 8. Script para calcular las funciones respuesta y generar gráficos. Además, se generaban gráficos de los valores de los coeficientes de correlación y función respuesta e indicando los valores significativos. La significación de los coeficientes de respuesta se calculó mediante una función denominada bootstrap dentro del 22 paquete dplR. En el caso de análisis de la función respuesta, se toman 1000 muestras de la distribución original y realiza una descomposición eigen de la matriz. Se eliminan los eigenvectores no relevantes utilizando el criterio de PVP (Guiot, 1990). A continuación se calculan los valores de los componentes principales de las matrices a partir de las matrices reducidas de eigenvectores y la homogeneización de los predictores climáticos. Los coeficientes de respuesta se encuentran tras la descomposición del valor singular, y se realiza la prueba de significación utilizando el método de rango percentil del 95% (Dixon, 2001). Como ya se ha remarcado, en el caso de análisis de la función de correlación, los coeficientes son coeficientes de correlación de Pearson. Para introducir los datos a las funciones en R tienen que tener un formato específico, ya que de otro modo no funciona. En este caso, las cronologías, son dos columnas en un fichero de texto, indicando en la primera el año y en la segunda el grosor de los anillos estandarizado. En el caso de los datos climáticos, es indispensable poner en la primera columna el año, en la segunda los meses del 1 al 12, en la tercera los valores de temperatura media, y en la cuarta los de precipitación como se observa en la Figura9. Una vez introducidos los datos como matriz, con la función dcc sacamos los valores de los coeficientes tanto de correlación como de función respuesta. Añadiendo la función dcplot graficamos los resultados también resaltando los valores significativos. Por último, se utiliza la función write.table para guardar en un fichero .txt, los valores de los coeficientes para cada cronología. Una vez determinadas las variables climáticas mensuales que más influían sobre el crecimiento radial, se realizaron correlaciones móviles entre crecimiento y variables climáticas mensuales para contrastar si la relación crecimiento-clima era estable en el tiempo, y en el caso de ser inestable, describir qué variables han cambiado y en qué sentido su influencia sobre el crecimiento. Para ello, se utilizó la función mcc introduciendo una ventana de tiempo móvil de 43 años (1941-1984, 1942-1985,….,1963-2006). Los resultados también son Figura 9. Preparación datos climáticos 23 graficados mediante la función mdcplot y guardados en ficheros .txt usando la función write.table. 4.4. Creación de un SIG para el hayedo del Moncayo. La integración de la dendrocronología con los sistemas de información geográfica (en adelante SIG) se antoja tan fundamental en la era de las tecnologías de la información geográfica como novedoso. Pocos trabajos se han dedicado a tratar de gestionar la información obtenida a partir de muestras extraídas en el campo e integrarlas en un SIG una vez analizadas. Al tener la información georreferenciada, y sobre un modelo digital de elevaciones, la capacidad de análisis aumenta de manera considerable. Por este motivo, también se ha realizado un modelo digital de elevaciones en tres dimensiones sobre el cual se han analizado las cronologías y su gradiente altitudinal/térmico, además de posibles lugares de muestreo. 4.4.1. Creación de una base de datos y su inserción en un SIG La creación del SIG se comienza en este tipo de trabajo desde el día en el que se extraen las muestras. Se han tomado los puntos de las zonas donde se extraen las cronologías con un receptor GPS Trimble, con el cual se obtienen los datos con precisión submétrica una vez se han corregido los datos en postproceso con corrección diferencial. Una vez se tienen todas las coordenadas X e Y de los puntos donde se han extraído las cronologías, se añaden más datos que enriquezcan la geodatabase, y funcionen de atributos de las cronologías. Se añade un número de ID que será identificativo de esa cronología. Al mismo tiempo se marca el código dendrocronológico, en este caso MY01_FASY, por ejemplo. También se indica la zona de localización de las muestras, la fecha en la que han sido extraídas, el número de árboles sobre los que se han extraído muestras en cada cronología, la especie y la altitud, en este caso derivada del punto tomado con el GPS. En la Figura10 se puede observar el estado de la base de datos, el cual puede modificarse en cualquier momento si se realizaran nuevos muestreos. 24 Figura 10. Base de datos Tras generar la base de datos de las cronologías, el siguiente paso es insertarla en un SIG, en este caso, con el programa de la compañía ESRI, ArcGIS10. Mediante la función agregar X e Y, se introducen las coordenadas con toda la información de los atributos de las cronologías. Se han introducido en un espacio de trabajo previamente creado para no tener conflictos de sistemas de coordenadas. En este caso todo el SIG tendrá un sistema de coordenadas WGS 1984 UTM Zone 30N y proyección Transverse Mercator. Además, se han convertido a formato shapefile mediante la herramienta Convert featureclass to shapefile. En la Ilustración5 se aprecia la localización de las muestras sobre la ortofoto del vuelo del Plan Nacional de Ortofotografía Aérea (en adelante PNOA) del año 2009, con una resolución espacial de 0,5 metros. Ilustración 5. Localización de las cronologías 25 4.4.2. Delimitación del área de distribución del hayedo en el Moncayo El área de distribución del hayedo en el Moncayo excede los límites de la Comunidad Autónoma de Aragón, cubriendo gran parte de la sierra en la provincia de Soria. Para este trabajo únicamente se ha delimitado la zona de hayedo enmarcada dentro del Parque Natural del Moncayo, por tanto únicamente en Aragón. Para definir el área de hayedo se han utilizado varias fuentes de información:  Ortofoto del PNOA de 2009, a 05 metros de resolución espacial. Aplicación del Sistema Territorial de Información de Aragón (SITAR). Se ha conectado en el SIG mediante el Servicio Web de Mapas (WMS), con la dirección [http://sitarimagenes.aragon.es/ecwp/ecw_wms.dll?service=w ms&ServiceName=AragonFotos&].  Mapa forestalde España a escala 1:50000, año 2007.  Mapa de vegetación (Martínez del Castillo, 2011). Tras la recopilación de la información necesaria, se han digitalizado las diferentes manchas de hayedo, siempre con la ayuda de la ortofoto, mapas de vegetación e inventario forestal. Obteniendo una capa final con el límite del hayedo, de la cual al mismo tiempo podemos extraer información, como por ejemplo de su extensión, en este caso 608 hectáreas de hayedo dentro del límite del Parque Natural del Moncayo. 4.4.3. Descarga de modelo digital de elevaciones (MDE) y cálculo de las variables necesarias para la modelización Tras delimitar el área de distribución del hayedo, era necesario conseguir un modelo digital de elevaciones, ya que se va a tratar de modelizar el gradiente altitudinal/térmico. Por tanto, se descargó el MDE desde el Centro Nacional de Información Geográfica (CNIG) desde el siguiente enlace [http://centrodedescargas.cnig.es/CentroDescargas/buscar.do]. El MDE descargado constituía toda la provincia de Zaragoza con una resolución espacial de 25 metros. Por tanto, se realizó una operación de Clipmediante la herramienta de ArcGIS de Geoprocessing. De esta forma se delimitó el MDE al Parque Natural del Moncayo y su entorno más cercano. A partir del MDE se utilizó la herramienta Surface dentro del paquete SpatialAnalyst Tools para generar los siguientes mapas:  Mapa de orientaciones.  Mapa de pendientes.  Mapa de sombreado.  Mapa de radiación solar directa. 32 ya que a partir de 11 el ojo humano tiene dificultades para diferenciar. Al reclasificar las leyendas con 10 valores, las transiciones entre valores se hacían muy acusadas y por tanto para un modelo ecológico irreales. Por tanto, se efectuó una leyenda intentando asemejarla lo máximo posible a una gradación, reclasificándola en 30 valores, con mínimo en -0,65 y máximo en 0,37 con intervalos de 0,04. A cada valor se le asocia un código en este caso números del 1 al 30. De esta forma cada vez que reclasifiquemos obtendremos los valores del 1 al 30. A la hora de la elección de los tonos de la leyenda, se ha escogido una leyenda de gradación de tonos cálidos a fríos, representando estos últimos los valores positivos y los cálidos los negativos (Figura14). La maquetación inicial de las cartografías se ha realizado mediante la opción layout que ofrece ArcMap. Las cartografías finales no sólo han sido concernientes a los modelos de correlación, si no que también se han realizado cartografías denominadas de localización. En un estudio biogeográfico es indispensable en todo momento conocer la localización exacta de la zona de estudio, ya que de este modo podemos llegar a entender cómo afectan diferentes factores de un modo global. Los mapas finales han sido retocados y editados con un programa de edición profesional como es Adobe Ilustrator v6. Las opciones de maquetación en ArcMap10 no permiten modificar demasiados parámetros dentro de los elementos necesarios para generar una cartografía de detalle. Si permite, sin embargo, insertar todos los elementos necesarios para que la cartografía final sea considerada un mapa y sea legible por cualquier lector. Estos elementos son el norte, la leyenda, la escala, el título, las fuentes, y el autor. En este caso además, las cartografías se han mejorado añadiendo mapas de localización, no sólo en dos dimensiones si no que también se han realizado mapas en tres dimensiones utilizando los programas ArcScene10, y ArcGlobe10. Valores de correlación : 0,37 : -0,68 : -0,12 Figura 14. Leyenda de valores de correlación 33 4.6.2. Mapas de correlaciones sobre modelo digital en tres dimensiones El trabajo realizado pretendía demostrar la influencia del gradiente altitudinal y consecuentemente térmico en el desarrollo de la especie arbórea Fagus sylvatica. En este sentido, al tratarse de una variable geográfica como la altitud se creía necesario mostrar, con las herramientas existentes, de una manera más precisa cómo influye la altitud. Para ello se ha trabajo con los programas ArcScene y ArcGlobe. En el primero se trabajan los modelos 3D sobre un espacio en blanco, mientras que en ArcGlobe el usuario trabaja los modelos 3D directamente sobre el globo terráqueo. Al presentar los resultados con el efecto en tres dimensiones del relieve se aprecia de una manera más evidente la distribución del bosque de hayas. Al superponer los modelos de correlaciones se pueden ver las diferentes relaciones que tanto la precipitación como la temperatura tienen en los diferentes meses del año. Del mismo modo, se pueden superponer las zonas de extracción de las cronologías, de tal forma que se pone en evidencia la estratificación en altura que se ha llevado a cabo en los diferentes muestreos. 5. Resultados Dentro de este apartado se van a ir mostrando cada uno de los resultados logrados para cada objetivo concreto. Con el propósito final de integrar todos los resultados en un único SIG. Además, las cartografías finales no hubieran sido posibles si en cada uno de los objetivos anteriores no se hubieran conseguido resultados satisfactorios. 5.1. Contribuir en la creación de una red dendrocronológica de Fagus sylvatica en el Moncayo El objetivo de aumentar la red dendrocronológica del hayedo en España se ha llevado a cabo satisfactoriamente. En este caso se ha aumentado para el Parque Natural del Moncayo, donde las hayas tienen gran importancia como indicadores de futuros cambios en las tendencias generales del clima. Tras el laborioso trabajo de preparación, sincronización, medición y verificación de las mediciones, finalmente se consigue crear unas cronologías con las cuales ya se pueden realizar otro tipo de operaciones. Un primer resultado obtenido con las muestras son las mediciones de cada una de las muestras en forma de gráfico. Para este trabajo, el autor ha realizado la medición de la zona de extracción con código 34 29, compuesta por 6 árboles, cada uno de los cuales tiene la muestra A y la B, por tanto 12 muestras. Esta zona de hayedo se encuentra junto al Sendero de Barranco Castilla. En la Figura15 vemos un gráfico de las mediciones en bruto de las muestras. Una vez realizado el trabajo de medición, se verifican con el programa COFECHAya mencionado en la metodología. El siguiente paso es la creación de las cronologías mediante los programas ARSTAN y el paquete estadístico para R denominado dplR. A continuación se muestra en la Figura16 la cronología 29 de las mediciones de las muestras del mismo número. Los valores están normalizados con media 1000, por tanto los que superan esa media significa que crecen más de la media y los que están por debajo menos. En el gráfico vemos cómo los árboles crecen de manera más estable los primeros años de desarrollo mientras que una vez va desarrollándose las fluctuaciones son mucho mayores. Estas fluctuaciones se pueden deber a la propia dinámica de crecimiento de los árboles, pero el clima tiene mucha influencia ya que las heladas pueden retrasar el crecimiento, así como las precipitaciones en el momento adecuado acelerarlo. Figura 15. Gráfico del grosor de los anillos en escala logarítmica 35 Figura 16. Cronología nº29 En la Figura17 se muestra un gráfico con las 15 cronologías. En general, las cronologías siguen los mismos patrones. Algo lógico tratándose de áreas de distribución muy cercanas entre sí, aunque tanto la altitud como la orientación en relación con la climatología pueden influir en el crecimiento de la especie objeto de estudio. De las 15 cronologías 5 superan los 170 años de antigüedad, lo cual nos está indicando la existencia de este bosque de hayas desde el siglo XIX y durante el s.XX, aún con la explotación de los recursos forestales que se llevó a cabo, el bosque de hayas permaneció intacto. Figura 17. Cronologías de Fagus sylvatica del Moncayo 36 5.2. Obtención de datos climáticos a través del Grid del CRU. La recopilación de series largas con dato mensual de temperatura y precipitación es siempre un proceso complejo y laborioso. En este sentido gracias a la labor del CRU y en cierta medida al script generado con R para poder leer y obtener los datos, la obtención de datos para cualquier punto del mundo desde 1901 con una resolución de 0,5º es ahora mucho más sencilla. Los datos desde 1901 no son del todo fiables para todo el mundo, puesto que no todos los lugares contaban con estaciones para medir temperatura y precipitación de una manera empírica. Por este motivo, se ha seleccionado un periodo de tiempo de 1940 a 2006 donde los datos son mucho más fiables y contrastados y además es un periodo compatible para todas las cronologías. En primer lugar se muestra un gráfico con las anomalías de temperatura y precipitación para el periodo comprendido entre 1940- 2006. Los valores de la gráfica son anomalías respecto a la media anual, la de precipitaciones es 458,98 mm y la de temperatura es 11,43ºC. En la Figura18 se observa como la tendencia general de la temperatura sobre todo desde 1970 es positiva, aumentando de manera progresiva hasta 2006, poniendo de manifiesto un calentamiento progresivo sobre todo a partir de la segunda mitad del s.XX Figura 18. Gráfico de anomalías de Tª y precipitación En cuanto a las precipitaciones, la tendencia no es tan evidente como en las temperaturas, pero si se observa que hay un ligero descenso de las precipitaciones. Tanto el aumento de las temperaturas como el descenso de las precipitaciones tienen consecuencia en el crecimiento y desarrollo de las hayas. Por este 37 motivo se ha puesto en relación clima con cronologías y se ha realizado el estudio dendroclimático. En el la Figura19 se muestra un serie climática del área de estudio, donde se aprecia que es una zona con un clima mediterráneo continentalizado húmedo, con años que puede superar los 500 mm de precipitación, debido a que se trata de una zona montañosa que recoge los vientos del norte cargados de humedad. Aunque también puede tener años de sequías acusadas con menos de 300 mm de precipitación al año. En cuanto a las temperaturas medias, se aprecia sobre todo un aumento desde finales de los años 70, destacando desde 1998 la media de tª supera los 12ºC, media que sólo se había superado durante 6 años durante el periodo 1940-2000. Figura 19. Serie temporal de temperatura y precipitación del área de estudio. Periodo 1940-2006 38 En la Figura20 se muestra mediante un gráfico la relación entre la cronología MY29 y la precipitación durante el periodo estudiado. Figura 20. Relación entre cronología MY29 y precipitación total anual. La relación entre la cronología MY29 y la temperatura se muestra en la Figura21. Figura 21. Relación entre cronología MY29 y temperatura media anual 39 A continuación se van a mostrar los gráficos de temperatura y precipitación con media de verano, otoño, invierno y primavera. En la Figura22 se plasma en un gráfico la temperatura media de los tres meses que componen la estación de verano desde 1940 a 2006. Figura 22. Tª y precipitación de verano, periodo 1940-2006 La temperatura media para este periodo es de 19,73ºC mientras que las precipitaciones medias son de 31,17 mm. Por tanto estamos ante un régimen de clima típicamente mediterráneo donde los periodos de estiaje pueden ser prolongados e incluso llegar a la provocar sequías, como durante el verano de 1993 donde las precipitaciones en los tres meses no superaron los 12 mm. También hay periodos o ciclos donde las precipitaciones son más abundantes durante la estación veraniega, como consecuencia probablemente de las tormentas que se producen generalmente en el mes de agosto, provocadas por las altas temperaturas en superficie que generan nubes de evolución y provocan precipitaciones intensas en un breve espacio de tiempo. La temperatura durante estos meses es bastante regular aunque a partir de la década de los 80 parece que sufre una tendencia positiva de aumento de la media de verano entre 1 y 2ºC. Para analizar el clima de la zona de estudio de una manera más profunda, se han realizado gráficos de anomalías tanto térmicas como de precipitaciones para cada una de las cuatro estaciones del año. En el gráfico 23 vemos la anomalía de temperatura respecto a la media de verano, 19,73ºC. 40 Figura 23. Anomalías de Tª en verano Como se apuntaba en la Figura22, estudiando las anomalías vemos más claramente el aumento paulatino de la diferencia de temperatura con la media. Es llamativo la anomalía de más de 3ºC con respecto a la media del año 2003, año de intensas sequías y olas de calor en toda Europa, que también tuvo su influencia en el crecimiento de las hayas, sobre todo para el año siguiente. Las anomalías de precipitación con respecto a la media, 31,17 mm (Figura24) no muestran una tendencia más clara, aunque si se pueden observar ciclos de unos cinco años donde las precipitaciones son más homogéneas. Figura 24. Anomalías de precipitación de verano 41 La siguiente estación es otoño, comprendiendo los meses de septiembre, octubre y noviembre. En la Figura25 vemos una serie temporal del clima de otoño para el periodo 1940-2006. Figura 25. Tª y precipitación de otoño, periodo 1940-2006 La temperatura media es de 12,01ºC y la precipitación media de 44,18 mm. Las precipitaciones son más altas que en el periodo estival, pero también ha habido años mucho más secos durante los meses de otoño que los de verano. En general mayor variabilidad tanto en precipitaciones como en temperaturas. Las anomalías de temperatura respecto a la media (Figura26), 12,01ºC, muestran gran variabilidad de entorno a un grado entre 1940 a 1970. En cambio, a partir de 1980 la variabilidad aumenta a más de un grado y medio por encima y por debajo de la media. Figura 26. Anomalías de temperatura de otoño 48 Figura 36. Gráfico de correlaciones con ventana móvil, de MY29 Enel apartado de anexos se presentarán todos los resultados de las funciones respuesta y de las correlaciones, pero se quiere mostrar una de las cronologías que podía resumir las tendencias y significaciones generales del conjunto. En este sentido, se muestra la Figura37, gráfico de correlaciones que pertenece a la cronología MY1. En el gráfico se aprecia cómo tienen una influencia significativa tanto las precipitaciones tanto de junio del año de crecimiento como de diciembre del año previo de crecimiento. Esto significa que si hay menos precipitaciones el diciembre previo afectará de manera negativa al crecimiento de los anillos, que será menor. En cambio si la precipitación aumenta, beneficiará al mayor crecimiento de los anillos. 49 A continuación se muestra un resumen de los coeficientes que han resultado ser significativos en el análisis dendroclimático (Figura 38). Figura 38. Resumen de coeficientes de correlación significativos Cod_Dendro Tmp,curr,apr Tmp,curr,oct Pre,prev,dec Pre,curr,jun MY01_FASY -0.0273270209823403 -0.199564643164575 0.284659115189237 0.295714703092331 MY02_FASY -0.233152486960431 -0.300399998058484 0.203816961674089 0.250001809745987 MY03_FASY -0.359289722774582 -0.409771936675296 0.11303635422935 0.133744234888975 MY04_FASY -0.211294902403539 -0.406574397694556 0.247310141028471 0.263159033429951 MY05_FASY -0.329968937328662 -0.371673640964395 0.129664355838578 0.131986510963668 MY06_FASY 0.0769143384632216 -0.244182794246346 0.215290279037202 0.335820935098468 MY10_FASY -0.271484870089568 -0.338343014123341 0.0750622555881349 0.159146306204283 MY11_FASY 0.0890023178814332 -0.19472337947421 0.392270088010223 0.268210916747863 MY14_FASY -0.228353388784958 -0.37040187883348 0.319099846339559 0.366039209862877 MY16_FASY -0.0621599510056661 -0.166422760864833 0.37479050321638 0.234899862251524 MY17_FASY -0.18050651483431 -0.345545940705 0.00808455751628901 0.116636083610285 MY26_FASY -0.159485531188343 -0.312162457610419 0.237027716084902 0.277019087016684 MY27_FASY -0.166840477153116 -0.303870682667786 0.16460856743613 0.364441442495564 MY28_FASY -0.0572979776541504 -0.294906584928857 0.246945036551916 0.287461743807156 MY29_FASY 0.125621912107698 -0.101674642735368 0.280849131145397 0.37148058870397 Significativos Figura 37. Gráfico de coeficientes de correlación, MY1 50 Sobre las 15 cronologías estudiadas se han estudiado 32 variables de las cuales 4 se han mostrado como las realmente importantes, las que tienen significación y más influyen en el crecimiento y desarrollo del haya. Estas son la temperatura de abril y octubre del año actual de crecimiento, la precipitación de diciembre del año anterior al crecimiento del nuevo anillo y la precipitación de junio del año de crecimiento. La temperatura de octubre del año actual es una variable a estudiar y contrastar con otras fuentes de datos climáticos, ya que en octubre el árbol, en teoría, ha dejado de crecer y por tanto el anillo también. 5.4. Creación de un SIG para el hayedo del Parque Natural del Moncayo. La creación de un SIG se enmarca en el objetivo de integrar dendrocronología, en este caso dendroclimatología, en un sistema de información geográfica. Tras la obtención de los modelos mediante SPSS se ha realizado la integración de los coeficientes de correlación en el SIG. Como se observa en la Figura39 los índices de correlación están implementados en la capa de cronologías como atributos. Por tanto, se tiene la posibilidad de seleccionar cualquier cronología y ver su información tanto de altitud, orientaciones o pendiente como todas las variables y sus valores de correlación. Figura 39. Coeficientes de correlación en el SIG 51 La delimitación del límite de distribución del hayedo en el Parque Natural del Moncayo ha supuesto un primer paso para posteriormente trabajar con esos límites como máscara. Al mismo tiempo también se ha obtenido información acerca de la superficie cubierta por las hayas en cuanto a hectáreas y perímetro. La superficie en hectáreas que cubre el hayedo dentro del Parque es de 608 hectáreas, representando un 5,52% del total de las 11.000 hectáreas de Parque Natural del Moncayo. El perímetro que cubre la distribución del hayedo es de 57 km, en la Figura40 se marcan los límites en rojo. Figura 40. Límites hayedo Un pilar fundamental en la creación de este SIG es el modelo digital de elevaciones, a partir del cual se han generado variables como la pendiente, orientación, radiación solar y sombreado. En la Figura41 observamos el modelo digital de elevaciones. Para resaltar el modelo digital de elevaciones se ha generado el modelo de sombreado el cual resalta las laderas de tal forma que da sensación de relieve (Figura42). Encima de este modelo se ha colocado el modelo digital de elevaciones pero otorgándole un 40% de transparencia de tal modo que da la sensación de relieve. Esto se ha utilizado como base para la realización de las cartografías finales. 52 Figura 41. Modelo digital de elevaciones Figura 42. Modelo de sombreado 53 Asimismo, se ha generado el mapa de radiación solar directa (Figura43). Figura 43. Radiación solar directa Se ha realizado una maquetación final de los mapas de orientaciones y pendientes (Figura44), para conocer mejor las características biogeográficas de desarrollo de las hayas. En el caso de las orientaciones, se ha reclasificado en las ocho orientaciones principales siguiendo la rosa de los vientos. En el caso de las hayas estudiadas el 88% de las mismas están localizadas en orientaciones norte, noreste y noroeste, mientras que únicamente el 11% en orientación este. No existen hayas en las demás orientaciones, lo que indica la necesidad de humedad y umbría de la especie. En lo referente a la pendiente, también se ha reclasificado para conocer mejor a la especie. El 39,68% de los ejemplares están localizados en una pendiente del 40% o lo que es lo mismo de 18º. No hay prácticamente hayas en zonas llanas ni en pendientes inferiores al 20% ya que son zonas de pie de monte ocupadas por otras especies que se adaptan mejor a esas condiciones como Quercus pirenaica o Quescus ilex. 54 Figura 44. Mapa de orientaciones y pendientes del bosque de hayas 5.5. Modelización de las variaciones espaciales de las relaciones dendroclimáticas en el conjunto del área de distribución del hayedo en el Moncayo Tras la obtención de los coeficientes de correlación mediante el análisis dendroclimático, el siguiente paso era realizar el modelo de regresión múltiple para obtener los coeficientes en este caso para generar los modelos y posteriormente las cartografías. La validación de estos modelos se ha determinado mediante el valor de r2y el valor de significación hallado a su vez mediante la t de student (Figura45). Los modelos con significación menor de 0,05 son considerados válidos, mientras los que tienen una significación mayor no pueden ser considerados como válidos. En este caso, significa que la variable en cuestión no tiene relación con la altitud, o que no tiene variación ni gradiente en altitud. Sin embargo, esto no significa que no tenga importancia, por tanto para cartografiar las variables cuyo valor de significación estaba por encima de 0,05 se ha realizado el promedio de esa variable para el conjunto de cronologías. De este modo obteníamos el valor de la constante. Para generar cartografías se ha realizado la misma operación que con las demás variables con la diferencia de que el valor multiplicado por la altitud era 0. 55 Figura 45. Tabla de valores de coeficientes, r2 y sig. El nivel de significación de los modelos es un indicador suficientemente importante como para determinar si un modelo es válido o no. Pero además de este parámetro se han realizado gráficos de dispersión y significación, entre los coeficientes de relación obtenidos en el análisis climático y los valores de altitud de cada cronología. A continuación se muestran algunos de los resultados, tanto de modelos significativos como de modelos no significativos. Variable Coeficiente a Coeficiente b R2 Significación Tmp,prev,sep -0,536901798 0,000382719 0,5219133 0,002349373 Tmp,prev,oct 0,296696926 -0,000196845 0,25291796 0,056029353 Tmp,prev,nov 0,118156249 -6,89239E-05 0,06343862 0,36515555 Tmp,prev,dec -0,10624865 0,000125413 0,09291412 0,26929324 Tmp,curr,jan 0,142261723 7,57108E-06 0,00029578 0,951491301 Tmp,curr,feb 0,1768597 -0,000137037 0,10536598 0,237834906 Tmp,curr,mar 0,270853914 -0,0001723 0,21245115 0,083773973 Tmp,curr,apr 1,039044937 -0,000862951 0,78442683 1,12215E-05 Tmp,curr,may -0,364101223 0,000327578 0,47780636 0,004317144 Tmp,curr,jun -0,411793293 0,000240274 0,31193319 0,030464571 Tmp,curr,jul -0,728191244 0,000454783 0,54342437 0,001713951 Tmp,curr,aug -0,38319107 0,000394823 0,73515327 4,39505E-05 Tmp,curr,sep -0,001764742 2,0569E-05 0,00343066 0,83574095 Tmp,curr,oct 0,3934077 -0,000503662 0,72995209 5,00209E-05 Tmp,curr,nov 0,232630952 -0,000196265 0,23499208 0,067041555 Tmp,curr,dec 0,793722874 -0,000546911 0,76719436 1,86724E-05 Pre,prev,sep -0,010662344 6,08542E-06 0,00020569 0,959541034 Pre,prev,oct 0,107330857 -6,16266E-05 0,04919745 0,426908464 Pre,prev,nov -0,353724127 0,000192225 0,34910127 0,020375548 Pre,prev,dec 0,91222485 -0,00051002 0,54250807 0,001737605 Pre,curr,jan 0,934514195 -0,000689495 0,83571517 1,86827E-06 Pre,curr,feb -0,504543711 0,000289436 0,21269679 0,083572027 Pre,curr,mar -0,564706 0,000304178 0,42187167 0,008778388 Pre,curr,apr -0,350934016 0,000317478 0,43290555 0,007668423 Pre,curr,may 0,785562631 -0,000516779 0,69049947 0,000124198 Pre,curr,jun 0,777748396 -0,000383365 0,46669795 0,004995884 Pre,curr,jul 0,694052291 -0,000504631 0,41152827 0,0099449 Pre,curr,aug -0,09228492 -8,76315E-06 0,00040604 0,9431765 Pre,curr,sep -0,117054686 0,000159115 0,23884244 0,064518605 Pre,curr,oct 0,048510243 1,11062E-05 0,00210553 0,871004695 Pre,curr,nov 0,857657612 -0,000656699 0,5548341 0,001441926 Pre,curr,dec 0,733003822 -0,000614488 0,72003463 6,35976E-05 56 En la Figura46 vemos el gráfico de dispersión del modelo de la variable temperatura de abril del año en curso. Se puede apreciar la tendencia de los coeficientes de correlación a disminuir conforme ascendemos en altitud. Este mismo patrón lo observamos en la variable precipitación de diciembre del año previo (Figura47). Se puede interpretar en el sentido de que las precipitaciones de diciembre del año previo afectan más a las hayas de altitudes más bajas. Afectan con correlaciones positivas, es decir, si hay mayores precipitaciones el crecimiento será mayor. Figura 46. Gráfico de dispersión de la temperatura de abril. Figura 47. Gráfico de dispersión precipitación previa de diciembre 57 En la Figura48 se muestra el gráfico de dispersión de la precipitación de junio del año en curso el cual muestra el mismo patrón, con correlaciones positivas mayores en menor altitud y descendiendo conforme se asciende en altitud. Sin embargo, los modelos que presentan valores de significación por encima de 0,05 no ofrecen tendencias, ya que la variable tiene igual de importancia para toda el área de distribución del hayedo. Es el caso, por ejemplo, de la temperatura de enero del año en curso (Figura49). Su R2 es muy baja y nos está indicando que en este caso la altitud no tiene relación con los coeficientes de correlación. Lo cual no significa que la temperatura de enero no sea importante ya que de hecho puedo llegar a aletargar o retrasar el comienzo de crecimiento del anillo si se producen heladas continuadas. El resto de gráficos de dispersión se ajuntan en el apartado de anexos. Figura 48. Gráfico dispersión precipitación de junio Figura 49. Gráfico de dispersión de la temperatura de enero 64 Figura 55. Mapa de correlación de temperatura de otoño 65 En las siguientes páginas se mostrarán los mapas de correlaciones de precipitación sucesivamente. En cuanto a la precipitación de otoño del año previo (Figura56), tanto septiembre como octubre no presentan una respuesta positiva al gradiente altitudinal. Sin embargo, en noviembre la correlación es negativa en altitudes bajas y va aumentando conforme aumentamos en altitud hasta llegar a correlaciones positivas en cotas de 1600 metros. La precipitación de invierno (Figura57), tanto de diciembre como de enero, se muestra con una gran relación en términos de gradiente altitudinal. Mientras que en enero los coeficientes son positivos excepto en la cota más alta, en diciembre los valores negativos llegan hasta cotas más bajas. Hasta la cota ya mencionada de alrededor de 1300 metros donde se produce la transición de coeficientes negativos a positivos. En cuanto a la precipitación de primavera (Figura58), el mes de mayo se muestra como el de mayor significación, con valores de correlación positivos. Lo que significa que a cuanto mayor sea la precipitación mayor será el crecimiento del anillo. En abril sucede lo mismo, mientras que en marzo los coeficientes son negativos excepto en las cotas altas. Durante los meses de la estación de verano (Figura59), agosto se muestra como un mes donde la precipitación no tiene relación con la altitud y además con los valores de los coeficientes cercanos a 0. En cambio, la precipitación de junio tiene valores de correlación positivos incrementándose según se desciende en altitud. Lo mismo sucede en junio, mes en el que sin embargo en las cotas altas existen valores de correlación negativos. Por último, en la estación de octubre (Figura60), ni septiembre ni octubre presentan modelos válidos en relación al gradiente altitudinal. Por el contrario, en noviembre los coeficientes van disminuyendo conforme se aumenta la altitud. 66 Figura 56. Mapa de correlación de precipitación de septiembre del año previo 67 Figura 57. Mapa de correlación de precipitación de invierno 68 Figura 58. Mapa de correlación de precipitación de primavera 69 Figura 59. Mapa de correlación de la precipitación de verano 70 Figura 60. Mapa de correlación de la precipitación de otoño 71 6. Conclusiones Las conclusiones de este trabajo se han divido en dos apartados, en uno se han aportado las conclusiones referidas a los resultados obtenidos, mientras que en otro bloque se han destacado las conclusiones acerca de la metodología empleada y la formación que se ha tenido que llevar a cabo para poder desarrollar el trabajo. 6.1.Conclusiones respecto a los resultados obtenidos Los resultados finales fruto del análisis dendroclimático y la modelización de las variables, es decir, las cartografías, han sido muy satisfactorios. Las cartografías explican de manera concreta y visual las relaciones entre el crecimiento de las hayas y el clima y consecuentemente el gradiente altitudinal dado el análisis dendroclimático. Los coeficientes de correlación más significativos dados los datos analizados para la especie Fagus sylvatica en el P.N. del Moncayo son los de la temperatura en abril y la precipitación en junio. Por tanto, al ser los meses o periodos que más influencia tienen en el crecimiento de la especie, habrá que continuar analizando los cambios y las relaciones que se producen entre estos periodos y el crecimiento de la especie. Además de continuar el estudio con otras especies como Pinus halepensis o Quercus pirenaica. Existe una correlación entre gradiente altitudinal/térmico y crecimiento de las hayas, presentando patrones diferentes de crecimiento conforme aumentamos en altitud. Con los datos obtenidos, es a partir de los 1300 metros de altitud donde la respuesta de las hayas al clima empieza a variar con respecto a altitudes inferiores. Al mismo tiempo, sería conveniente repetir todo el estudio con otros datos climáticos para contrastar los resultados y seguir investigando sobre la señal climática negativa tan fuerte en temperatura de octubre. Se destaca por tanto la influencia de las variables climáticas estudiadas en el crecimiento de Fagus sylvatica. Por tanto, esta especie junto con otras, unido a la localización particular de las mismas hacen imprescindible continuar estudiando las características de las especies y su comportamiento ante el clima para poder anticiparse a los cambios futuros y poder así tratar de gestionar el Parque de la manera más eficiente posible. 72 6.2. Conclusiones respecto de la metodología utilizada Para la correcta ejecución del trabajo se ha tenido que realizar un proceso formativo en cuanto a metodología y técnicas en dendrocronología y en el programa estadístico R.  Las técnicas y herramientas utilizadas por la dendrocronología se muestran eficaces para determinar qué elementos del clima condicionan la dinámica de crecimiento de la especie.  Son técnicas complejas, y por tanto, su correcta ejecución y utilización requiere muchas horas de práctica y la repetición de muchos de los procesos.  Requiere de procesos estadísticos complejos para la verificación y validación de los resultados, por tanto, se tiene que tener conocimiento de las herramientas estadísticas.  El programa para estadística aplicada R, se consolida como parte fundamental a la hora de analizar los resultados obtenidos tras la medición de los anillos. Dada su condición de programa de código abierto, el usuario es capaz de modificar cualquier parámetro para ajustarlo a las necesidades de cada estudio.  Al mismo tiempo, R permite al usuario ejecutar scripts que permitan iterar procesos, de tal forma que se ahorra gran cantidad de tiempo. Además, permite generar gráficos de alta calidad. A la necesidad de la unión de R con el análisis dendroclimático se une la importancia de la integración de esta información en un sistema de información geográfica. Se está trabajando sobre una especie localizada en unas determinadas condiciones geográficas, por tanto introducir el territorio es fundamental. Los sistemas de información geográfica no son una ciencia, sino que son una herramienta. Por tanto, como herramienta se muestran muy eficaces para localizar y analizar procesos e integrar distintos procesos que se suceden en la superficie de la tierra. Además, los SIG permiten al usuario generar cartografía como producto final tras la realización de múltiples análisis o estudios estadísticos con diferentes variables. La producción de cartografías es fundamental en el ámbito de la gestión del medio ambiente y la ordenación del territorio. Mediante las cartografías se pretende por un lado aumentar el conocimiento de la especie estudiada y por otro analizar futuros cambios en la distribución de la especie ante variaciones climáticas. 73 7. Referencias Biondi, F. and K. Waikul. 2004. DENDROCLIM2002: A C++ program for statistical calibration of climate signals in tree-ring chronologies. Computers & Geosciences 30: 303-311. Bunn, A.G. 2008. A dendrochronology program library in R (dplR). Dendrochronologia, 26: 115-124. Bunn, A.G. 2010. Statistical and visual crossdating in R using the dplR library. Dendrochronologia 28: 251-258. De Luis, M., Brunetti, M., González-Hidalgo, J. C., Longares, L. A., Martín- Vide, J. (2010a). Changes in seasonal precipitation in the Iberian Peninsula during 1946–2005. Global and Planetary Change 74: 27-33. Dittmar, C. Zech, W.Elling, W. 2003. Growth variations of Common beech (Fagussylvatica L.) under different climatic and environmental conditions in Europe—a dendroecological study, Forest Ecology and Management, Volume 173: 63-78. Dixon, P.M. 2001 Bootstrap resampling. In: El-Shaarawi, A.H., Piegorsch, W.W. (Eds.), The Encyclopedia of Environmetrics. Wiley, New York. Draper N R & Smith H. 1966. Applied regression analysis.New York: Wiley, 407 p. Fritts, H.C., 1976. Tree Rings and Climate. Academic Press,London, 567pp. Guiot, J. 1991. The boostrapped response function. Tree-Ring Bulletin 51:39-41. Harris, I., Jones, P.D., Osborn, T.J. and Lister, D.H., 2012: Updated highresolution grids of monthly climatic observations - the CRU TS3.10 dataset. Submitted to International Journal of Climatology. Holmes, R. L. 1983. Computer-assisted quality control in tree-ring dating and measurement. Tree-Ring Bulletin 43: 69-78. Jump, A. Hunt, J. 2006.Rapid climate change-related growth decline at the southern range edge of Fagus sylvatica. Global Change Biology 12: 2163- 2174. Martínez del Castillo, E. 2011. Análisis multitemporal de la cubierta forestal del macizo del Moncayo mediante teledetección e índices de ecología del paisaje. Trabajo fin de máster en TIGs: SIG y teledetección. Menéndez Valderrey, JL. 2006. Fagus sylvatica L. Asturnatura.com on line, 98. Disponible en www.asturnatura.com/especie/fagus-sylvatica.html.