mejora y aplicaciÓn del modelo de …cifacantabria.org/documentos/2014_mejora y aplicacion del...

MEJORA Y APLICACIÓN DEL MODELO

DE SIMULACIÓN “PUERTO” EN PASTOS

COMUNALES DE CANTABRIA

INGENIERÍA DE MONTES

Departamento de Producción Vegetal

UNIVERSIDAD DE SANTIAGO DE COMPOSTELA

Alumno:

M. GEMA MAESTRO REQUENA

Directores:

JUAN BUSQUÉ MARCOS (Área de Sistemas de Producción Animal, Centro

de Investigación y Formación Agrarias de Cantabria)

ANTONIO RIGUEIRO RODRÍGUEZ (Departamento de Producción Vegetal,

Universidad Santiago de Compostela)

Lugo, abril de 2014

RESUMEN

El modelo PUERTO es una herramienta de apoyo a la gestión del pastoreo en terrenos

comunales a escala municipal. Cuantifica y evalúa en el espacio y en el tiempo los

desequilibrios existentes en el pastoreo (infra o sobrepastoreo) y su relación con la

productividad animal. El objetivo principal del siguiente estudio es mejorar el cálculo de la

producción vegetal del modelo, debido a la existencia de nueva información climatológica

precisa a escalas espacio-temporales detalladas, y a los avances en geoestadística de los SIG.

La importancia de disponer de un modelo como el descrito, que analice tanto la situación

actual como posibles escenarios futuros con gran exactitud, radica en el hecho de que los

pastos comunales de montaña de la Cordillera Cantábrica (55% de la superficie de la región)

constituyen recursos pastorales clave para el mantenimiento de una actividad ganadera

trastermitante, actividad económica principal en los municipios interiores de la región, además

de ser paisajes de montaña característicos con un alto valor ecológico. El cálculo de la

producción vegetal con una escala detallada tanto espacial como temporal permitirá, además,

evaluar la cantidad de pasto disponible en cada momento, cuantificar la biomasa de

combustible acumulada, o conocer las tasas de crecimiento mensual.

Palabras clave: modelo PUERTO, producción vegetal, pastos comunales, ganadería extensiva,

gestión del territorio,

ÍNDICE

1.-INTRODUCCIÓN ......................................................................................................................... 7

2.-JUSTIFICACIÓN Y OBJETIVOS ..................................................................................................... 8

2.1.-PASTOS COMUNALES ......................................................................................................... 8

2.2.-GANADERÍA EXTENSIVA ..................................................................................................... 9

2.3.-OBJETIVOS ........................................................................................................................ 10

3.-MATERIAL Y MÉTODOS ........................................................................................................... 12

3.1.-ANTECEDENTES Y PROYECTO ACTUAL ............................................................................. 12

3.2.-DESCRIPCIÓN DEL MEDIO ................................................................................................ 14

3.2.1.-NIVEL REGIONAL ....................................................................................................... 14

3.2.2.-NIVEL MUNICIPAL ..................................................................................................... 16

3.3.- MODELO PUERTO. ESTRUCTURA .................................................................................... 23

3.3.1.-INFORMACIÓN ESPECÍFICA DEL MODELO ................................................................ 23

3.3.2.-INFORMACIÓN DE REFERENCIA DEL MODELO ......................................................... 28

3.3.2.-PROCESO DE SIMULACIÓN DEL MODELO ................................................................. 30

3.4.-NUEVA METODOLOGÍA PARA EL CÁLCULO DE LA PRODUCCIÓN DE CADA TIPO DE

VEGETACIÓN ........................................................................................................................... 32

4.-RESULTADOS ........................................................................................................................... 48

4.1.-RESULTADOS ESPECÍFICOS DE LA APLICACIÓN DE LA NUEVA METODOLOGÍA PARA EL

CÁLCULO DE LA PRODUCCIÓN ................................................................................................ 48

4.1.1.-CRECIMIENTO Y BIOMASA ........................................................................................ 48

4.1.2.-PESO VIVO SOPORTADO POR UNIDAD PASTORAL ................................................... 55

4.1.3.-VARIACIÓN DE PESO EN CADA UNA DE LAS UNIDADES PASTORALES ...................... 57

4.1.4.-UTILIZACIÓN FORRAJERA .......................................................................................... 58

4.1.5.-PRODUCCIÓN ............................................................................................................ 61

5.-CONCLUSIONES ....................................................................................................................... 64

6.-BIBLIOGRAFÍA .......................................................................................................................... 65

MEJORA Y APLICACIÓN DEL MODELO DE SIMULACIÓN “PUERTO” EN PASTOS COMUNALES DE CANTABRIA

7

1.-INTRODUCCIÓN

La conservación de recursos vegetales en zonas desfavorecidas, donde la principal actividad es

la ganadería extensiva, es de vital importancia tanto por su utilización como fuente de

alimento para los animales que allí pastorean como por la necesidad de que dicho recurso

perdure en un estado ecológicamente sostenible en el tiempo, sin sufrir ningún tipo de

degradación que suponga disminuir su valor en cuanto a biodiversidad y a existencia de

especies vegetales o animales de alto interés.

El actual abandono del medio rural y de las actividades agrícolas se traduce en el paso de una

ganadería extensiva y tradicional a otra más intensiva pero apoyada en elementos

tradicionales. El abandono progresivo de esta actividad hace que se pierdan o degraden

formaciones clásicas como los pastos comunales, siendo invadidas en primer lugar por

matorral y, posteriormente, por especies leñosas de porte aún mayor.

La pérdida de la figura de pastor hace que el manejo del ganado cambie, tendiendo a

concentrarse en las zonas más accesibles y cercanas a los núcleos urbanos. La consecuencia es

un agotamiento de los recursos vegetales que ocupan esas superficies además de potenciales

contaminaciones por acumulación de heces y orina y erosión.

Por último, cabe mencionar que la rentabilidad, sostenibilidad y mejora de las condiciones

socio-económicas de las explotaciones ganaderas pasa por la utilización eficiente por el

ganado de la vegetación pastoral disponible, teniendo en cuenta que un correcto manejo

ganadero (especies, periodos y espacios) optimiza la utilización de los recursos objeto de este

estudio.

La inexistencia de una herramienta que pueda cuantificar estos procesos teniendo en cuenta la

complejidad del sistema, tanto desde el punto de vista de su vegetación como desde el uso

ganadero, con bases científicas, hace imprescindible su diseño e implementación en territorios

con esta problemática.

Atendiendo a estas necesidades se diseñó el modelo PUERTO, que simula el proceso de

pastoreo del ganado en puertos de montaña.


8

2.-JUSTIFICACIÓN Y OBJETIVOS

2.1.-PASTOS COMUNALES

Los pastos comunales de montaña de la Cordillera Cantábrica constituyen recursos pastorales

clave para el mantenimiento de una actividad ganadera trastermitante. Se trata de espacios

con un elevado valor en cuanto a su capacidad productiva. El valor de estas comunidades se

hace extensivo al punto de vista ecológico. A menudo se encuentran integrados en Espacios

Naturales Protegidos como forma de preservar este recurso natural (Bedia et al, 2008).

La superficie de terrenos comunales en Cantabria es muy elevada: aproximadamente 290.000

hectáreas (un 55% de la superficie de la región). Su localización (Figura 1), principalmente en

zonas de montaña, ha conformado una dedicación fundamentalmente de tipo silvopastoral.

Tanto este tipo de manejo como las propias condiciones bioclimáticas han dado lugar a

paisajes de montaña característicos.

Figura 1.- Terrenos Comunales en Cantabria

Aunque los terrenos comunales de Cantabria pertenecen en su mayoría a ayuntamientos y

juntas vecinales, la gestión de la mayoría de estos espacios compete a la administración

regional (Dirección General de Montes y Conservación de la Naturaleza) teniendo como fin su

aprovechamiento y conservación a través de las distintas figuras oficiales existentes (Parques

Nacionales, Naturales, LICs, ZEPAs o reservas de caza).


9

Los terrenos de pasto en alta montaña presentan una gran diversidad de comunidades

vegetales aprovechadas directa o indirectamente por el ganado o la fauna salvaje (Fernández-

Arango et al, 2007). Las razones de esta gran diversidad vegetal hay que buscarlas en la gran

variedad de condiciones físicas del territorio (clima, relieve y litología), y en el uso histórico y el

aprovechamiento actual de éste por el hombre.

La altitud, la pendiente y la exposición, junto con la litología y las formas de relieve,

determinan los principales rasgos ambientales y la distribución espacial de cubiertas y usos del

suelo (Barry e Ives, 1974). La altitud implica una primera escala de diversidad, que se

manifiesta en la presencia de varios niveles biogeográficos, morfoclimáticos y de usos del

suelo. Estos niveles ofrecen recursos y potencialidades pastorales muy variadas. Además,

dentro de cada nivel, la pendiente y la exposición originan microambientes muy distintos,

contribuyendo a crear un mosaico de usos y cubiertas del suelo extremadamente complejo, en

el que cada tesela constituye una unidad de paisaje con diferentes posibilidades de

aprovechamiento (Balcells, 1985; García-Ruiz, 1990).

2.2.-GANADERÍA EXTENSIVA

La ganadería extensiva en zonas de montaña se caracteriza por un uso estacional de los

recursos pastorales, principalmente siguiendo un gradiente altitudinal trastermitante. En la

mayor parte de la montaña de Cantabria, la base ganadera se basó históricamente en el

vacuno de raza tudanca, complementado comúnmente con un número pequeño de ovejas y

cabras, manejadas durante casi todo el año en pastoreo como rebaños comunales (Fillat,

2008).

Actualmente existe una creciente presencia del equino con un manejo normalmente muy

extensivo y, por tanto, de baja productividad y cuidados. El caprino y el ovino son casi

testimoniales y casi siempre se encuentran en pastoreo cerca de los pueblos. Además, se han

sustituido las razas autóctonas por otras foráneas mejoradas (limusina, charolesa…).

Como último problema con el que se encuentra la ganadería extensiva, cabe mencionar el tan

mencionado abandono rural y la pérdida de oficios tradicionales como el de pastor o vaquero,

que tiene como consecuencia una disminución de la mano de obra con el inconveniente

añadido del aumento del tamaño medio de los rebaños

Estos cambios en los sistemas pastorales en la montaña desencadenan, en muchos casos,

problemas de degradación de pasto, bien por infrapastoreo y matorralización de las zonas más

alejadas como por sobrepastoreo en las más accesibles. Una elevada y creciente acumulación

de biomasa arbustiva, consecuencia del mencionado infrapastoreo, genera riesgo de alta

ocurrencia de incendios forestales, tanto intencionados en busca de regenerado de pasto

aprovechable para el ganado, como naturales, que puede desembocar en la desaparición de

ecosistemas irrecuperables. En Cantabria la mayoría de los incendios forestales tienen un

carácter claramente intencionado en el 84 % de los casos estudiados. Este hecho persigue los


10

fines pastorales mencionados. Así, de manera tradicional y hasta la fecha, las prácticas

ganaderas llevan asociado el uso del fuego. Desde finales de invierno y hasta comienzo de la

primavera (fuera del periodo estival) es la época de máximo riesgo de incendio, ocurriendo la

mayoría en terrenos comunales bajo condiciones “típicas” de viento conocidas localmente

como suradas: en 2013 hubo un total de 332 incendios forestales que supusieron una

superficie total de 3101,61 hectáreas dominadas por leñosas arbustivas y 1051,95 hectáreas

de pasto herbáceo.

2.3.-OBJETIVOS

Es por todo lo mencionado en los puntos anteriores y por las actuales necesidades de una

justificación técnica en la toma de decisiones de cualquier gestor del territorio, por lo que se

hace imprescindible una herramienta como la que es objeto de este estudio.

Los objetivos finales del modelo PUERTO son:

- Obtener una zonificación del territorio que sirva como base topográfica

- Detectar superficies degradas de pastos y zonas rasas con vocación forestal

- Detectar superficies con desequilibrios en cuanto a su uso ganadero (sobrepastoreo o

infrapastoreo)

- Servir como herramienta para determinar las actuaciones de conservación y mejora de

zonas pastables

De manera más concreta, el modelo PUERTO será una herramienta para la definición de

actuaciones posibles sobre el territorio (mejora de pastos) y sobre el ganado: priorización de

los tipos de vegetación a tratar, decisión de los métodos de trabajo, adaptación de los alcances

del pastoreo o la promoción del manejo de otras especies ganaderas complementarias.

Actualmente está diseñado para su aplicación en situaciones diversas y a diferentes escalas

temporales y espaciales, dando como resultados el grado de utilización forrajera de la

vegetación y el rendimiento del ganado en pastoreo.

En este punto se centra el presente estudio. La ampliación del modelo a situaciones con un

gradiente altitudinal y temporal grande, hace que sea recomendable introducir algoritmos que

computen las diferentes productividades y fenología de la vegetación según su posición

topográfica, mejorando la fiabilidad de las predicciones del modelo PUERTO.

De este modo, los objetivos marcados son los siguientes:

- Ajustar la productividad vegetal del modelo PUERTO. Desde el diseño de esta

herramienta se han mejorado modelos climáticos que trabajan con una precisión

mayor a los utilizados hasta ahora. La distribución espacial de las especies vegetales

hace que deban de tenerse en cuenta factores como la topografía (altitudes y

orientaciones), por las variaciones asociadas de factores ambientales (temperatura,


11

precipitación y evapotranspiración). Para ello se utilizará un modelo regional de clima

realizado a escala de 1 km (Gutiérrez et al, 2011).

- Aplicación de las mejoras propuestas en una nueva simulación del modelo PUERTO en

una zona de alto interés en cuanto a pastos comunales de montaña en Cantabria.


12

3.-MATERIAL Y MÉTODOS

3.1.-ANTECEDENTES Y PROYECTO ACTUAL

Hasta ahora se ha puesto de manifiesto que los pastos comunales de Cantabria son sistemas

complejos en donde interactúan distintos tipos de herbívoros domésticos de distinta

procedencia con un mosaico heterogéneo de pastos. El modelo “PUERTO” se diseñó para

contemplar este tipo de sistemas pastorales. En el modelo se integran tres bloques:

información específica de cada zona, información de referencia de los pastos y el ganado y

algoritmos que simulan los procesos (Figura 2). El pastoreo se simula por períodos de diez días.

En su versión actual, el modelo está implementado en R.

Figura 2.- Estructura del modelo de pastoreo PUERTO. Los rectángulos en gris corresponden a la información específica de partida necesaria para correr el modelo. Los rectángulos con fondo blanco recogen la información de referencia del modelo. Las flechas horizontales señalan los procesos de selección en pastoreo y balances energéticos simulados. Las salidas del modelo se especifican dentro de las elipses.

El modelo PUERTO ha sido aplicado y se está utilizando en diferentes trabajos: planes de

ordenación de recursos forestales, planes de gestión de pastos comunales a escala municipal o

en el trabajos de caracterización de ganadería extensiva en hábitats de urogallo, además de en

diferentes tesis doctorales.


13

El modelo PUERTO se empezó a desarrollar en 2003 dentro de un proyecto de investigación

del CIFA (“Restauración ambiental de los pastos de puerto de Sejos invadidos por lecherina

(Euphorbia polygalifolia) mediante un sistema de pastoreo ovino”), aplicándose al pastoreo del

puerto de Sejos, Mancomunidad de Campoo-Cabuérniga (Cantabria), para los meses de junio a

octubre. Las simulaciones del modelo corroboraron los datos experimentales obtenidos

previamente (Busqué et al., 2003), que señalaban al sobrepastoreo como el principal

desencadenante de la degradación de los pastos y su colonización por Euphorbia polygalifolia.

Con la simulación del modelo “PUERTO” se comprobó la relación existente entre el grado de

invasión de E. polygalifolia de los pastos de Festuca-Agrostis y el patrón de utilización forrajera

por ganado (Busqué et al., 2006).

En 2011, dentro de un proyecto de “Planificación de la gestión del pastoreo en los Montes de

Utilidad Pública” de un municipio de montaña de Cantabria (Rionansa), se adaptó el modelo

PUERTO a una escala espacial mayor, ampliando temporalmente su simulación a todo el año.

En las figuras que aparecen a continuación (Figura 3) se observan las superficies de estudio

mencionadas: pastos comunales de Sejos y municipio de Rionansa.

Figura 3.-Mapa del puerto de Sejos (izquierda) y del municipio de Rionansa (derecha) con sus respectivas escalas

En este segundo proyecto el modelo PUERTO sirve para acometer los siguientes objetivos: (i)

proveer de una herramienta de apoyo a la gestión del pastoreo en los terrenos comunales a

escala municipal; (ii) cuantificar y evaluar en el espacio y en el tiempo los desequilibrios

existentes en el pastoreo (infra o sobrepastoreo) y su relación con la incidencia de incendios y

una productividad animal baja; (iii) discutir con los ganaderos propietarios de los rebaños en

pastoreo y lograr consensos en las posibles actuaciones a llevar a cabo para resolver

desequilibrios; (iv) visualizar los efectos de posibles actuaciones silvopastorales mediante la

creación de escenarios.

Para alcanzar los objetivos anteriores, la aplicación del modelo a la zona de trabajo actual debe

de estimar y representar el uso del territorio a nivel de Unidades Pastorales (UPs) para poder

priorizar y definir posibles actuaciones (mejora de pastos, infraestructuras…) con el objetivo

último de definir un plan de gestión a cinco-diez años (Busqué, 2006).


14

Por lo tanto, el cambio en la escala espacial y temporal de la aplicación del modelo PUERTO de

un puerto comunal relativamente pequeño (alrededor de 2000 hectáreas), de bajo gradiente

altitudinal (1.500-2.000 m) y con un aprovechamiento de junio a octubre, a todos los pastos

comunales de un municipio completo (alrededor de 11800 has), con un fuerte gradiente

altitudinal (96-2045 m) y temporal (de marzo a diciembre), hacen recomendable crear una

nueva versión del modelo, que contemple en detalle el fuerte efecto de la altitud y la orografía

sobre la productividad de los pastos. La existencia de nueva información climatológica precisa

a escalas espacio-temporales detalladas, y los avances en geoestadística de los SIG permiten

actualmente realizar estas mejoras en el modelo. El objetivo principal de este trabajo fin de

carrera es acometer estas mejoras del modelo PUERTO, avanzando así en el diseño de una

herramienta que simule adecuadamente el uso en pastoreo de los montes comunales, de gran

valor para tomar decisiones de gestión en estos ecosistemas.

3.2.-DESCRIPCIÓN DEL MEDIO

3.2.1.-NIVEL REGIONAL

A pesar de que es una región pequeña (535618 ha), Cantabria presenta una gran diversidad

de comunidades vegetales aprovechadas directa o indirectamente por el ganado o la fauna

salvaje, esto es, de pastos. Las razones de esta gran diversidad vegetal hay que buscarlas en

la gran variedad de condiciones físicas del territorio y en el uso histórico y el

aprovechamiento actual de éste por el hombre.

En cuanto al clima, que constituye un factor ecológico determinante para la implantación de

un determinado paisaje vegetal, Cantabria se caracteriza por disfrutar de un régimen de

temperaturas suaves y templadas, con una oscilación térmica limitada por la presencia del

océano, y por la abundancia de lluvias repartidas a lo largo de todo el año; por ello, se puede

decir que la mayor parte de Cantabria encaja en el tipo de clima oceánico o atlántico,

templado y húmedo. Sin embargo, considerando que las heterogeneidades en la distribución

de la vegetación dependen del tipo de suelo, pendiente media, orientación, altitud y

proximidad al mar, se comprende fácilmente que, por su complejidad orográfica, Cantabria

presente notables singularidades en algunas comarcas (Figura 4).


15

Figura 4.- Mapa de temperaturas medias en Cantabria para el mes de mayo. Unidades en ºC. Fuente UC

El régimen termométrico (Figura 4) anual es muy regular, con los valores medios más altos en

agosto y los más bajos en enero, aunque debe destacarse que en las zonas altas de la

vertiente sur las temperaturas son más rigurosas, especialmente en invierno, presentando

una oscilación anual propia del clima continental. El régimen pluviométrico (Figura 5) es

bastante complejo, aunque también presenta unas características climatológicas comunes a

toda la región, que se pueden resumir en abundancia de precipitaciones a lo largo del año

con dos máximos, uno principal a finales de otoño, y otro secundario en primavera.

Figura 5.- Mapa de precipitaciones medias en Cantabria para el mes de octubre. Unidades en mm. Fuente UC

En lo referente al substrato, el parámetro más importante a tener en cuenta para explicar la

composición y características ecológicas de los pastos es el carácter ácido o básico del suelo,


16

determinado en buena medida por el tipo de roca presente en una determinada área. La

principal característica de Cantabria es su gran variabilidad espacial (Fernández-Arango et al.,

2007). No obstante existen grandes superficies en la región con un substrato geológico

homogéneo, que definen dos grandes tipos de pasto en la región: los pastos silícolas, sobre

rocas ácidas (areniscas, limolitas, conglomerados, etc.) y los pastos calcícolas, sobre

substratos básicos constituidos por calizas masivas de diferentes edades, margas,

calcarenitas… Es de interés mencionar una banda de calizas jurásicas a ambos lados de una

gran estructura sinclinal que conforma los valles centrales de la región.

3.2.2.-NIVEL MUNICIPAL

El lugar para el que se aplicará la nueva versión del modelo PUERTO será el municipio de

Rionansa, por haber sido objeto de su aplicación en versiones anteriores y disponer de la

información específica de partida necesaria, además de ser un claro ejemplo de la situación de

la media montaña cantábrica.

Este municipio servirá de ejemplo a la hora de ilustrar, durante los apartados siguientes, cada

uno de los procesos para el cálculo de la productividad, además de aplicar sobre él el modelo

hasta obtener la información de salida resultante.

La población del municipio ha disminuido en la última década: ha pasado de 1444 habitantes

en el año 2000 a 1113 en 2010 (Revisiones anuales del Padrón Municipal de Habitantes (2000-

2012. Fuente INE), presentando una fuerte tendencia de envejecimiento.

La ganadería bovina y equina constituyen las actividades económicas principales dentro del

sector primario. Existen 102 explotaciones ganaderas que concentran 2180 cabezas de vacuno,

609 de equino, 836 de ovino y 251 de caprino. El sistema de explotación (mayoritario el

manejo extensivo) se basa principalmente en el aprovechamiento de los recursos forrajeros

locales, tanto conservados provenientes de los prados particulares, como mediante pastoreo

(Menéndez et al, 2012).

La tendencia en los últimos años es la de un abandono progresivo de la actividad. Este hecho

unido al escaso control del ganado en pastoreo y a la disminución del ganado menor en las

explotaciones (cabras y ovejas) hace que el territorio utilizado tradicionalmente sufra un

abandono cada vez mayor y un escaso manejo.

El territorio objeto de este estudio pertenece a la Comarca Forestal 3 (Nansa) (Tudanca-

Cabuérniga), dentro de la Sección Forestal 1 (Figura 6) y cuenta con una superficie de 11805

ha.


17

Figura 6.- Ubicación del área de trabajo en la Comarca Forestal 3 (Sección forestal 1). 1 representa a la Comarca Forestal Liébana Norte, 2 a Liébana Sur y 3 al Nansa. En amarillo área de estudio


18

El área de trabajo abarca 9 Montes de Utilidad Pública (MUP de aquí en adelante)

pertenecientes al Ayuntamiento de población de Rionansa y a las Juntas vecinales de Cabrojo,

Celis, Cosío y Rozadío, Obeso y San Sebastián, además de un monte de Libre Disposición

señalado con una elipse roja en la figura siguiente (Figura 7).

c

Figura 7.- Montes pertenecientes a la zona de estudio: en colores los MUP, en la elipse roja el monte de Libre Disposición


19

Dentro de los MUP existen superficie de uso comunal o terrenos comunales. Estos comunales

tienen asociado un Código de Explotación Agraria (CEA) (Figura 8).

Figura 8.- CEA pertenecientes al área de estudio sobre representación de MUP. En amarillo área de estudio

En cuanto a las variables topográficas cabe mencionar que la zona de estudio tiene un

gradiente altitudinal (Figura 9) de más de 1900 metros, con unas cotas máximas y mínimas de

2047 y 96 metros respectivamente, con unas pendientes (Figura 9) medias de alrededor de un

30%. Los datos se obtuvieron del Instituto Geográfico Nacional (IGN).


20

Figura 9.- A la izquierda Modelo Digital de Elevaciones. A la derecha Modelo Digital de Pendientes. Fuente IGN

Para la caracterización climática se parte de los datos del trabajo "Escenarios Regionales

Probabilísticos de Cambio Climático en Cantabria” elaborado por la Universidad de Cantabria

(Gutiérrez et al, 2011). Este trabajo presenta las estimaciones mensuales de temperaturas

(media, mínima y máxima) y precipitaciones a escalas de cuadrados de 1 km de lado para toda

la superficie de la región.

Como se observa en la tabla siguiente (Tabla 1) las temperaturas medias mínimas oscilan entre

los 0,8 y los 11,7 ºC, correspondientes a los meses de enero y agosto respectivamente,

mientras que las medias de las máximas lo hacen entre 8,3 y 21,3 ºC, en enero y julio.

Las precipitaciones oscilan entre los 166,1 mm y lo 52,7, para los meses de noviembre y julio.

Tabla 1.- Valores de precipitaciones medias mensuales (mm) (Ppt), temperaturas medias de las medias (Tmed),

máximas (Tmax) y mínimas (Tmin) mensuales (ºC), para cada uno de los meses de año en la zona de estudio

E F M A M J JL AG S O N D

Ppt 136,8 127,8 118,4 155,9 131,7 67,7 52,7 65,6 85,7 134,4 166,1 151,2

Tmed 4,6 5,0 7,2 7,4 10,4 14,0 16,1 16,6 14,2 11,0 7,7 5,8

Tmin 0,8 1,6 3,0 3,3 6,2 9,2 11,1 11,7 9,4 7,0 4,0 2,4

Tmax 8,3 9,0 11,3 11,5 14,5 18,9 21,3 21,0 19,1 15,0 11,3 9,2


21

Los tipos de suelo del municipio de estudio viene representados en la Figura 10 y las

características de los mismos están reflejadas en la Tabla 2. Se observa que la mayoría de los

suelos son calizos y de espesor irregular. Los datos edafológicos se recogen del trabajo de

“Zonificación Agroecológica en Cantabria” (ZAE) (Fernández-Arango et al., 2007).

Figura 10.- Mapa edafológico. Fuente ZAE


22

Tabla 2.- Características edafológicas de los suelos en el área de estudio. Fuente ZAE

Suelo Descripción Capacidad

de uso Superficie

(%)

Leptosol úmbrico Suelos muy someros (<10 cm espesor) y abundantes

afloramientos. Silíceos. E 14,8

Leptosol réndzico Suelos muy someros (<10 cm espesor) y abundantes

afloramientos. Calizos. E 3,3

Leptosol lítico Suelos asociados al grupo 01, de espesor irregular.

Silíceos. E 3,9

Luvisol háplico Suelos asociados al grupo 01, de espesor irregular.

Calizos. E 11,3

Luvisol crómico Suelos asociados al grupo 01, de espesor irregular.

Calizos. E 7,8

Cambisol eútrico Suelos someros (<25 cm espesor) y suelos asociados.

Calizos. Dpe 6,6

Umbrisol háplico Suelos evolucionados y muy evolucionados de carácter

muy ácido y con acumulación de materia orgánica. E 18,1

Cambisol eútrico Suelos evolucionados de carácter muy ácido. E 11,2

Leptosol úmbrico Suelos evolucionados de carácter muy ácido. E 21,2

Luvisol háplico Suelos con desarrollo de horizonte árgico. De 2,8

En relación a los ENP (Espacios Naturales Protegidos) (Figura 11), casi el 14% del área de

estudio se encuentra incluida en la Red Natura 2000 catalogadas como zona LIC (Lugares de

Importancia Comunitaria), denominados “Río Nansa”, “Valles Altos Nansa y Saja y Alto

Campóo” y “Sierra del Escudo de Cabuérniga”. La información se recoge de las bases

cartográficas de la Dirección Genereal de Montes del Gobierno de Cantabria.

Figura 11. Espacios Naturales Protegidos. Fuente DGM


23

3.3.- MODELO PUERTO. ESTRUCTURA

El modelo PUERTO comprende los siguientes componentes:

- Manchas de vegetación. Son polígonos de vegetación homogénea, que en su

conjunto componen el mapa de vegetación del modelo. Se identifican con el

subíndice i.

- Tipo de pasto. Cada una de las distintas fuentes forrajeras existentes en el

área estudiada. Se identifican con el subíndice f. Un tipo de pasto coincide con

una comunidad vegetal cuando se trata de una comunidad vegetal herbácea.

En el caso de comunidades vegetales leñosas pueden existir más de un tipo de

pasto si hay más de un estrato de vegetación (p.ej. estrato herbáceo y estrato

arbustivo).

- Cabaña ganadera. Cada uno de los rebaños de ganado, compuestos por una

especie ganadera y siguiendo las mismas rutas de pastoreo. Se identifican con

el subíndice h.

- Categoría de animal. Cada uno de los distintos tipos de animales existentes

según su estado fisiológico y sexo. Se identifica por el subíndice c.

- Unidad de tiempo. Periodo considerado por el modelo para realizar sus

cálculos. Por defecto se utiliza un período de 10 días. Se identifica por el

subíndice t.

El modelo produce resultados al nivel de detalle especificado por estos componentes. Así por

ejemplo, Ingifhct se refiere a la ingestión de forraje de los animales de la categoría c de la

cabaña ganadera h en el tipo de pasto f existente en la mancha de vegetación i en el período

de tiempo t. Con esta estructura del modelo, resulta sencillo agregar por diferentes

componentes para obtener resultados a otras escalas temporales y espaciales de menor

detalle (p. ej. Inght se refiere a la ingestión total de forraje por la cabaña ganadera h en el

período t; Ingf se refiere al forraje total consumido del tipo de pasto f en el total del tiempo

simulado por el modelo).

Toda la información se recogerá en diferentes tablas ordenadas en una base de datos.

3.3.1.-INFORMACIÓN ESPECÍFICA DEL MODELO

3.3.1.1.-DISTRIBUCIÓN DE LA VEGETACIÓN

El modelo precisa disponer de un mapa de la vegetación del área a estudiar (Figura 12). El

mapa de vegetación representa espacialmente las manchas de vegetación homogéneas del

área de estudio. Las manchas de vegetación del modelo se representan con el subíndice i.


24

Figura 12.- Mapa de vegetación del área de estudio


25

A continuación se presenta la información contenida en cada una de las tablas de información

específica de la vegetación. La información se agrupa en manchas de vegetación o teselas.

Manchas. Contiene valores relativos a las teselas o manchas de vegetación.

- Identificación de la tesela

- Superficie en hectáreas de la mancha o tesela

- Pendiente

- Porcentaje de cobertura que ocupa cada una de las comunidades vegetales presentes

en la parcela. Entre todas deberán de sumar el 100% de la cobertura vegetal

- Identificación de la unidad pastoral

Manchas_Comunidades de la base de datos. Cada mancha de vegetación i puede estar

compuesta por uno o más tipos de comunidades vegetales.

- Tipo de comunidad vegetal con un código numérico

- Porcentaje de la cobertura vegetal de la tesela ocupada por la comunidad vegetal

Manchas_Suelo. Profundidad media y textura predominante en cada tesela de vegetación

definida. Se calcula a partir de los datos de ZAE (en formato raster de 25x25m).

- Profundidad del suelo. Media para toda la tesela

- Textura predominante. Las texturas se clasificarán en arenosa, franca o arcillosa

Manchas_Clima. Recoge los valores mensuales de radiación potencial, precipitación y

temperaturas en cada tesela.

- Mes del año

- Radiación potencial

- Precipitación mensual media

- Temperatura media de las medias

- Temperatura media de las mínimas

- Temperatura media de las máximas

3.3.1.2.-DISTRIBUCIÓN DEL GANADO

La distribución espacial de las cabañas ganaderas en puerto a lo largo de la estación de

pastoreo puede ser variable. En general y a grandes rasgos, es información bien conocida por

el dueño o gestor de cada cabaña (‘alcances’), por lo que es importante que esta información

se recoja directamente de éstos.


26

De cara a facilitar la labor de delimitación de los alcances de las cabañas ganaderas, se definen

Unidades Pastorales (UPs) en el municipio. Las unidades pastorales son espacios geográficos

de conveniencia dentro del área de estudio, delimitados por accidentes geomorfológicos

claros o infraestructuras (cierres, pistas). Cuando se tienen divididos los pastos comunales en

UPs y éstas quedan representadas en una ortofoto, los ganaderos usuarios del puerto señalan,

para cada época de la estación de pastoreo, las UPs que ocupan sus rebaños. Las UPs

delimitadas para el área de estudio se representan en la Figura 13.

Figura 13.- Unidades Pastorales (UPs) para el área de estudio


27

Las cabañas ganaderas quedan identificadas por el subíndice h y dentro de éstas, las categorías

de ganado quedan identificadas por el subíndice c.

Las tablas correspondientes a esta información en la base de datos del modelo son:

Rebaños. Es la tabla que contiene información del agrupamiento de los animales: rebaños

- Identificación del propietario o gestor

- Identificación del rebaño

- Especie de los animales que componen el rebaño (equino, vacuno, ovino o caprino)

Gestantes. Contiene información del porcentaje de animales que se encuentran en gestación

en t. Un animal gestante necesitará mayores aportes alimenticios que otro que no lo esté.

- Unidad de tiempo (10 días)

- Porcentaje de animales en estado de gestación de cada rebaño

Numeros. Recoge información que caracteriza a los animales según especie, raza y estado

fisiológico.


- Categorías: Animales con cría, animales sin cría, jóvenes y machos

- Razas: Tudanca, limusín, charolés, asturiana, pardo-alpina, mixta en vacuno; del país y

mejoradas (tipo Hispano-Bretón) en equino, lacha en ovino y tronco hispaño en

caprino

- Número de ejemplares de cada combinación cabaña, categoría y raza

Condición_Corporal_inicio. Contiene información sobre la condición corporal de los animales

al comienzo del pastoreo

- Momento de comienzo del pastoreo

- Condición corporal

Unidades_Pastorales. Contiene información referente a la delimitación del territorio en UPs

- Identificación de la unidad pastoral

- Superficie en hectáreas de la UP


28

3.3.2.-INFORMACIÓN DE REFERENCIA DEL MODELO

Las bases de datos del modelo contienen información sobre la productividad y calidad

forrajera de los distintos pastos disponibles para el pastoreo, así como los factores que regulan

la ingestión de forraje por parte del ganado y sus requerimientos energéticos.

Las tablas que recogen estos datos tienen una estructura que permite la incorporación de

información sobre nuevos tipos de pasto o de otras especies o razas ganaderas.

Pastos. Tipos de pasto. Una comunidad vegetal puede tener uno o dos tipos de pasto, vista

desde una sección longitudinal: sólo herbáceo, o herbáceo y leñoso (no se considera la

existencia de tres estratos: arbóreo, arbustivo y herbáceo).

- Tipo de comunidad vegetal con un código numérico

- Tipo de pasto presente en cada comunidad vegetal. Se asume que los tipos de pasto

herbáceo existentes debajo de un dosel de vegetación leñosa también existen sin

vegetación leñosa por encima

Comunidades_Fisiología. Características ecofisiológicas de los tipos de pasto.

- Tipo de pasto

- Temperatura óptima de crecimiento

- Temperatura mínima de crecimiento

- Temperatura máxima de crecimiento

- Profundidad media a la que llegan las raíces en condiciones de suelo adecuadas

- Fracción de agua fácilmente disponible para las plantas

- Productividad anual de referencia

- Biomasa verde considerada presente a 1 de enero

- Biomasa muerta considerada presente a 1 de enero

- Parámetros de senescencia por humedad (Fh)

o Proporción de biomasa verde muriendo cuando Fh=0

o Proporción de biomasa verde muriendo cuando Fh=Fhs

o Fh a partir de la cual la senescencia es mínima y estable

- Parámetros de senescencia por temperatura

o Temperatura extrema por debajo de la cual se produce máxima senescencia

o Temperatura por encima de la cual se produce mínima senescencia

o Proporción de hoja muriéndose cuando t≤t0

o Proporción de hoja muriéndose cuando t≥t1


29

- Parámetros relacionados con el valor de Kc

o Proporción de la biomasa de referencia por debajo de la cual Kc es mínimo y

constante

o Proporción de la biomasa de referencia por encima de la cual Kc es máximo

o Kc mínimo

o Kc máximo

o Biomasa de referencia para Kc. Biomasa viva a la cual Kc=1

Producción_Referencia. Productividad de referencia (Xi) de cada comunidad vegetal. Valor

que multiplicado por Fhtr proporciona la productividad en cada unidad de tiempo para unas

condiciones de clima medio.

- Productividad de referencia

Valor_Pastoral. Cuantifica la productividad forrajera de cada uno de los tipos de pasto

descritos para cada especie animal

- Tipo de pasto


- Digestibilidad de la materia verde

- Digestibilidad de la materia muerta

- Concentración de nitrógeno de la MS verde

- Concentración de nitrógeno de la MS muerta

- Factor corrector dependiente de la existencia de factores antinutritivos. Define la

proporción máxima que los distintos tipos de pasto entran en la dieta diaria de los

animales pastantes por la existencia de metabolitos secundarios potencialmente

tóxicos (taninos, terpenos, alcaloides, etc).

Necesidades. Contiene factores que determinen la ingestión de los animales en función de su

especie, raza y categoría.


- Categoría: animales con cría, animales sin cría, jóvenes y machos

- Raza: Tudanca, limusín, charolés, asturiana, pardo-alpina, mixta en vacuno; del país y

mejoradas (tipo Hispano-Bretón) en equino, lacha en ovino y tronco hispaño en

caprino

- Peso Vivo


30

- Ingestión diaria máxima

- Necesidades diarias de mantenimiento

- Necesidades diarias de desplazamientos

- Necesidades diarias de lactación

- Necesidades diarias de gestación

- Factor de corrección de las necesidades de crecimiento según la precocidad de la raza

- Factor de corrección de las necesidades de crecimiento según el sexo

- Factor de conversión de EN (MJ) en ganancia de peso

- Factor de conversión de EN (MJ) en ganancia de peso para vacas adultas

- Unidad de Ganado Mayor (UGM), equivalencia para los diferentes tipos de ganado

según normativa de ayudas de Cantabria

3.3.2.-PROCESO DE SIMULACIÓN DEL MODELO

Actualmente el modelo Puerto está implementado en R. R es un software libre para el análisis

estadístico de datos que cubre una vasta variedad de métodos, además de ofrecer unas

importantes capacidades gráficas.

En versiones anteriores el software utilizado era la herramienta de gestión de bases de datos

Access perteneciente al paquete Microsoft Office, donde se recopilaba y organizaba la

información de partida y simulaba procesos a partir de consultas.

La versatilidad que ofrece R en cuanto a las operaciones estadísticas y matemáticas que son

necesarias para la simulación del modelo, y la rapidez temporal en la obtención de los

resultados, hicieron necesaria una nueva versión que fuese capaz de acoger los procesos de

simulación diseñados con grandes cantidades de datos.

El modelo está diseñado a partir de dos funciones: “Plant1” y “Plant2”.

“Plant1” carga todos los ficheros de datos tanto de la parte animal como de la vegetal y realiza

todas las consultas que no requieran de un loop de tiempo (esto es que no requieran de datos

temporalmente anteriores para el cálculo de la situación anterior): índice de matorralización

de las manchas de vegetación, dificultad de tránsito de los animales según el tipo de

vegetación… (Figura 14)


31

Figura 14.- Comienzo de la función “Plant1” en R

“Plant2” es la función que recoge los cálculos para la obtención de las variables que tengan

carácter temporal: crecimiento, senescencia y acumulación de biomasa para la parte de

vegetación, e ingestión y balances energéticos y de peso para el módulo animal (Figura 15).

Figura 15.- Comienzo de la función “Plant2” en R

Será en esta función (“Plant2”) donde se aplicarán las mejoras sobre el cálculo de la

productividad, objeto de este estudio.

Los resultados de las funciones anteriores se recogen en la función “CorrerPuerto” que

devuelve los resultados finales del modelo para el momento de tiempo deseado (para cada t:

periodo de 10 días) y guarda los resultados en el fichero indicado.


32

3.4.-NUEVA METODOLOGÍA PARA EL CÁLCULO DE LA PRODUCCIÓN DE CADA TIPO DE

VEGETACIÓN

Este apartado recoge el objetivo principal de este estudio: ajustar la producción de cada una

de las comunidades vegetales con interés ganadero y de conservación presentes en las zonas

de estudio.

Como ya se ha comentado en el apartado de “Justificación y objetivos”, la distribución espacial

de las especies vegetales hace que deban de tenerse en cuenta factores como la topografía

(altitudes y orientaciones) por las variaciones asociadas de factores ambientales (temperatura,

precipitación, evapotranspiración y radiación). Las nuevas herramientas estadísticas y la

información actualizada y cada vez más precisa con las que contamos, permiten un cálculo de

la producción vegetal muy preciso tanto espacial como temporalmente: cuál es la producción

de una comunidad vegetal en un momento concreto del año y en una mancha o tesela de

vegetación determinada.

En versiones anteriores del modelo las correcciones en la tasa de producción vegetal según

topografía se realizaban aplicando coeficientes de corrección en función de pendiente y altitud

(a mayor pendiente y mayor altitud, menor producción de materia seca por hectárea y año).

- Altitud

- < 1500 m: 1

- de 1500 a 1750 m: 0,85

- >1750 m: 0,7

- Pendiente

- Suave: 1

- Media: 0,85

- Fuerte: 0,7

Con la metodología para el cálculo de la producción que se presenta a continuación los

resultados que se obtienen para esta variable están ponderados por factores que determinan

la influencia de la temperatura, la humedad del suelo y la radiación sobre las plantas,

condicionados a su vez por factores topográficos.

La productividad del tipo de vegetación i en el tiempo t y en la localidad j, se calcula

multiplicando un valor estándar de la productividad de ese tipo de vegetación en una unidad

de tiempo para Cantabria (Xi; en kg MS ha-1 t-1) por factores de corrección (que toman valores

entre 0 y 1) debidos a la temperatura, humedad y radiación en esa unidad de tiempo t, en ese

tipo de vegetación i y en esa localidad j (FTijt, FHijt, FRijt respectivamente):

RijtHijtTijtiijt FFFXod ×××=Pr (ec. X.1)


33

Si quisiéramos estimar la productividad anual de un tipo de vegetación i en una localidad j, se

calcularía como

��ó�� = �∑ �� ∗ �� ∗ �� ∗ � (ec. X.2)

El valor estándar de productividad Xi se calcula como:

∑=

××=

36

1

)(

RePr

tRitHitTit

ii

FFF

odX (ec. X.3)

donde:

ProdRe es la productividad anual de referencia del tipo de vegetación i en Cantabria. Su

valor se ha estimado consultando la literatura existente.

FTit, FHit y FRit son los valores medios de los factores de corrección de la productividad por

temperatura, humedad y radiación respectivamente, para la unidad de tiempo t y para

toda la superficie de Cantabria donde existe el tipo de vegetación i.

Para determinar esta superficie, se ha utilizado un mapa de vegetación de Cantabria a escala

1:50.000 (Fernández-Arango et al., 2007)).

Por ejemplo, para la comunidad vegetal herbácea dominada por Agrostis curtisii, cuya

distribución en Cantabria se presenta en la figura 1, el valor Xi se calcula como

∑=

××=

36

1___ )(

RePr

ttRAgrostistHAgrostistTAgrostis

AgrostisAgrostis

FFF

odX (ec. X.4)

donde:

ProdReAgrostis es la productividad anual de referencia del pasto de Agrostis curtisii en

Cantabria (ver tabla 3)

FTAgrostis_t, FHAgrostis_t y FRAgrostis_t son los valores medios de los factores de corrección de la

productividad por temperatura, humedad y radiación respectivamente, para la unidad

de tiempo t y para todas las localidades donde aparece el tipo de vegetación dominado

por Agrostis curtisii en Cantabria (Figura 16).


34

Figura 16.- Distribución espacial de la comunidad vegetal Agrostis curtisii en Rionansa.

CÁLCULO DE FTijt

El factor FTijt expresa el efecto que tiene la temperatura media en un tiempo determinado t y

en una localidad j (Tmjt) sobre el crecimiento de la vegetación i, considerando la existencia de

tres valores de temperatura para cada tipo de vegetación: óptima (Topti; aquella que produce

crecimiento máximo), mínima (Tmini; aquella por debajo de la cual la vegetación i deja de

crecer) y máxima (Tmaxi; aquélla por encima de la cual la vegetación i deja de crecer). La

fórmula empleada es la descrita por Coughenour (1993) y Tappeiner y Cernusca (1998):

�!�� = "�#$%&'�#()�#$%&'�*+�&, "

�#()'�#�-&�*+�&'�#�-&,

./01)&2/3&4&/356&2/01)&7 (ec. X.5)

Los valores de Topti, Tmaxi y Tmini utilizados para nuestros tipos de vegetación (Tabla 3) han

sido estimados principalmente a partir de los datos aportados por Tappeiner y Cernusca

(1998).


35

Tabla 3.- Valores de Temperaturas medias óptima (Topt), mínima (Tmin) y máxima (Tmax) para el crecimiento de

los tipos de vegetación presentes en los montes comunales del municipio de Rionansa.

Nombre Asociación Topti Tmini Tmaxi

Agrostis curtisii 21 6 36

Betula pendula 21 4 34

Brachypodium pinnatum 21 6 36

Calluna vulgaris 21 4 34

Corylus avellana 21 6 36

Crataegus monogyna, estrato herbáceo 21 4 38

Crataegus monogyna 21 6 36

Cynosurion de diente 21 6 36

Brezales de E. arborea, estrato herbáceo 21 4 38

Brezales de E. arborea, estrato leñoso 21 6 36

Erica sp. 21 6 36

Genista hispanica subsp. occidentalis 21 6 36

Genista legionensis 22 6 38

Helictotrichon cantabricum 21 6 36

Ilex aquifolium, estrato herbáceo 21 4 38

Ilex aquifolium 21 6 36

Jasiono-Danthonietum 21 6 36

Juncus effusus 21 6 36

Mesobromion 21 6 36

Molinia caerulea 21 6 36

Nardus stricta 21 6 36

Pinus radiata 22 6 38

Pseudarrhenatherum longifolium 21 6 36

Helechales, estrato herbáceo 21 4 38

Helechales, helecho 21 6 36

Quercus ilex 23 4 38

Q. pyrenaica, estrato herbáceo 21 4 40

Quercus pyrenaica 22 6 38

Q. robur, estrato herbáceo 21 4 38

Quercus robur 21 6 36

Rubus ulmifolius 21 6 36

Senecio aquaticus 21 6 36

Senecio jacobea 21 6 36

Ulex gallii 21 6 36

Vaccinium myrtillus 21 4 34

Bosque 21 6 36

Erica cinérea 21 6 36

Para el ejemplo de los pastos dominados por Agrostis curtisii, la ecuación X.5 se representa

gráficamente en la Figura 17.


36

Figura 17.- Estimación del efecto de la temperatura sobre el crecimiento de los pastos dominados por Agrostis

curtisii, medido a través del coeficiente FTi. La curva corresponde a la ecuación X.3. La temperatura óptima de crecimiento para este tipo de vegetación es de 21ºC, la máxima 36ºC y la mínima 6ºC.

Las temperaturas medias mensuales (Tmjt de la ecuación X.3) de toda Cantabria se estimaron a

una escala de cuadrados de 25 x 25 m. Para ello, se partió de los datos del trabajo "Escenarios

Regionales Probabilísticos de Cambio Climático en Cantabria” elaborado por la Universidad de

Cantabria (Gutiérrez et al, 2011). Este trabajo presenta las estimaciones mensuales de

temperaturas (media, mínima y máxima) y precipitaciones a escalas de cuadrados de 1 km de

lado para toda la superficie de la región (ejemplo en Figura 18).

Figura 18.- Mapas de medias mensuales/estacionales: Temperatura mínima diaria (cuadrícula de 1 km). Figura de la publicación “Escenarios Regionales Probabilísticos de Cambio Climático en Cantabria”

A partir de esta información, y para pasar de la escala de 1 km2 a la escala de 25 x25 m

(utilizada como unidad de trabajo para nuestro proyecto), se diseñó un algoritmo para bajar la

escala, considerando la existencia de una relación lineal entre temperatura y radiación global.


37

Para determinar los parámetros de esta relación lineal, se utilizaron datos de temperaturas del

CIFA registrados por dos sensores (HOBO®) instalados en un puerto de montaña de Cantabria

(puerto de Áliva, municipio de Camaleño), donde se llevan realizando estudios de pastos

durante varios años. Estos sensores se colocaron en orientaciones opuestas (SE y NW) y con

pendientes similares (Figura 19).

Figura 19.- Localización de los sensores de temperaturas del puerto de Áliva (Cantabria), cuyos datos se han utilizado para la estimación de la temperatura en cuadrículas de 25 x 25 m.

Las temperaturas medias mensuales registradas por los sensores difirieron en 2ºC entre las

dos orientaciones, sin diferencias significativas en estos valores a lo largo del año (Figura 20).

Figura 20.- Temperaturas medias mensuales registradas por los sensores del puerto de Áliva en 2011.

SUREST NOROESTE


38

La radiación global para cuadrados de 25 x 25 m de Cantabria y en cada mes del año se calculó

utilizando la herramienta de análisis espacial “Radiación Solar” del programa ArcGIS 10, a

partir de un modelo de elevación del terreno, también a escala de cuadrado de 25 x 25 m.

Conociendo la diferencia de temperaturas medias mensuales entre los dos sensores (2ºC;

Figura 20) y la diferencia entre sus radiaciones globales anuales (Rgtj Aliva rango ≈ 1200

Wh/m2; Figura 21), el cambio de temperatura a aplicar en cada cuadrado j de 25 x25 m

respecto al valor de temperatura media del cuadrado de 1km2 correspondiente J (ΔTjJ) se

calcula como:

8!�9 = :º<�=Á?�@$�$-=* ∗ �AB�� − AB9�� (ec. X.6)

donde:

Rgjt = radiación global del píxel de 25 x 25 m en cada tiempo t

RgJt= radiación global del píxel de 1 km2 en cada tiempo t

Finalmente, la temperatura media mensual en cada pixel de 25 x 25 m (Tpixel) será:

jJJtjt TTT ∆+= (ec. X.7)

donde:

Tjt= Temperatura media estimada en el cuadrado j de 25 x 25 m

TJt= Temperatura media en el cuadrado J de 1 km2 en donde está el cuadrado j de 25 x

25 m

Figura 21.- Ubicación de los sensores de temperatura en el puerto de Áliva sobre el plano de radiaciones globales (Rgtj). Las tonalidades más oscuras corresponden a los valores más extremos de radiación global (azules: mínimas, rojas: máximas). Los sensores (puntos amarillos) están colocados en los valores extremos de radiación dentro del cuadrado de 1km

2 en donde se incluyen.


39

El resultado gráfico de este cambio de escala de las temperaturas se ve reflejado en la Figura

22.

Figura 22.- Mapas de las temperaturas medias de las máximas en el municipio de Rionansa y municipios colindantes para los meses de abril, agosto y enero. El mapa superior está a la escala de partida (1 km

2 de

cuadrado), mientras que el mapa de abajo representa la variable de temperatura estimada a la escala de cuadrado de 25 x 25 metros.


40

CÁLCULO DE FHijt

El factor FHijt corrige el efecto que tiene la humedad del suelo sobre el crecimiento del tipo de

vegetación i en la localidad j en el tiempo t. Su valor, comprendido entre 0 (parada de

crecimiento por estrés hídrico) y 1 (sin limitaciones de agua), depende de características

climáticas (precipitación y temperatura), del suelo (textura, profundidad) y de las plantas

(profundidad de las raíces, evapotranspiración). Se trata del mismo factor denominado Ks

(coeficiente de estrés hídrico) (Allen, 2006).

El modelo utilizado se basa en calcular, en cada unidad de tiempo, el valor de la variable que

ocupa el eje de abcisas de la función representada en la Figura 23, que es el grado de

agotamiento de agua en la zona radicular del suelo (Dr). Un suelo con agua a rebosar (a

capacidad de campo: θFC) tendrá un Dr=0, mientras que el mismo suelo alcanzará un Dr

máximo en el punto de marchitez permanente (θWP). Mientras el valor de Dr no exceda el valor

denominado Agua Fácilmente Aprovechable (AFA), FH (ó Ks) será igual a 1. A partir de valores

crecientes de Dr y superiores a AFA, FH irá disminuyendo linealmente hasta llegar a 0 cuando

Dr alcance su valor máximo. Para calcular Dr en cada unidad de tiempo del modelo, se realiza

un balance continuo de entradas (precipitación) y salidas (percolación y evapotranspiración)

de agua en la porción de suelo ocupada por las raíces.

Figura 23.- Diagrama representativo del coeficiente de estrés hídrico (Ks of FH) según el grado de agotamiento de agua en la zona radicular del suelo (Dr). Corresponde a la figura 42 del manual 56 de la FAO. AFA: Agua Fácilmente Aprovechable; ADT: Agua disponible total. Fuente: FAO

AFA

ADT


41

La cantidad de agua (mm) disponible total en la zona de las raíces (ADThij) se calcula como

(Allen, 2006):

ijFCWPij ZADTjj

×−×= )(1000 θθ (ec. X.8)

donde θWPj y θFCj son los contenidos de agua (m3m-3) en el punto de marchitez permanente y a

la capacidad de campo respectivamente, y Zij es la profundidad media de las raíces (m). Los

valores de θWPj y θFCj son principalmente función de la textura del suelo (Tabla 4), mientras que

Zij depende del tipo de vegetación (tabla 4), pero lógicamente también de la profundidad del

suelo. El valor de profundidad del suelo se obtiene del proyecto de “Zonificación agroecológica

de Cantabria” (ZAE), donde se tiene a una escala de cuadrados de 25x25m. Por ejemplo, para

los pastos dominados por Agrostis curtisii se estima una profundidad de raíces de 0,30 m. En el

mapa de la figura 10 se muestra dónde esa profundidad de raíces está o no limitada por la

profundidad del suelo.

Cuando el contenido de humedad del suelo se encuentra por debajo de cierto valor umbral, el

agua no puede ser absorbida por las raíces con la velocidad suficiente para satisfacer la

demanda transpiratoria, y las plantas comienzan a sufrir estrés hídrico. El agua que una

determinada comunidad vegetal puede extraer fácilmente de su zona radicular (sin

experimentar estrés hídrico) se denomina AFA (agua fácilmente aprovechable), y es una

fracción p de ADT:

ijijtijt ADTpAFA ×= (ec. X.9)

pijt depende principalmente del tipo de vegetación i (pi; Tabla 5), pero también de la

evapotranspiración existente (ETcijt) y de la textura del suelo j (Allen, 2006):

)5(04,0 ijtiit ETcpp −×+= (ec. X.10)

-En suelos arenosos: ititijt ppp ×−= 075,0

-En suelos medios: itijt pp = (ecs. X.11)

-En suelos arcillosos: ititijt ppp ×+= 075,0

Una vez calculados los valores de AFAijt y ADTij, se calcula el valor de Drijt mediante el balance

entre entradas y salidas de agua al horizonte radicular del suelo:

jtijttijijt ecETcDrDr Pr)1( −+= − (ec. X.12)

donde:

ETcijt es la evapotranspiración de referencia en el pasto i del lugar j en el tiempo t

Precjt es la precipitación en el lugar j en el momento t


42

Drijt=0 se asume que toma el valor 0 (en enero el suelo está normalmente a capacidad de

campo)

En el caso de obtener valores de Drijt negativos, se igualan a 0 (suelo a capacidad de campo), y

en el caso opuesto de obtener valores de Drijt mayores que ADTij, se igualan a ADTij (suelo en

punto de marchitez permanente).

La ETcijt se obtiene de la ecuación de Hargreaves (Allen, 2006):

ETcijt = Kc*( 0.0023 * (Tmedia ijt + 17.8) * (Tmax ijt – Tmin ijt)0.5 * Raijt) (ec. X.13)

Donde Tmediat, Tmaxt y Tmint son las temperaturas medias de la media, la máxima y la mínima

respectivamente para cada t y Rat es la radiación global en cada unidad de tiempo t. Kc es el

coeficiente del tipo de vegetación, que en una primera aproximación igualamos a 1.

Finalmente, el factor FH será:

ijtijt

ijtijtijt AFAADT

DrADTFH

−−

= (ec. X.14)

ajustándose a 1 cuando tome valores mayores a la unidad.

Figura 24.- Textura de los suelos de Rionansa. Fuente ZAE


43

Tabla 4.- Valores típicos de volumen de agua en el suelo para el punto de marchitamiento permanente, la

capacidad de campo y la diferencia de estas dos: capacidad de agua disponible, para diferentes texturas

(Campbell, 1985).

Textura

Contenido en agua (cm3cm

-3)

Punto de

marchitamiento

permanente

Capacidad de

campo

Capacidad de agua

disponible

Arcilloso 0.28 0.44 0.16

Franco-arcilloso 0.28 0.44 0.16

Franco-arcilloso 0.23 0.44 0.21

Franco-arcillo-limoso 0.20 0.42 0.22

Franco-arcillo-arenoso 0.16 0.36 0.20

Franco 0.14 0.36 0.22

Franco-limoso 0.14 0.36 0.22

Franco-arenoso 0.08 0.22 0.14

Arenoso-arcilloso 0..06 0.18 0.12

Arenoso 0.05 0.15 0.10

Tabla 5.- Valores tipificados de profundidad de raíces y la capacidad de agua disponible en la zona de las raíces

(Campbell, 1985).

Cultivo Profundidad de raíces

Fracción de agua

fácilmente disponible

(p)

Alfalfa 1.0-2.0 0.55

Cebada 1.0-1.5 0.55

Habas 0.5-0.7 0.45

Herbáceas 0.5-0.7 0.45

Maíz 1.0-1.7 0.60

Patatas 0.4-0.6 0.25


44

Tabla 6.- profundidad de las raíces (en mm) para cada tipo de comunidad

Nombre Asociación ProfRaic

Agrostis curtisii 300

Betula pendula 2000

Brachypodium pinnatum 500

Calluna vulgaris 600

Corylus avellana 1500

Crataegus monogyna, estrato herbáceo 300

Crataegus monogyna 1500

Cynosurion de diente 300

Brezales de E. arborea, estrato herbáceo 300

Brezales de E. arborea, estrato leñoso 1000

Erica sp. 600

Genista hispanica subsp. occidentalis 600

Genista legionensis 1000

Helictotrichon cantabricum 500

Ilex aquifolium, estrato herbáceo 300

Ilex aquifolium 1500

Jasiono-Danthonietum 300

Juncus effusus 300

Mesobromion 300

Molinia caerulea 300

Nardus stricta 300

Pinus radiata 2000

Pseudarrhenatherum longifolium 300

Helechales, estrato herbáceo 300

Helechales, helecho 500

Quercus ilex 2000

Q. pyrenaica, estrato herbáceo 300

Quercus pyrenaica 2000

Q. robur, estrato herbáceo 300

Quercus robur 2000

Rubus ulmifolius. Zarza 600

Senecio aquaticus 300

Senecio jacobea 300

Ulex gallii 600

Vaccinium myrtillus 500

Bosque 2000

Erica cinérea 600


45

Figura 25.- Mapa de profundidad de suelo para la distribución del tipo de vegetación Agrostis curtisii. El color azul representa los suelos con profundidad mayor o igual a la necesaria para el desarrollo normal de las raíces de este tipo de vegetación (300 mm). El color rojo representa suelos con profundidad inferior a la del desarrollo normal de las raíces.

Por ejemplo, para la tesela 153 del mapa de vegetación de Rionansa (Figura 27), los valores de

FH correspondientes al tipo de vegetación Agrostis curtisii son los representados en la Figura

26:

Figura 26.- Valores de ERATIO para cada t (intervalo de 10 días) para la tesela 0 y para el tipo de vegetación de Agrostis curtisii.


46

Figura 27.- Tesela 153 del municipio de Rionansa


47

CÁLCULO DE FRijt

EFRijt corrige el efecto de la radiación sobre el crecimiento del tipo de vegetación i en la

localidad j en el tiempo t, que vendrá condicionado, en este caso, por las horas de luz.

Se considera la Radiación Fotosintéticamente Activa (Rad), que se asume como la mitad de la

radiación global.

Se utiliza la fórmula descrita por Coughenour (1996):

( ) MaxDl

Dl

Rad

RadFR ×

×+

×=21 α

α (ec. X.15)

donde:

α, función del tipo de planta, es un parámetro que señala la pendiente inicial de la relación

entre FR1 y Rad, con valores de ~45-50 m2*s/mmol.

Rad se expresa en mmol/m2/s.

Dl es la duración media del día en el período considerado

MaxDl es la duración del día en el período con más luz (solsticio de verano)

El resultado, al igual que en los parámetros anteriores, es un coeficiente que toma valores

entre 0 y 1: 0 para situaciones de ausencia de suficientes horas de luz y 1 para situaciones

óptimas de este valor.


48

4.-RESULTADOS

4.1.-RESULTADOS ESPECÍFICOS DE LA APLICACIÓN DE LA NUEVA METODOLOGÍA

PARA EL CÁLCULO DE LA PRODUCCIÓN

4.1.1.-CRECIMIENTO Y BIOMASA

El modelo PUERTO simula, en esta nueva versión, la dinámica de la vegetación a lo largo del

tiempo, entendiendo por dinámica los cambios que sufre la vegetación por crecimiento,

senescencia, degradación e ingestión por los herbívoros. Esto se refleja finalmente en la

cantidad de biomasa viva y muerta existente en pie.

Con las mejoras aplicadas a los cálculos de la producción vegetal podemos obtener una

estimación de la evolución temporal anual de los parámetros mencionados agrupados por

cada tesela o mancha de vegetación.

Para mostrar estos resultados, y siguiendo con la comunidad ejemplo de este trabajo demás

de otra herbácea que sirva como comparación (pastos herbáceos de A. curtisii y de Cynosurion)

se calcula para las mismas las tasas de crecimiento y senescencia, tasas de ingestión, biomasa

viva, biomasa muerta y biomasa total en la zona de estudio. A continuación se representan

gráficamente los resultados obtenidos para las teselas con menor crecimiento, con mayor

crecimiento y con el valor de la mediana del crecimiento.

En el caso de A. curtisii (Figura 28) puede observarse que en los tres casos existen dos

crecimientos anuales: uno en primavera y otro en otoño, separados por una parada vegetativa

estival y otra invernal. Los valores de senescencia presentan el comportamiento contrario: es

en la época estival (seca y elevadas temperaturas y radiaciones) cuando este valor aumenta.

El crecimiento varía entre valores de 2,4 g/día hasta casi 3 en situaciones geográficas más

favorables.

Se presentan los valores de las teselas de vegetación con mayor y menor crecimiento y con el

crecimiento correspondiente a la mediana de este parámetro (teselas 317, 22 y 89

respectivamente).


49

Figura 28.- Crecimiento y senescencia mínimos, medios y máximos para A. curtisii en el área de estudio. Unidades en g/m

2*día

En la Figura que se presenta a continuación (Figura 29) se observa la UP en la que se ubica las

teselas antes mencionadas. Los crecimientos más elevados se dan en la UP 2 (color verde,

tesela 317), los medios en la UP 19 (color naranja, tesela 89) y los mínimos en la UP 27 (color

marrón, tesela 22).

Figura 29.- UPs del área de estudio donde se dan los valores de crecimiento máximo (verde), medio (naranja) y mínimo (marón) de A. curtisii


50

En el caso de Cynosurion (Figura 30) puede observarse que existe una mayor diferencia en las

tasas de crecimiento y senescencia que en el ejemplo anterior. En la tesela donde aparece el

mayor crecimiento puede observarse que la distribución de este crecimiento a lo largo del año

difiere de las descritas hasta ahora ya que no hay una parada vegetativa estival: la cantidad de

agua disponible (factor limitante en los casos anteriores) cubre las necesidades de crecimiento

de esta comunidad. Al no haber parada vegetativa, la tasa de senescencia no alcanza los

valores de los máximos de las otras dos teselas.

El crecimiento varía entre valores de 5,8 g/día hasta 6 en situaciones geográficas más

favorables.

Figura 30.- Crecimiento y senescencia mínimos, medios y máximos para Cynosurion en el área de estudio. Unidades en g/ m

2*día

En la Figura que se presenta a continuación (Figura 31) se observa la posición espacial en la

que se dan los tres ejemplos anteriores de crecimiento y senescencia. Los crecimientos más

elevados se dan en la UP 8 (color verde), los medios en la UP 2 (color naranja) y los mínimos en

la UP 31 (color marrón).


51

Figura 31.- UPs del área de estudio donde se dan los valores de crecimiento máximo (verde), medio (naranja) y mínimo (marón) de Cynosurion

El mayor o menor crecimiento de las comunidades vegetales se verá condicionado por los

factores de corrección para la producción vegetal resultado de las mejoras propuestas en este

estudio. En la Figura 32 se observa cómo varían el factor temperatura (FT), el factor humedad

(FH) y el factor radiación (FR) a lo largo del tiempo. Como tendencia general FH desciende

hasta valores de 0 en los meses estivales. FT alcanza estos valores, por el contrario, en los

meses de invierno y, solamente en las zonas más desfavorables del municipio, con una

tendencia creciente hasta alcanzar el máximo valor a partir del mes de abril y hasta finales de

verano. FR tiene una tendencia similar a FT, aunque la cantidad de radiación no llega a ser

nunca un limitante total para el crecimiento.


52

Figura 32.- Factor temperatura (FT), Factor humedad (FH) y Factor radiación (FR) para las situaciones de máximo, medio y mínimo crecimiento de A. Curtisii. Factor adimensional

En la Figura 33 se representan los parámetros descritos (FT, FH y FR) para Cynosurion. Vemos

que en la situación más favorable de crecimiento FH no toma valores por debajo de 0,5 y FT y

FR no alcanzan el valor 0.

Figura 33.- Factor temperatura (FT), Factor humedad (FH) y Factor radiación (FR) para las situaciones de máximo, medio y mínimo crecimiento de Cynosurion. Factor adimensional

La ingestión de los animales variará en función de la cantidad de recursos vegetales que haya

disponibles. En la Figura 34 se recogen los valores de ingestión de materia muerta (línea rojo) y

viva (línea azul) de A. curtisii en las situaciones estudiadas. En la tesela 317 (UP2), que es

donde hay un máximo crecimiento de esta comunidad, es donde hay también una máxima

ingestión. El comportamiento de esta variable también presenta dos máximos, temporalmente

desplazados unos días más tarde que el crecimiento. Las tasas de ingestión para esta

comunidad alcanzan un rango de valores máximos de entre0,3 a 0,8 g/m2*día.


53

Figura 34.- Tasa de ingestión de materia muerta (línea roja) y tasa de ingestión de materia viva (línea azul) para las situaciones de máximo, medio y mínimo crecimiento de A. Curtisii. Unidades en g/m

2*día

Las tasas de ingestión en las comunidades de Cynosurion están representadas en la Figura 35.

Debemos de tener en cuenta que es una comunidad de mucho más interés forrajero que

Agrostis curtisii. En este caso las tasas máximas de crecimiento oscilan entre 1,9 y más de 6

g/m2*día.

Figura 35.- Tasa de ingestión de materia muerta (línea roja) y tasa de ingestión de materia viva (línea azul) para las situaciones de máximo, medio y mínimo crecimiento de Cynosurion. Unidades en g/m

2*día

De la diferencia entre las tasas de crecimiento y de ingestión podemos calcular la biomasa

acumulada en cada momento.

En la Figura siguiente (Figura 36) se recogen los valores de biomasa viva, muerta y total para

las tres teselas descritas en el crecimiento. De acuerdo con los dos crecimientos estacionales

descritos anteriormente, se observan dos máximos en las curva de biomasa viva de A. curtisii.

Los valores de máxima acumulación de biomasa viva oscilan entre 900 y más de 1400

kgMS/ha/año. En la época estival la cantidad de biomasa viva tiene un fuerte decrecimiento


54

debido al aprovechamiento del ganado. La tendencia de la curva de biomasa muerta es a un

crecimiento más o menos uniforme durante el año: el efecto de la ingestión de los animales no

tiene un efecto notorio sobre esta variable.

Figura 36.- Biomasa media viva, muerta y total para A. curtisii para las situaciones de máximo, medio y mínimo crecimiento de esta comunidad. Unidades en kgMS/ha*año

En el caso del Cynosurion (Figura 37), la acumulación de biomasa viva se ve fuértemente

modelada por el aprovechamiento ganaderode animales, especie y tiempo de

aprovechamiento), ya que esta comunidad vegetal es la qué más interés forrajero tiene en el

área de estudio. Así, la mancha de vegetación de Cynosurion de la UP31 (situación topográfica

más complicada), es aprovechada por los animales (presenta un decrecimiento en la biomasa

viva) más tarde y con menor intensidad.

Figura 37.- Biomasa media viva, muerta y total para Cynosurion para las situaciones de máximo, medio y mínimo crecimiento de esta comunidad. Unidades en kgMS/ha*año


55

4.1.2.-PESO VIVO SOPORTADO POR UNIDAD PASTORAL

A continuación (Tabla 7) se presentan y describen los datos relativos al peso vivo medio

soportado por hectáreas en cada unidad pastoral durante el periodo de pastoreo (kg/ha*año),

así como el peso vivo medio soportado en cada unidad pastoral durante el periodo de

pastoreo pero teniendo en cuenta únicamente las hectáreas pastables, es decir aquellas que

no tienen la consideración de bosque o plantación (kg/ha pastable*año).

En la tabla mencionada se observan los datos de la superficie total de la UP con cobertura

vegetal y de la superficie con cobertura vegetal pastable, además de los valores de peso vivo

por cada una de esas superficies, variables que indican la presión animal que se ejerce por

cada unidad de superficie (carga ganadera).

Puede observarse que hay UPs donde la diferencia entre la superficie cubierta de vegetación y

la superficie pastable es muy elevada (manchas dominadas por masas arboladas). En esos

casos la presión ejercida sobre la superficie cubierta de vegetación pastable rasa se ve

sometida a una presión ganadera más fuerte.

Los datos de las UPs 35 y 40 no se incluyen en la tabla por no ser aprovechadas por animales.


56

Tabla 7.- Superficie por UP (Sup/UP), Superficie pastable por UP (SupPastable/UP), Peso Vivo por hectárea y año

dentro de una UP (PV/ha) y Peso Vivo por hectárea pastable y año dentro de una UP (PV/ha_past). Unidades de

Sup/UP y de SupPastable/UP en ha. Unidades de PV/ha y PV/ha_past en kg/ha*año.

UP Sup/UP (has) SupPastable/UP Sup/UP (has) SupPastable/UP 1 74,72 17,52 128,9 549,6

2 143,38 137,88 64,7 67,3

3 121,97 79,85 38,5 58,8

4 63,045 63,045 136,7 136,7

5 49,335 28,695 25,3 43,5

6 164,295 107,895 58,8 89,5

7 217,535 154,835 31,7 44,5

8 147,19 76,89 67,2 128,7

9 312,3 155,74 26,7 53,5

10 127,97 65,37 95,6 187,1

11 99,85 21,865 202,7 925,5

12 117,79 110,95 171,8 182,4

13 181,875 179,475 6,9 7,0

14 136,16 80,16325 9,2 15,7

15 336,1 243,38 38,7 53,4

16 343,125 213,96 48,2 77,2

17 365,415 142,64525 28,5 73,0

18 471,38 262,36 14,3 25,7

19 165,97 163,37 68,6 69,7

20 329,86 159,13 42,9 88,9

21 351,705 242,505 41,6 60,4

22 214,24 138,51 55,1 85,3

23 363,78 279,12 36,4 47,5

24 130,395 65,295 81,0 161,7

25 147,065 129,065 40,0 45,6

26 238,51 184,355 49,3 63,8

27 321,575 279,2 26,8 30,8

28 322,03 281,77 31,7 36,2

29 250,515 171,715 33,5 48,9

30 299,745 172,645 64,8 112,5

31 106,88 74,82 178,0 254,3

32 160,53 116,97 89,5 122,9

33 123,685 107,805 109,1 125,2

34 285,165 239,19 58,6 69,9

35 403,665 191,965 - -

36 580,03 412,33 13,3 18,8

37 125,88 125,88 42,0 42,0

38 72,48 29,46 86,6 213,1

39 17,8 17,8 187,7 187,7

40 31,3 31,3 - -


57

En la figura que se muestra a continuación (Figura 38) se representan espacialmente los

valores descritos anteriormente. Los colores en tonos rojos representan las UPs donde la

variable “Peso vivo” es más elevada, mientras que los tonos azules representan zonas en las

que hay menos animales por unidad de superficie.

Figura 38.- A la izquierda Peso vivo por hectárea en cada UP. A la derecha Peso vivo por hectárea pastable en cada UP. Unidades en kg/ha*año y kg/ha_pastable*año

4.1.3.-VARIACIÓN DE PESO EN CADA UNA DE LAS UNIDADES PASTORALES

A continuación se recogen los datos relativos a las variaciones de peso (pérdidas o ganancias)

experimentadas por los animales durante el periodo de pastoreo. Se presentan los datos

teniendo en cuenta la superficie total de la unidad pastoral y teniendo en cuenta únicamente

la superficie pastable.

Valores negativos indicarán una disminución en el peso de los animales a lo largo de la

estación de pastoreo (pérdidas de peso). Valores positivos serán indicativos de un incremento

en el peso de los animales.

En la Figura siguiente (Figura 39) observamos cuáles son las UPs en las que los animales, de

manera media, están ganado peso durante la estación de pastoreo (colores azules). En cambio,

los tonos rojos nos indican UPs donde los animales no disponen de suficiente alimento, bien

porque no está disponible o accesible, bien porque el número de animales es demasiado alto y


58

no hay recursos alimenticios para cubrir sus necesidades (zonas más elevadas del municipio).

Los tonos amarillos y naranjas pueden interpretarse como un mantenimiento de peso durante

la estación de pastoreo.

Cabe mencionar que la UP central de mapa (UP 35) presenta colores rojos por la ausencia de

pastoreo: los animales no aprovechan de manera continuada esa superficie.

Figura 39.- A la izquierda Variación de peso vivo por hectárea en cada unidad pastoral. A la derecha variación de peso vivo por hectárea pastable. Unidades en kg/ha*año y kg/ha_pastable*año respectivamente

4.1.4.-UTILIZACIÓN FORRAJERA

La utilización forrajera (UF de aquí en adelante) de un pasto es la relación entre su ingestión y

su crecimiento anual. Cada comunidad vegetal tiene un rango de valores de UF que se

considera sostenible, en el cual dicha comunidad no cambia con el tiempo. Dependiendo de su

adaptación al pastoreo y sus condiciones medias de disponibilidad de recursos, ese rango de

valores de UF sostenible es más o menos amplio y tiene valores extremos más o menos altos.

Así, un pasto mesófilo de Cynosurion, muy adaptado al pastoreo y asentado sobre suelos

fértiles tiene un rango de UF que puede ir entre 0,30 y 0,70, mientras que un matorral de

brezo, con menor adaptación a ser defoliado y asentado sobre suelos muy pobres, tiene un

rango de UF sostenible que va desde 0,10-0,30. Por encima del rango de UF sostenible

(sobrepastoreo) o por debajo (infrapastoreo), se produce una sustitución de unas plantas por

otras más adaptadas a las nuevas condiciones (por ejemplo con mecanismos de rechazo al


59

pastoreo en el caso de sobrepastoreo o variaciones fenológicas estacionales) (Busqué et al.,

2006).

Por todo lo anterior, se estima que la UF es una variable mucho más precisa que las

mayoritariamente empleadas con fines de gestión sostenible de pastos de montaña (carga

ganadera), ya que integra las peculiaridades en el pastoreo de las distintas especies ganaderas,

y de las características diferenciadas de la biodiversidad de comunidades vegetales habituales

en este tipo de ecosistemas.

De cara a agrupar todas las comunidades herbáceas por un lado y las de matorral por otro, y

así poder representar esta información de forma gráfica, se han estimado valores de UF

sostenible medios de 0,30-0,70 para los pastos herbáceos y de 0,20-0,40 para los arbustivos.

En la figura siguiente (Figura 40) están representados espacialmente los valores de la UF en

cada UP para cada uno de los estratos. Los tonos rojos son indicativos de situaciones de

sobrepastoreo, los amarillos de infrapastoreo y los verdes de una situación de equilibrio.


60

Figura 390.- De izquierda a derecha. Utilización forrajera para estrato herbáceo, para estrato herbáceo bajo matorral y para comunidades arbustivas. Variable adimensional


61

4.1.5.-PRODUCCIÓN

El resultado más directo de la aplicación de las mejoras del modelo es el cálculo de la

producción.

Los valores de producción variarán en función de la posición espacial en la que se encuentre

cada UP y de las comunidades vegetales formen cada uno de los estratos. Los valores de

producción para el estrato herbáceo sin cubierta arbustiva oscilan entre los 1948,7 kg de

materia seca por hectárea y año y los 5901,0. El primer valor pertenece a la UP 27 situada en

las zonas de puerto con mayor altitud. El segundo pertenece a la UP 6, situada en la zona más

al norte (brañas de baja altitud y poca pendiente y condiciones climáticas favorables). Las

comunidades que corresponden al caso de valores más altos de producción son las que

forman los pastos de diente mesófilos (alianza Cynosurion cristati: Festuca rubra, Agrostis

capilaris, Bellis perennis, Lotus corniculatus, Plantago media, Poa pratensis, Prunella vulgaris,

Trifolium repens, etc.) además de otras gramíneas de gran crecimiento pero menor interés

forrajero (Molinia caerules y Arrhenaterum). Las comunidades herbáceas de la UP 27 están

compuestas principalmente por Agrostis curtisii y pastos de Festuca-Agrostis. En el caso de las

comunidades herbáceas bajo cubierta los rangos productivos varían entre los 361,4 y los 859,3

kgMS/ha*año (UPs 30 y 38 respectivamente). Los valores de producción que presentan estas

comunidades son inferiores a los presentados cuando las comunidades herbáceas no están

cubiertas por un estrato superior. Se trata, en el caso de la UP 30, de predominio de las

especies Agrostis curtisii y Nardus stricta, y de Molinia Caerulea y Brachypodium pinnatum en

el caso de la UP 38. En cuanto a las comunidades arbustivas, el rango de valores para la

producción toma valores extremos de 2872,0 y 1103,1 kgMS/ha*año. Estos valores se alcanzan

en las UP 1 (ericáceas y Ulex gallii) y 29 (Calluna vulgaris, Vaccynium myrtillus, y Ulex gallii)

respectivamente.

Los datos comentados hasta ahora (valores de producción y localización espacial de los valores

máximos y mínimos) pueden observarse en la Figura 41.


62

Figura 401.- De izquierda a derecha. Producción vegetal para estrato herbáceo, para estrato herbáceo bajo matorral y para comunidades arbustivas. Los círculos verdes señalan la UP con

mayor producción y los círculos rojos la UP con menor producción. Unidades en kgMS/ha*año


63

A continuación se presentan (Tabla 8) los datos medios de producción agrupados por cada

comunidad vegetal. De las comunidades pastables las que mayor producción media presentan

son el Cynosurion, el Helictotrichon cantabricum y el Brachypodium pinnatum con tasas

mayores de 4700 kgMS/ha*año.

Tabla 8.- Producción media para cada asociación vegetal. Unidades en kgMS/ha*año

Nombre Asociación ProfRaic

Agrostis curtisii 2285,6

Betula pendula 1201,1

Brachypodium pinnatum 4775,6

Calluna vulgaris 1510,7

Corylus avellana 1500,1

Crataegus monogyna, estrato herbáceo 1423,8

Crataegus monogyna 770,6

Cynosurion de diente 5856,3

Brezales de E. arborea, estrato herbáceo 1211,4

Brezales de E. arborea, estrato leñoso 399,8

Erica sp. 1446,3

Genista hispanica subsp. occidentalis 2184,6

Genista legionensis 1573,2

Helictotrichon cantabricum 4830,4

Ilex aquifolium, estrato herbáceo 769,7

Ilex aquifolium 5898,6

Jasiono-Danthonietum 3215,4

Juncus effusus 3800,7

Mesobromion 3651,2

Molinia caerulea 3820,1

Nardus stricta 2948,7

Pinus radiata 2459,7

Pseudarrhenatherum longifolium 3574,8

Helechales, estrato herbáceo 762,1

Helechales, helecho 663,1

Quercus ilex 4998,0

Q. pyrenaica, estrato herbáceo 684,8

Quercus pyrenaica 1799,9

Q. robur, estrato herbáceo 682,3

Quercus robur 3070,5

Rubus ulmifolius. Zarza 1516,4

Senecio aquaticus 3309,5

Senecio jacobea 3062,6

Ulex gallii 3804,4

Vaccinium myrtillus 1172,0

Bosque 1601,9

Erica cinérea 1396,0


64

5.-CONCLUSIONES

La gestión del territorio de manera general, y de los terrenos comunales de la Comunidad de

Cantabria en concreto para este estudio, requieren de una herramienta que valide, con un

criterio técnico contrastado, la toma de decisiones ante los diferentes tipos de actuaciones a

realizar para llegar a conseguir unos objetivos finales determinados.

El modelo PUERTO tiene por objetivo último detectar desequilibrios entre los pastos

comunales y el ganado que lo utiliza de manera extensiva: sobrepastoreo en zonas de fácil

acceso y más o menos cercanas a los núcleos poblacionales, e infrapastoreo y potencial

matorralización en el caso opuesto, con los riesgos propios que cada una conlleva.

Localizar espacialmente las situaciones citadas y cuantificar el nivel de desequilibrio permite

priorizar actuaciones y valorar diferentes opciones para alcanzar objetivos de conservación y

de mejora de las zonas pastables.

Este trabajo ha tenido por objetivo simular de manera más real la producción vegetal,

teniendo en cuenta datos de clima y suelo y algoritmos que simulen la dinámica de los pastos.

Las mejoras aplicadas al modelo permiten mejorar las predicciones de producción forrajera y

permitirán crear diferentes escenarios con condiciones climáticas diferentes.

Sería interesante comprobar los datos de producción del modelo con ensayos de campo en

situaciones geográficas bien diferenciadas de las que no se disponga información en este

campo, con el objetivo de corroborar que la utilización del mismo se pueda hacer extensivo a

toda la superficie de la comunidad de Cantabria.


65

6.-BIBLIOGRAFÍA

Allen, R., Pereira, L., Raes, D. y Smith, M. 2006. Estudio FAO Riego y Drenaje. Organización de

las Naciones Unidas para la Agricultura y la Alimentación. Roma

Balcells, E. 1985. Reciente transformación de la cabaña ganadera. III Coloquio Nacional de

Geografía Agraria. Asociación de Geógrafos Españoles. Cáceres. 163-237.

Barry, R. G. e Ives, J. D. 1974. Introduction. In: Artic and Alpine Environments. Methuen. 1-13.

London

Bedia, J., Cabañas, S., Mora, M. y Busqué, J. 2008. ¿Por qué están ahí? Estrategias de las

plantas frente al pastoreo y su relación con funciones del ecosistema: el caso de los

Puertos de Áliva. Locustella. 6: 39-57

Busqué, J., Méndez, S. y Fernández, B. 2003. Estructura, crecimiento y aprovechamiento de

pastos de puerto cantábricos invadidos o no por lecherina (Euphorbia poligaypholia).

Pastos XXXIII, 2: 283-304

Busqué, J. and Bedia, J. 2006. Productivityand plant diversity are related to a community

functional signature in mountain grasslands. 15th Meeting the FAO-ciheam Mountins

Pastures Network

Campbell, G.S. 1985. Soil physics with BASIC. Transport models for soil - plant systems. Elsevier

Science Publishing Company. New York

Canadell, J., Jacksin, R.B., Ehleringer, J.R., Mooney, H.A., Sala, O. and Schulze, E.D. 1996.

Maximum rooting depth of vegetation types at the global scale. Springer-Verlang. 108:

583-595

Coughenour, M.B. 1994. Savanna-Landscape and Regional Ecosystem Model. Model

Description. Colorado State University. Colorado

España. Real Decreto 1372/1986, de 13 de junio, por el que se aprueba el Reglamento de

Bienes de las Entidades Locales.Boletín Oficial del Estado. 161, de 7 de julio de 1986:

24561-24569

Fernández-Arango, B., Francés, E., Salcedo, G., Cimadevilla, C. y Martínez, B. 2007. Aspectos

metodológicos del estudio de caracterización ecológica y cartográfica de los pastos en

Cantabria. Los pastos en Cantabria y su aprovechamiento. Santander. 18-29

Fillat, F. 2008. Bosquejo histórico de la actividad pastoril en el Pirineo. Pastos del Pirineo. CSIC

y Diputación de Huesca. 25-35. Huesca

Forseth, I.N.and, Norman, J.M., 1993. Modelling of solar irradiance, leaf energy budget and

canopy photosynthesis. Photosynthesis and production in a changing environment: a

field and laboratory manual. Chapman and Hall. London. 207–219


66

Fu, P. 2000. A Geometric Solar Radiation Model with Applications in Landscape Ecology. Ph.D.

Thesis, Department of Geography, University of Kansas, Lawrence, Kansas, USA

Fu, P., and P. M. Rich. 2000. The Solar Analyst 1.0 Manual. Helios Environmental Modeling

Institute (HEMI), USA

Fu, P., and P. M. Rich. 2002. A Geometric Solar Radiation Model with Applications in

Agriculture and Forestry. Computers and Electronics in Agriculture 37:25–35

Fukuyama, M., 1985. Production characteristics of short grass pastures. JARQ. 19: 202–211

Gandullo, J.M. y Muñoz, L.A. 1986. Mapa de productividad potencial neta de los ecosistemas

españoles. Boletín de la Estación. Central de Ecología. 15. 30: 3-17

García-Ruiz, J. M. 1990. La montaña: una perspectiva geoecológica. Geoecología de las áreas

de montaña. Geoforma Ediciones. 15-31. Logroño

Grace, J.C., Jarvis, P.G., Norman, J.M., 1987. Modelling the interception of solar radiant energy

in intensively managed stands. New Zealand J. For. Sci. 17: 193–209

Gutiérrez, J.M., Herrera, S., San Martín, D., Sordo, C., Rodríguez, J.J., Frochoso, M., Ancell, R.,

Fernández, J., Cofiño, A.S., Pons, M.R. y Rodríguez, M.A. 2010. Escenarios Regionales

Probabilísticos de Cambio Climático en Cantabria: Termopluviometría. Consejería de

medio Ambiente, Gobierno de Cantabria y Universidad de Cantabria. Santander

Hanafi, A. and Jauffret, S. 2008. Are long-term vegetation dynamics useful in monitoring and

assessing desertification processes in the arid steppe, southern Tunisia. Journal of Arid

Environments. 72: 557-572

Holden, Z., Abatzoglou, J., Luce, C. and Scott, L. 2011. Empirical downscaling of daily minimum

air temperature at very fine resolutions in complex terrain. Agricultural and Forest

Meteorology. 151: 1066-1073

Lasanta, T., Vicente-Serrano, S. y Cuadrat, J. M. 2005. Mountain mediterranean landscape

evolution caused by the abandonment of traditional primary activities: a study of tje

Spanish Central Pyrenees. Applied Geography. 25: 47-65

Lasanta, T. 2010. Pastoreo en áreas de montaña: Estrategias e impactos en el territorio.

Estudios Geográficos. Vol LXXI, 268: 203-233

Menémdez, I., Vázquez, I., Busqué, J. y Bayarri, E. 2012. Desarrollo de un plan de gestión

sostenible de pastos comunales a escala municipal. XI Reunión de la S.E.E.P: 255-261.

Pamplona

Montserrat, P. y Fillat, F. 2004. Pastos y ganadería extensiva. Evolución reciente de la

ganadería extensiva española y perspectivas. XLIV Reunión de la S.E.E.P: 9-17.

Salamanca


67

Mora, M.J., Busqué, J., Fernández, E., Bedia, J. y Fernández-Arango, B. 2007. Ganadería y

naturaleza: nuevos retos. Locustella 4: 86-91

Novillo, C., Benítez, J. y Romero, R. 2006. Modelo de estimación de la productividad primaria

neta para determinar actividades forestales sostenibles a escala regional. Congreso

Nacional de Tecnologías de la Información Geográfica. Granada

Rich, P. M., R. Dubayah, W. A. Hetrick, and S. C. Saving. 1994. Using Viewshed Models to

Calculate Intercepted Solar Radiation: Applications in Ecology. American Society for

Photogrammetry and Remote Sensing Technical Papers. 524–529

Rich, P. M., and P. Fu. 2000. Topoclimatic Habitat Models. Proceedings ofthe Fourth

International Conference on Integrating GIS and Environmental Modeling.

Rodríguez Pascual, M. y Maya Frades, A. 2008. Los puertos y la trashumancia en los valles

leoneses de Sajambre y Valdeón: Tradición y perspectivas de futuro. Universidad de

León. Colección: Conocer León. 143-147. León

Romero-Calcerrada, R. y Perry, G.L.W. 2004. “The role of land abandonment in landscape

dynamics in the SPA ´Encinares del río Alberche y Cofio´ Central Spain, 1984-1999”,

Landscape and Urban Planning. 66. 4: 217-232

Semmartin, M. and Oesterheld, M. 1996. Effect of grazing pattern on primary productivity.

Oikos. 75: 431-436

Sierra, I. 2002. Análisis y perspectivas de las estructuras y sistemas de producción ganaderas

en Aragón. Libro Blanco de la Agricultura y el Desarrollo Rural. MAPA: 1-42. Vitoria

Tappeiner, U. and Cernusca, A. 1998. Model simulation of spatial distribution of

photosynthesis in structurally differing plant communities in the Central Causasus.

Ecological modelin. 113: 201-223

Thornes, J. 2007. Modelling soil erosion by grazing. Recent developments and new

approaches. Geographical Research. 45: 13-26

Van Dyne, G.M., Vogel, W.G., Fisser, H.G., 1963. Influence of small plot size and shape on range

herbage production estimates. Ecology. 44: 746–759

Woledge, J., Parsons, A.J., 1986. Temperate grasslands. Photosynthesis in Contrasting

Environments. Elsevier, Amsterdam. 173–197

mejora y aplicaciÓn del modelo de …cifacantabria.org/documentos/2014_mejora y aplicacion del...

Documents