Estudios de eficiencia en el uso de la luz y …oa.upm.es/14914/1/FRANCISCO_MARCOS_MARTIN.pdf ·...

Estudios de eficiencia en el uso de la luz y

estimaciones de biomasa en cultivos energéticos

de Salix sp. en Central New York, USA.

Autor: Bernardo Latorre Monteagudo Directores:

- Francisco Marcos Martín. Departamento de Ingeniería Forestal. ETSI de Montes. Univ. Politécnica de Madrid. - Timothy A. Volk Department of Forest and Natural Resources Management. College of Environmental, Science and Forestry. State University of New York

Madrid, noviembre, 2012

Estudio de eficiencia en el uso de la luz y estimaciones de biomasa en cultivos energéticos de

Salix sp. en Central New York, USA

AGRADECIEMIENTOS

En primer lugar, quiero agradecer la oportunidad y confianza que ha depositado el Dr.

Francisco Marcos Martín al permitirme realizar la Tesis Doctoral bajo su tutela, por su apoyo,

dedicación e interés mostrado durante el desarrollo del mismo.

Del mismo modo, agradecer la codirección del Dr. Timothy A Volk, investigador del

College of Environmental, Science and Forestry (State University of New York), gracias por

acogerme en tu reconocido grupo de investigación durante todo este tiempo y compartir las

investigaciones con la Universidad española.

Gracias al Dr. Lawrence Abrahamson, por depositar toda su confianza en mí y

facilitarme todos los medios para trabajar en su prestigioso grupo de investigación.

A mis compañeros de trabajo en la Universidad americana, por toda la ayuda prestada

durante la recogida de datos en campo y posterior análisis, en especial a Eric, Jeffrey y Mark.

A los profesores de la Cátedra de Termodinámica de la Escuela Técnica Superior de

Ingenieros de Montes de Madrid, por su gentileza y consejos, para el desarrollo del estudio.

A D. Juan Rafael Ruano Martínez, por escucharme siempre que lo he necesitado.

A Fatoumata Jobe por aparecer en mi vida y ayudarme en todo sin ninguna excepción.

A mis amigos, por ser como son.

A mi familia, por el esfuerzo, respeto y cariño que han depositado en mí en todo

momento, para poder ser una persona de provecho. En especial a mi madre y hermano por lo

valientes y fuertes que son.

A todos ellos, muchísimas gracias.



1

RESUMEN

La productividad es un factor importante que influye en la viabilidad económica de un cultivo energético de sauce y maximizarla se convierte en un tema primordial. Esta investigación está directamente relacionada con dicha característica. La productividad varía según los clones cultivados, que pueden ser mejorados y seleccionados genéticamente. Los programas genéticos requieren de una información previa (productividad media en función del porte y número de los tallos, características de las hojas, resistencia a las plagas, etc.) que ayudará a obtener clones más productivos y resistentes. Por ello, nuestra investigación consta de dos estudios: (1) Evaluación de la eficiencia del uso de la luz o LUE (Light Use Efficiency).

El incremento de biomasa y la eficiencia del uso de la luz (LUE) fue estudiado en 15 clones del genero Salix durante los meses de junio a septiembre de 2011 en Belleville (Central New York, USA). Los objetivos de este estudio fueron: (1) Evaluar la eficiencia del uso de la luz en la explicación a la variación en la producción de biomasa y (2) Determinar si existen diferencias significativas entre clones evaluando el índice de área foliar (LAI) y algunos componentes de las hojas (N, P, K,…).

Se concluye que la variación de biomasa está relacionada con la cantidad de luz

interceptada y con la eficiencia de su uso. Dicha información debe de ser transferida para ayudar a mejorar genéticamente los futuros clones a comercializar, con el fin de maximizar la productividad y aumentar la resistencia a plagas. (2) Estimación de biomasa a través de modelos de regresión.

Los estudios de investigación relacionados con la productividad requieren estimaciones no destructivas de la biomasa aérea. Sin embargo, el nivel de precisión requerido y la inversión de tiempo son excesivos para operaciones comerciales con grandes extensiones (plantaciones de 10.000 ha). Por esta razón, se estudia el nivel de especificidad (específico, intermedio y general) en la toma de datos de campo sobre los mismos 15 clones (12 de ellos se pueden agrupar en 5 grupos según su genotipo origen) del genero Salix, empleados en el estudio anterior.

Para todos los niveles estudiados se observaron diferencias significativas. Pero desde

nuestro punto de vista, las diferencias obtenidas no son relevantes. Para validar los modelos finalmente seleccionados se calcularon los porcentajes de error entre la biomasa estimada por los modelos de regresión calculados y la biomasa real obtenida tras los pesajes de biomasa, todo ello se realizó para cada clon según nivel de especificidad.



2

ABSTRACT

Productivity is an important factor in the economic viability of a willow crop´s, therefore, maximize it becomes a major factor. This study is directly related to this feature. Productivity, among other factors, may vary depending on different clones, which can be improved and selected genetically. Genetic programs require prior information (average productivity, size and number of stems, leaf characteristics, resistance to pests, etc.) to help you get more productive clones resistant to local pests. Our research consists of two studies: (1) Evaluation of the efficiency of use of light (LUE, Light Use Efficiency). The increase of biomass and light use efficiency (LUE) was tested on 15 clones of the genus Salix during June and September 2011 in Belleville (Central New York, USA). The objectives of this study were: (1) evaluate the light use efficiency and its relationship with the variation in biomass production and (2) determine whether there are significant differences between clones evaluating the leaf area index (LAI) and some traits of the leaves (N, P, K). We studied the correlation with the light use efficiency. It is concluded that the variation of biomass was related to the amount of light intercepted and its efficiency. Such information must be transferred to help improve future genetically clones to market in order to maximize productivity and increase resistance to pests. (2) Estimation of biomass through regression models. Research studies related to productivity estimates require precision and non destructive biomass. However, the level of accuracy required and the investment of time are excessive for large commercial operations with extensions (plantations of 10,000 ha). Precisely for this reason, we study the level of specificity (specific, intermediate and general) in making field data on the same 15 clones (12 of them can be grouped into five groups according to their genotype origin) of the genus Salix, employees in the previous study. For all levels studied some significant differences were observed. But from our practical standpoint, the differences are not relevant. Finally, to validate the selected models, we calculated the percent of bias between estimated biomass (by the regression models) and real biomass obtained after the weighing of biomass, all this process was done for each clone by level of specificity.



3

ÍNDICE Pág.

1. INTRODUCCIÓN. 9 1.0. Presentación del capítulo. 9

1.1. La energía. 9

1.1.1. Las energías renovables 13 1.1.2. Las energías renovables en Europa y en España 15

1.2. La energía de la biomasa y los biocombustibles. 18

1.2.1. Biomasa y biocombustibles 18

1.2.1.1. Clasificación de los biocombustibles 19 1.2.2. La energía de la biomasa en cifras 22

1.2.2.1. La energía de la biomasa en el mundo 22 1.2.2.2. La energía de la biomasa en Europa 23 1.2.2.3. La energía de la biomasa en España 23

1.3. Los cultivos energéticos . 25

1.3.1. Conceptos 25 1.3.2. Clasificaciones de los cultivos energéticos 29 1.3.3. Los cultivos energéticos leñosos 29 1.3.4. Los cultivos energéticos leñosos o forestales en el mundo 30

1.3.4.1.En Europa 32 1.3.4.2. En Canadá 33 1.3.4.3. En Nueva Zelanda 34 1.3.4.4. En España 34 1.3.4.5. En Latinoamérica 34 1.3.4.6. En Brasil 34 1.3.4.7. En Chile 35 1.3.4.8. En Colombia, México, Argentina y otros países

Latinoamericanos 36 1.3.5. Los cultivos energéticos leñosos y el medio ambiente 37 1.3.6. Short Rotation Woody Crops Group 38

1.4. Los primeros trabajos. 39

1.5. Las primeras tesis doctorales. 40

1.6. El proyecto On Cultivos. 47



4

1.7. Otros trabajos en España. 48

1.8. Los cultivos energéticos leñosos energéticos en Nueva York. 49

1.9. La influencia de la luz y la productividad en los cultivos energéticos leñosos. 52

1.9.1. La eficiencia de la luz 52 1.9.2. La estimación de la productividad 53

Bibliografía citada en el capítulo 1 56

2. OBJETIVOS. 61

3. MATERIALES Y MÉTODOS. 63

3.0. Presentación del capítulo. 63

3.1. Clones de Salix sp. utilizados en el estudio. 63

3.2. Descripción de las zonas, establecimiento y diseño experimental. 64

3.3. Estructura del dosel. Intercepción de la luz y eficiencia del uso de la luz. 72 3.3.1. Producción de biomasa aérea 73 3.3.2. Eficiencia del uso de la luz 74 3.3.3. Índice de área foliar 78 3.3.4. Análisis foliar 80 3.3.5. Análisis estadístico en de eficiencia 82

3.4. Desarrollo de ecuaciones alométricas. Uso de técnicas no destructivas. 83 3.4.1. Niveles de especificidad en los datos de campo 83 3.4.2. Validación de los modelos de regresión para la estimación

de biomasa con ecuaciones alométricas. 83

Bibliografía citada, capitulo 3 89



5

4. RESULTADOS. 93

4.0. Presentación del capítulo. 93

4.1. Eficiencia del uso de la luz. 93

4.1.1. Producción de biomasa aérea 93 4.1.2. IPARf y eficiencia del uso de la luz 96 4.1.3. Análisis foliar 102

4.2. Desarrollo de ecuaciones alométricas. Uso de técnicas no destructivas. 104 4.2.1. Niveles de especificidad en los datos de campo 104

4.2.2. Validación de los métodos presentados 104

5. DISCUSIÓN. 111

5.1. Eficiencia del uso de la luz. 111 5.1.1. Diferencias entre clones 111 5.1.2. Mejora genética y selección clonal 114 5.2. Desarrollo de ecuaciones alométricas. Uso de técnicas no destructivas. 117 Bibliografía citada, capitulo 5 120

6. CONCLUSIONES. 123

Anexo 1. Estudio estadístico . 127

Anexo 2. Gráficos y tablas. Estudio nº 1. 137

Anexo 3. Modelos de regresión simples. Estudio nº2. 153

Anexo 4. Acrónimos 161



6

ÍNDICE DE TABLAS

Tabla n Contenido Página 1.1 Consumos estimados de energía en el mundo, salud y educación 10

1.2 Consumo final bruto de energías renovables en España en 2010 17 1.3 Consumo de energía de la biomasa en el mundo 22 1.4 Consumo de biomasa en Europa 23 1.5 Energías renovables en España, según el PER 2011-20 24 1.6 Uso energético de la biomasa en España, según el PER 2011-20 24 1.7 Producciones de cardo en distintas localidades 29 1.8 Ejemplo de algunas especies y espaciamientos empleados en cultivos SRWC 32 1.9 Producciones de sauces en UK 33 1.10 Producciones para distintos chopos, a 4 años de turno y 5.000 pies/ha 39 1.11 Producción y posibilidad para distintos espaciamientos de cultivos de chopo I-214 40

1.12 Producciones con chopo I-214 a 5.000 pies/ha 40 1.13 Características edáficas de las parcelas experimentales de Cabrerizos 41 1.14 Esquema selvícola de la plantación estudiada 42 1.15 Resultados obtenidos en las ecuaciones de los modelos de regresión 42 1.16 Compuestos químicos de madera seca de albura y de duramen Populus x

euramericana 43

1.17 Resumen de la producción estimada en chopo 44 1.18 Energía y potencia eléctrica en función de la productividad 45 3.1 Clones y especies de Salix estudiados en las dos zonas de investigación (Belleville y

Tully, New York. USA). 64

3.2 Localización geográfica, pendiente y características del suelo en las de las zonas de estudio donde se encuentran parcelas investigadas

65

4.1 Resultados de la regresión peso seco frente a diámetro a 30 cm 93 4.2 Biomasa acumulada y eficiencia del uso de la luz para los 15 clones estudiados 94 4.3 Resumen de la estadística descriptiva del diámetro (mm) y peso (g) para los clones

utilizados en el estudio 104

4.4 Resultados del test de outliers previo al análisis de la especificidad de datos 105 4.5 Resultados que examinan la existencia de efecto sitio. Nivel específico.

106

4.6 Resultados que examinan la existencia de efecto grupo. Nivel intermedio 107 4.7 Resultados que examinan la validez de una ecuación general para todos los clones 108 4.8 Resultados del análisis de validación de los modelos de regresión 109 5.1 Incrementos de productividad de biomasa obtenidos en el periodo de estudio 112



7

ÍNDICE DE FIGURAS Figura n Contenido Página

1.1 La labor de los ingenieros de Montes ante los recursos renovables y las necesidades energéticas

10

1.2 Demanda energética mundial prevista para 2030, según la Agencia Internacional de la Energía

11

1.3 Desarrollo sostenible 12 1.4 Página web EurObserv´ER 16 1.5 Energías renovables en la Unión Europea, en energía primaria

consumida, año 2010 16

1.6 Consumo final energía bruto en España en 2010, según el PER 2011-20, del I.D.A.E

17

1.7 Productividades de chopo I214 en Cabrerizos (Salamanca) 44 1.8 Potencia instalada frente a productividad y rendimiento 45 1.9 Fijación CO2 en función de la posibilidad 46 1.10 Fijación de CO2 en cultivos energéticos de chopo, Cabrerizos, Salamanca 46 3.1 Situación general de la zona de estudio 64

3.2 Localización de las plantaciones experimentales 65 3.3 Preparación del suelo antes de la plantación. Willow biomass producer’s

Handbook. SUNY-ESF 66

3.4 Suelo ya preparado antes de la plantación. Willow biomass producer’s Handbook. SUNY-ESF

66

3.5 Preparación manual de estaquillas previa plantación 67 3.6 Estaquillas ya preparadas, en grupos, previas a la plantación 67 3.7 Establecimiento de la parcelas de ensayo y plantación a mano 69 3.8 Plantación a mano de las estaquillas de sauce 69 3.9 Diagrama del diseño de plantación a doble hilera usado para 11 parcelas

de experimentación establecidos entre 1993-1998 71

3.10 Disposición de las parcelas de ensayo en Belleville, NY. USA. 72 3.11 Disposición de las parcelas de ensayo en Tully, NY. USA 73 3.12 Lugares de medición de diámetros 74 3.13 Medición de diámetros 75 3.14 Resultado visual evidente de diferentes fracciones de radiación

interceptada por dos clones diferentes localizados en la misma parcela en Belleville NY. USA.

76

3.15 Interceptómetro AccuPAR LP-80 77 3.16 Medición de la radiación activa fotosintética (PAR) 77

3.17 Aparato de medición LAI 2000 78 3.18 Posición de las mediciones tomadas alrededor de la parcela de ensayo.

SUNY-ESF. Willow Biomass Program 79

3.19 Tamaño medio de la hoja en comparación con una mano 79 3.20 Molienda de hojas para su análisis en laboratorio 80



8

3.21 Cosecha de biomasa al final del año de crecimiento de la 2ª Rotación. Fredonia NY

81

3.22 Corta con motodesbrozadora 84

3.23 Pluma con cintas para levantamiento de la biomasa cortada para su procesado posterior

85

3.24 Pesada con dinamómetro, situado entre el tractor y la biomasa cortada

85

4.1 Resultados del análisis de validación de los modelos de regresión

4.2 Productividad de biomasa en junio y septiembre en Belleville. NY.USA. 95 4.3 Fracción de radiación fotosintéticamente activa obtenida en el período de

estudio 96

4.4 IPARf para los clones con mayor incremento en la producción de biomasa. 96 4.5 IPARf para los clones con mayor y menor incremento de la producción de

biomasa 97

4.6 Productividad de biomasa durante el periodo de estudio 98 4.7 Eficiencia del uso de la luz de los principales clones de Salix sp.

empleados 98

4.8 Resultado del análisis de regresión entre la producción de biomasa y la eficiencia del uso de la luz. n=15

99

4.9 Resultado del análisis de regresión entre la producción de biomasa y IPARf

100

4.10 Índice de Área foliar registrada en el estudio 100 4.11 Resultado del análisis de regresión entre la producción de biomasa

en el mes de septiembre y LAI. n=15 101

4.12 Contenido medio de N en la hojas y su error estándar, n=4 101 4.13 Contenido medio de fosforo en las hojas y su error estándar, n=4. 102 4.14 Contenido medio de potasio en las hojas y su error estándar, n=4 102 4.15 Validación de los modelos de regresión para el nivel específico 110 4.16 Validación de los modelos de regresión para el nivel intermedio 110 4.17 Validación de los modelos de regresión para el nivel general 111 5.1 Promedio del número de tallos pertenecientes a los clones estudiados 113 5.2 Correlación entre el contenido de nitrógeno y productividad de

biomasa 114

5.3 Mejora genética a lo largo de 7 años para el clon SV1 (1998-2005) 116 5.4 Incidencia de la productividad en la tasa interior de retorno para Salix sp.

en USA 116

1. INTRODUCCIÓN.



9

1. INTRODUCCIÓN. 1.0. PRESENTACIÓN DEL CAPÍTULO.

Se trata de ubicar, conceptualmente los trabajos de esta tesis doctoral. Para ello, iremos

desde lo más genérico, la energía, a lo más concreto, las medidas de la eficiencia del uso de la luz y de la productividad en los cultivos energéticos leñosos de Syracuse, New York (USA). Hablaremos de las energías renovables, la energía de la biomasa y llegaremos a los cultivos energéticos, que pueden ser herbáceos o leñosos. El objetivo de esta introducción es, por tanto, repasar el estado del arte en los temas relacionados en la investigación para ubicarlos en el contexto científico y social actual.

1.1. LA ENERGÍA. Los seres vivos que nos rodean crecen y se puede mover. El hombre del siglo XXI

aprovecha de forma tal vez desmesurada, pero desde luego muy provechosa para sus fines (tal vez egoístas, tal vez generosos) los recursos naturales. Entre ellos la energía es un recurso, un bien escaso. Si lo hace es por que consume, de una manera o de otra, algún tipo de energía. La energía es la impulsora de las actividades que realizan tanto vegetales, animales y hombres. Por ello, las leyes de la Termodinámica no sólo rigen las actividades de nuestra sociedad sino las del universo completo.

El término energía viene del griego “energeia”: actividad, operación, vigor, trabajo,

fuerza de acción o fuerza trabajando). La palabra energía tiene diversas acepciones y definiciones (dependiendo del campo de estudio), para lo que nos ocupa la definiremos como “ toda capacidad de producir trabajo”. La energía resulta ser necesaria para que el hombre realice sus actividades. Para que un ser vivo pueda nacer, crecer y reproducirse es necesario que se pueda alimentar y tenga un lugar donde cobijarse ante las inclemencias del tiempo y del ataque de sus predadores (necesidades comunes a todos los animales). Como ha señalado recientemente David Jou, la complejidad del cerebro y del universo guardan ciertas similitudes. En el fondo, como precisó ya hace años Schroedinguer en “What is life?” las leyes que rigen todo, incluido lo biológico, son leyes físicas. Lo que ocurre es que son probabilísticas y, además, no sabemos aún todo de ellas, nos falta mucho por conocer.

Además, la energía es muy utilizada en campos como la salud y la educación

(necesidad de la especie humana, diferenciadora de otros seres vivos). Podríamos afirmar que algo que diferencia al ser humano del no humano es la capacidad de comunicarse transmitiendo sus conocimientos de formas complejas como la escritura y ser capaz de “conocer que conoce”; ser consciente de su conciencia y de esa transmisión de información. Para permitir un mayor desarrollo se precisan centros de salud y sistemas educativos. En estos cuatro sectores que podríamos llamar pilares de la sociedad la energía juega un papel esencial en el siglo XXI, sobre todo en dos consumos energéticos: el transporte y generación y uso de la energía eléctrica para los centros educativos y de salud. Pero, en el fondo, es la capacidad de ser consciente de crear arte lo que diferencia al ser humano del no humano.



10

El consumo de energía está relacionada con la esperanza de vida y el anafalbetismo con el consumo de energía de un país [1].

Tabla 1.1. Consumos estimados de energía en el mundo, salud y educación. [1]

Región de la Tierra

Consumo de energía

Esperanza de vida Tasa de mortalidad

Analfabetismo Hombres Mujeres

País no desarrollado

< 0,22 70 45 115 65

País desarrollado

4 a 6,5 75 80 < 10 < 5

Siguiendo las enseñanzas del Ingeniero de Montes, Dr. Ángel Ramos afirmamos que

la labor de un ingeniero consiste en generar y desarrollar estrategias para facilitar un correcto desarrollo (ahora bautizado como “sostenible”, cuando hace casi dos siglos los forestales europeos empleaban el término “perdurable”) en el medio rural en el que la energía resulte ser un factor de importancia grande. En definitiva hacer que mejore la calidad de vida de sus habitantes, en el sentido más pleno y amplio de la misma. Las labores de los ingenieros, vinculadas con la planificación energética, aparecen en la figura siguiente. Y, en la misma para que el desarrollo sea un auténtico progreso humano es precisa una “consideración cuidadosa, respetuosa, solidaria, de las realidades naturales, incluídas las humanas”.

Figura 1.1. La labor de los ingenieros de Montes ante los recursos renovables y las necesidades energéticas.



11

Como bien es conocido, a lo largo de la historia el consumo de energía ha ido evolucionando, siempre de forma creciente. Siguiendo esta línea, la Agencia Internacional de la Energía presentó una previsión de la demanda mundial de la energía, hasta 2050.

Figura 1.2. Demanda energética mundial prevista para 2030, (Agencia Internacional

de la Energía). Puede observarse que el petróleo y el carbón seguirán siendo los protagonistas. Pero

también que el consumo de biomasa aumentará en cantidad total, pero disminuirá en el porcentaje global pasando de suponer un 11,5% (1980) a un 9,2% (2050). A pesar de ello la biomasa supondrá unos usos, tal vez, insustituibles en el sector transporte donde los combustibles de aviación se prevé que solo pueden ser sustituidos por biocombustibles líquidos.

Por otro lado, como señala Míguez Gómez en su tesis doctoral, el consumo neto de

electricidad ha ido aumentando a nivel mundial. Por ejemplo en 2004 fue 15441TWh, un 4,3% superior al registrado en 2003. Y en el período 1980-2004 el consumo creció a una media interanual del 3,1% [2] y ha seguido creciendo hasta 2012.

Aquí debe aparecer el término de desarrollo sostenible. Se entiende por desarrollo

sostenible aquel desarrollo actual que no compromete el desarrollo de las generaciones futuras. Este desarrollo se presenta como la intersección de tres desarrollos: el equitativo



12

(económica y socialmente), el vivible (social y medioambientalmente) y el viable (económica y ambientalmente). El uso de la energía debe cumplir el requisito de ser sostenible.

Por ello, a la hora de planificarse han de tenerse en cuenta estas tres premisas. Los

estudios que se presentan en esta tesis deben hacer referencia a cultivos que cumplan esa condición. Si este respeto no se produce, tarde o temprano, estos cultivos dejarán de ser rentables económicamente, por el ataque de hongos e insectos, acompañados de las inclemencias del tiempo y del viento en ataques combinados, como hemos comprobado en cultivos energéticos de chopo I214 (Populus x euroamericana Dode) en Cabrerizos (Salamanca).

Figura 1.3. Desarrollo sostenible. Es importante, cuando se habla de energía, distinguir la energía primaria (la inicial en

las cadenas energéticas) de la energía final y la energía útil. Las energías primarias son los combustibles fósiles, los biocombustibles, la radiación solar. Las energías finales suelen ser el calor, el trabajo y, en ciertos casos, la energía eléctrica. Las útiles son las energías mecánicas, la energía eléctrica y el calor, pero pueden no ser energías finales, dependiendo de la cadena energética concreta. En los balances energéticos no deben sumarse ni confundirse estos tipos de energías. Para cada caso concreto han de analizarse estas energías. Los criterios de elaboración de un balance energético se basan en los dos principios de la Termodinámica. El primero obliga a que la energía entrante ha de ser igual a la suma de las salientes más las pérdidas. El segundo precisa que las pérdidas de energía siempre existen, por lo que los rendimientos son siempre menores que la unidad.

En cuanto a la demanda de la energía final, el sector energético puede ser dividido de

muchas formas. Es decir, los sectores consumidores de energía pueden ser agrupados de muchas maneras. Una de ellas es dividir los sectores consumidores en consumidores de calor (energía calorífica), de energía eléctrica y consumidores de energía mecánica del sector



13

transporte. Pero a su vez el uso de calor puede hacerse en el sector doméstico, en el sector industrial y el sector servicios. También la energía eléctrica puede consumirse en estos tres sectores. Por último, el transporte puede ser por carretera, por ferrocarril, marítimo o aéreo.

Esta clasificación es interesante pues la biomasa, y los cultivos de los que nos

ocupamos en este trabajo de investigación producen biomasa leñosa. Esta, puede emplearse para obtener calor usando éste como tal o transformar ese calor en energía eléctrica o para obtener biocombustibles líquidos para el transporte. Efectivamente. De la biomasa de sauce, se pueden:

1.- Producir leñas y astillas, que quemadas como tales o transformadas en forma de

pelets, briquetas o carbón vegetal produzcan calor. Y ese calor aprovecharlo como tal en el sector doméstico, en el sector industrial o en el sector servicios.

2.- Producir astillas, que quemadas como tales o transformadas en forma de pelets, sean

quemadas o gasificadas para producir energía eléctrica. 3.- Producir astillas (que contienen celulosa) y mediante los procesos que están siendo

investigados obtener bioetanol de celulosa, o biobutanol de celulosa, empleada en motores térmicos de ciclo Otto.

4.- Producir astillas y mediante procesos de pirolisis obtener aceites de pirolisis aptos

para ser usados, mediante las transformaciones convenientes, en motores de ciclo Diesel. 5.- Producir astillas y mediante procesos físicos, químicos, biológicos, termoquímicos o

combinación de éstos obtener otros biocombustibles que no son ni bioetanol ni aceite de pirolisis, por ejemplo, los llamados precursores o, incluso hidrógeno y CO2. Éstos son moléculas químicas sencillas a partir de las cuales se obtienen otras muchas más complejas y útiles

1.1.1. Las energías renovables.

En este contexto aparecen las energías renovables. Son un conjunto de energías que, a diferencia de las fósiles, se supone que nunca se agotarán. Esto no es totalmente cierto, el universo dejará de ser como es ahora, según afirman la mayoría de los físicos, dentro de unos 30.000 millones de años. Cifra desde luego muy lejana que nos viene a decir que prácticamente, son casi eternas. Es decir, el hombre y las energías renovables desaparecerán juntos. En el fondo la justificación de esta afirmación es obvia, el origen de casi todas las energías renovables son las reacciones de fusión del Sol y para que el hombre se pueda alimentar necesita de esta misma radiación electromagnética que nos llega del Sol y que es el origen (junto con el agua, el CO2, el O2 y los compuestos del suelo) de los alimentos. Pensemos por ejemplo que si llueve es porque el agua ha sido evaporada por energía solar.

Las energías renovables son las que el hombre más ha usado a lo largo de la historia, medidas en términos de siglos de uso. Como afirma García Benedicto, en su tesis doctoral,



14

“curiosamente, las energías clásicas o convencionales son aquellas cuyo aprovechamiento generalizado ha sido muy posterior al de las renovables”[3].

El dominio del fuego, quemando material herbáceo y leñoso, es lo que permitió las Edades de los Metales y el desarrollo del hombre. Sólo en épocas muy recientes, en los tres últimos siglos, el dominio de combustibles fósiles como el carbón, el petróleo o el gas natural han sido los protagonistas. Y seguirán siéndolo aún, por lo que disponemos de unas décadas para desarrollar las energías renovables. Se denominan “energías renovables” a las que se obtienen de fuentes naturales virtualmente inagotables, unas por la inmensa cantidad de energía que contienen, y otras porque son capaces de regenerarse por medios naturales.

Podemos agrupar las energías renovables en los siete grandes grupos siguientes: 1.- Energías solares: solar térmica y solar fotovoltaica. 2.- Energía eólica. 3.- Energía de la biomasa: biocombustibles sólidos, líquidos y gaseosos. 4.- Energía hidráulica. 5.- Energía geotérmica. 6.- Energías de las mareas y otras energías marinas. 7.- Otras energías renovables combinación de varias de las anteriores, como por

ejemplo la “chimenea solar”. Algunas de las energías renovables presentan dos graves inconvenientes. No están

uniformemente distribuidas en el espacio y, también, en el tiempo, son discontinuas. Ello provoca problemas, sobre todo si se desea planificar un sistema eléctrico basado únicamente en energías renovables como la energía solar o la eólica. Pero este problema puede solucionarse con el uso de los biocombustibles sólidos (o sus derivados líquidos o gaseosos). Efectivamente, las energías solares (térmica y footovoltaica) y la eólica pueden ser hibridadas con la energía procedente de los biocombustibles sólidos. Los biocombustibles, como el hidrógeno, aparecen entonces como vectores energéticos, son almacenes de energía.

Los cultivos energéticos, objeto de esta tesis, pueden jugar un papel de protagonistas.

Sin embargo han de hacerse, previamente, algunas indicaciones: 1.- Como hemos señalado en el epígrafe anterior (ver figura de las previsiones de

consumo de energía para 2030) la energía se suministrará como un “mix”, es decir una mezcla de diferentes fuentes de energía.

2.- En estos “mix” de energía los planificadores sostienen diferentes escenarios que

pueden o no cumplirse. En estos “mix” las fuentes energéticas pueden ser agrupadas en tres grandes paquetes o grupos:

Grupo 1. - Energías fósiles: incluyen los carbones, el petróleo y el gas “natural”.

Señalamos la palabra “natural” entre comillas pues este gas es tan natural como los carbones o el petróleo. Pero se dice natural para diferenciarlo de los gases de síntesis obtenidos a partir del petróleo.



15

Grupo 2- Energías renovables. Se incluyen todas las energías renovables antes

citadas. Grupo 3- Energía nuclear.

3.- Ninguno de estos tres grandes grupos han supuesto, ni previsiblemente supondrán,

el 100%. En cada lugar concreto y en cada circunstancia ecológico-ambiental, económica y socio-política la importancia de cada grupo de energía y de cada tipo de energía, dentro de cada grupo, será variable. Por ejemplo, y ciñéndonos a las energías renovables, en el desierto del Sahara parece lógico pensar que si se ha de invertir para producir energía eléctrica se recurra a la energía solar, mientras que en los bosques de Finlandia la energía de la biomasa jugará un papel importante, donde hay grandes ríos la energía hidráulica sea la protagonista y donde sopla el viento la eólica será la responsable de proporcionar energía.

Lo previsible es que no se agotará el petróleo (o el carbón mineral, o el gas natural), lo

que ocurrirá es que sus precios serán tan altos que no podrán competir con los otros tipos de energía como son las renovables y las de origen nuclear. El futuro es desconocido pero, con la inteligencia y el trabajo, sentimos la obligación de hacerlo más favorable. Por ello, la investigación para aumentar el conocimiento en cualquiera de estos tipos de energía puede ser provechosa.

1.1.2. Las energías renovables en Europa y en España. En Europa, para conocer la situación de las energías renovables puede consultarse la

página web del Observatorio de Energías Renovables(EurObserv'ER ):http://www.eurobserv-er.org/

Esta página web es muy útil para actualizar datos relacionados con la producción y el

uso de las energías renovables en Europa. También facilita datos por Estados y por tipología de energía renovable. Se acompaña una figura de la misma, cuando estábamos redactando esta memoria.



16

Figura 1.4. Página web EurObserv´ER. Según esta página web la situación de las energías renovables en Europa, en 2010,

última fecha con datos fiables, es la que se recoge en la figura siguiente.

Figura 1.5. Energías renovables en la Unión Europea, año 2010. Se observa que en términos de energía primaria, la energía renovable más consumida

en la Unión Europea es la biomasa. Esta supuso, en 2010, un 68,2% de un total de 172,5 Millones de tep (tonelada equivalente de petróleo). Le siguen la hidráulica con un 18%, la eólica con un 7,4% y la geotérmica con un 4,4%.



17

El consumo final de energía, bruto, en España en 2010 se recoge en la figura siguiente. Los productos petrolíferos, que son todos ellos importados, supusieron más de la mitad, con un 50,2% lo que incide muy negativamente en la balanza de pagos de nuestro país. Le sigue el gas natural, que además también es importado, y supuso un 17,2%. A continuación la electricidad de origen no renovable con un 17,7% y las energías renovables supusieron un 13,2% del total [4].

Dentro de las energías renovables, la energía de la biomasa sólida, el biogás y los

resisuos son los que suponen un porcentaje más alto de todas las energías renovables utilizadas en España en el año 2010, ya que de este 13,2% supusieron un 4,2%, casi una cuarta parte. Le sigue a continuación la energía eólica normalizada con un 2,8%, la hidráulica normalizada con un 2,8%, los biocarburantes (biocombustibles líquidos) con un 1,5% y las solares (térmica y fotovoltaica) un 0,8%.

Figura 1.6. Consumo final energía bruto en España en 2010, según el PER 2011-20,

del I.D.A.E [4].

Tabla 1.2. Consumo final bruto de energías renovables en España en 2010 [4].

Energía de la biomasa 43,5 %

Eólica 29,0 %

Hidráulica 21,4 %

Solar y otras 6,1 %

Total energías renovables 100,0



18

En España para obtener información al día del acontecer de las energías renovables se recomienda consultar la página web del Instituto para la Diversificación y Ahorro de la Energía (www.idae.es).

También en la página web desarrollada por los periodistas Pepa Mosquera y Luis

Merino, es la de la revista electrónica energías renovables: http://www.energias-renovables.com/ De las revistas científicas nos ocuparemos con más detalle en el capítulo siguiente donde aparecerán citadas, de forma concreta, los artículos usados en estas investigaciones.

1.2. LA ENERGÍA DE LA BIOMASA Y LOS BIOCOMBUSTIBLES

1.2.1. Biomasa y biocombustibles. Para la Asociación de Defensa de la Biomasa (ADABE) cuya página web es

http://www.adabe.net/biomasa/definicion.htm “bajo la denominación genérica de biomasa, se incluye todo un conjunto muy heterogéneo de materias orgánicas, tanto por su origen como por su naturaleza, comprendiendo productos de origen vegetal, animal o microbiano. En el contexto energético, se ha aceptado el término "biomasa" para denominar a una fuente de energía de tipo renovable, basada en la utilización energética de la materia orgánica formada por vía biológica en un pasado inmediato o de los productos derivados de ésta. Quedan fuera de este concepto los combustibles fósiles y las materias orgánicas derivadas de éstos (los plásticos y la mayoría de los productos sintéticos) ya que, aunque aquellos tuvieron un origen biológico, su formación tuvo lugar en tiempos remotos.

Desde un punto de vista estricto, la fracción orgánica de los residuos sólidos urbanos

(RSU), una vez separados los plásticos y productos sintéticos, tiene también naturaleza de biomasa, aunque dadas las características específicas de los RSU, se suelen considerar como un grupo aparte, dentro de las energías renovables. También tiene consideración de biomasa la materia orgánica de las aguas residuales y los lodos de depuradora. La biomasa es cualquier tipo de materia orgánica de origen biológico reciente y puede referirse tanto a materiales compuestos homogéneos como a materiales heterogéneos.

Se denomina biocombustible cualquier material sólido, líquido o gaseoso que se

obtiene de la biomasa y que se emplea para producir calor. Con este calor, a veces, se obtiene energía eléctrica, en otros casos energía mecánica, o, simplemente se aprovecha el calor como tal. En esa definición, si nos atenemos a largo plazo podrían incluirse los combustibles fósiles. Por eso, de otra forma más concreta se denomina biocombustible aquel combustible de origen biológico que no se ha fosilizado. Si no se añade “no se ha fosilizado” los carbones minerales (lignitos, hulla y antracita), el petróleo y el gas natural podrían ser considerados como biocombustibles.



19

La definición más sencilla de combustible es “cuerpo sólido, líquido o gaseoso capaz de arder en reacción exotérmica”. A nivel popular suele entenderse como combustible toda materia que, mezclada con el oxígeno produce una reacción de combustión que desprende energía calorífica. En el fondo científico de la cuestión un combustible es un “almacén de energía química”. En última instancia, el origen de los biocombustibles es la energía nuclear del Sol, que transformada en energía electromagnética llega al Planeta Tierra y allí es aprovechada por ciertos organismos capaces de provocar materiales con mayores contenidos energéticos. Estos seres son autótrofos. Otros organismos, heterótrofos, pueden elaborar los materiales producidos por los seres autótrofos. Además, los hombres, en su multiplicidad de actividades (industriales, domésticas, del sector servicios,…) elaboran esos materiales y producen residuos con ellos. Y estos residuos son también biocombustibles. Ejemplo de residuos industriales son las astillas producidas en una industria forestal de primera transformación. Ejemplo de residuos domésticos son los aceites de fritura empleados para obtener metilésteres. Ejemplo de residuos provocados en el sector servicios son esos mismos aceites originados en un restaurante.

Equivocadamente, en cierta bibliografía, y en abundantes páginas web, se maneja la

palabra “biocombustible” para designar a los biocombustibles líquidos olvidándose de los principales biocombustibles son los sólidos (paja de cereales, leñas, astillas, pelets, briquetas, carbón vegetal, cáscaras de frutos, etc.) y de los biocombustibles gaseosos.

Por todo lo anterior podemos concluir que los biocombustibles cumplen tres

características: 1. Proceden, en última instancia, de material biológico no fosilizado. 2. Pueden ser de naturaleza física muy heterogénea. 3. Producen una reacción exotérmica al ser combinados con oxígeno.

Aún así y todo, pero no es el objeto de este trabajo, hay materiales con los que se

sigue debatiendo si son o no son biocombustibles. Un ejemplo de ello es la turba, que para ciertos científicos y abogados es un biocombustible y para otros es un combustible. Con otros razonamientos pero con igual intensidad se debate si es biocombustible un neumático o una madera que ha sido elaborada muchas veces y cuyos contenidos en colas, aditivos y barnices es muy alto. Hay otros materiales en los que el debate de si son o no son biocombustibles sigue vivo.

1.2.1.1. Clasificaciones de los biocombustibles.

Los biocombustibles se pueden clasificar atendiendo a varios criterios. Criterio 1. Por la presencia física. Pueden ser: 1. Sólidos. Ejemplo: las leñas. 2. Líquidos. Ejemplo: el bioetanol. 3. Gasesosos. Ejemplo: el biogás de una industria de celulosa.



20

Criterio 2. Por la fuente natural de la que proceden. Puede ser: 1- Natural. Ejemplo: las leñas.

2- Cultivada. 2.1. Cultivo herbáceo. 2.2.1. Cultivo herbáceo anual: Ejemplo la cebada. 2.2.2. Cultivo herbáceo perenne. Ejemplo: el cardo. 2.2. Cultivo leñoso. Ejemplo: el chopo a dos años. 3- Residual. Es muy complejo y difícil de clasificar. A su vez puede ser:

3.1. Residuo de origen natural. Ejemplo: piñas caídas al suelo. 3.2. Residuo de origen cultivado. 3.2.1. Residuo de cultivo herbáceo. Ejemplo: paja de cereales. 3.2.2. Residuo de cultivo leñoso. Ejemplo: ramas de podas.

Residuo de origen industrial, que, a su vez, puede ser: - Residuo de industria agroalimentaria. Ejemplo: cáscara de arroz. - Residuo de industria forestal, que, a su vez, puede ser:

- Industria forestal de primera transformación. - Industria forestal de segunda transformación. - Residuo de explotación ganadera tipo industrial. 3.4. Residuo de actividades urbanas. - Residuos de actividades domésticas. Ejemplo: cáscaras de naranja. - Residuos de actividades del sector servicios. 3.5. Residuos mezclados de actividades industriales y urbanas. Esta clasificación de los residuos puede ser muy criticada y mejorada, en función del

lugar del mundo a la que se refiera. Criterio 3. Por su origen. Los biocombustibles pueden ser: 1. De origen primario. No son residuos. 2. De origen secundario. Aquí entrarían los residuos de origen primario. 3. De origen terciario. Aquí entrarían los residuos de origen secundario. 4. De origen cuaternario y siguientes. Aquí entrarían los residuos de origen terciario

y posteriores orígenes. Criterio 4.1. Por su composición química I. Esta clasificación puede ser muy

amplia, tanto como materiales químicos hay en el universo, pero nos referiremos a los más importantes

1. Lignocelulosos. Como la madera. 2. Amiláceos. Como los granos de trigo usados para fabricar bioetanol. 3. Oleaginosos. Como el aceite de palma. 4. Azucarados. Como la caña de azúcar. 5. Otros.



21

Criterio 4.2. Por su composición química II, medida como grado de lignificación 1. Herbáceos. 2. Leñosos. Criterio 5. Por los procesos tecnológicos realizados para su adecuación a un uso

determinado. 1. Físicos, incluye los mecánicos y el secado. 2. Químicos, incluyen múltiples alteraciones químicas. 3. Físico-químicos, incluye los termoquímicos. Mezcla de procesos físicos y

químicos. 4. Bioquímicos, incluye los biológicos. Criterio 6. Por su contenido hídrico. Los biocombustibles pueden estar o ser: 1. Secos. Cuando han sido secados totalmente. 2. Húmedos. 3. Acuosos. Como el caso de las algas marinas o las microalgas. Criterio 7. Por sus aplicaciones. Pueden ser 1. Producción sólo de energía calorífica (calor). 2. Producción de calor y energía mecánica. 3. Producción de calor y/o energía mecánica y/o energía eléctrica. 4. Producción de materiales con otros fines, usualmente con alteraciones químicas:

hidrógeno, metano, piensos, plásticos,… Muy diversos, pues entran todos los materiales de las llamadas biorrefinerías.

Criterio 8. Por el sector económico en el que se emplea. Esta clasificación es muy variable pues cada planificador energético, en sus modelos de planificación energética puede utilizar una sectorización distinta. Citaremos una sencilla, como ejemplo:

1. Sectores consumidores de calor. 1.1. Sector doméstico, calor en viviendas y edificios privados. 1.2. Sector público, calor en edificios públicos. 1.3. Sector industrial, calor en las industrias. Aquí aparecerían como subsectores

todas las industrias. Cada planificador energético usa su propia clasificación. 1.4. Sector servicios, calor en servicios. 2. Sectores consumidores de energía eléctrica (ee). 2.1. Sector doméstico, ee viviendas y edificios privados. 2.2. Sector público, ee en edificios públicos. 2.3. Sector industrial, ee en las industrias. Aquí aparecerían como subsectores todas

las industrias. Cada planificador energético usa su propia clasificación. 2.4. Sector servicios, ee en servicios.



22

3. Sectores transporte. 3.1 Transporte por carretera. 3.2 Transporte por ferrocarril. 3.3 Transporte marítimo. 3.4 Transporte aéreo.

El tema no tiene conclusión exacta y convincente, debido: 1. La gran heterogeneidad que presentan los biocombustibles “per se”. 2. Las múltiples aplicaciones de los mismos y su complejidad.

1.2.2. LA ENERGÍA DE LA BIOMASA EN CIFRAS. 1.2.2.1. La energía de la biomasa en el mundo

Los consumos de energía de la biomasa en el mundo se recogen en la tabla siguiente:

Tabla 1.3. Consumo de energía de la biomasa en el mundo.

Grupo de países Mtep Porcentaje Asia 36176 34,0 Africa 26706 25,1 China 21067 19,8 OCDE 13513 12,7 América Latina 7661 7,2 Antigua URSS 745 0,7 Resto de Europa (no OCDE) 532 0,5 TOTAL 1064 100

A pesar de que las energías renovables suponen menos que el petróleo y el carbón en

el balance energético mundial, la biomasa supone la 4ª

mayor fuente de energía con un potencial de 220 Gtoneladas en materia seca que equivales a cerca de 4500 EJ. Si se movilizará el 5% supondrían, 225 EJ, lo que supondría un 50% del total de la energía primaria demandada actualmente.



23

1.2.2.2. La energía de la biomasa en Europa. El consumo de biomasa en Europa se recoge en la tabla siguiente:

Tabla 1.4. Consumo de biomasa en Europa.

País (%) País (%)

Suecia 21,2 Francia 5,2 Finlandia 20,1 España 4,7

Austria 15,3 Eslovaquia 4,3 Portugal 12,8 Grecia 3,0

Dinamarca 10,7 Paises Bajos 3,0 Eslovenia 8,5 Italia 3,0 Poloia 6,3 Irlanda 2,2 Alemania 6,2 Reino Unido 2,2 Republica Checa 5,5

Unión Europea-27 6,0

1.2.2.3. La energía de la biomasa en España.

En España, concretamente, el Plan de Energías Renovables 2011 – 2020 (Instituto para la Diversificación y Ahorro de la Energía, 2011) contempla como objetivo conseguir para el año 2020 un aumento considerable de la energía procedente de la biomasa [4]. Las tablas siguientes presentan estas previsiones para el año 2020. Como ocurre en muchas partes de Europa, en España, la energía de la biomasa es la más importante de todas las energías renovables. Lo ha sido en 2010 y lo será, previsiblemente, en el 2020. Lo que ocurre es que su uso está muy extendido pues son miles las personas que usan la biomasa en forma de leñas, paja de cereales y astillas, en usos domésticos no centralizados ni controlados.

En estas estadísticas hay un error, que no es muy importante. Este error es que el Instituto para la Diversificación y Ahorro de la Energía (I.D.A.E) no considera ciertos usos domésticos del cisco y del carbón vegetal que se emplean en algunas Comunidades Autónomas como Andalucía, Castilla León, Galicia, Extremadura, Castilla La Mancha, La Rioja y Navarra.



24

Tabla 1.5. Energías renovables en España, según el PER 2011-20 [4].

Energía renovable

2010

2020

Aumento

Porcentajes

2010 2020

Energías hidráulicas 2,72 2,82 0,10 21,5 13,6

Energías solares 0,78 3,31 2,53 6,2 15,9

Energía eólica 3,64 6,24 2,6 28,7 30

Energía geotérmica 0 0,03 0,03 0 0,1

Energía de la biomasa 5,53 8,41 2,88 43,6 40,4

TOTAL 12,67 20,81 8,14 100,0 100,0

En la tabla siguiente se recogen las aplicaciones de la energía de la biomasa en el año

2010 y las previstas en el año 2020, según el PER 2011-2020 [4]. Se observa que el principal uso, actualmente, es el térmico y así seguirá siendo en el

año 2020. Ello es debido a que se espera que aumente, sobre todo en el Norte de España, el consumo de pelets con destino al uso doméstico y también en sistemas comunitarios tipo district-heating. Se prevé un aumento total de 2,88 Mtep en los diez años que transcurren desde 2010 hasta 2020.

Tabla 1.6. Uso energético de la biomasa en España, a partir del PER 2011-20.

Usos Mtep Porcentajes

2010 2020 Aumento 2010 2020 Aumento 1. Aplicaciones en energía eléctrica

0,36 1,05 0,69 6,5 12,5 6,0

2. Aplicaciones en energía térmicas

3,73 4,65 0,92 67,5 55,3 -12,2

3. Biocarburantes (biocombustibles líquidos)

1,44 2,71 1,27 26,0 32,2 6,2

Total biomasa 5,53 8,41 2,88 100,0 100,0 No hay lugar



25

1.3. LOS CULTIVOS ENERGÉTICOS 1.3.1. Conceptos.

Aunque los cultivos energéticos, especialmente los leñosos, son muy antiguos, hace cuatro décadas que aumentó considerablemente el interés por ellos en todo el mundo, a raíz de las dos primeras crisis del petróleo (1973 y 1979). Se reconocía que la biomasa presentaba y presenta usos potenciales para combustión o co-combustión que generan calor y electricidad [5,6]. Además, "como respuesta al cambio climático y al incremento de las emisiones de CO2 atmosféricas se plantea el uso, en Inglaterra y en todo el mundo, de fuentes de energías renovables basadas en cultivos forestales" [7]. En Brasil desde hace decenas de años se ha plantado el eucalipto para producir carbón vegetal que se empleaba para usos domésticos y, sobre todo, industriales para la producción de aceros de calidad. En España, por ejemplo, el eucalipto fue introducido como cultivo industrial para producir leña. Previamente el eucalipto se había introducido en nuestra Península como especie empleada en parques y jardines públicos o privados, como ornamental. A inicios de la década de los ochenta del siglo pasado, el catedrático de Botánica Agrícola de la Escuela Técnica Superior de Ingenieros Agrónomos de Madrid (Universidad Politécnica de Madrid), el Dr. Jesús Fernández González propuso el término de “Agroenergética” como la disciplina que se ocupa de los cultivos agrícolas para producir biomasa con fines energéticos. Por ello y por el trabajo desarrollado desde 1980 en la dirección de investigaciones, tesis doctorales, cursos, patentes y sus excepcionales conocimientos de la materia, amén de unas dotes pedagógicas y una capacidad de escucha fuera de lo común se le puede considerar como el “padre de la biomasa” en España. Para la página web http://www.agroenergetica.es/ : “agroenergética”, término que hace referencia al sector agropecuario como productor de energía renovable.

En 1981 el Dr. Cesar Peraza introdujo el término “xiloenergética”. Término que ha sido

muy utilizado por uno de los directores de esta tesis. La xiloenergética puede ser considerada como la disciplina que se ocupa de todo lo relacionado con el aprovechamiento energético de la madera. Es decir, desde que se obtiene el biocombustible lignificado hasta que se emplea para obtener otro tipo de energía. Por tanto, la xiloenergética:

1. No se ocupa de biocombustibles herbáceos. Es decir, sólo se ocupa de

biocombustibles leñosos.

2. No se ocupa sólo de los cultivos de madera sino también de otros aspectos que no son el cultivo en sí. Estos aspectos pueden ser tecnológicos de generación de pelets, briquetas, carbón vegetal, madera torrefactada, cisco, aspectos políticos de la generación, uso y transformación de la madera para generar energía, aspectos sociales de la generación, uso y transformación de la madera para generar energía,…. Es decir, la xiloenergética se encuadra más bien como una disciplina, dentro de la planificación energética que se ocupa de los materiales lignificados.



26

Con parecidas connotaciones el Ingeniero Forestal argentino Miguel Angel Trossero, desde la FAO, acuñó el término “dendroenegética”. Término muy manejado en la FAO. Dispone de un diccionario propio. La dendroenergética es una disciplina que se ocupa de todo lo relacionado con el aprovechamiento energético de la “dendro”; ésta abarca más que la madera. En los países del Cono Sur es frecuente utilizar el término “cultivo dendroenergético” para referirse a los cultivos energéticos leñosos de los que hablaremos en epígrafes posteriores y que son el objeto de los estudios de esta memoria de tesis. Por último, los selvicultores europeos y americanos, hablan de “silvoenergética” o “selvienergética”, siendo usados los dos vocablos, y siendo, ambos, correctos. En desuso actualmente, este término, se refería a la disciplina que, a caballo entre la selvicultura (cultivo de la selva) y la energética. Por tanto, podría definirse como la disciplina que se ocupa de los aspectos selvícolas (elección de especie, turno y período, densidad de plantación o siembra, operaciones previas a la instalación de la vegetación en la preparación del terreno, operaciones de instalación de la vegetación, operaciones mantenimiento que incluyen abonados, escardas, entresacas, podas, sacas, claras, clareos, lucha contra las malas hierbas y matorral invasor, contra el ataque de virus, bacterias, hongos, arácnidos, insectos, mamíferos y cosecha, maquinaria en la instalación, mantenimiento y cosecha, coste de materiales, mano de obra y maquinaria, y un largo etcétera de actividades que realizan los selvicultores en los distintos países del mundo) de los biocombustibles obtenidos en cultivos energéticos leñosos. Los cultivos energéticos son aquellos cultivos de especies herbáceas o de especies leñosas que se utilizan para obtener biocombustibles sólidos, líquidos o gaseosos. Las especies empleadas en los cultivos energéticos no tienen por qué ser necesariamente las empleadas en los cultivos tradicionales empleados para obtener alimentos o madera para la industria forestal tradicional. Lo importante en un cultivo energético cuando se trata de obtener biocombustible sólido es la cantidad de biomasa producida por hectárea, siendo la calidad de la misma, en muchos casos un tema menos importante. Por eso, generalmente, se deben emplear especies que: 1.- Sean de crecimiento muy rápido o rápido, buscando obtener altas productividades de biomasa por hectárea. 2.- A ser posible que rebroten de cepa, para así ahorrarnos los costes de reposición de la planta. Además, si rebrota de cepa ya tiene la raíz instalada. Se sabe que en un cultivo leñoso que rebrota de cepa la producción es mayor a medida que pasan los turnos, hasta un turno dado en el que por agote de la cepa la producción empieza a caer y llega un momento en el que lo más rentable es destoconar e implantar una nueva planta (por estaquilla generalmente). Una excepción son los trabajos pioneros de Stokes y colaboradores en Estados Unidos que trabajaron con pino a turnos de 8 a 12 años. Esta especie presenta dos ventajas adicionales: la primera su selvicultura es muy conocida y la segunda que contiene resina en su madera por lo que su poder calorífico superior es más alto que el de las frondosas (salicáceas, eucalipto,…).



27

3.- El ratio de productividad energética ha de ser lo mayor posible. Este ratio, definido en España por Marcos en 1985, es el cociente entre la energía producida y la energía gastada en su producción [8]. Las principales especies leñosas que se emplean en el mundo en cultivos energéticos son las siguientes :

1. Eucalipto. Es el primer género que podemos considerar se ha utilizado con fines “industriales modernos” para usos energéticos. Es decir, su plantación se hizo con el fin primordial de obtener únicamente un biocombustible. Esto ocurrió en Brasil hace ya casi un siglo cuando las empresas brasileñas de capital europeo plantaron cientos de hectáreas de eucalipto para obtener carbón vegetal, muy útil en la industria de la producción de acero. El eucalipto produce una madera muy densa y muy apta para la producción de carbón vegetal de calidad insustituible entonces, y ahora, en la producción de aceros sin azufre ya que la biomasa de eucalipto no contiene apenas azufre y la resistencia a la compresión paralela y perpendicular a la fibra de su carbón vegetal es muy alta. En Estados Unidos, Brasil, el Cono Sur de Latinoamérica, Nueva Zelanda y la Península Ibérica se investiga actualmente con diversas especies y clones, algunos mejorados selectivamente, de eucalipto. Son muchos los trabajos de investigación con este género que es investigado actualmente para usos energéticos en todo el mundo. Se han estudiado más de diez especies de eucalipto y un número grande de clones.

2. Sauce o mimbrera. Es el género del que nos ocupamos en esta memoria de tesis doctoral. Se emplea con fines energéticos en todo el Norte de Europa y de América. Son también cientos las publicaciones realizadas con esta especie. Se ha diseñado maquinaria específica para la preparación y plantación de las estaquillas y los sistemas de recogida y cosecha. Véase, por ejemplo, la página web de la empresa Salixphere, dedicada única y exclusivamente a la producción de maquinaria para cultivos energéticos de sauce o chopo a turnos cortos. Por su importancia en influencia se desean resaltar dos grupos de trabajo con sauce: Primero: todos los realizados en Suecia y otros países nórdicos de Europa y segundo los trabajos realizados en Nueva York de los que nos ocuparemos posteriormente y algunos de cuyos últimos trabajos son los que se presentan en esta memoria.

3. Chopos. Esta especie se utiliza en Centro y en el Sur de Europa, en lugares

donde la productividad es mayor que la del sauce. Frente al sauce el chopo presenta mayores crecimientos en muchas zonas de España, Portugal, Francia, Italia, Polonia y Grecia.

Los chopos también se pueden utilizar en los estados sureños de América del Norte. Sin

embargo, los chopos soportan peor las heladas que los sauces. Otra desventaja de los mismos, frente a los eucaliptos, es que precisan mucha agua para producir altos rendimientos, sin embargo soportan los suelos encharcados y su selvicultura es muy conocida. Los chopos hibridan muy bien por lo que es posible la mejora genética mediante hibridaciones. Se plantan por estaquilla y rebrotan de cepa. En cada especie y en cada lugar han de estudiarse las



28

densidades de plantación, turnos y períodos más aconsejables para obtener la máxima rentabilidad económica.

4. Pino. Para algunos autores los pinos no deben ser considerados como cultivo

energético pues los turnos son superiores a los cinco años y no rebrota de cepa, excepto tres especies de pino (una de ellas el pino canario) que sí rebrotan de cepa. Sin embargo en Extremadura, actualmente, se reconoce a esta especie como cultivo energético.

5. Acacia. Este género está siendo investigada como cultivo energético en Chile,

Nueva Zelanda, Portugal, Estados Unidos y España. Una de las `principales propiedades de la madera de acacia es su alta densidad en

comparación con los chopos o paulownias. Dos de las especies de Acacia más investigadas han sido Acacia melanoxilon y Acacia dealbata. Esta especie puede ser utilizada en zonas semiáridas y áridas [9] y requiere menos agua que sauces, chopos y paulownias. Además su madera es densa con lo que se aminoran los costes de transporte.

6. Robinia. Este género está siendo investigada como cultivo energético en Estados

Unidos, Chile, Nueva Zelanda, Portugal y España. Su productividad en España es menor que la de los chopos o la de las paulownias pero hay que tener que la robinia no necesita tanta agua como los chopos o las paulownias. La robinia también ha sido estudiada en Georgia (USA) con unos resultados que pueden ser extrapolados al Sur de la Península Ibérica.

7. Paulownias. Especies que están siendo investigadas para producir biocombustibles sólidos y líquidos en España, Portugal y otros países de Europa, América del Norte, China, Chile y otros países latinoamericanos. En Argentina se ha plantado para la producción de madera con fines industriales y ha habido problemas con los encharcamientos.

La gran ventaja de las paulownias es su rápido crecimiento en volumen. Sin embargo, su madera es muy poco densa y es hueca los primeros años, aunque se va cerrando poco a poco. Además las paulownias soportan mal el encharcamiento y debido a su gran tamaño la maquinaría de cosecha que debe emplearse no es la típica que se utiliza en los CEL. Una de las ventajas de las paulownias es que precisan menos agua que los chopos. Por contra, las paulownias son muy sensibles a las heladas y aunque las soportan su crecimiento disminuye mucho cuando éstas aparecen.

8.- Olmo de Siberia. Ha sido investigado en España por Jesús Fernández y Leire Iriarte. El olmo de Siberia (Ulmus pumila) requiere menos agua que los sauces, chopos o las paulownias, lo cual es una ventaja en las zonas donde el agua escasea o es cara. También ha sido estudiado su uso energético en las grandes llanuras de Estados Unidos. A diferencia de otras especies utilizadas en cultivos energéticos leñosos el olmo de Siberia se multiplica normalmente por semilla y presenta una resistencia a la salinidad moderada, y prefiere los suelos bien drenados, si se desean obtener buenas productividades. Aunque esto último le ocurre también a las paulownias.



29

1.3.2. Clasificaciones de los cultivos energéticos

Los cultivos energéticos pueden clasificarse atendiendo a tres criterios de clasificación de los siguientes modos. Según el primer criterio, por el tipo de biocombustible que se va a obtener de ellos, pueden ser cultivos energéticos para producir biocombustible sólido o cultivo energético para producir biocombustible líquido. Según el segundo criterio, por el tipo de biomasa producida pueden ser cultivos energéticos herbáceos, si utilizan especies herbáceas, que son anuales (como el trigo, el girasol, el maíz o la cebada) y se suelen emplear para obtener líquidos o cultivos energéticos leñosos o cultivos energéticos forestales de corta rotación. Si utilizan especies leñosas, es decir obtienen biomasa lignificada cuyo turno es igual o superior a los dos años. Puede ocurrir que el turno del primer recepe sea sólo de un año. Se pueden emplear para producir biocombustibles sólidos (leñas, astillas, pelets, briquetas, carbón vegetal,..) o líquidos (bioetanol de celulosa, aceites de pirolisis y otros que están siendo investigados como el bio-oil, etc.). Según el tercer criterio pueden ser cultivos energéticos en secano o cultivos energéticos en regadío. Algunas especies se pueden sembrar o plantar en secano, pero si son regadas su productividad aumenta considerablemete. Otras necesitan ser regadas siempre y, en secano, o se mueren o su productividad es baja o muy baja.

1.3.3. Los cultivos energéticos leñosos.

Los cultivos energéticos leñosos o también llamados de corta rotación reciben varias denominaciones en inglés: "short rotation coppice" (SRC), "short rotation crop" (SRC), "short rotation intensive culture" (SRIC), "short rotation woody crops (SRWR). En la terminología española los forestales distinguimos entre turno y período por lo que la traducción “corta rotación” es imprecisa. Sería más concreto y acertado decir “cultivos energéticos leñosos con turnos cortos”. Los cultivos energéticos herbáceos en España, para producir biocombustibles sólidos pueden emplear diversas especies que están siendo investigadas desde hace años. Una de ellas es el cardo, (Cynara cardunculus L.) muy estudiada por Jesús Fernández desde hace ya treinta años. En la tabla siguiente se señala la productividad de biomasa de cardo (Cynara cardunculus L.) en diversas localidades europeas de ámbito mediterráneo durante dos campañas. Las producciones están expresadas en toneladas de materia seca [6].



30

Tabla 1.7. Producciones de cardo en distintas localidades [6].

Campaña 1994-95 Campaña 1995-96

LOCALIZACIÓN DE LOS CULTIVOS

Lluvia (**) mm

Media t/ha

Máxima t/ha

Lluvia (**) mm

Media t/ha

Máxima t/ha

Madrid (España) 280 6,5 8,6 529 16,3 23,1

Toulouse (Francia*) --- --- --- 878 4,5 * 4,9 *

Tebas (Grecia) 490 28,6 35,7 324 27,9 33,4

Forly (Italia) 752 17,5 22,9 837 19,7 24,6

Cerdeña (Italia*) 324 2,7 * 4,7 * 594 8,6 * 12,4 *

Policoro (Italia) 316 7,5 8,2 722 12,9 15,6

Sicilia (Italia) 387 15,9 --- 654 12,3 ---

Lisboa (Portugal.*) 388 3,3 5,5 1220 6,5 8,0

MEDIA GLOBAL 373 11,7 14,3 740 13,7 17,4

MEDIA Representativa

445 15,2 18,9 646 18,0 24,2

(*) Resultados poco representativos por diversas causas. (**) Pluviometría de agosto a julio del año siguiente. 1.3.4. Los cultivos energéticos leñosos o forestales en el mundo.

Los cultivos energéticos forestales o leñosos han sido estudiados especialmente en Estados Unidos, Canadá, Brasil, Oceanía, Japón y Europa. Se usan para producir biocombustibles solidos; pero un uso interesante que se está planteando en el sistema energético, en los últimos años, es la producción de celulosa y lignina destinada a la obtención de bioetanol bien para uso en motores de ciclo Otto (como combustible o transformado en ETBE como antidetonante), bien para uso en pilas de combustible de etanol, estudios que estamos empezando a llevar a cabo los investigadores firmantes de este trabajo en contacto con el Centro de Investigaciones Energéticas, Medio Ambientales y Tecnologicas (CIEMAT).

Bastaría hacer una revisión bibliográfica de la revista "Biomass and Bioenergy" para

apreciar los trabajos realizados e incluir aquí más de un centenar de citas. También hemos contado en el desarrollo de esta esta tesis con el inestimable apoyo de D. Jesús Fernández González, “el padre de la biomasa en España” (profesor de la Escuela Técnica Superior de Ingenieros Agrónomos de Madrid) que forma parte del comité científico de esa revista y que desde 1980 ha sido nuestro maestro en estos temas.

En la Costa Oeste americana destacan los estudios pioneros realizados por Stokes y colaboradores [10] que estudiaron la cosecha en las plantaciones de corta rotación de pinos y de plátanos. Además, Stokes fue el editor, entre otras, de las siguientes publicaciones: "Short



31

Rotation Intensive Culture Forestry " IEA (International Agency of Energy) Task IX Activity 1, "Short Rotation Woody Crops. Operations Working Group (1997)" y First Conference of the Short Rotation Woody Crops. Estos autores han empleado diferentes especies (chopos, sauces, plátanos y eucaliptos) con una densidad de plantación de menos de 5.000 pies/ha y turnos muy variables (de 6 a 10 años). Sus estudios se centran en los sistemas de cosecha empleados en estos cultivos, desde 1986 hasta 1994. En Europa entre los pioneros destacan los trabajos de Bullard [11] utilizando el sauce, en Inglaterra. En la Costa Este Americana destacan por su originalidad y aplicación los trabajos de Gallagher [12] en Virginia (USA). Trabaja con chopos, a menos de 5.000 pies/ha y turnos de 4 a 10 años. Algunos investigadores también han estudiado los efectos de utilizar lodos de depuradora en cultivos energéticos leñosos como es el caso de Labrecque M., Teodorescu, T.I. and Daigle S. en Canadá, obteniendo resultados esperanzadores [13]. En España, en un trabajo sin publicar, uno de los directores de esta tesis estudió también el uso de lodos de depuradoras en la Comunidad de Madrid, para ser utilizados cono abono en cultivos a turnos cortos de chopos. En Suecia, donde la biomasa leñosa se emplea para producir calor y energía eléctrica, después de varios años de trabajo se publicó un manual muy interesante en el que recoge los aspectos selvícolas de los cultivos de sauce [14]. El futuro de estos cultivos ha sido estudiado por por Wagenmakers [15]. Hansen [16] estudió los cultivos de chopos, mientras que Willebrand et al. [17] y Bergkvist et al. [18] han estudiado diferentes aspectos de los cultivos energéticos de sauce. Unos de los trabajos pioneros con sauce en Estados Unidos son los de Abrahamson, Robison, White y Volk [19] que estudian las sostenibilidad de los mismos. Estos mismos investigadores junto con Tarakan y Abegbidi han empleado y están empleando sauces y chopos, con densidades de 15.000 pies/ha hasta 18.500 pies/ha, y turnos de 3 años. Allí se han estudiado y se estudian múltiples aspectos de estos cultivos: la selvicultura, la producción potencial [20], los productos y la bioenergía obtenidos [21], el ciclo de nutrientes [22], la composición química de las hojas, las técnicas y maquinaria empleadas en la cosecha y otras variables. Unas de las eras evaluadas por estos investigadores fueron establecidas en abril de 1997 y cosechadas en diciembre de 2000, usando estaquillas de 25 cm, con una densidad aproximada de 18.500 plantas/ha. Se plantaron 30 clones de sauce procedentes de Yugoslavia (Novi Sad), Canadá (Ontario), USA (New York) y Japón y 7 clones de chopo híbrido procedentes de USA (Michigan) y Canadá (Ontario). En el epígrafe siguiente se estudian con más detalle estos cultivos y estos trabajos. Algunas especies y espaciamientos utilizados en cultivos leñosos a turnos cortos, se recogen en la tabla siguiente:



32

Tabla 1.8. Ejemplo de algunas especies y espaciamientos empleados en cultivos SRWC

Autores Género, especie Espaciamientos

Pies/ha (en m x m)

Fuera de España

Stokes y McDonald [10 ] Pinus sp Variable Platanus occidentalis 1,5 x 3,0 2.153

Abrahamson, Volk, Trarakan et al [19]

Salix sp. Ver esta memoria Ver esta memoria

Populus sp. Variable Varios Bullard, Mustill et al [11]

Salix sp.

Variable

Desde 10.000 a 111.000 varetas/ha

Labrecque [13] Populus sp Variable Varios En España

San Miguel, Montoya [23 ] Populus sp Ver esta memoria Ver esta memoria

Ciria Ciria [24] Populus sp Ver esta memoria

Marcos, Godino [28] Populus x euroamericana I214

0,9 x 0,7 Aproximad. 37.000

En la producción de biomasa en SRWC (Short Rotation Woody Culture o Crops) el planteamiento es distinto pues lo que prevalece es la obtención de biomasa, sin importar tanto la calidad de la misma, es decir, el tamaño del tronco, el número de nudos, la situación de los nudos,... Por consiguiente, se buscarán turnos muy cortos (como mucho 8 años, preferiblemente 4, 3 y 2 años) y densidades de plantación muy altas (de al menos 1.000 árboles/ha, usualmente más de 2.000 árboles/ha). No se trata de obtener un árbol "grande y gordo", sino muchas varetas que serán cosechadas. Se buscan siempre plantaciones muy espesas. Así, por ejemplo, en la llanura lombardo-piamontesa italiana eran ya muy esperanzadores ciertos datos antiguos, al presentar que las mayores producciones que se dan en las plantaciones más densas, con chopos. En cultivos energéticos leñosos la propagación clonal presentada por la superioridad genética de un individuo puede ser amplificada a lo largo de grandes áreas en un período de tiempo relativamente corto. Con un turno de 2 a 8 años, un genotipo evaluado a los 3 años de edad está listo para su producción. En el caso del chopo y del eucalipto esto es especialmente importante para la selección de plantas resistentes tanto a heladas como a los ataques de hongos o de insectos. Así, por ejemplo, a través de la hibridación de Eucalyptus. globolus con Eucayptus urophylla y la selección de los clones resistentes, algunos problemas de plagas han sido recientemente controlados. La propagación asexual, utilizada en este tipo de cultivos, también permite la selección de genotipos individuales para sitios específicos, que pueden maximizar la producción en ese lugar. Por tanto, la forma de propagación planteada en este cultivo será la de estaquillas.



33

1.3.4.1. En Europa. En Europa los cultivos energéticos leñosos se utilizan para producir calor y energía

eléctrica. Las especies utilizadas son distintas en cada parte de Europa, en función de la disponibilidad de agua, las heladas, la radiación, el suelo,... Por ejemplo, el sauce y el chopo se emplean en los países nórdicos (Suecia, Finlandia) y en algunas zonas de Europa Central. En la Europa Central también se emplean estas especies y se están investigando el uso de nuevos clones de las mismas. Mientras, en los países del Sur, aparte del chopo y del sauce se emplea el eucalipto y se están investigando la paulownia, el olmo de Siberia, la acacia, la robinia y el ailanto. Entre los trabajos realizados en Europa que han sido publicados y que trabajan con la misma especie (sauce) de la que nos ocupamos en esta tesis destacan los de Bullard y sus colaboradores [11]. Las plantaciones están situadas en East Anglia y Warwickshire (UK) y guardan algunas similitudes interesantes (muy altas densidades de plantación y turnos muy cortos) con los que a continuación serán planteados y estudiadas en este trabajo. Sus resultados, usando Salix viminalis y Salix dasyclados y tomando datos a los dos años y tres años, con densidades de plantación que van desde los 10.000 pies/ha hasta los 111.000 pies/ha, se recogen en la tabla siguiente:

Tabla 1.9. Producciones de sauces en UK [11]

Especie y plantas/ha Incremento año 1

Incremento año 2

Incremento año 3

Total

Salix viminalis 10.000 15.625 23.700 63.500 111.000

8,67 10,3 10,41 10,49 11,64

8,67 10,3 10,41 10,49 11,64

5,63 8,36 5,69 8,22 6,50

22,97 28,95 26,51 29,2 29,78

Valor medio 10,30 10,30 6,88 27,48

Salix x dasyclados 10.000 15.625 23.700 63.500 111.000

6,36 6,68 7,38 7,90 7,76

6,36 6,68 7,38 7,90 7,76

7,23 6,86 4,89 5,43 5,68

19,96 20,22 19,65 21,24 21,21

Valor medio 7,20 7,20 6,02 20,22

Los incrementos de los años 1 y 2 son calculados como el 50% de la cosecha bienal. El incremento del año 3 es calculado como diferencia entre los datos trienales y los datos bienales. Aunque el autor de la tabla no lo indica se supone que son toneladas de materia seca.



34

En las conclusiones de sus trabajos dice que "se ha demostrado que las más altas producciones pueden ser esperadas a través de los primeros ciclos de cosechas con mayores densidades de plantación que las convencionalmente recomendadas" [11].

1.3.4.2. En Canadá En Canadá los cultivos energéticos leñosos, sobre todo de chopo y sauce, se utilizan para

producir calor y energía eléctrica. Destacan los trabajos de investigación realizados por Labrecque, Teodorescu y sus colaboradores. Como ya se ha indicado anteriormente, en algunos de ellos empleando lodos de depuradora como abono para así ahorrar costes de abonado y además emplear un residuo que de otra manera podría dañar al medio ambiente [13].

1.3.4.3. En Nueva Zelanda.

En Nueva Zelanda los cultivos energéticos leñosos, sobre todo de acacia, robinia, chopo y sauce, se utilizan para producir calor y energía eléctrica. Han sido y son investigados, sobre todo, por Nicholas y sus colaboradores.

1.3.4.4. En España. En España los cultivos energéticos forestales o cultivos energéticos leñosos se han

empleado y se emplean, sobre todo, para obtener leñas, astillas, pelets, briquetas y carbón vegetal. Las especies leñosas más investigadas en la Península Ibérica son los chopos, los eucaliptos, las paulownias y el olmo de Siberia. Aunque también hay trabajos sin publicar con los ailantos y las acacias.

Las leñas se emplean para obtener calor, en usos domésticos y también para obtener

cisco y carbón vegetal. Con las leñas también se obtiene carbón vegetal. Con las astillas se obtiene calor, energía eléctrica, pelets y briquetas. En un futuro, con las astillas se desea obtener también biocombustibles líquidos de segunda generación, tales como son el bioetanol de celulosoas, el bio-oil, el aceite de pirolisis o el biobutanol de celulosa.

1.3.4.5. En Latinoamérica

En todos los países de Latinoamérica, bien como leñas, bien transformadas éstas en

astillas, pelets, briquetas o en carbón vegetal se han utilizado y se utilizan los biocombustibles sólidos forestales. Las astillas se emplean para producir calor y energía eléctrica. Las leñas, los pelets y las briquetas se emplean para obtener calor.

1.3.4.6. En Brasil. En Brasil los cultivos energéticos forestales son muy antiguos. Se usaron en principio, y

se siguen usando actualmente, para producir carbón vegetal de buena calidad, apto para la industria metalúrgica.



35

El género más utilizado en Brasil es el Eucalyuptus debido a la alta densidad de su madera, a su rápido crecimiento y a que rebrota de cepa. En Brasil hay cerca de 3 millones de ha de eucalipto plantadas, para usos industriales incluidos los energéticos. Están localizadas sobre todo en los Estados de Amapá y Pará en la Región Norte, en Pernambuco y Bahia en la Región Noreste, en Mato Grosso, Goiás, Mato Grosso do Sul en la Región Central Oeste, en Espirito Santo, Minas Gerais, Rio de Janeiro y Sao Paulo en la Región Sur y en Paraná, Santa Catarina y Rio Grande do Sul en la Región Sureste.

El Estado de Minas Gerais es el lider en plantaciones de eucalipto con cerca de 1,2

millones de ha de eucalipto que son empleadas para la producción de carbón vegetal, madera para la industria y la obtención de fibra para tableros o de fibra para la producción de pasta de papel y cartón.

Destacan, entre otros, los trabajos del investigador Laercio Couto y de todos sus

colaboradores. Trabajan con diferentes especies de eucalipto: Eucalyptus grandis, Eucalyptus urophylla, Eucayptus camaldulensis, Eucalyptus.saligna, Eucalyptus citriodora, Eucalyptus cloeziana, híbridos de de Eucalyptus grandis con Eucalyptus urophylla y con Eucalyptus camaldulensis. La productividad obtenida es muy variable, está entre los 25-80 m3/(ha-año), dependiendo de la especie empleada y la región de cultivo. El manejo de plantaciones de eucalipto ha tenido en los últimos años varios avances significativos en Brasil. Ha habido una reducción de los costes de producción cercana al 50% entre los años 70 y los años 90 debido al uso de tecnologías cada vez más avanzadas que incluyen selección de clones y mejora de las técnicas de cosecha. También se han mejorado las prácticas silvícolas y han sido adoptadas medidas correctoras teniendo en cuenta consideraciones ecológicas y sociales.

También se estudia el uso energético de diferentes acacias, considerando el uso

silvopastoril de la misma. Es decir plantaciones donde la madera se usa para fines energéticos y el ganado pasta entre los árboles, tipo dehesa. El que el ganado paste presenta dos ventajas: la primera que se obtiene una segunda renta económica y la segunda que se evita que crezcan las plantas invasoras entre los árboles. En los primeros años el ganado no puede pastar pues se comería las jóvenes plantas de acacia.

En Brasil existe la red denominada Rede Nacional de Biomassa para Energia

(RENABIO) que edita la revista Biomassa & Energia, en portugués. 1.3.4.7. En Chile. Desde hace cientos de años, en Chile, las especies del bosque nativo (Araucaria

araucana, Araucaria angustifolia, Nothofagus sp. y otras especies) se han empleado por los indígenas y luego por los españoles para obtener leñas y carbón vegetal como biocombustibles, con un rendimiento no muy alto y provocando problemas de contaminación. También las especies introducidas como el eucalipto y el pino se han usado y se usan para obtener biocombustibles sólidos como leñas, astillas, pelets, briquetas y, sobre todo, en el caso del eucalipto, carbón vegetal.

Los cultivos energéticos leñosos en Chile están siendo investigados en la actualidad por



36

más de una decena de grupos de investigación. Las especies leñosas que se están investigando en Chile, con fines energéticos, son el chopo, la paulownia, el eucalipto y el sauce. Se plantean tanto para obtener biocombustibles sólidos (leñas, astillas, pelets, briquetas y carbón vegetal) como biocombustibles líquidos (bioetanol de celulosa y biodiesel). Destacan, entre otros, cuatro grandes equipos de trabajo, tres vinculados con universidades chilenas y que realiza el Instituto Forestal.

En la Universidad de Concepción los profesores Fernando Muñoz, Robilar y sus

colaboradores han trabajado y trabajan con distintos clones de dos géneros leñosos: el eucalipto y la paulownia. En esta universidad también se investiga con fines energéticos la especie herbácea Miscanthus.

En la Universidad de Chile, en Santiago de Chile, destacan los trabajos del profesor

Manuel Paneque y de todos sus colaboradores que trabajan tanto con especies herbáceas como leñosas.

También, el uso energético del chopo (allí llamado álamo) lleva siendo estudiado desde

hace más de diez años en Chile. Entre otros, por investigadores de la Universidad de Talca, encabezados por el profesor Zamudio, que dispone de varias plantaciones en este estado y en los estados limítrofes.

Además, las acacias (Acacia sp. y Robinia sp.) están siendo estudiadas por el

investigador Juan Carlos Pinilla y por sus colaboradores en el Instituto Forestal. Se han realizado diferentes cultivos y varios trabajos en la potencial área silvícola de esta especie con el fin de promover las plantaciones energéticas con diferentes acacias, ocupando tanto terrenos forestales como suelos agrícolas degradados.

1.3.4.8. En Colombia, México, Argentina y otros países latinoamericanos. En todos los países latinoamericanos, aparte de Chile y Brasil, pero especialmente en

Argentina, Colombia, Perú, México, Bolivia, Uruguay, Paraguay, Guatemala, Ecuador y Costa Rica se han utilizado y se utilizan las leñas y el carbón vegetal como fuente energética, desde hace cientos de años.

Así, en México y Colombia se plantean estudios con especies como la jatrofa y el nim

que se emplean para la obtención de aceite y, con éste, metiléster que mezclado con el gasoil produce el llamado biodiesel.

Además, en Colombia, el Dr. Ingeniero de Montes español Miguel Godino García está

planteando el uso energético de la moringa, para la obtención de aceites y metilésteres con usos energéticos y otros usos.

En Argentina, además de los usos tradicionales de las leñas y del carbón vegetal se

fabrican briquetas tanto de astillas como de carbón vegetal para abaratar los costes de transporte. En este país el carbón vegetal se obtiene sobre todo de quebracho blanco y de quebracho colorado, mediante hornos de ladrillo de media naranja o mediante técnicas artesanales con



37

carboneras tradicionales (parvas de carboneo) o con fosas de carboneo y fosas de carboneo mejoradas [5]. Este carbón vegetal, de calidad por ser un carbón denso, se exporta a países europeos como Bélgica, España, Portugal y, sobre todo, Francia. En algunas zonas del Chaco Argentino esta explotación se ha llevado a cabo de forma no sostenible por lo que han desaparecido masas forestales de esas dos especies.

En otros países, como es el caso de Perú y Bolivia, se ha tratado y se trata de introducir

el cultivo de diferentes especies de eucalipto para la producción de leñas, carbón vegetal, pelets y briquetas. 1.3.5. Los cultivos energéticos leñosos y el medio ambiente.

Son especialmente importantes los temas relacionados con los cultivos energéticos y el

medio ambiente y en la bibliografía consultada abundan las publicaciones en este tema. Merece especial atención mencionar cuatro aspectos ambientales en este tipo de cultivos:

1.- La biodiversidad. Los cultivos monoespecíficos, como pueden ser este tipo de cultivos leñosos, en grandes

extensiones, pueden presentar problemas de biodiversidad, que a la larga suponen problemas económicos, ya que en un momento dado pueden ser muy sensibles a los ataques de hongos y de insectos. Estos ataques, combinados a veces con el viento pueden llegar a producir pérdidas que son importantes en los mismos.

2.- El balance energético. El balance energético de un cultivo energético herbáceo o leñoso se puede medir de dos

maneras. La primera como el cociente entre la energía producida o energía output y la energía consumida o energía input, valor que se define como ratio de productividad energética [8]. También se puede medir como la diferencia entre la energía producida y la energía consumida. Cuanto mayor sea este ratio o mayor sea la diferencia más favorable es el cultivo energético. Desde el punto de vista energético para que un cultivo sea rentable energéticamente el ratio de productividad energética debe ser mayor que 1.

3.- La fijación de CO2. Los cultivos energéticos leñosos (al igual que los herbáceos) [6], captan CO2., lo cual es

muy beneficioso pues esta molécula para algunos investigadores es perniciosa cuando sobreabunda en la atmósfera de la Tierra pues provoca el llamado efecto invernadero. Los leñosos fijan esta molécula en las raíces, troncos, ramas, hojas, flores, frutos y semillas. Cuando se extrae la biomasa de troncos permanece el que ha sido fijado en las raíces. Conviene dejar las hojas en el lugar del cultivo para evitar el empobrecimiento químico del suelo.

4.- El consumo de agua. Esta es una variable muy a tener en cuenta sobre todo en zonas donde el agua escasea o



38

su precio es alto. Además, el bombeo de agua resulta cada vez más caro en España por el encarecimiento del gasoil utilizado en motores de bombeo de agua y de la energía eléctrica utilizada en motores eléctricos, también para bombear agua.

1.3.6. Short Rotation Woody Crops Group.

El Grupo Short Rotation Woody Crops (SRWC) es un grupo muy activo del que forman

parte tanto instituciones públicas como privadas, empresas e investigadores que trabajan con cultivos energéticos leñosos de turnos cortos de todo el mundo.

Sus reuniones suelen ser bianuales y todas ellas se han celebrado, hasta el momento, en

diferentes estados de Estados Unidos de América. La primera Conferencia de Short Rotation Woody Crops se celebró en septiembre de 1996 en Paducah, Kentucky, USA. Fue del 23 al 25 de septiembre de 1996. Los procedings fueron compilados por uno de los pioneros en Short Rotation Woody Crops: el Dr. Bryce J. Stokes. La segunda conferencia del grupo SRWC y fue del 25 al 27 de agosto de 1998, en Vancouver, Washington del 25-27 de agosto 1998 Vancouver. Los trabajos fueron compilados por by Bruce R. Hartsough.

La Tercera Conferencia de Short Rotation Woody Crops Operations Working Group

fue del 7 al 10 de noviembre de 2004, en Syracuse, New York USA. Fue organizada en la State University of New York College of Environmental Science and Forestry por los profesores Timothy A. Volk, Lawrence P. Abrahamson y Jennifer L. Ballard.

La Cuarta Conferencia de Short Rotation Woody Crops Operations Working Group

fue del 14 al 17 de octubre de 2002, en Alexandria, Minnesota. Fue organizada por US Forest Service.

La Quinta Conferencia del grupo fue del 10 al 13 de octubre de 2004, en

Charlestown, South Caroline, siendo una de las más numerosas en cuanto a países participantes. Fue organizada por el ingeniero norteamericano Mark Coleman y a ella asistieron investigadores de Estados Unidos, Canadá, Brasil, Europa del Norte, Australia y un español.

La Sexta conferencia de este grupo fue del 25 al 28 de septiembre de 2007 y tuvo

lugar en Pasco, Washington. Seventh. La séptima Conferencia de SRWC coincidió con la Reunión de Short Rotation Crops International de la Agencia Internacional de la Energía (AIE) y fue del 18 al 21 de agosto de 2008, en Minneapolis, MN, USA. La siguiente reunión del grupo SRWC fue en Syracuse, New York.

Por último, la Octava Conferencia de Short Rotation Woody Crops constituyó un excelente foro para aprender y discutir acerca de la ciencia, producción, cosecha, uso y políticas relacionadas con los short rotation woody crops (SRWC). Esta conferencia exploró las posibilidades y oportunidades y la comercialización de los SRWC como una fuente de fibras o de energía.



39

1.4. LOS PRIMEROS TRABAJOS. Los primeros trabajos realizados con cultivos energéticos forestales (CEF) o leñosos

(CEL) en España fueron llevados a cabo con chopos por los ingenieros de montes Alfonso San Miguel Ayanz, Jesús San Miguel Ayanz y Ramón Montoya, en los años 80 [23], cuando trabajaban en el Departamento Forestal del INIA. Obtuvieron buenos resultados. Son cultivos en altas densidades de plantación los siguientes resultados, para chopo I214, chopa, “Campeador” y Canadá Blanco. (1984)

Tabla 1.10. Producciones para distintos chopos, a 4 años de turno y 5.000 pies/ha

Producción relativa Producción absoluta (kg m.s/ha-año)

I-214 89 12.392

Chopa 77 10.709

Campeador 72 10.043

Canadá Blanco 60 8.432

Como se observa en la tabla anterior de los cuatro clones ensayados el clon I-214 (Populus x euramericana I214 Dode) fue el que presentó mayor producción tanto de forma relativa como de forma absoluta. El chopo I214 es un híbrido (Populus x euroamericana (Dode) Guinier (P. deltoides y P. nigra) profusamente investigado en España. Es un árbol hembra, muy vigoroso y con gran crecimiento en sus raíces. Fue uno de los logros más célebres del Instituto de Casale Monferrato (Italia). Obtenido y experimentado por el profesor Piccarolo y su equipo, se extendió en los cultivos después de la 2ª Guerra Mundial, primero en Italia y luego en otros países europeos, a excepción de los países fríos húmedos del NO. Su éxito ha sido notable debido a su extraordinaria plasticidad, y crecimiento rápido. Su principal defecto es el rescate del crecimiento al desarrollarse ramas muy gruesas rápidamente, se forman peligrosas horquillas y hay que realizar una poda prudencial a su debido tiempo.

Tabla 1.11. Producción y posibilidad para distintos espaciamientos de cultivos de chopo I-214 [23]

Espaciamiento m x m

Densidad árboles/ha

Material de plantación

Turno Años

Producción m3

Posibilidad m3/(ha.año)

1,6 x 0,6 10.400 Estaquilla 3 140 46,67

1,5 x 1,5 4.500 Estaquilla 4 144 36

2 x 2 2.500 Planta 1 año 5 200 40

2 x 2 2.500 Planta de 2 años 4 200 50

3 x 2 1.670 Planta de 2 años 5 214 43



40

En la comparación de espaciamientos, todos con el chopo I-214, como cabía esperar la mayor productividad la proporcionó el espaciamiento 2 x 2 con material de plantación de planta de dos años, a un turno de 4 años.

Tabla 1.12. Producciones con chopo I-214 a 5.000 pies/ha.

Turno Producción relativa con 5000 pies/ha

Producción absoluta (kg m.s/ha-año)

Densidad de plantación

pies/ha

Producción relativa*

%

Producción absoluta (kg ms/ha-año)

2 78 10.897 10.000 121 16.932

3 72 10.077 5.000 113 15.817

4 98 13.719 3.333 108 15.142

5 124 17.302 2.500 105 14.661

*Producción relativa: 100 = 13.976 kg ms/ ha-año.

1.5. LAS PRIMERAS TESIS DOCTORALES Las dos primeras tesis doctorales con cultivos energéticos leñosos en España son la de la

ingeniera agrónoma de Pilar Ciria Ciria (dirigida por Jesús Fernández) y la del ingeniero de Montes Miguel Godino García (dirigida por Francisco Marcos y Fernando García).

Pilar Ciria Ciria (1998), trabajó bajo la dirección del catedrático Jesús Fernández González (ETS de Ingenieros Agrónomos) realizando la tesis doctoral titulada “efecto del turno de corta y de la densidad de plantación sobre la productividad de diversos clones de chopo en condiciones de corta rotación”. Esta investigadora española realizó sus estudios en Lubia (Soria) y trabajó con cultivos energéticos de distintos clones de chopo (Populus sp.) empleando turnos desde los 2 hasta los 4-5 años [24]. Los clones utilizados se situaron en parcelas que el Centro de Desarrollo de Energías Renovables (CEDER) tiene en Lubia (Soria), pertenecientes al Centro de Investigaciones Energéticas, Medio Ambientales y Tecnológicas (CIEMAT). Los clones empleados por Pilar Ciria en su trabajo doctoral fueron el Populus x euroamericana I-214, I-45/21, el Campeador, Flevo, Borskamp, NL-1070, Unal, Beaupré, Hunneger y Boleare. Ciria Ciria obtiene en su tesis doctoral (1998) posibilidades similares a las de otros investigadores del Sur de Europa, con valores muy esperanzadores, variables para cada clon.



41

En la Cátedra de Termodinámica, Motores y Maquinaria Forestal de la ETSI de Montes de Madrid Francisco Marcos Martín y sus colaboradores vienen trabajando con cultivos energéticos forestales desde el año 1985 [8]. Los primeros trabajos se han realizado con el híbrido I-214. Actualmente se trabaja con chopo (I214, Viriato y IMC) y con otras especies (Paulownia sp. y Arundo donax). Los chopos requieren en la época de su crecimiento humedad no exagerada pero sí abundante. La plantación estudiada por Marcos, García Robredo y Godino en la tesis doctoral de este último, estaba en Cabrerizos (Salamanca) cerca del río Tormes. Latitud: 40º59´N. Longitud: 5º36´O a 790 msnm, pendiente menor del 3% y clima continental húmedo. Se plantaron estaquillas de 40 cm (aprox.) con un número máximo de 37.037 pies/ hectárea y marco de plantación 0,33 m x 0,9 m. El turno estudiado es igual o superior a 2 años y el período o ciclo (proyectado) de 10 o de 12 años. Se optó por un turno de 2 años para que el agricultor recupere cuanto antes la inversión realizada. El suelo es franco, muy poco arenoso, aluvial y de origen silíceo, moderadamente básico, pero totalmente descarbonatado. El elemento limitante es el fósforo, sin problemas de conductividad, pero la elevada basicidad puede provocar problemas en la asimilación de hierro.

Tabla 1.13. Características edáficas de las parcelas experimentales de Cabrerizos

Muestra 1 Muestra 2 Muestra 3

pH en agua suspensión 1:2.5 7,9 7,9 8 Materia orgánica oxidable, % 0,41 0,68 0,88 Nitrógeno total (N), % 0,070 0,065 0,071 Fósforo asimilable (P), ppm (Mét. Olsen) 1 5 10 Potasio asimilable (K), ppm 103 147 151 Caliza activa, % 0,96 0,86 1,41 Conductividad, Mmhos/cm 0,07 0,13 0,13 Boro, ppm 0,00 0,10 0,10

Tras un laboreo y nivelación del suelo y un añadido de estiércol y abono nitrogenado (300 kg/ha) se realizó la plantación a mano. Las estaquillas se metieron unos 5 minutos, en una mezcla de 50cc de insecticida en 100 litros de agua, con fungicida del que añaden 50 gramos en 100 litros de agua. La escarda se realizó todos los años, con motocultor. La distancia entre los chopos es de 0,9 m. Se abonó con abono nitrogenado en cantidad variable entre 200 y 250 kg/ha. Se añade abono foliar, tipo 9, 18, 27 (con un 0,03% de boro) en junio. Se usó abono con 27% de nitrato amónico cálcico, unos 400 kg/ha. La misma mezcla de insecticida y fungicida que se añadía a las estaquillas es esparcida a finales de mayo y junio (fechas aproximadas) utilizando mochilas esparcidoras. Cuando las hojas amarillean y puede pensarse en deficiencias de hierro se ha añadido corrector, de quelato de hierro. Se ha añadido cada 15 días, en el riego, con dosis aproximadas de 6-7 kg/ha [24].



42

Tabla 1.14. Esquema selvícola de la plantación estudiada

Año Plantación Escarda Riego Poda tipo “ordeño”

Tratamientos fitosanitarios

Abonado Corta Destoconado

0 Preparación del terreno (laboreo profundo y nivelación)

1 …………….…………………………………………………….

Par …………….……. ………………………………

Impar …..………………………………………………………..

Final ………………. ……………………………………………….

La dosis de riego media, en los años pares, ha sido de 165 L/m2 (con valores mínimos de 155 L/m2 y máximos de 175 L/m2 en cada riego). Como hemos tenido 20 riegos al año, la dosis de riego anual media (años pares) ha sido de 1.300 L/m2 . Sin embargo, en los años impares el número de riegos es 23 a 26,3 a 6 más que en los pares. El riego se ha realizado por aspersión y en la zona considerada el riego no es factor limitante. Se pienda, que a nivel comercial, dependiendo del fotoperíodo, la evapotranspiración, el suelo y las características geográficas (pendiente, distancia al lugar de bombeo) se determinarán en cada caso particular las dosis y el sistema de riego . La composición química elemental de la biomasa depende de la época de corta, la parte del árbol y si es duramen o albura. La madera de chopo tiene muy poco azufre, menos de 1,5% de nitrógeno y menos de 0,5% de sodio, potasio y otros elementos que originan cenizas fusibles. Según Fukazawa [25], con 2 clones de chopo japonés (Populus maximowiczii), tomadas a 0,3 y 1,3 m, los valores obtenidos fueron para las maderas a 1,3 m más altos de cenizas, potasio y magnesio, y más bajos de calcio y sodio. La composición química por compuestos químicos de tres clones de Populus x euramericana, entre ellos el I-214, fue estudiada por García Vallejo et al. [26] y se presenta en la tabla siguiente.

Tabla 1.15. Compuestos químicos de madera seca de albura y de duramen

Populus x euramericana I-214. Albura Duramen

1,3 m 6,5 m 1,3 m 6,5 m

Extracto en diclorometano 0,48 0,48 0,54 0,52

Solubilidad en agua caliente 2,51 2,61 2,27 2,41

Solubilidad en sosa 17,63 18,72 17,00 17,91

Lignina 22,89 23,44 22,86 23,44

Holocelulosa 83,97 83,79 83,12 83,29

Cenizas 0,35 0,33 1,24 1,36



43

Las tablas de cubicación hechas son para árboles individuales con dos entradas (diámetro normal, D, y altura total, H), dan el volumen del árbol con corteza. Son particulares. Se han estimado a partir de 250 árboles tipo. En cada árbol tipo se realizaron 2 ó más trozas, de las que se midió su circunferencia inferior y superior y su longitud. Se han analizado las fórmulas de cubicación más comunes, siguiendo la bibliografía consultada. Se han considerado como variables independientes la altura total (H), el diámetro normal al cuadrado (D2) y el producto del diámetro normal al cuadrado por la altura total (D2·H), y se ha procedido a ajustar diferentes ecuaciones por regresiones [27].

Tabla 1.14. Resultados obtenidos en las ecuaciones de los modelos de regresión.

Ecuación R cuadrado Error estándar

V = 447.08 + 38.20·(D2 H) 0,9852 304,38

V= 367.27 + 39.45·(D2 H) – 0.00394 ·(D2 H)2 0,9853 304,14

V = -29.862 + 29.2094·(D2 H) + 77.9696·D2 + 33.2859·H 0,9861 296,90

V= 181.628 + 30.6542·(D2 H) + 68.556·D2 0,9860 296,54

V = 773.582 + 38.9633·(D2 H) - 62.088·H 0,9854 303,46

No es de extrañar el alto valor de R cuadrado obtenido en los cinco modelos pues los tronquitos de madera tienen una forma tronco cónica bastante exacta. La ecuación con R más alto resulta ser: V=-29.862 + 29.2094·(D2 H) + 77.9696·D2 + 33.2859·H . Los resultados de la tesis de Miguel Godino [28] se recogen en la tabla siguiente:

Tabla 1.16. Resumen de la producción estimada en chopo I214 [28].

Turno

Nº inicial de pies/ha Mortalidad/

Turno, %

Mortalidad acumulada

Producción

t/(ha-año) kg/(pie·año) Estimada t/(ha-año)

R0T0 37037 10 10 ----- ---------- ----------

R2T2 33333 9 18 12,41 1,17 16,10

R4T2 30580 8 26 9,99 1,64 20,88

R6T2 28288 7 33 24,83 2,02 23,95

R8T2 26348 7 39 ------- 2,35 26,10

R10T2 24683 6 45 ------- 2,04 27,61

R12T2 23238 6 50 -------- 2,88 28,47



44

Las cenizas de chopo pueden ser empleadas como abono debido a su contenido en K2O, CaO y P2O5. Cuanto mayor sea el contenido en estos tres compuestos mejores serán las cenizas. El poder calorífico se obtuvo en el laboratorio de Combustión y Combustibles de la ETSI de Montes de Madrid, obteniendo valores de PCS0 comprendidos entre 4.550 y 4.680 kcal/kg, el valor medio fue de 4.618 kcal/kg. Para medir la densidad se han seguido dos métodos. El primero por inmersión y lastre y el segundo por medidas geométricas . Los datos obtenidos para el I-214 dan valores de la densidad entre 0,3533 kg/dm3 y 0,46739 kg/dm3.

En el gráfico siguiente se muestran las productividades obtenidas en otras parcelas ubicadas también en Cabrerizos, con chopo I214y con las mismas densidades de plantación que se emplearon en la tesis del Doctor Miguel Godino .

0,00

10,00

20,00

30,00

40,00

50,00

60,00

70,00

80,00

0 2 4 6 8

Productiv idad(t ms/ha)

Productiv idad, Salix,Bullard

ProductividadProductividad

αααα2

ββββ2

αααα4

αααα3

ββββ3

Año

1.- αααα2 > αααα3

> αααα4 2.- αααα2 > ββββ2 , αααα3

> ββββ3

αααα2R

3.- αααα2R > αααα2

Figura 1.17. Productividades de chopo I214 en Cabrerizos (Salamanca).

Se concluyó que debido a la alta densidad de plantación, el tercer y cuarto año el crecimiento es menor por la competencia en nutrientes, agua y radiación térmica. Con la densidad de plantación propuesta la primera corta debe realizarse a los dos años o a los tres años si el coste de las estaquillas es muy alto. Es de preveer que la mayor productividad conseguiría en el lugar en el que el fotoperíodo fuera mayor (si en ese lugar se solventan los condicionantes de suelo, agua, ataques de hongos e insectos). El crecimiento del primer recepe es mayor que el de la estaquilla porque en el primer recepe ya está la raíz implantada. La mayor productividad se conseguirá en el segundo y tercer recepe, si se evita el ataque de perforadores. Se obtuvo la energía eléctrica y la potencia en función de la productividad:



45

Tabla 1.18. Energía y potencia eléctrica en función de la productividad.

Productividad Energía Potencia

kg ms / (ha-año) MJ MW 17000 96996,9 0,00384 18000 102702,6 0,00407 19000 108408,3 0,00430 20000 114114 0,00452 21000 119819,7 0,00475 22000 125525,4 0,00498 23000 131231,1 0,00520 24000 136936,8 0,00543

Figura 1.8. Potencia instalada frente a productividad y rendimiento. Supondremos que un 3% de la energía disponible se emplea en el secado (se utiliza para secar el secado natural y un secadero contracorriente), por lo que la energía eléctrica realmente disponible es, para 24 t ms/ (ha-año): 132.828,7 MJ. Potencia instalada: 5,27 kW eléctricos. * El CO2 emitido en la combustión será: P · 0,5 · (44/12) = P·22/12 = P·11/6 * Balance de CO2 fijado, por hectárea: BA = FI - E1 - E2 El gráfico que se presenta a continuación señala cómo afecta la posibilidad al CO2 fijado por hectárea.

3

3,5

4

4,5

5

5,5

6

14000 19000 24000

Pot

enci

a en

kW

elé

ctric

os

Productividad kg ms /(ha-año)

Potencia instalada (kW) frente a productividad (kg ms/(ha-año)) y rendimiento

Rendimiento 30%Rendimiento 29%Rendimiento 28%



46

Figura 1.9. Fijación CO2 en función de la posibilidad.

Para 24 t ms resulta ser una fijación de 10,23 t de CO2.. Balance de CO2 fijado, referido a

la energía eléctrica producida = BAE = BA/PE = 293,3 g/kWh eléctrico. Superior a los 214 g/kWh citado para las plantaciones de cardo (Jesús Fernández, o.c.); La biomasa obtenida ha sido de unos 24.000 kg ms/(hectárea·año) y que disponemos de suficiente agua para riego. Suponiendo que el bombeo de agua para riego emite 76 g de CO2/ MJ de energía gastado en el bombeo, podemos estimar que los valores anteriores se reducen un 20%, quedando: BA = 5.992 kg de CO2 fijados por ha; BAE = 234,64 g de CO2 fijados / kWh eléctrico producido. Valor ligeramente superior a los 214 g/kWh eléctrico; pero que nos parece más cercano a la realidad española. El gráfico siguiente presenta cómo afecta la posibilidad al CO2 fijado.

Figura 1.10. Fijación de CO2 en cultivos energéticos de chopo, Cabrerizos, Salamanca.

6789

1011121314

15 18 21 24 27 30 33CO

2fij

ado

(ton

/(ha

-año

))

Posibilidad (ton ms/(ha-año))

Fijación de CO 2 en función de la posibilidad

0,00

50,00

100,00

150,00

200,00

250,00

300,00

16 18 20 22 24 26 28 30 32

Posibilidad (t ms/(ha-año))

Fijación de CO 2 en cultivos energéticosde chopo, Cabrerizos, Salamanca

t de CO2 fijado/ha-año

kg CO2 fijado/ kWhe



47

1.6. EL PROYECTO ON CULTIVOS. El programa o proyecto de investigación On Cultivos es un Proyecto Singular y Estratégico para el desarrollo, demostración y evaluación de la viabilidad de la producción de energía en España partir de biomasa de cultivos energéticos, tanto herbáceos como leñosos. Con la biomasa obtenida se pueden obtener biocombustibles sólidos y líquidos. Es un esfuerzo coordinado entre centros de investigación, empresas, universidades y otras entidades a fin de dar una respuesta eficaz a las necesidades de investigación y desarrollo tecnológico necesarios para conseguir los objetivos de la política de energías renovables vigente en España en la que los cultivos energéticos ocupan un lugar relevante. Tiene un duración: 2005-2012 y un presupuesto total: 62 M €.

Participan en él 28 grupos de trabajo distribuidos en 18 empresas (Abengoa Bioenergía Nuevas Tecnologías, Abengoa Bioenería Ecoagrícola, Acciona Biocombustibles, Acciona Energía, Biopoplar, Energía Natural de Mora, Guascor Power, Fundación Soria Activa, Pryconval, Santibañez Energy, CIRCE y otras), 8 centros universitarios o de investigación (Universidad Politécnica de Madrid, Universidad Pontificia de Comillas, Universidad de Zaragoza, INIA, IRTA, CIEMAT, CIUDEN, CSIC) y 2 organismos como son ASAJA, ITACYL.

La superficie total estimada de demostración de los cultivos (2005-2012) es de 15.000 ha. Las Comunidades Autónomas en las que se desarrolla el Programa de Demostración de los Cultivos son Andalucía, Aragón, Castilla la Mancha, Castilla y León, Cataluña, Extremadura y Navarra. On Cultivos está siendo financiado por Ministerio de Educación y Ciencia.

El programa On Cultivos tiene cuatro áreas de investigación:

Área 1: Producción de biomasa de los cultivos. Esta área comprende el estudio de producción de biomasa de los cultivos, incluyendo actividades de logística de suministro. Se estudiará la potencialidad de varios cultivos energéticos en las distintas comarcas españolas y se realizarán programas de demostración y experimentación. En el programa de demostración y experimentación las especies usadas son colza (Brassica napus), carinata ( Brassica carinata), sorgo (Sorghum bicolor) , cereales para producción de bioetanol y chopo (Populus sp). En el de experimentación las especies empleadas son cardo (Cynara cardunculus) y Paulownia (Paulownia sp).Uno de los objetivos principales de los programas de demostración es el estudio del rendimiento y costes de producción de los cultivos en distintas localizaciones españolas en condiciones reales, mientras que el programa de experimentación pretende, entre otros objetivos, evaluar el potencial de nuevos cultivos, optimizar los parámetros agronómicos de los cultivos en fase de demostración, así como realizar la selección y mejora de variedades o clones.

Área 2: Utilización energética de la biomasa. En esta área se realiza el desarrollo y demostración de la utilización de la biomasa de los cultivos en diferentes aplicaciones energéticas como son aplicaciones térmicas del sector doméstico, generación de electricidad y producción y utilización de biocombustibles líquidos.



48

Área 3: Evaluación y análisis del ciclo de vida. La evaluación de la sostenibilidad de los cultivos energéticos se llevará a cabo mediante la realización y análisis de los ciclos de vida (ACVs) energético, medioambiental y económico de las distintas etapas que componen las cadenas energéticas estudiadas en las áreas anteriores y su comparación con los ACVs correspondientes de los combustibles fósiles.

Área 4: Difusión y explotación de los resultados. Entre otras acciones se realizarán actividades de formación, visitas, charlas y jornadas técnicas dirigidas a agricultor, industriales del sector y escolares.

1.7. OTROS TRABAJOS EN ESPAÑA. También en algunas universidades españolas, aparte de las que trabajan en On Cultivos

como la Universidad Politécnica de Madrid o la Universidad Pontificia de Madrid, se están realizando trabajos de investigación con cultivos energéticos leñosos.

Por ejemplo, en la Universidad de Vigo se realizan desde hace más de quince años

trabajos punteros de investigación relacionados con la xiloenergética. Se ha trabajado especialmente con pelets, briquetas y otros biocombustibles y también se han estudiado los costes de extracción de la biomasa forestal con fines energéticos.

Especialmente, en esta Universidad, en los últimos años, se trabaja en cultivos

energéticos leñosos o forestales, destacando la publicación realizada con el título “Manual de cultivos energéticos” [8], que se ocupa, entre otros temas, de las especies leñosas que pueden ser empleadas con fines energéticos en España, su cultivo y su cosecha. Está firmada esta publicación por los investigadores Daniel Vega Nieva, Raquel Dopazo Amoedo y Luis Ortiz Torres.

Esta publicación, financiada por la Cátedra ENCE del Grupo Empresarial ENCE y la

Universidad de Vigo consta de dos capítulos. El primero está dedicado a los cultivos energéticos leñosos que se utilizan o pueden utilizarse en todo el mundo. En este primer capítulo, tras una introducción en la que se señala que los cultivos energéticos “están destinados a convertirse en uno de los pilares del desarrollo de la biomasa como fuente energética renovable de innegable potencial”, se estudian las siguientes especies leñosas o forestales: sauce (Salix sp), chopo (Populus sp), eucalipto (Eucalyptus sp), acacia (Acacia sp), paulownia (Paulownia sp), robinia (Robinia sp) y olmo de Siberia (Ulmus pumila). Termina este capítulo con unas conclusiones finales y unas referencias bibliográficas. En las conclusiones se puede leer que “se requiere una ambiciosa inversión en selección genética, desarrollo de logística y apoyo público al productor para sacar partido a un sector estratégico y de brillante futuro en el que podemos consolidarnos como líderes en la producción de una fuente de energía autóctona, renovable, beneficiosa para el clima, fuente de riqueza socioeconómica y ambiental” [9].

El segundo capítulo de la publicación lleva por título “cultivos energéticos herbáceos

para la producción de calor, electricidad y biocarburantes”. Cuando habla de biocarburantes se refiere a los biocombustibles líquidos. La palabra biocarburantes puede resultar ambigua pues el biodiesel, si se utiliza como es lo común en un motor de ciclo Diesel no pasa por un carburador,



49

por lo que algunos autores prefieren emplear la palabra “biocombustibles líquidos”. Los cultivos energéticos herbáceos que considera esta publicación son los de Brassica carinata, Cynara cardunculus y Arundo donax para la producción de energía calorífica y energía eléctrica. Para la producción del llamado “biodiesel” considera la especie Brassica napus y para la producción de bioetanol considera únicamente dos especies el Helianthus tuberosus y el Sorghum bicolor. Señala, con acierto, que para producir bioetanol también se utilizan los cereales, remolacha y patata y que actualmente en España se están utilizando la cebada y el trigo.

También, en la Universidad de Lugo, Cruzado, Saez, Rodríguez y sus colaboradores

[29] están estudiando en los últimos años la selvicultura de diferentes especies y clones de eucaliptos para sus usos energéticos. Sus trabajos se centran en cultivos situados en la Cornisa Cantábrica.

Como ejemplo de sus trabajos, conviene destacar la publicación en la que expone la

aplicación de modelos selvícolas como son el modelo 3PG que aplican a los cultivos energéticos forestales de Eucalyptus nitens y otros Eucalyptus en el Norte de España [29].

En la Universidad de Córdoba se ha leído recientemente una tesis doctoral en la que se

estudiaba el uso energético de los cultivos de chopo. En el Instituto Forestal de Investigaciones y Experiencias, perteneciente al INIA de

Madrid hay un grupo de trabajo que colabora en On Cultivos y ha realizado publicaciones en estos temas.

1.8. LOS CULTIVOS ENERGÉTICOS LEÑOSOS EN NUEVA YORK. En el estado de Nueva York destacan los estudios realizados desde hace décadas por los investigadores de la SUNY (State University of New York - USA). Actualmente (octubre de 2012) el grupo de trabajo de la SUNY está formado por 2 profesores doctores, 6 ingenieros de montes y 8 estudiantes de último año de ingeniería forestal. Tiene seis líneas de investigación:

Línea 1. Estudio de la cosecha para cultivos energéticos de sauce

La biomasa de los cultivos de sauce es una fuente segura de combustible, ya que a largo plazo, se pueden establecer contratos de suministro con los productores. Muchas empresas quieren esta biomasa, para tener un mayor control sobre la oferta y evitar fluctuaciones de precios. Sin embargo, la recomendación actual de cosechar en invierno el sauce limita las épocas del año en que su biomasa se puede entregar a una planta de aprovechamiento. Los cultivos de biomasa de sauce se gestionan aprovechándose el rebrote como técnica de regeneración. La corta revigoriza el crecimiento de las plantas y se puede acelerar éste hacia el máximo teórico. Siguiendo las recomendaciones de los centros de investigación ubicados en América del Norte y en Europa, la corta se ha de realizar durante el período de latencia, estando poco estudiada esta afirmación.



50

La posibilidad de ampliación de la temporada de cosecha de los cultivos de biomasa de sauce es muy importante ya que las condiciones climáticas durante la época de latencia son muy extremas en el Norte de los Estados Unidos, refieriéndose específicamente a la cantidad de nieve registrada a lo largo del invierno e inicio de la primavera. Los ensayos se están llevando a cabo en Nueva York y Minnesota para probar el impacto de la cosecha de sauce durante diferentes épocas del año. Será evaluado el impacto de la explotación sobre la supervivencia, la producción de biomasa, la producción de tallos y resistencia al invierno.

Línea 2. Reducción de los costes de establecimiento mediante la reducción de la

densidad de plantación.

Se han establecido diferentes cultivos variando la densidad de plantación, con el objetivo de determinar la densidad óptima de plantación de las variedades de sauce seleccionadas recientemente. Los costos de establecimiento de los cultivos de biomasa de sauce en la actualidad representan alrededor del 25%, siendo una barrera para el despliegue del cultivo con sauce como cultivo energético. La reducción de la densidad de siembra de 15.400 a 10.000 tallos por ha, podría reducir los costos de establecimiento alrededor de 500$ por ha.

Otros aspectos a estudiar importantes son los relacionados con los cambios en la distribución del diámetro y el tamaño del tallo que se producirán en diferentes densidades de plantación, esto influirá en la eficiencia y en los costes de las operaciones de cosecha.

Línea 3. Desarrollo e implementación de un sistema de cosecha mediante el

cabezal de corta de la firma Case New Holland.

Para sauce y chopo, la cosecha representa aproximadamente 1/3 del costo del cultivo. La recolección y el transporte combinado constituye entre un 45% y un 60% del coste final. La cosecha supone, dentro del sistema, la segunda mayor tarea que consume energía fósil primaria , después de los fertilizantes nitrogenados. Las mejoras en la eficiencia de la cosecha reducirían el costo de energía consumida, incrementando la proporción energía neta y reducirían las emisiones de gases de efecto invernadero asociadas a los sistemas de producción de Short Rotation Woody Crops. .

En este aspecto, el proyecto que SUNY-ESF está desarrollando, abordará cuatro tareas específicas, para mejorar la eficiencia de la cosecha de sauce bajo determinadas condiciones. La primera tarea es desarrollar un sistema de corte y recolección de astillas mediante un solo pase. La segunda es desarrollar y perfeccionar los sistemas de manejo de la maquinaria de cosecha disponible optimizando la eficiencia. La tercera tarea es valorar los cambios en la calidad de la biomasa (poder calorífico, humedad, porcentaje de hojas, contenido en cenizas, …) cuando se cosecha en diferentes épocas del año. La cuarta y última tarea es el análisis económico a partir del impacto de las mejoras de los sistemas de cosecha establecidos.



51

Línea 4. Ensayos de producción y mejora del rendimiento de los cultivos

Los cultivos energéticos leñosos se pueden aprovechar de forma sostenible para proporcionar una parte significativa de la producción anual de biomasa para bioenergía; mezclada tal vez con cultivos herbáceos. Los sauces arbustivos tienen varias características que los hacen una materia prima ideal para producir energía: altos rendimientos que se pueden obtener de tres a cuatro años, facilidad de propagación por estaquilla de madera dura en reposo vegetativo, amplia base genética subutilizada, facilidad de gestión de cultivo y alta capacidad de rebrotar después de varias cosechas.

Los ensayos de producción se han llevado a cabo en siete estados distintos situados en

la Costa Este de USA (Nueva York, Vermont, New Hampshire, Pensilvania, Minnesota, Delaware y Illionois) y Quebec (Canadá) durante los últimos años. Estos ensayos de rendimiento se plantan con una selección de clones de sauce de élite que se han desarrollado a través de los programas de mejora. Los datos de producción obtenidos tienen y tendrán una evaluación fiable de la rentabilidad relativa de los clones en diferentes tipos de climas y suelos, bajo la presión de las plagas y enfermedades locales. Los objetivos de este proyecto son evaluar el potencial actual y futuro de los cultivos de biomasa de sauce en una amplia gama de sitios en el Noreste, Centro Norte, Centro Sur y en las regiones del Sudeste. Los proyectos que actualmente están en marcha como ensayos de producción son dos ensayos de producción plantados en Tully (Nueva York), durante el decenio de 1990, que han sido seleccionados para el estudio de la supervivencia a largo plazo y la producción empleando clones procedentes de la Universidad de Toronto, ocho ensayos de producción establecidos desde 2005-2008 con nuevos clones de sauce criados y seleccionados por el programa de mejoramiento de SUNY-ESF y seis nuevos ensayos establecidos en 2010 para ampliar el ámbito geográfico, donde están siendo comparados los cultivos de biomasa de sauce. Los lugares donde estás situados los nuevos ensayos de producción están en el estado de Illinois.

Línea 5. Aplicaciones alternativas del sauce. Diseño de barreras naturales para

frenar la ocupación de nieve en carreteras.

La acumulación de nieve puede ser un problema grande a lo largo de las carreteras en el estado de Nueva York, ya que crea problemas de seguridad vial. Después de tormentas severas, la nieve no se puede retirar de las carreteras, causando problemas de alta índole económica en algunos casos. Las estructuras artificiales han demostrado ser eficaces en la captura de nieve en los bordes de las carreteras. En este estado, estas estructuras artificiales se han instalado a lo largo de algunas carreteras y pueden ser permanentes o temporales. En la mayoría de los casos, su uso supone una inversión muy costosa. Las cercas naturales son una alternativa a las vallas artificiales, por ello se están plantando una doble hilera de sauce estratégicamente a lo largo de las carreteras para controlar la acumulación de nieve. Las cercas naturales se han utilizado en otros estados, y han demostrado ser muy eficaz en la captura de nieve. Este proyecto examina el diseño más eficaz e instalación de cercas con arbustos de sauce para uso en las carreteras del estado de Nueva York.



52

Línea 6. Evaluación de los costes del suministro de biomasa.

Con el fin de determinar las posibles aplicaciones de la biomasa leñosa de bosques de NY es importante conocer la distribución espacial a la escala y la biomasa de madera en todo el estado. Los bosques cubren cerca de 18,5 millones de acres (18.464.222 acres) en el estado de Nueva York. Existen dos principales reservas forestales en Adirondacks y Catskills donde la cosecha está restringida. Por lo tanto hay cerca de 15,8 millones de acres (15.781.242 acres) de zonas agrícolas que producen o pueden producir biomasa leñosa fuera de estas áreas.

Con base en los datos actuales del servicio forestal de los Estados Unidos, la tasa de

crecimiento neta anual asignada a los está tierra agroforestal es 9.551.724 tonelas de materia seca. El objetivo de este análisis fue estimar el nivel sostenible de la biomasa leñosa que podría obtenerse de los bosques y zonas agrícolas de Nueva York. Esta evaluación se llevó a cabo como parte de la "Hoja de Ruta de Combustibles Renovables y el suministro sostenible de biomasa como materia prima para Nueva York".

Los resultados del estudio indican que grandes cantidades de biomasa leñosa podrían

ser cosechados de manera sostenible los bosques de NY. En todo el estado, entre 4,8 y 6,4 millones de toneladas secas de biomasa leñosa está disponible para su cosecha.

1.9. LA INFLUENCIA DE LA LUZ Y LA PRODUCTIVIDAD EN LOS CULTIVOS ENERGÉTICOS LEÑOSOS. En esta tesis nos vamos a ocupar, como se señalará en los objetivos de la misma, de

estudiar la influencia de la luz y la productividad en cultivos energéticos de sauce en Central New York. Por ello, en este epígrafe nos ocuparemos del estado del arte de estos dos temas.

1.9.1. EFICIENCIA EN EL USO DE LA LUZ. La radiación solar es necesaria para el crecimiento de todos los seres vegetales

autótrofos. Por ello, la existencia de una fuerte relación entre la intercepción de la luz y el crecimiento de un cultivo herbáceo o de un cultivo leñoso o forestal es bien conocida en el área de la agricultura [30] y de la selvicultura tradicional [31,32,33]

Para analizar esta relación se suelen emplear los llamados modelos de eficiencia del

uso de la luz [31,32], que calculan los gramos de biomasa producida por megajulio de energía interceptado.

Generalmente, y como parece lógico pensar, un aumento de la productividad en

cultivos energéticos leñosos ha sido asociada a un rápido y temprano desarrollo del dosel provocado por la intercepción de altas cantidades de luz. Numerosos estudios en Europa [35,36] y Norte América [37] han investigado sobre el desarrollo y establecimiento de Salix sp. Desde los modelos de eficiencia del uso de la luz, se puede teorizar que la variación de producción de la biomasa aérea puede estar relacionada a diferencias en la cantidad de luz interceptada y el grado de eficiencia de su uso.



53

Existen varios debates con respecto a la importancia de la eficiencia del uso de la luz

(LUE, light use efficiency) como un factor determinante en la producción de biomasa a lo largo de diferentes clones. Por ejemplo, Cannell at al. [38] encontró similares eficiencias en el uso de la luz en un cultivo de un chopo y sauce de un año de edad, cultivados en contenedores bajo condiciones ambientales muy favorables y el estudio llevado por Bartelink H.H et al. 1997 [39] tuvo las mismas conclusiones bajo condiciones no limitantes, la eficiencia en el uso de la luz podría ser constante para una especie. Varios estudios [39,40], concluyeron que mejoras en la producción de biomasa podrían tener mayor relación con las diferentes características de intercepción de la luz (duración, área foliar, etc.) que con la eficiencia propiamente dicha.

Otras investigaciones señalan que la eficiencia puede ser modificada manipulando la

estructura del dosel [41,42]. La producción de biomasa fue relacionada fuertemente a la eficiencia y poco relacionada a la cantidad de luz interceptada, la cual varió solo 5% entre clones [43]. Estudios realizados en coníferas han mostrado que diferencias en la producción de biomasa fueron relacionadas a la variación de la fracción de luz interceptada y eficiencia del su uso [32,33]. Mientras estudios de eficiencia del uso de la luz con la especie Salix sp. son muy escasos. Otra investigación [42] destaca algunos efectos en la eficiencia cuando la densidad de plantación es variable. Bajo condiciones óptimas, cambios en la densidad de plantación pasado de 10.00 a 110.000 plantas por hectárea, tuvieron efectos significativos en la eficiencia para Salix viminalis (1,55-2,55 g MJ-1) and S. dasyclados (1,34-1,84 g MJ-1) respectivamente.

Un análisis general de la dinámica del uso de la luz en cultivos energéticos leñosos y,

con sauce en particular, debe ser realizado. Según Tharakan et al. [44] se requiere un estudio profundo para entender la importancia a la hora de obtener nuevos clones a través de modificaciones genéticas. En este trabajo examinamos la relativa importancia de la fracción de luz interceptada y eficiencia del uso de la misma explicando la variabilidad en biomasa producida e identificamos los factores de su variación teniendo en cuenta otros parámetros que serán introducidos más adelante. Un análisis de este tipo proporcionará información para la selección de variedades válidas y poder así diseñar unas prácticas selvícolas de manejo de la vegetación que faciliten altas producciones de biomasa en diferentes medios de cultivo (Weber) [45].

Generalmente, la radiación interceptada está regulada por diferentes factores como

son la cantidad, tamaño, orientación y la duración en el que las hojas que son desplegadas por la planta [46,47].

La variación obtenida en el índice de área foliar (en inglés, LAI = light area index),

puede formar parte de la hipótesis que variaciones significantes de la fracción de radiación interceptada puede ser encontrada entre clones de Salix sp.



54

1.9.2. La estimación de la productividad.

Los cultivos energéticos leñosos como son los de Salix sp. en el Norte de América, se prevee que se cosechen a turnos de 3 años (Tharakan) [48]. Sin embargo, con esta edad, en algunos casos, el rendimiento de la producción podría no ser el óptimo debido a inesperados factores relacionados con las condiciones climatológicas, enfermedades y/o competición con malas hierbas. Como además los costes de la cosecha son muy altos pues se sitúan alrededor del 40% del total de costes [49,50] puede ser aconsejable cosechar a cuatro años.

Los estudios de investigación relacionados con la productividad requieren mucha precisión y de estimaciones no destructivas de la biomasa aérea. Sin embargo, el nivel de precisión requerido y la inversión de tiempo para este trabajo son excesivos para operaciones comerciales con grande extensiones (por ejemplo: plantaciones de 10.000 ha). En orden de evaluar el impacto de diferentes tratamientos en el desarrollo de cultivos, los investigadores necesitan ser capaces de estimar la producción después de cada año de crecimiento. En contraste, a niveles comerciales, se necesitaría estimar antes la producción al final de la rotación.

Las estimaciones de biomasa pueden ser obtenidas usando varios procedimientos y siguiendo, entre otros, los métodos de descritos por Verwijst y Telenius [50] y Tahvanainem [51]. Se utilizan análisis de regresión para desarrollar relaciones alométricas entre el volumen o peso seco de la planta y su diámetro [52]. Mientras las ecuaciones alométricas proporcionan los procedimientos de estimación, variando los niveles de precisión resultan en si las ecuaciones son específicas para clon, edad y/o sitio. En Suecia, Verwijst y Telenius [50] analizaron datos alométricos procedentes de 124 plantas de Salix vimanalis y Salix dasyclados de 2 a 4 años de edad, usando modelos no lineares de dos parámetros. Concluyeron que las ecuaciones deberían de ser específicas para cada edad y especie., pero podían ser usadas a lo largos diferentes zonas y clones de la misma especie con estimaciones resultantes de menos del 10% de error. En contraste un estudio realizado en Suecia y Finlandia concluyó que ecuaciones generalizadas para clones y especies fueron tan precisas como las obtenidas clon por clon, aunque las estimaciones correspondientes a los errores no fueron proporcionadas [53,54].

Otro estudio llevado a cabo en el Noreste de los Estados Unidos [52], comparó relaciones alométricas para clones-específico y clones-generalizado para un clon de chopo y cinco de sauce provenientes de tres sitios diferentes, usando modelos logarítmicos, no lineales de 2 parámetros y no lineales de 3 parámetros. Las regresiones logarítmica para clon-específico obtuvieron mejores resultados que clon-generalizado, aunque la predicción de mejoras del modelo clon-específico sobre el generalizado fueron pequeñas. Verwijst [53] examinó procedimientos de estimación de biomasa con S. viminalis cultivados en dos sitios. Él encontró que modelos desarrollados usando transformaciones logarítmicas resultaron en estimaciones con error. Las desviaciones resultaron en una sobrestimación de 12,7% y una subestimación del 10% cuando D2H o D fueron usados como una variable independiente respectivamente.



55

Después de hacer una revisión bibliográfica extensa, parece claro que la elección de modelos de regresión alométricos y niveles de especificidad incluidos en los datos de campo, podrían afectar a la precisión y eficiencia de las estimaciones de biomasa aérea. Los resultados generados por un conjunto de clones, no pueden ser empleados o transferidos a clones que no tienen ninguna relación [53].



56

BIBLIOGRAFÍA CITADA, CAPITULO 1

[1] Aguilar Peris J. El efecto invernadero, el cambio climático, la crisis medioambiental y el fututo de la Tierra. Real Academia de Medicina. Madrid. 2003.

[2] Míguez Gómez C. La eficiencia energética en el uso de la biomasa para la

generación de energía eléctrica: optimización energética y exergética. Tesis doctoral inédita. ETSI de Montes. Universidad Complutense de Madrid. Madrid. 2012.

[3] García Benedicto L. Desarrollo de un modelo multicriterio-multiobjetivo de oferta

de energías renovables. Aplicación a la Comunidad de Madrid. Tesis doctoral inédita. ETS Ingenieros de Montes. Universidad Politécnica de Madrid. Madrid. 2005.

[4] Instituto para la Diversificación y Ahorro de la Energía. Plan de Energías

Renovables en España 2010-2020. IDAE - Ministerio de Industria. Madrid. 2011. [5] Marcos Martín F. Biocombustibles sólidos de origen forestal. Ed. AENOR. 2000.

Madrid. [6] Fernández González J. 1997. La biomasa como energía alternativa para reducir el

CO2 atmosférico. En Homenaje a D. Angel Ramos Fernández. ETSI de Montes. Real Academia de Ciencias Exactas, Físicas y Naturales. Academia de Ingeniería. p. 1265-1286. Madrid.

[7] Trebbi G. 1993. Power production options for biomass: the vision of a southern

European utility. Bioresources Technology 1993;46: 23-29.

[8] Marcos Martín F. Cultivos energéticos forestales. V Conf. sobre Planificación, Ahorro y Alternativas Energéticas. Zaragoza. 1985.

[9] Vega D, Ortiz L. y Dopazo R. 2010. Manual de cultivos energéticos. Pontevedra. Ed. Gamesal. Pontevedra. 2010.

[10] Stokes B.J. et al. 1986. Field trials of a short rotation biomass feller-buncher and selected harvesting systems. Biomass 11:185-204.

[11] Bullard MJ, Mustill SJ, Carver P, Nixon PMI. Yield improvements through modification of planting density and harvest frequency in short-rotation coppice Salix sp. – 2. Resource capture and use in two morphologically diverse varieties. Biomass and Bioenergy 2001;22:27 – 39.

[12] Gallagher L. Inventory with poplar to energy. XXV Council of Forest Engineering

Meeting. Auburn. Alabama. 2002.

[13] Labrecque M., Teodorescu, T.I. and Daigle S. Effects of wastewater sludge on growth and heavy metal bioaccumulation in two salix species. A biological purification system. Plant and Soil. 1995:303-316.



57

[14] Danfors, B,. Ledin S. y Rosenqvist H. 1998. Short-rotation willow coppice.

Growers manual. Swedish National Energy Administration - European Commision DG XVII and DG XII. Suecia.

[15] Wagenmakers P. The future is square. Intensifiying searching for an optimum cultural technique. Fuiteelt-den-Haag 1991:81:17-19.

[16] Hansen E.A. Poplar woody biomass yields: a look to the future. Biomass and Bioenergy. 1991:1(1):1-7.

[17] Willebrand et al. Willow coppice systems in short rotation forestry; the influence of plant spacing and rotation length on the sustainability of biomass. In: Hall DO, Grassi G, Scheer H, editors. Biomass for energy and industry. 1992:472-477.

[18] Bergkvist P., Ledin S. Stem biomass yields at different planting designs and spacings in willow coppice systems. Biomass and Bioenergy. 1998:14(2):149-186.

[19] Abrahamson LP, Robison DJ, Volk TA, White EH. Sustainability and environmental issues associated with willow bioenergy development in New York. Biomass and Bioenergy 1998:15:17-22.

[20] Tharakan PJ, Abrahamson LP, Robison DJ. Multivariate approach for intergrated evaluation of clonal biomass production potencial. Biomass and Bioenergy. 2001;21(4):237-247.

[21] White E.H., Volk T.A. Growing willow biomass crops for bioproducts and bioenergy in the Northeastern and Midwestern United States. Proc. of the Fith Biomass Conference of the Americas. Orlando, FL. 2001.

[22] Abegbidi H.G., Volk T.A., White E.H., Abrahamson L.P., Brigs R.D., Bickelhaupt D. H. Biomass and nutrient removal by willow clones in experimental bioenergy plantations in New York State. Biomass and Bioenergy 2001.22:15-25.

[23] San Miguel Ayanz A., San Miguel Ayanz J. y Sabas Yagüe S. Tallares de chopo a turno corto. Décimo Novena Sesión de la Comisión Internacional sobre el Álamo. Zaragoza. 1992.

[24] Ciria Ciria P. Efecto del turno de corta y de la densidad de plantación sobre la productividad de diversos clones de chopo en condiciones de corta rotación. Tesis doctoral inédita. Univ. Politécnica de Madrid. Madrid. 1998.

[25] Fukazawa K, Ujiie M. et al. Inorganic constituents in wood in relation to wetwood and crystal formation. Proceedings Symposium on Forest Products Resources. Achievements and the future. Pretoria (South Africa). 1985:Vol. 1:16-15.



58

[26] García Vallejo et al. Características químicas de la madera de chopo. I Simposio del chopo. I Simposio del chopo. Junta de Castilla y León - COSE - Instituto Nacional de Investigaciones Agrarias. Zamora. 2001

[27] García Robredo F., Marcos Martín F. et al. Tablas de cubicación de chopo (I-214) con fines energéticos a turnos muy cortos. I Simposio del chopo. Junta de Castilla y León - COSE - Instituto Nacional de Investigaciones Agrarias. Zamora. 2001.

[28] Godino García M. Análisis de los cultivos de Populus x euroamericana Dode, clon I-214 a turnos muy cortos con fines energéticos. Tesis doctoral inédita. Univ. Politécnica de Madrid. 2005.

[29] Cruzado C, Saez F, Basurco F, Riesco G, Rodríguez R. Combining empirical models and the process-based model 3-PG to predict Eucalyptus nitens plantations growth in Spain. Forest Ecology and Management. 2011;262:1067–1077. [30] Kiniry J R. Radiation use efficiency and grain yield of maize competing with Johnson grass. Agronomy Journal 1994;86: 554 – 557.

[31] Cannell MGR. Physiological basis of wood production: a review. Scandinavian

Journal of Forest Research 1989;459– 490. [32] McCrady RL, Jokela EJ. Growth phenology and crown structure of selected

loblolly pine families planted at two spacings. Forest Science 1996;42:46– 57.

[33] Medyln B.E. Physiological basis of the light use efficiency model. Tree Physiology 1998;18:167–176.

[34] Monteith JL. Climate and the efficiency of crop production in Britain. Philos. Trans. R. Soc. London. Ser. B 1977;281:277 –294.

[35] Larsson S. Commercial varieties from the Swedish willow breeding programme. Aspects of Applied Biology: Biomass and Energy Crops II 2001 65:193 – 198.

[36] Leuning R, Wang YP, Cromer RN. Model simulations of special distribu tions and daily totals of photosynthesis in Eucalpytus grandis canopies. Oecologia 1991;88:494– 503.

[37] Kopp KF, White EH, Abrahamson LP, Nowak CA, Zsuffa L, Burns KF. Willow

biomass trials in central New York State. Biomass and Bioenergy 1993;5(2):179– 187.

[38] Cannell MGR, Sheppard LJ, Milne R. Light use efficiency and woody biomass production of poplar and willow. Forestry 1988;61 (2):125 – 136.

[39] Bartelink HH, Kramer K, Mohren GMJ. Applicability of the radiation-use efficiency concept from simulating growth of forest stands. Agric. and Forest Meteorology



59

1997;88:169 – 179.

[40] Landsberg JJ, Wright LL. Comparisons among Populus clones and intensive culture conditions using an energy—conversion model. Forest Ecol. and Management 1989;27: 12 9 –147.

[41] Dickmann DI, Michael DA, Isebrands JG, Westin S. Effects of leaf display on light interception and apparent photosynthesis on two contrasting Populus cultivars during their second growing season. Tree Physiology 1990;7:7 – 20.

[42] Reich PB, Ellsworth DS, Walters MB, Vose JM, Gresham C, Volin JC, Bowman WD. Generality of leaf trait relation-ships: a test across six biomes. Ecology 1990;80(6):1955–1969.

[43] Green SD, Kruger EL, Stanosz GR, Isebrands JG. Light-use efficiency of native and hybrid poplar genotypes at high levels of intracanopy competition. Can. Journ. of Forest Research 2001;31:1030– 1037.

[44] Tharakan PJ, Volk TA, Nowak CA, Ofez GJ. Assessment of Canopy Structure, Light Interception, and Light-use Effic iency of First Year Regrowth of Shrub Willow (Salix sp.). Bioenergy. Research 2008;1:229– 238.

[45] Weber JC, Stettler RF, Heilman PE. Genetic variation and productivity of Populus trichocarpa and its hybrids. I. Morphology and phenology of 50 native clones. Canadian Journal of Forest Research 1985;15:376– 383.

[46] Tharakan PJ, Volk TA, Abrahamson LP, Nowak CA. Morphological traits of 30 willow clones and their relationship to biomass production. Can. Journal. For. Res. 2005;35:421–431.

[47] Abrahamson LP, Volk TA, Kopp RF, White EH, Ballard JL. Willow biomass producers handbook (Revised). Short-Rotation Woody Crops Program SUNY-ESF, Syracuse,NY;2002<http://www.esf.edu/willow/PUBLICATIONS/handbook/handbook.htm>.

[48] Tharakan P.J, Volk T.A, Nowak C.A, Abrahamson L.P. Morphological traits of 30 willow clones and their relationship to biomass production. Canadian Journal of Forest Research 2005;35 (2), pp. 421-431.

[49] Volk T.A, Abrahamson L.P, Nowak C.A, Smart L.B., Tharakan P.J, White E.H. The development of short-rotation willow in the northeastern United States for bioenergy and bioproducts, agroforestry and phytoremediation. Biomass and Bioenergy, 2006;30 (8-9), pp. 715-727.

[50] Verwijst T, Telenius B. Biomass estimation procedures in short rotation forestry. Forest Ecology and Management, 1999;121 (1-2), pp. 137-146.



60

[51] Tahvanainen L. Allometric relationships to estimate above-ground dry-mass and

height in Salix. Scandinavian Journal of Forest Research 1996;11 (3), pp. 233-241.

[52] Ballard BD, Stehman SV, Brigg RD, Volk TA, Abrahamson LP, While EH. Aboveground biomass equation development for five Salix clones and one Populus clone. Final report for biomass power for rural development USDoE cooperative agreement no. DE-FC36-96GO10132. State University of New York College of Environmental Science and Forestry; 2000.

[53] Verwijst T. Logarithmic transformations in biomass estimation procedures: violation of the linearity assumption in regression analysis. Biomass and Bioenergy, 1991; 1 (3):175-180.

[54] Telenius B, Verwijst T. The influence of allometric variation, vertical biomass

distribution and sampling procedure on biomass estimates in commercial short-rotation forests. Bioresource. Technology, 1995;51 (2-3): 247-253.

2. OBJETIVOS.



61

2. OBJETIVOS.

Esta investigación consta de dos estudios, que son complementarios entre sí. El primer estudio está relacionado con la eficiencia del uso de la radiación solar por parte de 15 clones de sauce y con su índice de área foliar. El segundo, que se realiza con los mismos clones y complementa al anterior, está relacionado con la productividad de los sauces en el estado de Nueva York.

Los objetivos concretos del primer estudio son, a su vez, los siguientes: Objetivo 1. Evaluar la importancia relativa de la eficiencia del uso de la luz en la

explicación de la variación en la producción de biomasa, para los sauces cultivados en el estado de Nueva York.

Como la eficiencia en el uso de la luz es función de diferentes variables, debemos

evaluar éstas. Por ello hay que: Objetivo 2. Determinar si existen diferencias significativas entre clones, para ello hay que:

Subobjetivo 1. Evaluar el índice de área foliar (LAI) de los quince clones de sauce seleccionados. Subobjetivo 2. Evaluar algunos componentes de las hojas como son el N, P, K,…

Objetivo 3. Estudiar la correlación con la eficiencia del uso de la luz, para estos

mismos sauces en ese mismo lugar (Belleville, Nueva York).

- IPARf LUE (Light Use Efficiency)

- INCREMENTO DE LA PRODUCTIVIDAD

- ANÁLISIS FOLIAR

- ÍNDICE DE ÁREA FOLIAR (LAI)

15 clones

PRIMER ESTUDIO

Lugar: Belleville



62

El objetivo del segundo estudio es: Objetivo 4: evaluar, mediante ecuaciones alométricas, la cantidad de biomasa

producida en cultivos energéticos leñosos de sauce en Estados Unidos. Se medirán productividades en dos lugares distintos (Belleville y Tully), ambos en el Estado de Nueva York.

Los resultados del presente trabajo de investigación van a suponer una herramienta de ayuda y de toma de decisiones para los propietarios y selvicultores encargados de gestionar plantaciones de cultivos energéticos basados en Salix sp.

El estudio pretende constituir una herramienta que permita obtener la productividad sin la destrucción de material, de una forma suficientemente precisa y no excesivamente costosa. Permitirá tomar decisiones como retrasar o adelantar la cosecha, tratando de optimizar el rendimiento de la explotación. Este trabajo también ayudará a asegurar un suministro constante a las plantas de transformación energética que en un futuro se instalen en New York.

I

3. MATERIALES Y MÉTODOS.

Estudio de eficiencia en el uso de la luz y estimaciones de biomasa en cultivos energéticos

de Salix sp. en Central New York, USA

63

3. MATERIALES Y MÉTODOS

3.0. PRESENTACIÓN DEL CAPÍTULO.

En base a los dos objetivos (complementarios) citados en el capítulo anterior, en este capítulo se enumeran los materiales y métodos. Se señalan los trabajos realizados y se detalla la metodología utilizada para su desarrollo. Se presenta, con detalle el trabajo estadístico de los dos estudios, cada uno correspondiente a un objetivo.

3.1. CLONES DE SALIX SP. UTILIZADOS EN EL ESTUDIO.

Entre 1998 y 1999 se realizó una mejora y selección genética por el organismo

SUNY-ESF (State University of New York. College of Environmental, Science and Forestry) produciendo unos 2.000 progenitores a partir de más de 100 cruces genéticos únicos de sauce. Se incluyeron cruces interespecíficos de Salix sachalinensis x Salix purpurea, Salix vinimalis x Salix. miyabeana, Salix. purpurea x Salix. miyabeana, Salix. sachalinensis x Salix. miyabeana [37,55,56].

La evaluación y selección de estos progenitores fue realizada para mejorar la

producción y la resistencia a enfermedades y plagas. Los mejores progenitores fueron considerados según sus características de crecimiento y estado físico.

Finalmente fueron seleccionados 15 genotipos o clones (tabla 3.1), de los cuales 3

(denominados SV1, SX61 y SX64) son considerados clones de referencia y han sido usados como padres para numerosos cruces y empleados repetidamente en ensayos de selección y rendimiento de la producción. El clon, 94001 (S. purpurea) fue recolectado en 1994 en Nueva York y también ha sido usado como padre en numerosos cruces. El resto de 13 clones fueron progenitores de los cruces realizados en 1998 y 1999.

Destacar que los dos estudios realizados en la presente investigación, relacionados

entre sí, utilizan los mismos clones que aparecen en la tabla siguiente.

Tabla 3.1. Clones y especies de Salix estudiados en las dos zonas de investigación (Belleville y Tully, New York. USA).

Clon ID Grupo Especies/Pedigríes SV1 No Salix dasyclados SX61 No S. sachalinensis SX64 No S. miyabeana 94001 G5 S. purpurea 9882-034 G5 S. purpurea (94006) x S. purpurea (94001) 99113-012 G1 S. koriyanagi (SH3) x S. purpurea (94002) 99239-015 G1 S. koriyanagi (SH3) x S. purpurea (95058) 9879 G2 S. purpurea (94006) x S. miyabeana (‘SX64’) 9980-005 G2 S. purpurea (94006) x S. miyabeana (‘SX67’)



64

99217-015 G2 S. purpurea (95026) x S. miyabeana (‘SX64’) 9871-031 G3 S. sachalinensis (‘SX61’) x S. miyabeana (‘SX67’) 9970-036 G3 S. sachalinensis (‘SX61’) x S. miyabeana (‘SX64’) 99201-007 G4 S. viminalis (SV2) x S. miyabeana (‘SX64’) 99202-011 G4 S. viminalis (SV2) x S. miyabeana (‘SX67’) 99207-018 G4 S. viminalis (SV7) x S. miyabeana (‘SX64’)

De los clones citados en la tabla anterior, 11 de ellos pueden ser agrupados en 5 grupos diferentes los cuales provienen de los mismos padres o cruces de clon referencia. Especial atención a este apunte sobre los grupo de clones, en el estudio nº2.

3.2. DESCRIPCIÓN DE LAS ZONAS DE ESTUDIO,

ESTABLECIMIENTO Y DISEÑO EXPERIMENTAL.

Los trabajos han sido llevados a cabo en dos zonas con diferentes condiciones edafológicas y climáticas. Ambas situadas en Central New York. Tienen dos estudios:

� Estudio nº1: Cálculo de la eficiencia del uso de la luz y estructura del dosel, ha sido

llevado a cabo en Belleville, NY. USA.

� Estudio nº2: Estimación de biomasa a través de técnicas no destructivas-relaciones alométricas, ha sido realizado en Belleville y Tully, NY. USA.

Figura 3.1. Situación general de la zona de estudio. Fuente: Google maps



65

Figura 3.2. Localización de las plantaciones experimentales. Fuente: Google maps

El suelo en Belleville es un suelo franco arenoso y está bien drenado, con una profundidad de la capa freática que oscila entre 46 a 102 cm según los rodales utilizados. Por otro lado, el suelo correspondiente a Tully es gravo limoso y está bien drenado, con una profundidad de la capa freática a partir de 203 cm [57].

La información correspondiente a la precipitación (mm) fue obtenida, previo a la

instalación de dos estaciones meteorológicas (HOBO. Modelo H21) en ambas zonas de estudio. A continuación y de forma esquemática se puede observar un resumen de las características descritas anteriormente en la tabla 3.2.

Tabla 3.2. Localización geográfica, pendiente y características del suelo en las de las zonas

de estudio donde se encuentran las parcelas investigadas [57]. Localidad Belleville NY Tully NY Estado Nueva York Nueva York Localización geográfica

43º47’19”N, 76º07’49”W

42° 47' 30” N 76° 07' 30” W

Pendiente 0-3% 0% Drenaje Bien drenado Bien drenado Frecuencia de inundación

Ninguna Ninguna

Precipitación 1.000 a 1.150 mm 900 a 1.000 mm



66

Ambas zonas de estudios fueron desfondadas y labradas para preparar el suelo en 2004 (figura 3.3) y así facilitar y establecer la plantación de los cultivos energéticos. Un año antes de la preparación del terreno, el cultivo que había sido cultivado en Belleville fue maíz (Zea mays L.) mientras en Tully no había ningún cultivo sobre la futura parcela de experimentación, que estaba en barbecho.

Figura 3.3. Preparación del suelo antes de la plantación. Willow biomass producer’s

Handbook. SUNY-ESF. 2002 [47].

La preparación del suelo se realiza con una grada de discos, tirada por un tractor agrícola. En España, a veces se dan dos pasadas, cruzadas de la grada. El número de pasadas es función de las características físicas del suelo y, por tanto, variable.

Figura 3.4. Suelo ya preparado antes de la plantación. Willow biomass producer’s Handbook. SUNY-ESF. 2002 [47].



67

El mismo conjunto de clones fueron plantados en doble hilera de forma manual en las dos zonas de estudio en mayo de 2005, usando estaquillas de 25 cm de longitud (figura 3.5) en perfecto estado de calidad certificada y sin defectos considerables, alcanzando una densidad de 15.000 plantas por hectárea [49]. Las densidades de plantación pueden verse en una figura posterior.

Figura 3.5. Preparación manual de estaquillas previa plantación. La preparación de estaquillas, como en Salamanca, se ha realizado manualmente. Sin

embargo, en los países Nórdicos Europeos donde se plantan chopos, como por ejemplo Suecia esta preparación se realiza de forma industrial, con maquinaria.

Figura 3.6. Estaquillas ya preparadas, en grupos, previas a la plantación.



68

Una vez preparadas las estaquillas hay que tener en cuenta el geotropismo de las mismas. Es decir, la parte inferior de las mismas es la que se ha de colocar en la parte inferior, si no se realiza con cuidado esta operación la estaquilla ni se enraíza ni crece.

Cada genotipo fue plantado a mano (figura 3.8) en plots de tres dobles hileras y 13

plantas por hilera, en total 78 plantas por plot (figura 3.9). Se aplicó un herbicida de pre-emergencia inmediatamente después de la plantación con el objetivo de mantener un control sobre las malas hierbas, clave para el éxito del cultivo. En enero de 2006, ambos cultivos (con un año de edad) correspondientes a las dos zonas de estudio fueron cortados con el fin de dar un impulso a la proliferación de brotes para fomentar un rápido dosel y sombreado del suelo, estrategia usada para combatir las malas hierbas. A partir de este momento el turno de rotación se establece cada 3 años, es decir en 2008, 2011, etc. Tras cada cosecha las parcelas de ensayo fueron fertilizadas con 100 kg N· ha-1

de urea [56].

Figura 3.7. Establecimiento de la parcelas de ensayo y plantación a mano. Fuente: SUNY-ESF. Willow Biomass Program

En la figura 3.7. se observa la forma de establecimiento de parcelas de ensayo, donde

el espaciamiento se marca como puede verse en la misma. Este espaciamiento es tal que permite un máximo aprovechamiento de la radiación solar.



69

Figura 3.8. Plantación a mano de las estaquillas de sauce. Fuente: SUNY-ESF. Willow Biomass Program.

Figura 3.9. Diagrama del diseño de plantación a doble hilera usado para 11 parcelas de experimentación establecidos entre 1993-1998 [47].

La toma de datos del estudio nº1, fue llevado a cabo durante los meses de junio, julio,

agosto y septiembre, debido a que es cuando las tasas de crecimiento son mayores, pues la actividad fotosintética lo es del mismo modo. Dichas mediciones fueron tomadas durante la temporada de crecimiento correspondiente a 2011 (último año de la 2ª rotación) sobre los 15 clones objeto de estudio citados anteriormente. Durante este periodo, la precipitación fue de 250 mm no comparables al promedio de lo obtenido en los 30 años anteriores (350 mm), mientras que la temperatura (20,5 ºC) se excedió un 5% sobre la media de los 30 años previos [57].



70

Para cada experimento se ha utilizado un diseño de bloque aleatorio con cuatro

bloques, en su defecto, repeticiones para cada zona de estudio. El diseño en bloques al azar [58] se aplica cuando el efecto de un tratamiento a comparar depende de otros factores que pueden influir en el resultado del experimento y que deben de tomarse en cuenta para anular su posible efecto y evitar sesgo al comparar los factores de interés. Para evitar este sesgo se deben incluir estos factores adicionales en la experimentación y probarlos con cada uno de los factores de interés de tal manera que puedan presentarse todas las combinaciones posible entre ambos, para obtener resultados en la comparación que sean válidos (esta forma de nulificar su efecto se llama bloqueo).

Para este diseño el modelo lineal esta dado por la ecuación 1

Ecuación 1

Donde yij es la variable dependiente a calcular, en este caso el peso, es la media global de los tratamientos, es el efecto del tratamiento el cual es constante para todas las observaciones dentro del tratamiento, es el efecto del bloque,

es el término del error aleatorio, el cual se distribuye normal e independiente con media θ y varianza .

El establecimiento y diseño experimental es el mismo para ambos estudios (experimentos gemelos), sin destacar ninguna diferencia considerable, con la excepción de las zonas de estudio. El número total de parcelas por zona de estudio (Belleville y Tully) es de 60 cada una, considerando 15 clones con 4 repeticiones. La disposición de las parcelas de ensayo en Tully tiene la misma estructura pero diferente distribución.



71

Figura 3.10. Disposición de las parcelas de ensayo en Belleville, NY. USA. Los clones S25, 9837-77 y 9832-49 no han sido objeto de estudio.

89,1

m

50,8 m

99201-007 99202-011 99207-018 9879 9837-77 9970-036

SX61 S25 99113-012 9871-31 SV1 99239-015REP

1

9832-49 99217-015 9980-00594001

(FC185)SX64 9882-34

99201-007 9871,31 9879 9837-77 SX6494001

(FC185)

9882-34 99202-011 9970-036 S25 9832-49 99217-015REP

2

99113-012 99239-015 99207-018 SX61 9980-005 SV1

94001 (FC185)

99202-011 9882-34 99239-015 SX64 99113-012

9879 9871-31 9837-77 SV1 99217-015 99207-018REP

3

9980-005 99201-007 9870-036 S25 SX61 9832-49

9871-31 SV1 99239-015 9837-77 9882-34 9879

99201-007 SX61 99207-018 9880-00594001 (FC

185)99202-011

REP 4

99217-015 99113-012 9970-036 9832-99 S25 SX64

154'



72

Figura 3.11. Disposición de las parcelas de ensayo en Tully, NY. USA. Los clones

S25, 9837-77 y 9832-49 no han sido objeto de estudio. . 3.3. ESTRUCTURA DEL DOSEL, INTERCERCEPCIÓN DE LA LU Z Y EFECIENCIA DEL USO DE LA LUZ.

En este apartado se especifican y a continuación se enumeran las mediciones y experimentos que se realizaron para calcular, para cada clon, el parámetro que describe la eficiencia del uso de la luz. A demás, también hemos estudiado otros parámetros y características de las hojas que pensamos que pueden afectar en dicha eficiencia:

� Producción de biomasa aérea. � IPARF (Fraction of incoming Photosynthetically active radiation intercepted

en inglés) � Índice de Área Foliar (LAI, Leaf Area Index en inglés) � Análisis Foliar

La eficiencia en el uso de la luz y los demás parámetros estudiados en este apartado se han desarrollado en el estudio nº1.

50,8 m

9970-036 S25 9980-005 SX61 9832-49 99201-007

SX64 99113-01294001

(FC185)99202-011 9882-34 99239-015

REP 1

9879 99217-015 99207-018 9871-31 9837-77 SV1

9871-31 SV1 99239-015 9837-77 9879 9882-34

9880-00594001 (FC

185)99202-011 99217-015 99113-012 9970-036

REP 2

9832-49 S25 SX64 99201-007 SX61 99207-018

94001 (FC185)

99202-011 99201-007 99239-015 SX64 99113-012

9871-31 9882-34 99207-018 SV1 99217-015 9837-77REP

3

9980-005 9879 9970-036 9832-49 SX61 S25

99201-007 SV1 SX61 9837-77 9882-34 99202-011

9871-31 99239-015 99217-015 9880-00594001 (FC

185)9879

REP 4

99207-018 99113-012 9970-036 9832-49 SX64 S25

89,1 m



73

3.3.1. Producción de biomasa aérea.

Calculamos la producción de biomasa (g/m2) para estimar uno de los principales parámetros perseguidos en nuestro estudio y que se desarrolla en el siguiente apartado (2.2.4), el cual nos permite evaluar la eficiencia del uso de la luz, véase la ecuación 3 [59]:

Como se ha comentado en el apartado anterior, las mediciones fueron tomadas

durante los meses de verano (junio, julio, agosto y septiembre), con el objetivo de estudiar cómo evoluciona el crecimiento y por consiguiente la ganancia de biomasa durante el periodo vegetativo con mayor intensidad en desarrollo, para ello:

1) Se tomaron todos los diámetros procedentes de los tallos vivos de las 4 plantas a la

altura de 30 cm, situadas en el centro de la parcela para cada clon (figura 3.12).

2) Se construyeron ecuaciones alométricas relacionando el diámetro del tallo al peso seco del tallo para cada clon, usando ecuaciones de regresión lineal simple.

Y = a + b X + e Ecuación 2

donde: Y: Variable respuesta. En este caso masa anhidra o también llamada peso seco. a: es el valor de la ordenada donde la línea de regresión se intercepta con el eje Y b: es el coeficiente de regresión poblacional (pendiente de la línea recta) e: es el error

Figura 3.12. Lugares de medición de diámetros



74

Figura 3.13. Medición de diámetros.

A finales de noviembre de 2011, durante la parada vegetativa, se seleccionaron 20 tallos para cada clon, representando el rango entero de diámetros, a través de 4 repeticiones. Se midieron los diámetros a 5 cm del suelo (altura de cosecha de la maquina), se apearon y fueron secados a 65 ºC hasta alcanzar su peso constante en estufa [59]. Una vez obtenida la ecuación para cada clon, donde la única variable independiente es el diámetro, se procedió a calcular la cantidad de biomasa producida usando las mediciones diametrales tomadas durante los periodos especificados anteriormente.

3.3.2. Eficiencia del uso de la luz, LUE.

Para un mejor entendimiento se muestra a continuación la ecuación 3, la cual nos

permitirá definir con mayor claridad el concepto de Eficiencia del Uso de la luz.

LUE (Light Use Efficiency) = �� ó� � �� é��

�� ó� �� é� �� Ecuación 3

La LUE es medida en g/MJ El incremento de la producción de biomasa aérea (g/m2), también conocido como

productividad primaria neta, ha sido descrito en el apartado anterior, el cual ha sido calculado para cada clon utilizando relaciones alométricas.

El segundo concepto que aparece en la ecuación es la cantidad total de radiación

activa fotosintética (IPART, MJ/m2) interceptada por el dosel durante el periodo de estudio (junio, julio, agosto y septiembre). Se cálculo para cada parcela usando la ecuación 4: IPART = Total PAR x IPARF



75

donde:

� Total PAR (Photosynthetically active radiation, µmol/m2s): es el total del PAR, el cual fue medido por la estación metereológica localizada a escasos metros de las parcelas de ensayo, con un intervalo de tiempo de cada 10 minutos.

� IPARF: es la fracción del PAR interceptada por el dosel, dicha fracción se calcula a partir de la ecuación 5: IPARF = 1 – (PARB / PARA)

,donde: PARB: fue el PAR (µmol/m2s) medido debajo del dosel PARA: fue el PAR medido sobre el dosel.

Figura 3.14. Resultado visual evidente de diferentes fracciones de radiación interceptada por dos clones diferentes localizados en la misma parcela en Belleville

NY. USA. Ambas mediciones fueron tomadas simultánea y semanalmente entre las 10:00-12:00

a.m., durante el periodo de estudio indicado anteriormente. Las mediciones de radiación fotosinteticamente activa fueron tomadas con el medidor o interceptómetro de mano AccuPAR LP-80 que consiste en un controlador integrado y una sonda de 90 cm de largo. La sonda contiene 80 fotosensores. El medidor estaba compuesto por dos sensores, uno para medir debajo de dosel y otro obtener las lecturas por encima del dosel (figura 3.16).



76

Figura 3.15. Interceptómetro AccuPAR LP-80. Se tomaron 5 mediciones en cada parcela, tres de ellos orientando el medidor en

dirección este-oeste y las dos restantes en dirección norte-sur. Todas las mediciones se realizaron a 0,5 m de la superficie del suelo para evitar posibles interferencias causadas por la presencia de malas hierbas o pequeños arbustos (figura 3.14).

Como se ha indicado anteriormente, el interceptómetro usado tiene dos sensores, que

permiten calcular el PAR que existe por encima y debajo del dosel de forma simultánea. Mediciones semanales de PAR A y PAR B, sirvieron para calcular IPARF y IPART. Los

valores de IPARF, fueron sumados para producir el IPART del periodo de estudio. Finalmente, y como se ha indicado en la ecuación 3. La eficiencia en el uso de la luz para cada parcela resulta del cociente entre la producción de biomasa aérea y IPART para el periodo de estudio indicado.



77

Figura 3.16a. Medición de la radiación activa fotosintética (PAR).

En las dos fotografías se la figura 3.16a se puede observar al autor de esta memoria haciendo las mediciones del PAR, utilizando el Interceptómetro, en la de la izquierda la medición se realiza a una altura aproximada de 30 cm para evitar el sombreo provocado por las malas hierbas. En la de la derecha la medición se está realizando en el espacio situado entre las dobles hileras.

Figura 3.16b. Medición de la radiación activa fotosintética (PAR). En las dos fotografías de la figura 3.16b se puede ver al autor de esta memoria o a su

acompañante midiendo, también, el PAR. En la de la izquierda se está midiendo la altura de 30 cm del suelo. En la figura 3.16.b se puede ver al acompañante portando la pértiga a la que va enganchada el sensor número 2 que calcula el PAR por encima del dosel.



78

Figura 3.16c. Medición de la radiación activa fotosintética (PAR). Por último, en la fotografía de la figura 3.16c se puede observar el sensor número 2

con detalle. 3.3.3. Índice de Área Foliar, LAI.

El índice de área foliar o LAI es una variable adimensional relacionado con la

canopea, o parte superior de las plantas y árboles con ramaje. El parámetro LAI se define como un medio del área total cubierto de ramaje por unidad de suelo. El índice de área foliar define, por tanto, la zona de vegetación que interactúa con la radiación solar, y representa el tamaño de la interfaz para el intercambio de energía entre el ramaje y la atmósfera. Es un parámetro muy importante, puesto que, por ejemplo, en las zonas con ramajes muy densos, éstos protegen el suelo del viento y las tormentas, pero ni la radiación solar ni gran parte de la lluvia son capaces de penetrar y llegar hasta el suelo, con lo que esto conlleva para la flora y la fauna que habitan por debajo.

El índice de área foliar fue medido a mediados del mes de agosto de 2011,

coincidiendo con la época de mayor desarrollo de la planta. Se usó un analizador del dosel, modelo LAI 2000 [60]. LAI-2000 calcula la intercepción de la luz azul (320-490 nm) en 5 ángulos cenitales desde las lecturas tomadas arriba y debajo del dosel.


Figura 3.17

Se tomaron una tanda de 8 mediciones alrededor de la parcela para repetición (figura 3.18). Todas las mediciones fueron tomadas a 0,5 m de altura con respecto al suelo para evitar posibles interferencias causadas por la presencia de malas hierbas o pequeños arbustos. La totalidad de las tomas fueron realde las 12:00 a.m), coincidiendo con las condiciones difusas de la luz. Principalmente, evitamos trabajar durante las horas centrales del día.

Figura 3.18. Posición de las mediciones tomadas alrededor de la parcela de ensayo. SUNY

Las medidas se toman en la posición de la figura 3.1eso se eligen los situados en el centro. Las estaquillas planforma no admisible para tomar datos, pues no tienen competencia por la radiación.



79

3.17. Aparato de medición LAI 2000 [60].

Se tomaron una tanda de 8 mediciones alrededor de la parcela para ). Todas las mediciones fueron tomadas a 0,5 m de altura con respecto

al suelo para evitar posibles interferencias causadas por la presencia de malas hierbas o pequeños arbustos. La totalidad de las tomas fueron realizadas por la mañana temprano (antes de las 12:00 a.m), coincidiendo con las condiciones difusas de la luz. Principalmente, evitamos trabajar durante las horas centrales del día.

. Posición de las mediciones tomadas alrededor de la parcela de ensayo. SUNYESF. Willow Biomass Program.

Las medidas se toman en la posición de la figura 3.18 para evitar el efecto borde, por eso se eligen los situados en el centro. Las estaquillas plantadas en los bordes crecen de forma no admisible para tomar datos, pues no tienen competencia por la radiación.


Se tomaron una tanda de 8 mediciones alrededor de la parcela para cada clon y cada ). Todas las mediciones fueron tomadas a 0,5 m de altura con respecto

al suelo para evitar posibles interferencias causadas por la presencia de malas hierbas o izadas por la mañana temprano (antes

de las 12:00 a.m), coincidiendo con las condiciones difusas de la luz. Principalmente,

. Posición de las mediciones tomadas alrededor de la parcela de ensayo. SUNY-

para evitar el efecto borde, por tadas en los bordes crecen de

forma no admisible para tomar datos, pues no tienen competencia por la radiación.



80

3.3.4. Análisis foliar.

El incremento de biomasa de la planta es función del estado de la misma y para conocerle se propone realizar un análisis foliar. El análisis foliar es un análisis químico del contenido de nutrientes en los tejidos vegetales. En general, una mayor disponibilidad de un nutriente en el suelo, se traduce en una mayor concentración de este nutriente en la planta. Sin embargo, la disponibilidad de un nutriente en el suelo no es el único factor que afecta a su absorción por la planta. Otros factores, tales como la temperatura, la humedad del suelo, enfermedades de las plantas, etc., afectan considerablemente a la absorción de nutrientes por la planta. Por lo tanto, el análisis foliar refleja tanto la disponibilidad de nutrientes en el suelo como el estado nutricional de la planta.

La concentración de nutrientes en la planta no es fija sino que cambia constantemente, incluso difiere entre las diversas partes de la misma. Para estudiar el patrón de absorción de nutrientes, es necesario tomar muestras de varias partes de la planta y en las diferentes etapas de crecimiento [49].

Dado que muchos factores afectan a la interpretación de los resultados del análisis foliar, es muy importante tomar las muestras correctamente. Las muestras deben representar a la población general de las plantas, de lo contrario los resultados no serán suficientemente válidos.

Se tomaron 100 hojas sin daños para cada clon con una secuencia de 4 repeticiones. Las hojas estaban localizadas en el tercer cuarto del árbol, debido a que se recomienda evitar tomar muestras de tejidos vegetales que son fisiológicamente más jóvenes, ya que su contenido de nutrientes cambia rápidamente. De la misma forma, tejidos muy viejos tampoco son representativos. Las hojas más jóvenes contienen concentraciones mayores de N, P y K, mientras que en las hojas más viejas se encuentran mayores concentraciones de calcio, magnesio, manganeso y boro. En nuestro trabajo se han examinado los siguientes elementos: N, P, K, Ca, Mg, S, Mn, Fe, Cu, B, Al, Zn y Na. Las unidades utilizadas han sido g/kg.

Figura 3.19. Tamaño medio de la hoja en comparación con una mano.



81

Figura 3.20. Molienda de hojas para su análisis en laboratorio

Los resultados de análisis foliares de plantas adyacentes pueden variar considerablemente, incluso si las plantas fueron fertilizadas por igual. Bajo condiciones de deficiencia de nutrientes, la diferencia entre las plantas es mucho mayor. Por lo tanto, para obtener un resultado válido, se debe encontrar mediante ensayos de campo, el número y la ubicación adecuadas de las muestras. Por lo tanto, se recogieron 400 hojas sin daños por cada clon. Todas las muestras fueron tomadas durante el mismo día para minimizar el error en el muestreo.

Una vez colectadas, se secaron en una estufa a 60 ºC hasta alcanzar peso constante. Finalmente, se molieron (figura 3.20) y se obtuvo la submuestra final que fue enviada al Laboratorio de agricultura analítica perteneciente a la Universidad de Pensilvania (Penn State University), para realizar el análisis pertinente. La metodología empleada para calcular el contenido de nutrientes de las hojas se especifica a continuación:

� Determinación de elementos mayores:

Nitrógeno: Método Kjeldahl. Fósforo: Método Colorimétrico. Calcio, Magnesio y Potasio: Método espectroscopía de absorción atómica.

� Determinación de elementos menores (Hierro, Cobre, Manganeso y Cinc): Método de espectroscopía de absorción atómica (mezcla nítrico-perclorica).

� Determinación de Azufre: Método turbidimétrico. � Determinación de Boro: Método colorimétrico (de Azomethina-H).



82

3.3.5. Análisis Estadístico en el estudio de eficiencia.

La técnica Análisis de la Varianza (ANOVA) es una técnica estadística que sirve, entre otras aplicaciones, para decidir/determinar si las diferencias que existen entre las medias de tres o más grupos (niveles de clasificación) son estadísticamente significativas [49]. El objetivo principal de muchos experimentos consiste en determinar el efecto que sobre alguna variable dependiente Y tienen distintos niveles de algún factor X (variable independiente y discreta). Esencialmente, el diseño para el análisis simple de la varianza consistirá en obtener muestras aleatorias e independientes del valor de Y asociado a cada uno de los distintos niveles del factor X1, X2,..., Xn. Entonces podremos determinar si los diferentes niveles del factor tienen un efecto significativo sobre el valor de la variable dependiente.

El procedimiento para determinar si existen diferencias significativas entre varias poblaciones o grupos se llama Análisis de Varianza. ANOVA es un nombre genérico y se usa para una variedad inmensa de modelos de comparación de medias, también conocido como diseño de experimentos. Por ahora sólo hablaremos del ANOVA simple, de un factor, o de una vía (one way ANOVA), que se refiere a la comparación de medias de dos o más tratamientos. Vamos a llamar factor a una variable cualitativa que usaremos para designar a los grupos o tratamientos a comparar. Los niveles del factor serán el número de tratamientos o grupos.

El análisis de varianza es similar al análisis de regresión y en realidad los dos pertenecen a la gran familia de los modelos lineales. Los modelos lineales se caracterizan por investigar la relación entre una variable respuesta cuantitativa y una o más variables explicatorias. Sin embargo el análisis de varianza difiere del análisis de regresión en que en el ANOVA las variables explicatorias son cualitativas o factores.

El análisis de la varianza ha sido realizado con la herramienta informática SAS (Statistical Analysis System) v.9.0 [61], empleando la aplicación PROC GLM, para evaluar las diferencias entre las medias correpondiente a la producción de biomasa aérea, eficiencia en el uso de la luz y principales componentes nutricionales de las hojas (N, P, K). Se realizó una prueba (t-test) para determinar medias significativas entre los clones con un nivel crítico de α=0,05.

La aplicación PROC GLM proporciona dos tipos de Sumas de Cuadrados, la Suma de Cuadrados Secuencial (Type I SS) y la Suma de Cuadrados Parcial (Type II SS), las cuales se diferencian por la forma en que son incluidos los efectos en el modelo, esta última usada para probar los efectos que nos interesan (por ejemplo: Tratamientos). Así mismo, SAS proporciona información acerca de los siguientes parámetros: Coeficiente de determinación (R-Square), Coeficiente de Variación (C.V.), Raíz cuadrada del cuadrado medio del error (Root MSE) y la media de la variable respuesta (GP Mean).



83

3.4. DESARROLLO DE ECUACIONES ALOMÉTRICAS-USO DE TÉCNICAS NO DESTRUCTIVAS.

3.4.1. Niveles de especificidad en los datos de campo.

El presente estudio se lleva a cabo para desarrollar y evaluar relaciones alométricas entre la masa anhidra (peso seco) y el diámetro de la planta, a diferentes niveles de especificidad. Para ello, como es habitual en este tipo de trabajos, y al igual que hemos hecho en Salamanca, se emplearon modelos de regresión.

Los modelos son de regresión lineal múltiple y empleados para calcular la relación

alométrica entre el peso seco y el diámetro de la planta. Se incorporó el principal efecto e interacción del sitio (Belleville y Tully) y grupo de clones (Grupo 1, G2, G3, G4 y G5) para cada uno de los 15 clones objeto de estudio, para identificar las posibles diferencias significativas entre los efectos e interacciones planteadas. El análisis comprendió 3 niveles de especificad:

� Nivel específico: el cual examina la relación entre clon y sitio. Se determina si

el efecto del sitio es significativo. El tamaño de la muestra para este nivel fue de 300 observaciones por sitio (Belleville y Tully).

� Nivel intermedio: el cual examina la relación entre clones del mismo grupo, determinando si hay diferencias significativas entre clones pertenecientes al mismo grupo, evaluando del mismo modo, si existe efecto sitio. N osciló entre 20, 40 y 60 observaciones dependiendo del grupo de clones.

� Nivel general: se toman todos los puntos correspondientes a los datos de

campo y se obtiene una misma ecuación que se aplica a cada clon por igual, sin tener en cuenta de dónde has sido tomados los datos y a qué grupo pertenecen. N es aproximadamente 590.

3.4.2. Validación de los modelos de regresión para la estimación de biomasa con ecuaciones alométricas.

A continuación se destacan las características principales del modelo empleado. Con el desarrollo de los modelos de regresión realizados se predice la producción de biomasa de manera teórica, para una completa investigación se ha creído conveniente realizar una validación de los modelos de regresión obtenidos según los niveles de especificidad (específico, intermedio y general) y para todos los clones incluidos en el estudio.

La regresión lineal múltiple es una técnica que intenta modelar probabilísticamente el

valor esperado de una variable Y, a partir de los valores de dos o más predictores. Es un método muy potente y ampliamente utilizado en investigación [62] para:



84

� Determinar la posibilidad de predecir a través de una expresión muy simple el

valor de la respuesta de interés, a partir de los valores observados de una serie de factores.

� Determinar la importancia relativa de la asociación lineal entre la respuesta y un predictor respecto a la asociación entre ella y otro predictor.

� Estimar la relación lineal entre los predictores y la variable respuesta a partir de nuestros datos. La regresión lineal múltiple es matemáticamente similar a la regresión lineal simple [63,64].

Para validar los modelos de regresión, se han realizado los siguientes trabajos: 1º) Cálculo de la biomasa teórica. Medición de diámetros a la altura de 30cm de todos los tallos correspondientes a las

10 plantas en la estado de parada vegetativa y situadas en el centro de la parcela (figura 3.21). Para cada clon y 4 repeticiones. Las mediciones fueron realizadas a finales de noviembre de 2011, correspondientes al último año de la 2º turno o rotación (final del segundo turno).

En total el número de parcelas estudiadas han sido 120 (15 clones x 4 repeticiones x 2

sitios). Con los diámetros medidos y los modelos de regresión obtenidos calculamos la producción de biomasa teórica.

Figura 3.21. Cosecha de biomasa al final del año de crecimiento de la 2ª Rotación. Fredonia NY. SUNY-ESF. Willow Biomass Program.



85

2º) Cálculo de biomasa real. Se apearon las varetas de sauce utilizando una motodesbrozadora como se puede

observar en la figura 3.22 de todas las plantas situadas en las parcelas de ensayo y se pesaron mediante dos dinamómetros o balanzas y cintas de ajuste, ayudados por un tractor (figuras 3.23 y 3.24).

Figura 3.22. Corta con motodesbrozadora.

Figura 3.23. Pluma con cintas para levantamiento de la biomasa cortada para su procesado posterior.



86

Figura 3.24. Pesada con dinamómetro, situado entre el tractor y la biomasa cortada. De cada parcela de ensayo, se tomaron tres tallos los cuales se procesaron en el

laboratorio para obtener la humedad y finalmente calcular los pesajes en pesos secos.

3º) Una vez calculada la biomasa teórica y la real, se procedió a obtener el porcentaje de error. Para lo cual se aplicó la siguiente fórmula:

% Error = (Biomasa Teórica – Biomasa Real / Biomasa Real)*100

Para el caso de porcentajes de error positivos, el modelo de regresión utilizado está sobreestimando la producción de biomasa y por el contrario, si el resultado negativo se produce una subestimación. El análisis ha sido realizado con la herramienta informática SAS v.9.0, empleando la aplicación PROC REG. Se realizó una transformación logarítmica para ecualizar las variables dependientes y satisfacer la suposición de homocedasticidad [65]. El resultado del modelo de regresión fue el siguiente:

Y = β0 + β1*X 1+ β2*X 2+ β3*X 1X2 +… + βn*X n+ e Ecuación 6 donde: Y: Variable respuesta. Peso seco. β 0: Intercepto (ordenada en el origen).



87

β1: Pendiente, X1: Ln (Diámetro mm) β2: Modificador de la Intercepción, X2 : Sitio (0,1) Tully e Belleville β3: Modificador de la Pendiente

βn: Pendiente del predictor Xn

e: Parte de la variabilidad de la respuesta correspondiente a un perfil dado de lo predictores no explicada por el conjunto de los distintos predictores; parte aleatoria del modelo de regresión múltiple.

Al realizar análisis de regresión, la variable dependiente y las independientes no solamente pueden estar dados por variables cuantitativas, existen otros tipos de variables de carácter cualitativo. Dichas variables se conocen comúnmente como variable dummys.

Usualmente, dichas variables indican la presencia o ausencia de una cualidad o atributo. Estas son variables que toman valor de 1 en una submuestra y 0 en el resto de la muestra. Si el número de submuestras es mayor a dos, se define una variable ficticia para cada una de ellas, tomando valor de 1 en dicha submuestra y el valor de 0 en el resto de las observaciones muéstrales. Las variables ficticias pueden ser nominales y ordinales. Al incluir variables dummy en un modelo de regresión, estimar sus coeficientes y llevar a cabo los contrastes de significancia de las variables, es equivalente a estimar los modelos restringido y no restringido [65].

La herramienta informática te proporciona todos los modelos posibles considerando todas las combinaciones según el número de variables a analizar. Los criterios de evaluación y selección de los modelos de regresión fueron los siguientes:

� Probabilidad del t value (Pr>t). Existe efecto significativo si α=0,05 � Suma de cuadrados parcial (Type II SS) � Coeficiente de determinación (R-Square) � Coeficiente de Variación (C.V) � Raíz cuadrada del cuadrado medio del error (Root MSE)

Se realizó un test de “Outliers”, con el objetivo de depurar los datos experimentales, los cuales pueden haber sido afectados por observaciones atípicas o erróneas. Para identificar los candidatos a ser eliminados, se chequeó la variable “rstudent” (Studentized Residuals) que nos proporciona el propio test, aquellos valores correspondientes a ±3.00 fueron seleccionados para su análisis previa eliminación. El criterio utilizado para eliminar los puntos obtenidos tras el test fue:

� Si la inclusión de los puntos causan significancia sobre el efecto sitio. � Si el porcentaje de error mejora un 2% el punto fue eliminado. Para calcular

dicho porcentaje, se obtuvieron diferentes rectas de regresión a partir de si se incluían o no los puntos identificados como candidatos.



88

Una vez se obtuvo el % de error correspondiente a la diferencia entre la cantidad de biomasa teórica calculada por los modelos de regresión y la cantidad de biomasa real calculada tras los pesajes de las parcelas establecidas con el fin de validar los datos, se realizó un ANOVA con el objetivo de comparar la medias de todos los errores por clon y nivel de especificidad estudiado.



89

BIBLIOGRAFÍA CITADA,CAPÍTULO 3

[37] Kopp KF, White EH, Abrahamson LP, Nowak CA, Zsuffa L, Burns KF. Willow biomass trials in central New York State. Biomass and Bioenergy 1993;5(2):179– 187.

[47] Abrahamson LP, Volk TA, Kopp RF, White EH, Ballard JL. Willow biomass producers handbook (Revised). Short-Rotation Woody Crops Program SUNY-ESF, Syracuse, NY;2002http://www.esf.edu/willow/PUBLICATIONS/handbook/handbook.htm

[48] Tharakan P J, Volk T A, Nowak C A, Abrahamson L P. Morphological traits of 30 willow clones and their relationship to biomass production. Can. J. For. Res 2005;35: 421–431 [49] Volk T A , Abrahamson L P, Nowak C A, Smart L B, Tharakan P J, White E H. The development of short-rotation willow in the northeastern United States for bioenergy and bioproducts, agroforestry and phytoremediation, Biomass and Bioenergy 2006;30 (8-9):715-727

[55] Kopp K F, Abrahamson L P, White E H, Burns KF, Nowak CA. Cutting cycle and spacing effects on biomass production by a willow clone in New York. Biomass and Bioenergy 1997;12 (5):313–319

[56] Kopp R F, Smart L B, Maynard CA, Isebrands JG, Tuskan GA, Abrahamson LP. The development of improved willow clones for eastern North America, The Forestry Chronicle 2001;77(2):287-292

[57] Natural Resources Conservation Service soil survey. 2011. <http://www.ny.nrcs.usda.gov/technical/soils/survey.html>

[58] Spiegel M. Estadística. Segunda Edición. McGraw Hill. Madrid. 1997.

[59] Tharakan PJ, Volk TA, Nowak CA, Ofez GJ. Assessment of Canopy Structure, Light Interception, and Light-use Efficiency of First Year Regrowth of Shrub Willow (Salix sp.). Bioenergy. Research 2008;1:229– 238

[60] Li-Cor Inc. LAI-2000 Leaf area index machine. Operating Manual, Li-Cor Lincoln, NE, USA. 1998.

[61] SAS Institute (2000) User’s guide version 9. SAS institute 2000. North Carolina

[62] Canavos G. Probabilidad y Estadística. Aplicaciones y Métodos. España: Ed. McGraw-Hill 1988.

[63] Polit D, Hungler B. Estadística inferencial. Investigación científica en ciencias de la salud: principios y métodos. 6ª ed. México. Mc Graw Hill. p. 485 – 520. 2000.



90

[64] Taucher E. Bioestadística. Santiago: Editorial Universitaria. 1997

[65] Baskerville G.L. Use of logarithmic regression in the estimation of plant biomass. Canadian Journal of Forest Research 1972;2: 49-53.

4. RESULTADOS.



91

4. RESULTADOS 4.0 PRESENTACIÓN DEL CAPÍTULO.

En el capítulo que nos ocupa se van a presentar los resultados obtenidos de los diferentes ensayos realizados en la tesis doctoral, acorde con la metodología aplicada para su desarrollo.

4.1 EFICIENCIA DEL USO DE LA LUZ, LUE. 4.1.1. Producción de biomasa aérea Tras realizar el análisis de regresión, para cada clon, y con la finalidad de conseguir la ecuación más ajustada se obtienen los resultados siguientes, que se presentan en la tabla 4.1. Esta ecuación nos permite calcular los incrementos de la productividad de biomasa. Los gráficos correspondientes a los resultados que a continuación se presentan se pueden observar en el anexo 2.

Tabla 4.1. Resultados de la regresión peso seco frente a diámetro a 30 cm

Clon N a B R2

9879 20 -2,5764 2,0537 0,9768 94001 20 -1,5590 2,4880 0,9903 9871-31 20 -2,5629 2,6693 0,9787 9882-34 20 -1,7698 2,5271 0,9964 99113-012 17 -1,0092 2,2896 0,9794 99201-007 20 -1,7678 2,4789 0,9858 99202-011 20 -2,6683 2,7080 0,9913 99207-018 20 -1,7837 2,4402 0,9749 99217-015 20 -2,7743 2,7487 0,9885 99239-015 19 -2,8950 2,8217 0,9925 9970-036 20 -2,3444 2,6386 0,9895 9980-005 20 -1,8191 2,5113 0,9933 SV1 19 -2,1231 2,6700 0,9650 SX61 20 -2,8879 2,7728 0,9964 SX64 20 -2,1423 2,5694 0,9759 N= tamaño muestra; a y B= parámetros de la regresión; R2= coeficiente determinación

Las estimaciones de biomasa acumulada durante el período de estudio, comprendido entre junio y septiembre de 2012, variaron drásticamente entre clones, llegando casi hasta triplicarse el resultado (desde 795 hasta 2181,6 g/m2; según la tabla 4.2). Entre todos los clones, el clon 99113-012 y el clon 9976-036 tuvieron el mayor incremento en la producción de biomasa, mientras que el clon 9879 y el clon 99239-015 fueros los que menos biomasa



92

produjeron durante el periodo señalado (tabla 4.2; figura 4.1). Los clones SX61 y 9980-005 tuvieron incremento de biomasa medio.

Tabla 4.2. Biomasa acumulada y eficiencia del uso de la luz para los 15 clones estudiados.

Clon Incremento de biomasa

obtenido (g/m2) Eficiencia del uso de la luz

(g/MJ) 9879 795,60 0,3337 94001 1244,00 0,5276 9871-31 1183,70 0,5124 9882-34 1136,00 0,4796 99113-012 2181,60 0,9086 99201-007 954,20 0,4216 99202-011 1120,70 0,4799 99207-018 1040,00 0,4490 99217-015 1036,20 0,4271 99239-015 943,20 0,4011 9970-036 1665,60 0,7228 9980-005 1350,30 0,5693 SV1 1651,00 0,697 SX61 1361,50 0,5824 SX64 979,30 0,4139

Los resultados obtenidos en el estudio estadístico realizado (ANOVA de un factor) mantienen que existen diferencias significativas entre las medias obtenidas para cada clon con una probabilidad del p value de 0,0098 y nivel de significancia igual a 0,05. El coeficiente de determinación fue 0,50, lo que significa que el modelo explica la mitad de la variabilidad observada. Tras realizar la prueba t (t-test), resultaron 2 grupos de medias entre los clones analizados. Nótese que aquellos clones que comparten la misma letra no son significativamente diferentes entre ellos (anexo 1).



93

Figura 4.1.Biomasa generada entre junio y septiembre de 2011. La proporción de radiación interceptada también varió desde finales de junio a finales de septiembre para todos los clones de manera distinta (figura 4.3). En su mayoría, los valores oscilaron entre 71-81% obtenidos al comienzo del estudio y 85-93% registrados como valores máximos a finales del mes de junio. Hay que destacar que los valores que se reflejan en las tablas y figuras anteriores hacen referencia al incremento de la producción de biomasa obtenida durante el periodo de estudio indicado. Por lo tanto, que un determinado clon obtenga el mayor incremento en producción, no está necesariamente relacionado con que ese mismo clon sea el más productivo (figura 4.2). Los clones más productivos fueron el clon SV1, el clon 9980-005 y el clon 9970-036 con productividades de 50, 47 y 45 toneladas de materia seca por hectárea en 3 años (2º turno o rotación del cultivo).

0

500

1000

1500

2000

2500

3000

g/m

2

Clone

Incremento de biomasa Jun-Sep



94

Figura 4.2. Productividad de biomasa en junio y septiembre en Belleville. NY.USA. En la siguiente figura se presentan los resultados de IPARf durante todo el período de estudio. Se puede observar una curva normal, coincidiendo con la salida de las hojas, y con el paso del tiempo; IPARf aumenta a medida que aumenta el desarrollo del dosel. A partir del mes de septiembre los valores disminuyen debido al comienzo de la caída de la hoja. Dependiendo del clon, el máximo IPARf, se registra entre finales de julio y principio de agosto. Como se observa en el eje de abscisa, las mediciones fueron tomadas semanalmente con la excepción de mes de septiembre, debido a que hubo problemas técnicos con el interceptómetro de luz. En el anexo 2 se puede observar con más claridad los resultados obtenidos de manera individualizada por clon.

Figura 4.3. Fracción de radiación fotosintéticamente activa obtenida en el período de estudio.

0

10

20

30

40

50

60

tn (m

s)/h

a/3

año

s

Clon

Productividad de biomasa

Suma de Junio

Suma de

Septiembre

60

65

70

75

80

85

90

95

%

radi

ació

n i

nter

cept

ada

Fechas de medición

Fracción de radiación fotistéticamente activa IPARf9879

9871-31

9882-34

99113-012

99201-007

99202-011

99207-018

99217-015

99239-015

9970-036

9980-005

FC185

SV1

SX61

SX64



95

En la figura 4.4, se han comparado los valores correspondientes al IPARf para los clones con mayor incremento de la producción en biomasa. Casi siempre se sigue la tendencia, de que a mayores valores de IPARf son mayores las producciones de biomasa son obtenidas (figura 4.9).

Figura 4.4. IPARf para los clones con mayor incremento en la producción de biomasa. En la figura 4.5, se han comparado los valores de IPARf correspondientes a los clones que mayor y menor cantidad de biomasa han generado durante el período de estudio. Éste, pertenece a la época de crecimiento del tercer año de la seguda rotación del cultivo energético con 6 años de edad. Si observamos con detenimiento las figuras 4.5 y 4.6, se puede apreciar la relación existente entre la productividad de biomasa y IPARf. A medida que aumenta los valores de IPARf, la biomasa producida se va incrementado. Este hecho coincide con el desarrollo del dosel. A principios del mes de septiembre, comienza la caida de la hoja y la biomasa comienza a estabilizarse en su crecimiento.

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición

Fracción de radiación fotistéticamente activa IPARf

99113-012

9970-036

SV1



96

Figura 4.5. IPARf para los clones con mayor y menor incremento de la producción de biomasa.

Figura 4.6. Productividad de biomasa durante el periodo de estudio. La eficiencia del uso de la luz obtenida durante el mismo período de estudio osciló entre 0,3337-0,9086 g/MJ (tabla 4.2; figura 4.7). Nuevamente, los clones 99113-012 y 9976-036 tuvieron los valores más altos. La producción de biomasa y la eficiencia en el uso de la luz están fuerte y positivamente correlacionadas, obteniéndose un coeficiente de correlación del 0,99 con un tamaño de la muestra igual a 15 (figura 4.8).

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


99113-012

99201-007

0

5

10

15

20

25

30

35

40

45

Jun Jul Ag Sep

tn(m

.s)/

ha/

3 a

ño

s

Mes

Productividad Biomasa

99113-012

SV1



97

Figura 4.7. Eficiencia del uso de la luz de los principales clones de Salix sp. empleados.

Los resultados obtenidos tras realizar el análisis de la varianza indican que nuevamente existen diferencias significativas entre las medias resultantes para cada clon con una probabilidad del p value de 0,0164 y nivel de significancia igual a 0,05. El coeficiente de determinación fue 0,47 y coeficiente de variación de 39,64. La variable repetición fue significativamente diferente (p value=0,0331, α=0,05) debido a la cantidad de exposición de luz que algunos clones se beneficiaron por el hecho de estar situados en el borde de las parcelas de ensayo (efecto borde o frontera). De la prueba t (t-test), se obtuvieron 3 grupos de medias entre los clones analizados, los cuales comparten la misma letra. Por tanto, no son significativamente diferentes entre ellos. Se obtuvo un valor LSD (least significant difference) de 0,2492, el cual se corresponde al valor de las medias que tendría que haber para que fuese significativamente diferente. (anexo 1).

0,0000

0,2000

0,4000

0,6000

0,8000

1,0000

1,2000

g /M

J

Clon

Eficiencia del uso de la luz (LUE) Jun-Sep



98

Figura 4.8. Resultado del análisis de regresión entre la producción de biomasa y la

eficiencia del uso de la luz. n=15

Figura 4.9. Resultado del análisis de regresión entre la producción de biomasa y IPARf

Existió una fuerte y positiva relación entre la producción de biomasa y IPARf, obteniéndose coeficientes de determinación muy altos (R2~0,85-0,99) para todos los clones estudiados (figura 4.9). Los resultados referentes al índice de área foliar se pueden observar en la figura 4.10, éstos se situaron entre 1,56 y 4,04. No se observó ninguna relación entre LAI y la producción de biomasa generada hasta el momento que se tomaron las mediciones, las cuales se hicieron coincidir, con el fin poder realizar esta comparación (figura 4.11).

y = 0,86x - 48,527

R² = 0,9651

y = 0,7673x - 22,171

R² = 0,9972

y = 0,3867x - 9,8431

R² = 0,919

0

10

20

30

40

50

60

70 75 80 85 90 95 100

tn (m

.s)/

ha/

3 a

ño

s

IPAFf

Correlación Biomass- IPARf9879

9871-31

9882-34

99113-012

99201-007

99202-011

99207-018

99217-015

99239-015

9970-036

9980-005

94001

SV1

SX61

SX64

Lineal (99201-007)

Lineal (9970-036)

Lineal (SX64)



99

Figura 4.10. Índice de Área foliar registrada en el estudio.

Figura 4.11. Resultado del análisis de regresión entre la producción de biomasa en el mes de septiembre y LAI. n=15.

El contenido de nitrógeno (denominado “contenido N”) foliar varió entre 26,33 y 31,69 g/kg, no encontrándose diferencias significativas entre clones con un p value= 0,1470 con un α=0,05 (ver figura 4.12). Se ha realizado para un tamaño de muestra n=4, según hemos indicado en el capítulo de materiales y métodos.

0

1

2

3

4

5

Clon

Índice de Área Foliar (LAI)

y = -0,0244x + 3,1085

R² = 0,0577

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

0 5 10 15 20 25 30 35 40

LAI

toneladas (materia seca)

Correlación LAI-Biomasa



100

Figura 4.12. Contenido medio de N en la hojas y su error estándar, n=4 El contenido de fosforo osciló entre 1,94 y 2,77 g/kg, apreciándose diferencias significativas entre clones con un pvalue < 0,0001 (α=0,05). El coeficiente de determinación fue de 0,70 y coeficiente de variación de 14,43. El valor de LSD fue de 3,31. Tras realizar la prueba t, se observaron 3 grupos de medias, destacando que los clones que compartan la misma letra no son significativamente diferentes entre ellos.

Figura 4.13. Contenido medio de fosforo en las hojas y su error estándar, n=4. El contenido de potasio osciló entre 12,30 y 22,97 g/kg, donde se apreciaron diferencias significativas entre clones con un pvalue < 0,0001 (α=0,05). El coeficiente de

0

5

10

15

20

25

30

35

40

g/kg

Clon

Contenido N en las hojas

0

0,5

1

1,5

2

2,5

3

3,5

g/kg

Clon

Contendido P en las hojas



101

determinación fue de 0,62 y coeficiente de variación de 8,93. El valor de LSD fue de 0,2954. Tras realizar la prueba t, se observaron 6 grupos de medias, destacando que clones que compartan la misma letra no son significativamente diferentes entre ellos.

Figura 4.14. Contenido medio de potasio en las hojas y su error estándar, n=4

En el anejo 2, se puede ver el resto de los resultados y de las figuras correspondientes al análisis foliar (Mg, S, Mn, Fe, Cu, B, Al, Zn y Na).

0

5

10

15

20

25

30

g/kg

Clon

Contenido K en las hojas



102

4.2. DESARROLLO DE ECUACIONES ALOMÉTRICAS-USO DE TÉCNICAS NO DESTRUCTIVAS.

4.2.1. Niveles de especificidad en los datos de campo. A continuación se presenta en la tabla 4.3, el resumen estadístico de los datos correspondientes al diámetro (mm) y al peso (g) registrados en Belleville y Tully, donde se especifican promedios, máximos, mínimos y desviaciones estándar para los parámetros relacionados a través de las ecuaciones alométricas. Tabla 4.3. Resumen de la estadística descriptiva del diámetro (mm) y peso (g) para los clones

utilizados en el estudio.

Media Máximo Mínimo D. Estandar Media Máximo Mínimo D. Estandar9879 Belleville 20 24,51 46,00 3,10 13,46 842,01 2.792,33 4,49 884,0094001 Belleville 20 22,56 32,65 3,02 11,31 711,89 1.354,45 3,26 614,529871-31 Belleville 20 23,90 37,27 9,13 13,07 666,85 1.707,40 32,48 558,779882-34 Belleville 20 20,29 37,27 3,12 10,72 511,97 1.642,82 3,11 499,1999113-012 Belleville 17 22,18 41,33 3,00 12,17 544,84 1.441,12 6,01 608,1099201-007 Belleville 20 22,66 41,50 3,10 12,03 578,24 1.854,78 5,32 574,5099202-011 Belleville 20 25,68 48,18 3,21 14,11 726,83 2.421,82 1,05 770,5399207-018 Belleville 20 24,13 45,10 3,40 13,14 612,62 1.834,73 7,23 598,3499217-015 Belleville 20 23,99 44,60 2,96 12,75 646,70 2.101,51 1,70 665,3599239-015 Belleville 19 21,22 38,90 3,19 11,20 481,70 1.106,46 0,99 463,969970-036 Belleville 20 25,79 48,58 3,13 14,16 860,04 2.876,30 2,96 897,869980-005 Belleville 20 34,22 64,36 3,02 19,42 1.772,54 5.098,45 3,43 1.665,13SV1 Belleville 19 22,94 44,99 3,20 12,60 808,95 2.590,65 3,77 854,26SX61 Belleville 20 24,99 47,43 2,87 13,78 691,86 2.111,25 1,11 696,53SX64 Belleville 20 26,75 50,71 3,03 14,75 812,81 2.214,40 1,56 738,069879 Tully 20 21,79 39,19 5,49 11,06 533,53 1.662,46 5,68 552,4194001 Tully 18 14,72 25,71 2,52 7,24 236,15 544,39 3,33 197,649871-31 Tully 20 19,25 35,44 3,36 10,05 344,01 1.080,29 5,55342,319882-34 Tully 20 17,23 30,35 3,57 8,75 304,00 914,30 3,68 281,6599113-012 Tully 20 17,25 32,19 3,05 8,84 336,91 1.051,93 2,01 341,2899201-007 Tully 19 17,69 34,22 3,49 9,21 347,90 1.270,19 1,01 371,6099202-011 Tully 20 24,00 45,00 2,90 12,49 586,80 1.727,69 1,05 555,4299207-018 Tully 20 22,27 44,54 3,20 12,30 659,93 2.513,56 3,22 711,8599217-015 Tully 20 17,87 33,65 3,78 9,16 300,53 978,44 1,51 299,2299239-015 Tully 19 17,02 32,93 3,10 8,90 255,66 880,09 3,26 252,689970-036 Tully 20 19,18 35,32 3,00 10,04 338,52 1.142,62 0,35 349,049980-005 Tully 20 22,29 41,26 3,00 11,70 525,22 1.461,19 4,71 520,93SV1 Tully 16 22,58 40,12 3,53 12,22 676,85 1.795,96 3,94 613,28SX61 Tully 20 19,94 37,52 3,79 10,68 412,38 1.412,66 3,34 433,97SX64 Tully 20 21,07 39,12 2,92 11,30 501,78 1.665,98 2,19 501,78

Diámetro (mm) Peso seco (g)Clon Sitio N



103

Test de “outliers”

Aplicados los criterios citados en el apartado 3.4, se detectaron 15 puntos, a los que llamamos puntos candidatos, donde finalmente se eliminaron un total de 7 puntos.

Hay que destacar que la mayoría de ellos se correspondieron con valores de diámetros

muy pequeños, los cuales no influyen por sí mismos, en la cantidad total de biomasa a cosechar al final del turno establecido. Por el contrario, dichos puntos afectan y modifican el intercepto y/o la pendiente de la recta, lo cual sí que influye en el resultado final. En la tabla 4.4, se pueden observar los puntos candidatos y los finalmente eliminados.

Tabla 4.4. Resultados del test de outliers previo al análisis de la especificidad de

datos.

A) Nivel específico: Evaluación efecto sitio. Como se indicó en el apartado correspondiente a la metodología, con el nivel específico se estudia si el efecto del sitio es significativo, a la hora de seleccionar y construir una ecuación de regresión. En el caso de nuestra investigación se evaluaron 15 clones distintos en dos lugares diferentes.

A través de una regresión lineal múltiple se evaluó la interacción de cada clon y sitio,

donde la variable dependiente fue el peso. En todos los análisis de regresión el diámetro fue significante en interacción con el sitio (p<0.0001).

Una vez realizado el análisis de regresión, se encontró que en 6 clones hubo efecto

Clon P. Candidatos P. Eliminados

9879 1,2 1,2940019871-31 39882-34 4 399113-012 599201-007 6,799202-01199207-018 8 499217-015 999239-015 10 59970-036 119980-005 12,13SV1 14 6SX61 15 7SX64



104

significativo con respecto al sitio (Belleville-Tully). Los resultados se pueden observar en la Tabla 4.5. Sin embargo, mediante los resultados correspondientes a la suma de cuadrados parcial (Type II SS) calculada por el análisis, se observa que el efecto sitio dado tiene una ínfima proporción en la variación. Las diferencias entre el % de raíz del error medio cuadrático y coeficiente de variación entre los modelos propuestos para cada clon donde se detectó efecto sitio son muy pequeñas, incluso no se produjeron cambios en sus R2, oscilando entre 0,97-0,99 (tabla 4.5).

Por lo tanto, desde un punto de vista práctico para el agricultor o selvicultor encargado de gestionar las plantaciones energéticas a escala comercial, el modelo de regresión simple trabaja suficientemente bien, el cual se señala para cada clon resaltado en letra negrita en la tabla que a continuación se presenta.

Tabla 4.5. Resultados que examinan la existencia de efecto sitio. Nivel específico.

a y B-Parámetros de la regresión; %RMSE-Raiz del erros medio cuadrático; C.V-Coeficiente de variación ;R2-Coef. determinación

En el anexo 3, se presentan los gráficos correspondientes a los modelos de regresión simples resaltados en letra negrita (Ejemplo: y=-2,16718+2,60470x)

Clon Grupo a B %RMSE C.V R2 p value Efecto sitio Sitio9879 2 -2,16718 2,60470 26,31 4,84 0,98 <0,0001 No Both94001 5 -1,42832 2,44645 18,35 3,47 0,99 <0,0001 No Both9871-31 3 -2,06768 2,52404 18,98 3,51 0,99 <0,0001 No Both9884-34 5 -1,96926 2,57826 16,65 3,25 0,99 <0,0001 Yes Both9884-34 5 -2,00388 2,56948 15,80 3,08 0,99 0,0305 Si Tully9884-34 5 -1,88926 2,56948 15,80 3,08 0,99 0,0305 Si Belleville99113-012 1 -1,85838 2,54769 32,19 6,17 0,97 <0,0001 No Both99113-012 1 -2,57092 2,78117 26,07 5,00 0,98 0,0004 Si Tully99113-012 1 -1,00924 2,28966 26,07 5,00 0,98 0,0004 Si Belleville99201-007 4 -2,55482 2,73648 28,27 5,51 0,97 <0,0001 No Both99201-007 4 -3,44862 3,05243 20,50 3,99 0,99 <0,0001 Si Tully99201-007 4 -1,76784 2,47887 20,50 3,99 0,99 <0,0001 Si Belleville99202-011 4 -2,74712 2,73133 18,77 3,44 0,99 <0,0001 No Both99207-018 4 -2,05846 2,54063 25,52 4,69 0,98 <0,0001 No Both99217-015 2 -2,84726 2,79460 17,78 3,49 0,99 <0,0001 No Both99239-015 1 -2,4144 2,66406 16,55 3,19 0,99 <0,0001 No Both9970-036 3 -3,29342 2,91517 31,93 6,17 0,98 <0,0001 No Both9970-036 3 -3,32258 2,88631 30,23 5,84 0,98 0,0257 Si Tully9970-036 3 -3,09662 2,88631 30,23 5,84 0,98 0,0257 Si Belleville9980-005 2 -1,88777 2,51214 22,65 3,84 0,99 <0,0001 Si Both9980-005 2 -1,81317 2,46382 21,76 3,68 0,99 0,0480 Si Tully9980-005 2 -1,81317 2,50960 21,76 3,68 0,99 0,0480 Si BellevilleSV1 Sin grupo -1,90654 2,59637 26,90 5,74 0,98 <0,0001 No BothSX61 Sin grupo -2,54488 2,68214 18,36 3,50 0,99 <0,0001 No BothSX61 Sin grupo -2,6912 2,74328 13,93 2,61 1,00 0,0353 Si TullySX61 Sin grupo -2,78918 2,74328 13,93 2,61 1,00 0,0353 Si BellevilleSX64 Sin grupo -2,28569 2,62404 22,01 4,01 0,99 <0,0001 No Both



105

B) Nivel intermedio: Evaluación efecto sitio y grupo.

El grupo 1 está compuesto por el clon 99113-012 y el clon 99239-015 y el grupo 3 por el clon 9871-031 y el clon 9970-036. Tras realizar el análisis de regresión sobre ambos grupos, se detectaron diferencias significativas entre clones del mismo grupo y sitio. En la tabla 4.6 se muestran un resumen de los resultados obtenidos, mediante los cuales se pueden construir las ecuaciones de regresión deseadas. El grupo 5 está compuesto por el clon 94001 y el clon 9984-034, para este caso, solo sé detectó diferencias entre clones y no sobre el sitio.

El caso del grupo 2, el cual está compuesto por el clon 9980-005, el clon 99217-015 y

el clon 9879, difiere de los anteriores grupos. No se detectó efecto sitio, pero sí efecto parcial entre clones, específicamente entre el clon 99217-015 y el subgrupo de clones 9980-005 y 9879. Por último, en el grupo 4, el cual está compuesto por el clon 99201-007, el clon 99202-011 y el clon 99207-018, no se detectaron efecto sitio pero si diferencias entre los tres clones que constituyen el grupo.

Tabla 4.6. Resultados que examinan la existencia de efecto grupo. Nivel intermedio.

a y B-Parámetros de la regresión; %RMSE-Raiz del erros medio cuadrático;C.V-Coeficiente de variación ;R2-Coef. determinación

Grupo Clon a B %RMSE C.V R2 p value Efecto clon Efecto sitio Sitio

1 1.1 -2,45820 2,74138 21,96 4,23 0,98 <0,0001 Sí Sí Tully1 1.2 -2,45820 2,67481 21,96 4,23 0,98 0,0118 Sí Sí Tully1 1.1 -1,00974 2,28967 21,96 4,23 0,98 <0,0001 Sí Sí Belleville1 1.2 -3,97865 3,22381 21,96 4,23 0,98 <0,0001 Sí Sí Belleville1 1.1 -1,98931 2,59486 25,79 4,96 0,98 0,0003 Sí No Ambos1 1.2 -2,21708 2,59486 25,79 4,96 0,98 0,0003 Sí No Ambos1 1.1-1.2 -2,07210 2,58436 28,08 5,40 0,97 <0,0001 No No Ambos2 2.1 -2,84726 2,79459 22,54 4,11 0,99 <0,0001 Sí No Ambos2 2.2-2.3 -2,02029 2,55461 22,54 4,11 0,99 0,0002 No No Ambos2 2.1-2.2-2.3 -2,30392 2,63456 24,58 4,48 0,98 <0,0001 No No Ambos3 3.1 -2,06768 2,52404 20,97 3,97 0,99 <0,0001 Sí Sí Tully3 3.2 -4,17008 3,19196 20,97 3,97 0,99 <0,0001 Sí Sí Tully3 3.1 -2,06768 2,52404 20,97 3,97 0,99 <0,0001 Sí Sí Belleville3 3.2 -0,24193 1,97065 20,97 3,97 0,99 <0,0001 Sí Sí Belleville3 3.1 -2,06768 2,52404 26,43 5,00 0,98 <0,0001 Sí No Ambos3 3.2 -3,29343 2,91517 26,43 5,00 0,98 <0,0001 Sí No Ambos3 3.1-3.2 -2,80376 2,75948 29,39 5,56 0,98 <0,0001 No No Ambos4 4.1 -1,91416 2,49751 25,12 4,67 0,98 0,0027 Sí No Ambos4 4.2-4.3 -2,59478 2,71404 25,12 4,67 0,98 <0,0001 Sí No Ambos4 4.1-4.2-4.3 -2,38770 2,64726 25,98 4,83 0,98 <0,0001 No No Ambos5 5.1 -1,96926 2,57826 17,51 3,37 0,99 <0,0001 Sí No Ambos5 5.2 -1,42862 2,44645 17,51 3,37 0,99 0,0281 Sí No Ambos5 5.1-5.2 -1,69322 2,51002 20,02 3,85 0,99 <0,0001 No No Ambos

1.1. [99213-012] S. koriyanagi (SH3) x S. purpurea (94002) 3.1. [9871-031] S. sachalinensis (‘SX61’) x S. miyabeana (‘SX67’) 5.1. [9882-034] S. purpurea (94006) x S. purpurea (94001)

1.2. [99239-015] S. koriyanagi (SH3) x S. purpurea (95058) 3.2. [9970-036] S. sachalinensis (‘SX61’) x S. miyabeana (‘SX64’) 5.2. [94001] S. purpurea

2.1. [99217-015] S. purpurea (95026) x S. miyabeana (‘SX64’) 4.1. [99207-018]S. viminalis (SV7) x S. miyabeana (‘SX64’)

2.2. [9980-005] S. purpurea (94006) x S. miyabeana (‘SX67’) 4.2. [99201-007] S. viminalis (SV2) x S. miyabeana (‘SX64’)

2.3. [9879] S. purpurea (94006) x S. miyabeana (‘SX64’) 4.3. [99202-011] S. viminalis (SV2) x S. miyabeana (‘SX67’)



106

Como ha ocurrido en el apartado anterior (nivel específico), se han observado diferencias entre clones y sitio, pero la suma de cuadrados parcial (Type II SS) calculada en el análisis de regresión volvió a resultar en valores muy pequeños. Del mismo modo, el porcentaje de raíz del error medio cuadrático y coeficientes de variación fueron muy similares entre el mejor modelo teórico obtenido y el modelo de regresión simple. Por ello, se considera que el modelo de regresión simple tiene un rendimiento lo suficientemente válido para su uso (véase tabla 4.6).

En el anejo 3, se presentan los gráficos correspondientes a los modelos de regresión simples resaltados en la tabla 4.6 con letra negrita (Ejemplo: y=-1,69322+2,51002x).

C) Nivel general: Evaluación de una única ecuación.

Debido a que las diferencias encontradas respecto al efecto sitio en los niveles de

especificidad anteriores, no han sido lo suficientemente incidentes bajo nuestro punto de vista práctico, el efecto sitio no ha sido considerado en el nivel general.

Tras realizar el análisis de regresión se encontraron efectos significativos de los

grupos 1 (99113-012 y 99239-015) con p<0,0001 y 5 (94001 y 9984-034) con p=0,0033 y clon SX61 (p<0,0001).

Finalmente, siguiendo los criterios establecidos, los cuales comparan los parámetros

estadísticos mostrados en la tabla 4.7, se seleccionó en modelo de regresión simple, el cual no difiere en demasía con los mejores modelos obtenidos.

Tabla 4.7. Resultados que examinan la validez de una ecuación general

para todos los clones.

En el anexo 3, se presentan los gráficos correspondientes a los modelos de regresión

simples resaltadas en la Tabla 4.7 con letra negrita (Ejemplo: y=-22321+2,61613x).

Clon Grupo a B %RMSE C.V R2 Efecto grupo Efecto stio

5.1; 5.2 5 -1,69322 2,51002 24,82 4,65 0,98 Sí No1.1; 1.2 1 -2,0721 2,58436 24,82 4,65 0,98 Sí NoSX61 No grupo -2,06261 2,64124 24,82 4,65 0,98 No SíTodos Todos -2,22321 2,61613 27,77 5,20 0,97 No No

1.1. S. koriyanagi (SH3) x S. purpurea (94002)1.2. S. koriyanagi (SH3) x S. purpurea (95058)5.1 S. purpurea (94006) x S. purpurea (94001)5.2 S. purpurea



107

4.2.2. Validación de los métodos presentados Como se indicó en el apartado correspondiente a la metodología, se calculó la biomasa real mediante el pesaje de todas las plantas incluidas en las parcelas de ensayo, con el fin de contrastar los resultados obtenidos y validar los modelos de regresión calculados para los diferentes niveles de especificidad considerados en la investigación. Para ello, se empleó la siguiente fórmula:

% Error = (Biomasa teórica – Biomasa real / Biomasa real) * 100

A continuación se presentan los resultados en forma de tabla y también en forma de gráfica para facilitar su lectura y comprensión. Los resultados correspondientes a valores positivos (+) indican que los modelos sobrestiman la biomasa predecida y por el contrario los valores negativos (-), subestiman los resultados.

Tabla 4.8. Resultados del análisis de validación de los modelos de regresión

Clon Error Específico (%) E. Intermedio (%) E. General (%)

9879 2,57 -1,33 0,69 94001 6,89 4,60 -9,79 9871-31 -1,82 9,05 9,70 99113-012 0,73 -9,44 -9,26 99201-007 -1,48 -7,24 -7,02 99202-011 -5,47 3,29 10,17 99207-018 -7,49 -8,52 -5,75 99217-015 6,21 8,54 9,94 99239-015 -5,94 4,80 -1,07 9970-036 6,40 2,14 9,21 9980-005 4,77 3,86 5,87 9982-34 9,37 9,97 -5,35 SV1 8,15 8,15 -9,36 SX61 4,66 4,66 8,99 SX64 -1,59 -1,59 2,06



108

Aplicado los modelos regresión a nivel específico los errores obtenidos variaron entre 0,73 y 9,37%. Además, la mitad de los clones estudiados obtuvieron un error por debajo del 5%, véase la figura 4.15 que se presenta a continuación.

Figura 4.15. Validación de los modelos de regresión para el nivel específico.

-15

-10

-5

0

5

10

15

T1%E

rro

r

Clon

Validación del modelo. Nivel Específico 9879

94001

9871-31

99113-012

99201-007

99202-011

99207-018

99217-015

99239-015

9970-036

9980-005

9982-34

SV1

SX61

SX64



109

Para el caso particular del nivel intermedio, los errores obtenidos oscilaron entre 1,93 y 9,97% según el clon, valores muy similares a los obtenidos en el nivel específico.

Figura 4.16. Validación de los modelos de regresión para el nivel intermedio. Finalmente, los valores correspondientes al nivel de especificidad general variaron entre 0,69 y 0,94%,. Nuevamente resultaron similares a los valores obtenidos en los anteriores niveles de especificidad.

Figura 4.17. Validación de los modelos de regresión para el nivel general.

-15

-10

-5

0

5

10

15

T2%E

rro

r

Clon

Validación del modelo. Nivel Intermedio 9879

94001

9871-31

99113-012

99201-007

99202-011

99207-018

99217-015

99239-015

9970-036

9980-005

9982-34

SV1

SX61

SX64

-15

-10

-5

0

5

10

15

T3%Er

ror

Clon

Validación del modelo. Nivel general 9879

94001

9871-31

99113-012

99201-007

99202-011

99207-018

99217-015

99239-015

9970-036

9980-005

9982-34

SV1

SX61

SX64



110

Se realizó un análisis de varianza (ANOVA) para comparar las medias correspondientes al porcentaje de error obtenido para diferentes clones y niveles de especificidad, resultando que no hubieron diferencias significativas (α=0,05) entre medias con un p value de 0,0525.

5. DISCUSIÓN.



111

5. DISCUSIÓN

5.1 EFICIENCIA DEL USO DE LA LUZ. Se han evaluado los efectos de la fracción interceptada de la radiación fotosintéticamente activa (IPARf), eficiencia del uso de la luz (LUE) y algunas características de las hojas, sobre la productividad de biomasa aérea. Los resultados han revelaron que IPARf está relacionado fuerte y positivamente a la productividad de biomasa aérea para los clones de Salix sp. estudiados durante tercer año de la segunda rotación. 5.1.1. Diferencias entre clones. Los valores correspondientes a LUE obtenidos en la presente investigación (0,3337-0,9086 g/MJ), han sido menores a los calculados por otros investigadores para diferentes variedades de sauce. Por ejemplo Cannell [31] obtuvo valores superiores de LUE a los estudiados en nuestra investigación., situándose alrededor de 1,58 g/MJ (primer año de crecimiento) para diferentes clones de Salix sp. Otras investigaciones, obtuvieron valores desde 1,55-2,55 g/MJ para las especies Salix viminalis y Salix dasyclados respectivamente [66]. Ha sido observada, para varios clones de los géneros Populus [43] y Salix [66], una gran variabilidad de valores de LUE Cannell [31] sugiere que diferencias significativas en LUE pueden ser atribuidas a diferencias en la fijación de carbono. En la presente investigación no se evaluó la cantidad de biomasa radicular, es por ello que no podemos atribuir las variaciones de LUE encontradas en nuestro estudio, a dicha posibilidad de fijación de carbón entre la biomasa aérea y radicular. Por lo tanto, el comportamiento observado de los diferentes clones estudiados, es típico de plantaciones en alta densidad en lugares productivos y por consiguiente la variación significativa de los resultados de LUE obtenida podría indicar una inherente variación genética derivada de la adaptación de los diferentes clones a unas condiciones climáticas y edafológicas determinadas. Según Tharakan et al. [46,67], los niveles bajos de competencia en el interior del dosel y la alta capacidad de intercepción de luz son más importantes a la hora de maximizar la eficiencia del uso de la luz. Las características relacionadas con la distribución de la luz no tienen tal incidencia sobre LUE [68,69]. Serán necesarias futuras investigaciones para corroborar la tendencia observada en cultivos de sauce con una edad mayor, tras sucesivos turnos de cosecha. En el estudio de productividad se detectaron importantes connotaciones que pueden ser observadas en la tabla 5.1. Los mayores incrementos de biomasa se produjeron entre los meses de junio y julio, para todos los clones con excepción de los clones 9871-31 y SX61. Los mayores incrementos de biomasa coincidieron con los máximos valores registrados de



112

IPARf, este hecho quedó reflejado en la figura 4.9, donde se observa la fuerte relación entre la productividad y IPARf. El incremento de biomasa obtenido entre los meses de agosto-septiembre fue para muchos clones (9879, 9882-34, 99202-011, 99239-015, 9970-036, 9980-005, 94001, SX61 ySX64) mayor que el generado entre los meses de julio-agosto, este hecho podría ser debido a que durante este periodo de tiempo la precipitaciones registradas (30 mm) fueron casi nulas. Lo que corrobora que el género Salix requiere aportaciones de agua para maximizar la productividad de biomasa. De esta interpretación podríamos afirmar que los clones 9871-31 y SX61 (uno de los más productivos), son más resistentes a la sequía y/o más eficientes en su uso. En futuras investigaciones, sería muy interesante estudiar la eficiencia del uso del agua de todos los clones, ya que dicha característica podría ayudar en la selección de clones e identificación de lugares para su plantación y desarrollo de su cultivo. Bajo nuestro punto de vista, se han de aunar esfuerzos e investigar con mayor profundidad y frecuencia durante los meses de junio y julio, debido que durante este periodo se han obtenido los mayores incrementos de biomasa.

Tabla 5.1. Incrementos de productividad de biomasa obtenidos en el periodo de estudio.

Junio-Julio Julio-Agosto Agosto-Septiembre Junio-Septiembre9879 4,86 1,47 1,62 7,959871-31 3,95 3,98 3,91 11,849882-34 7,89 0,35 3,12 11,3699113-012 15,09 5,36 1,36 21,8199201-007 7,35 0,39 1,81 9,5499202-011 6,32 2,71 2,18 11,2199207-018 4,91 3,50 1,99 10,4099217-015 7,10 1,90 1,37 10,3699239-015 2,97 2,60 3,86 9,439970-036 11,38 1,98 3,29 16,669980-005 6,62 1,45 5,43 13,5094001 4,70 3,18 4,56 12,44SV1 8,41 6,21 1,89 16,51SX61 2,26 4,25 7,11 13,62SX64 4,45 2,45 2,88 9,79

Incremento biomasa tn (m.s)/haClon



113

Otro dato calculado en el estudio de productividad, fue el promedio de tallos por planta (figura 5.1), el cual describe la estructura del dosel. Se observa que los 5 clones más productivos tuvieron una media 10-12 tallos/planta. Por el contrario, el resto de clones tuvieron mayores o menores números de tallos. Este tipo de lecturas, permiten vislumbrar el hecho de que no se obtiene mayor productividad aumentando el número de tallos. Es por ello que los planes de mejora genética necesitan este tipo de información para transmitirla a otros clones.

Figura 5.1. Promedio del número de tallos pertenecientes a los clones estudiados. En nuestro estudio no se encontró relación entre la productividad de biomasa y el índice de área foliar (figura 4.10), resultado muy opuesto a otros estudios [43,67], donde se concluye que LAI está fuertemente relacionado con la productividad. En futuras investigaciones, se recomienda que se tomen mediciones con una mayor frecuencia (acorde a las investigaciones referenciadas se deben tomar lecturas cada dos semanas). La concentración de nitrógeno, fósforo y potasio en las hojas fue medida. Los resultados obtenidos han sido similares a los publicados por Kopinga y van del Burg [70], Tharakan et al. [46,47]. En el caso del contenido del nitrógeno, se detectó una variabilidad alta en algunos clones, obteniendo valores correspondientes al error estándar del 30%. No se observó ninguna relación entre el contenido de nitrógeno y productividad de biomasa para estos clones, excepto para el clon 99201-011 con un R2=0,99 (figura 5.2).

0

5

10

15

20

25

30

35

nº

Clon

Promedio de tallos/planta



114

Figura 5.2. Correlación entre el contenido de nitrógeno y productividad de biomasa. Dicha variabilidad pudo haber sido originada por causas relacionadas a la ubicación de las parcelas de ensayo, debido a que las mayores diferencias fueron siempre registradas en el cuarto bloque, correspondiente a la repetición 4 del estudio. En cuando a los valores correspondientes a los contenidos de fósforo y potasio, destacar que no se observan diferencias significativas si los comparamos con los resultados obtenidos en otras investigaciones publicadas [46,47]. 5.1.2. Mejora genética y selección clonal La variabilidad de los rasgos estudiados y otros extraídos de la bibliografía, proporcionan información muy útil para la reproducción, manejo y selección genética. En nuestro estudio, el máximo valor correspondiente a IPARf fue registrado a finales del mes de julio. La máxima radiación interceptada y la correspondiente eficiencia fueron correladas significativamente con la acumulación máxima de biomasa. Por lo tanto, creemos que futuros esfuerzos deben de estar encaminados a optimizar IPARf y LUE. Bajo nuestro punto de vista, el estudio del número óptimo y estructura de los tallos, además del tamaño del área foliar, ayudarían a maximizar la productividad de biomasa. A través de programas de mejora genética se pueden modificar los rasgos anteriormente citados, obteniendo conjuntos de clones con los rasgos deseados. Del mismo modo se han de investigar con mayor profundidad los rasgos estructurales de las hojas, como pueden ser la orientación de las hojas, fotosíntesis de luz saturada, estructura del dosel, índice de área foliar (tomando lecturas con mayor frecuencia) y eficiencia del uso del agua. Otras investigaciones demostraron que la reproducción de clones

y = 2,4312x - 38,377

R² = 0,993

0

10

20

30

40

50

60

0 10 20 30 40

tn/

ha/

3a

ño

s

Contenido de Nitrógeno

Correlación N-Productividad biomasa

9882-34

9879

99202-011

FC185

SX61

Lineal (99202-011)



115

con mayores áreas foliares maximizaron la eficiencia del uso de la luz [46,47]. En estos casos, la importancia de conseguir una mayor área foliar también debe de estar asociada a la eficiencia del uso de la luz interceptada. Se ha de encontrar un punto intermedio donde se maximice la fotosíntesis y al mismo tiempo se produzca un balance de las perdidas por respiración. La eficiencia del uso de la luz es muy sensible a variables medioambientales (luz, temperatura, agua en el suelo, humedad, etc.), las cuales afectan al proceso de fotosíntesis y balance por respiración [31]. En áreas donde existe un alto estrés hídrico, el tener un área foliar alta durante la época de crecimiento podría ser un inconveniente ya que aumenta la temperatura en la superficie foliar, aumenta la perdida de agua y fotoinhibición, afectando negativamente a LUE [71]. En tales condiciones, variedades con hojas que tengan una alta concentración de nitrógeno y elevada masa foliar (g/m2), el estrés resultante sería menor [41,45]. Aquellos clones formados por ramas muy rectas y hojas pequeñas, tales como el clon Salix purpurea, tienen ventajas en este tipo de ambientes caracterizados por algún tipo de estrés hídrico. En este caso, las hojas pequeñas son más eficientes que las grandes porque regulan mejor el balance de calor en su superficie a través de un sistema de enfriamiento convectivo [43]. Se puede alcanzar valores altos de LUE con apropiadas densidades de plantación, las cuales combinen una captura de la luz eficiente en la época de crecimiento y una mínima competición intra-específica entre las plantas [31]. Para el caso de plantaciones con altas densidades, los niveles de luz en parte inferior del dosel son muy bajos. Entonces, valores altos de LAI, la orientación de las hojas y otros aspectos relacionados con la estructura del dosel constituyen un papel importante para maximizar la eficiencia del uso de la luz [72] Este apartado explica la justificación de nuestra investigación. En los últimos 20 años, el “Willow Biomass Program” de la State University of New York (SUNY), ha desarrollado e introducido numerosas mejoras genéticas (véase la figura 5.3) con el objetivo de crear clones con una mayor capacidad de adaptación a diferentes zonas fitoclimáticas, resistencia a enfermedades y plagas y más productivos a lo largo de diferentes turnos de corta.



116

Figura 5.3. Mejora genética a lo largo de 7 años para el clon SV1 (1998-2005) [72]. La productividad es un factor muy importante en viabilidad económica de un cultivo de sauce, véase la figura 5.4 que se presenta a continuación. Maximizar la productividad, como es obvio y ya lo hemos señalado anteriormente, se convierte en un factor primordial en el estudio de los programas de mejora genética del sauce que se están llevando a cabo en la State University of New York.

Sherida n N

Y '98

Tul ly N

Y '93

Massena N

Y '93

Peter's Tract

DE '98

Wolco

tt NY '9

8

Bu rlingto

n VT '9

7

Canastota NY '9

8

Tull y N

Y '05

Bell evil le

NY '0

5

oven

dry

tonn

es h

a-1

yr-1

0

2

4

6

8

10

12

14SV1

02468

101214



117

Figura 5.4. Incidencia de la productividad en la tasa interior de retorno para Salix sp. en USA.

La figura anterior (fig. 5.4) nos muestra la incidencia de la productividad en una variable económica tan importante como es la TIR (Tasa Interna de Retorno), que en inglés denominamos IRR (Internal Rate of Return). Como era de esperar la TIR es creciente a medida que aumenta la productividad. El tiempo de cálculo utilizado para la TIR es el de 13 y 22 años; pues se utilizan dos períodos distintos, uno de 13 años y otro de 22 años. El de 13 se supone que es el mínimo y el de 22 se supone que es el máximo. Como cabía esperar los resultados son más favorables para el período de 22 años.

-10

-5

0

5

10

15

20

25

3.0 5.1 7.1 9.1

Biomass growth rate in odt/ac/year

IRR

in %

IRR for 22 years

IRR for 13 years



118

5.2. DESARROLLO DE ECUACIONES ALOMÉTRICAS-USO DE TÉCNICAS NO DESTRUCTIVAS. Numerosos estudios de investigación en Short Rrotation Woody Crops) [31,41,43,73] coinciden en sus conclusiones que tanto como la especie, clon, edad y sitio influyen en diferente medida, en la relación entre el diámetro del tallo y su peso. Los resultados obtenidos en nuestro estudio, coinciden parcialmente con los obtenidos por Telenius y Verwijst [50], concluyendo en su investigación que no existieron diferencias significativas entre clones pertenecientes a la misma especie. Otros estudios desarrollados en el América del Norte [31] obtuvieron resultados similares con respecto a la relación entre clones de la misma especie. Para desarrollar las diferentes relaciones alométricas resultantes en cada nivel de especificidad (específico, intermedio y general), se utilizaron 20 tallos (por clon y sitio) representativos del rango diametral, el cual fue previamente calculado tras la toma de diámetros empleados en la validación de los modelos de regresión obtenidos (como se ha señalado anteriormente). Hay que destacar que las relaciones alométricas calculadas trabajarán eficientemente, si los diámetros que se vayan a utilizar estén dentro de los rangos diametrales similares a los establecidos intencionadamente a través de los 20 tallos seleccionados. Por ejemplo y para el caso particular del clon 9879 en Belleville, el rango diametral se sitúa entre 3,10 y 46 mm (véase tabla 4.3). Por lo tanto, si se utilizan diámetros que no estén dentro del rango indicado, la ecuación alométrica construida para este determinado clon no trabajará eficientemente. Generalmente los rangos diametrales obtenidos en Belleville fueron mayores con respecto a los obtenidos en Tully, dicha diferencia podría ser atribuida a diferentes registros de precipitación. Los valores correspondientes al diámetro mínimo medio se situaron alrededor de 3 mm aproximadamente, no se observó demasiada variación excepto para el clon 9871-31 con 9,13 mm de diámetro mínimo. En cuanto a diámetros máximos se observó una variabilidad mayor, destacando el clon 9980-005 (Belleville) resultando un valor máximo de 64,36 mm. Las diferencias en peso de aquellos clones con rangos diametrales similares se deben mayormente a las diferencias en la densidad de la madera, la cual varía según clon. El resultado del test de outliers, modificó el rendimiento de los modelo de regresión propuestos. Se observó que los diámetros más pequeños estaban modificando el intercepto y/o pendiente de la recta, causando en algunos casos particulares, una débil influencia del efecto sitio. El criterio se estableció de manera subjetiva. En un principio, se pensó que estos diámetros pequeños no afectarían por el hecho de constituir una ínfima cantidad de la biomasa total a cosechar. Siguiendo el criterio establecido decidimos eliminar los puntos



119

conflictivos (ver tabla 4.4). En futuras investigaciones, se debería de reconsiderar la opción de no inclusión de diámetros pequeños (<6 mm), en la construcción de las ecuaciones alométricas, debido a la influencia negativa que tienen sobre los resultados. Como se ha indicado anteriormente, la cantidad de biomasa aportada por estos pequeños tallos es muy poco representativa en la cantidad total por dos razones principalmente: 1) tienen pequeñas dimensiones y 2) la mayoría de estos diámetros mueren y sufren cambios en las propiedades de la madera (densidad). Por lo tanto, desde nuestro punto de vista práctico y del selvicultor o gestor de cultivos energéticos, se recomienda no incluir la medición de diámetros menores a 6 mm, cuando se pretende calcular la biomasa con el fin de establecer el último año del turno de cosecha. La estimación de biomasa en cultivos energéticos de corta rotación, requiere un consumo de tiempo considerable y coste elevado, específicamente cuando dichos cultivos están compuestos por numerosos clones (el tamaño mínimo recomendado de clones por plantación es de 5). La justificación principal del presente estudio, fue precisamente establecida por el elevado tiempo a consumir y coste que hay que invertir para realizar este tipo de trabajos a una escala real de negocio. Por ello, se investigó el grado de precisión según niveles de especificidad de los datos de campo para estimar biomasa con el fin de establecer los turnos de corta. En nuestro estudio, se han detectado que para algunos clones (9884-34, 99113-012, 99201-007, 9970-036, 9980-005 y SX61) existe efecto sitio, coincidiendo parcialmente con los resultados de las investigaciones citadas anteriormente. El grado de influencia del sitio en nuestro estudio fue ínfimo, obteniendo valores referentes a la suma de cuadrados parcial muy bajos. A demás los coeficientes de determinación y coeficientes de variación no sufrieron cambios a considerar, siendo en la mayoría de los casos casi igual (véase tabla 4.5). Tras la detección de que el efecto sitio no es significativo desde nuestro punto de vista práctico (selvicultor y/o gestor de cultivos energéticos), los costes y tiempo a consumir para desarrollar estas tareas se reducen en nuestro caso a la mitad, debido a que nuestro estudio se ha desarrollados en dos localizaciones diferentes en Central New York (USA). En cuanto al nivel de especificidad intermedio, en el cual se estudió si existen diferencias significativas entre clones del mismo grupo a la hora de construir modelos de regresión para calcular las estimaciones de biomasa. Los resultados coincidieron parcialmente con numerosas investigaciones [50,72]. Se observaron diferencias significativas entre clones del mismo grupo, pero del mismo modo que ocurre en el nivel específico, dichas diferencias no son lo suficientemente relevantes para considerar que hay que usar un determinado modelo de regresión para cada clon.



120

Por lo tanto, se recomienda utilizar un modelo único para cada grupo y no para clon, de este modo no estamos comprometiendo el resultado final y a la vez se consigue en un ahorro importante en cuanto a tiempo y costes derivados de la realización de estos trabajos de prospección de la productividad. Finalmente, sobre el nivel general, hay que destacar que se encontraron diferencias significativas por parte de los grupos 1 (99113-012 y 99239-015) con p<0,0001 y 5 (94001 y 9984-034) con p=0,0033 y clon SX61 con p<0,0001 (véase tabla 4.7).

Para validar los modelos finalmente seleccionados se calcularon los porcentajes de error entre la biomasa estimada por los modelos de regresión calculados y la biomasa real obtenida tras los pesajes de biomasa, todo ello se realizó para cada clon según nivel de especificidad (específico, intermedio y general). Todos los valores (% error) se situaron por debajo de 10%, siendo la mayoría de los casos <5% (véanse las figuras 4.15, 4.16, 4.17).

En la mayoría de casos los mejores resultados fueron los obtenidos en el nivel específico e intermedio. Tras el análisis de los resultados obtenidos, se recomienda el uso de las ecuaciones calculadas en el nivel intermedio desestimando los posibles efecto sitio que se puedan dar para el caso particular de algunos clones. Por otro lado se desestima el uso de una ecuación única o general, debido a que los porcentajes de error se sitúan alrededor del 10%.



121

BIBLIOGRAFÍA CITADA, CAPÍTULO 5

[31] Cannell MGR. Physiological basis of wood production: a review. Scandinavian Journal of Forest Research. 1998:4:459– 490 [38] Cannell MGR, Sheppard LJ, Milne R. Light use efficiency and woody biomass production of poplar and willow. Forestry 1988:61 (2):125 – 136 [41] Dickmann DI, Michael DA, Isebrands JG, Westin S. Effects of leaf display on light interception and apparent photosynthesis on two contrasting Populus cultivars during their second growing season. Tree Physiology. 1990:7:7 – 20 [43] Green SD, Kruger EL, Stanosz GR, Isebrands JG. Light-use efficiency of native and hybrid poplar genotypes at high levels of intracanopy competition. Canadian Journal of Forest Research. 2001:31:1030– 1037 [45] Weber JC, Stettler RF, Heilman PE (1985) Genetic variation and productivity of Populus trichocarpa and its hybrids. I. Morphology and phenology of 50 native clones. Canadian Journal of Forest Research 15:376– 383 [46] Tharakan PJ, Volk TA, Abrahamson LP, Nowak CA. Morphological traits of 30 willow clones and their relationship to biomass production. Can. J. For. Res. 2005;35:421–431 [50] Verwisjt T, Telenius B. Biomass estimation procedures in short rotation forestry. Forest Ecology and Management, 1999;121 (1-2), pp 137-146 [66] Bullard MJ, Mustill SJ, Carver P, Nixon PMI. Yield improvements through modification of planting density and harvest frequency in short-rotation coppice Salix sp. Resource capture and use in two morphologically diverse varieties. Biomass and Bioenergy 2001;22:27 – 39 [67] Tharakan PJ, Volk TA, Nowak CA, Ofez GJ. Assessment of Canopy Structure, Light Interception, and Light-use Efficiency of First Year Regrowth of Shrub Willow (Salix sp.). Bioenergy Research 2008;1:229– 238 [68] Leuning R, Wang YP, Cromer RN. Model simulations of sp ecial distribu tions and daily totals of photosynthesis in Eucalpytus grandis canopies. Ecologia. 1998:88:494– 503 [69] Pearcy R, Valladares F. Resource acquisition by plants: the role of crown architecture. In: Press MC, Scholes JD, & Barker MG (ed) Physiological Plant Ecology. Proceedings of the 39th Symposium of the British Ecological Society, University of York, 7 –



122

9th September 1998, Blackwell Science, Oxford, UK. 1998:pp 45 –66 [70] Kopinga J, van der Burg J. Using soil and foliar analysis to diagnose the nutritional status of urban trees. Journal of Arboriculture. 1995:21(1):17– 24 [71] Landsberg JJ, Prince SD, Jarvis PG, McMurtrie RE, Luxmoore R, Medlyn BE. Energy conversion and use in forests: the analysis of forest production in terms of radiation utilization efficiency. In: Gholz, HL Nakane, K & Shimoda, H Kluwer (ed) Academic Press, Dordrecht, The Netherlands. 1996:pp 273– 298 [72] Kiernan BD, Volk TA, Tharakan PJ, Nowak CA, Phillipon S, Abrahamson LP, White EH. Clone- site testing and selections for scale-up plantings, Final report, prepared for the U.S. Departament of Energy under cooperative agreement No. DE-FC36-96GO10132. Short roration woody crops program at SUNY-ESF. Syracuse, 2003:67 pp [73] Arevalo BM. C, Volk TA, Bevilacqua E, Abrahamson LP. Development and validation of aboveground biomass estimations for four Salix clones in central New York. Biomass and Bioenergy 31 (2007) 1 – 12

6. CONCLUSIONES.



123

6. CONCLUSIONES

En lo referente a la eficiencia del uso de la luz por parte de los quince clones de Salix

considerados, los clones SV1, SX61, SX64, 94001,9882-034, 99113-012,99239-015, 9879, 9980-005, 99217-015, 9871-031, 9970-036, 99201-007,99202-011,99207-018, plantados todos ellos en las condiciones que se han señalado en la memoria las conclusiones son las siguientes:

� La variación de la productividad de biomasa entre los clones estudiados está

relacionada a la cantidad de luz interceptada y a la eficiencia con la cual la luz interceptada fue convertida en materia seca.

� Los valores correspondientes a la eficiencia del uso de la luz fueron muy pequeños y por consiguiente los valores referentes al incremento de biomasa fueron del mismo modo pequeños. Una de las posibles razones que causan este hecho, podría radicar en la escasa precipitación registrada durante los meses de julio y agosto.

� El mayor incremento de biomasa fue producido, como era previsible ya que

las condiciones de luz, temperatura y humedad en el suelo lo podían predecir, entre los meses de junio y julio. Es cuando la mayoría de las especies arbóreas de esa zona de Estados Unidos presentan mayores productividades.

� Los clones que obtuvieron el mayor incremento de biomasa durante el periodo

estudiado, no fueron necesariamente los más productivos.

� Los 5 clones que obtuvieron una mayor productividad tienen aproximadamente 10-12 tallos por planta.

Este dato está relacionado, o puede estarlo, con otro parámetro importante como es el rendimiento de las máquinas empleadas para cosechar la biomasa.

� Las productividades de varios clones fueron las esperadas tras su selección y

mejora genética (10-12 tn m.s/(ha·año) ).

� La relación entre la productividad de biomasa y la fracción de Radicación Fotosinténticamente Activa (IPARf) es muy alta.



124

� La relativa importancia de las características foliares varían bajo condiciones ambientales alternativas, diferentes densidades y regímenes de competición.

� Las futuras investigaciones, relacionadas con la eficiencia del uso de la radiación luminosa, deberían estudiar los resultados de Eficiencia de Uso de la Luz (LUE) a lo largo de diferentes condiciones medioambientales (climas, suelos, etc.), densidades de plantación, eficiencia del uso del agua y sobre un completo ciclo de rotación.

Por su parte, en lo referente al desarrollo de ecuaciones alométricas para los quince

clones de Salix citados anteriormente, que fueron plantados todos ellos en las condiciones que se han señalado en la memoria las conclusiones son las siguientes:

� La técnica de estimación de la biomasa de sauce de manera no destructiva, a través del desarrollo de ecuaciones alométricas, es lo suficientemente precisa como para ser usada por los selvicultores y/o gestores de plantaciones energéticas a escala comercial.

� Una vez desarrollados y validados los modelos de regresión lineal para 15 clones de Salix sp. y para cada nivel de especificidad estudiados, se puede concluir que los niveles específico e intermedio, son los más recomendables para su uso.

� Se han detectado interacciones no relevantes en el factor sitio, por lo tanto no recomendamos realizar diferentes ecuaciones para un mismo clon en dos o más localizaciones ubicadas en Central New York, (Estados Unidos). De esta manera, el ahorro en tiempo y costes es considerable a una escala comercial del cultivo energético.

� Se han detectado diferencias significativas entre los clones que conforman un determinado grupo; pero del mismo modo que ocurre con en el nivel específico, se considera que dichas diferencias no son relevantes. Es por ello que se recomienda que se utilice una ecuación por grupo.

� Para todos los clones y todos los niveles de especificidad estudiados el porcentaje de error obtenido fue menor al 10%, situándose en su mayoría alrededor del 5% para el nivel específico y para e nivel intermedio.



125

Aparte de las conclusiones anteriores se realizan las siguientes recomendaciones:

� Si el propósito de estimar la biomasa está relacionado a un nivel de precisión equivalente a una investigación y no comercial, se recomienda la construcción de ecuaciones todos los años dentro del turno de rotación.

� En futuros estudios que se deben realizar, se recomienda ampliar el tamaño de la muestra a 30 varetas por clon, en lugar de las 20 usadas en el estudio. De este modo podremos utilizar 20 varetas para desarrollar las ecuaciones y el resto para validar los modelos de regresión obtenidos.

� No es operativo para el selvicultor tener que establecer parcelas de control para validar los modelos de regresión.

ANEXOS

Anexo 1. Estudio estadístico



127

ANEXO 1. ESTUDIO ESTADÍSTICO Análisis estadístico del estudio número 1: eficiencia del uso de la luz. Resultados ANOVA. Eficiencia del uso de la luz (LUE).

The GLM Procedure

Class Level Information

Class Levels Values Clone 15 9871-31 9879 9882-34 99113-012 99201-007 99202-011 99207-018 99217-015 99239-015 9970-036 9980-005 94001 SV1 SX61 SX64 Rep 4 1 2 3 4 Number of Observations Read 60 Number of Observations Used 60 Dependent Variable: LUE Sum of Source DF Squares Mean Square F Value Pr > F Model 17 1.68260829 0.09897696 2.26 0.0164 Error 42 1.84320529 0.04388584 Corrected Total 59 3.52581357 R-Square Coeff Var Root MSE LUE_Mean 0.477226 39.64667 0.209489 0.528391 Source DF Type I SS Mean Square F Value Pr > F Clone 14 1.26206426 0.09014745 2.05 0.0365 Rep 3 0.42054403 0.14018134 3.19 0.0331



128

Source DF Type III SS Mean Square F Value Pr > F Clone 14 1.26206426 0.09014745 2.05 0.0365 Rep 3 0.42054403 0.14018134 3.19 0.0331 LUE Calculations. t Tests (LSD) for LUE Alpha 0.05 Error Degrees of Freedom 42 Error Mean Square 0.043886 Critical Value of t 1.68195 Least Significant Difference 0.2492

Means with the same letter are not significantly different.

t Grouping Mean N Clone A 0.9086 4 99113-012 A B A 0.7228 4 9970-036 B A B A C 0.6970 4 SV1 B C B D C 0.5824 4 SX61 B D C B D C 0.5693 4 9980-005 B D C B D C 0.5276 4 FC185 B D C B D C 0.5124 4 9871-31 B D C B D C 0.4799 4 99202-011 B D C B D C 0.4796 4 9882-34 D C D C 0.4490 4 99207-018 D D 0.4271 4 99217-015 D D 0.4216 4 99201-007 D D 0.4138 4 SX64 D D 0.4011 4 99239-015 D D 0.3337 4 9879



129

Resultados ANOVA. Incremento biomasa

The GLM Procedure


Class Levels Values Clone 15 9871-31 9879 9882-34 99113-012 99201-007 99202-011 99207-018 99217-015 99239-015 9970-036 9980-005 94001 SV1 SX61 SX64 Rep 4 1 2 3 4 Number of Observations Read 60 Number of Observations Used 60 Dependent Variable: Increment Biomass Sum of Source DF Squares Mean Square F Value Pr > F Model 17 9717079.42 571592.91 2.43 0.0098 Error 42 9867151.15 234932.17 Corrected Total 59 19584230.56 R-Square Coeff Var Root MSE Increment Biomass Mean 0.496169 38.99866 484.6980 1242.858 Source DF Type I SS Mean Square F Value Pr > F Clone 14 7233521.118 516680.080 2.20 0.0248 Rep 3 2483558.298 827852.766 3.52 0.0229 Source DF Type III SS Mean Square F Value Pr > F Clone 14 7233521.118 516680.080 2.20 0.0248 Rep 3 2483558.298 827852.766 3.52 0.0229



130

Increment Biomass calculations t Tests (LSD) for Increment Biomass NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate. Alpha 0.05 Error Degrees of Freedom 42 Error Mean Square 234932.2 Critical Value of t 1.68195 Least Significant Difference 576.46 Means with the same letter are not significantly different. t Grouping Mean N Clone A 2181.6 4 99113-012 A B A 1665.6 4 9970-036 B A B A 1651.0 4 SV1 B B C 1361.5 4 SX61 B C B C 1350.3 4 9980-005 B C B C 1244.0 4 FC185 B C B C 1183.7 4 9871-31 B C B C 1136.0 4 9882-34 B C B C 1120.7 4 99202-011 C C 1040.0 4 99207-018 C C 1036.2 4 99217-015 C C 979.3 4 SX64 C C 954.2 4 99201-007 C C 943.2 4 99239-015 C C 795.6 4 9879



131

Resultados ANOVA. Análisis foliar. Nitrógeno

The GLM Procedure


Class Levels Values Clone 15 9879 9882-31 9882-34 99113-012 99201-007 99202-011 99207-018 99217-015 99239-015 9970-036 9980-005 94001 SV1 SX61 SX64 Rep 4 1 2 3 4 Number of Observations Read 60 Number of Observations Used 60 Dependent Variable: N Sum of Source DF Squares Mean Square F Value Pr > F Model 14 217.0883927 15.5063138 1.51 0.1470 Error 45 462.4958069 10.2776846 Corrected Total 59 679.5841996 R-Square Coeff Var Root MSE N Mean 0.319443 11.20803 3.205883 28.60345 Source DF Type I SS Mean Square F Value Pr > F Clone 14 217.0883927 15.5063138 1.51 0.1470 Source DF Type III SS Mean Square F Value Pr > F Clone 14 217.0883927 15.5063138 1.51 0.1470



132

The GLM Procedure Level of -----------------N----------------- Clone N Mean Std Dev 9879 4 28.1794500 4.17672971 9882-31 4 26.5156250 1.16888469 9882-34 4 31.1650250 6.34950713 99113-012 4 27.5109000 0.19528168 99201-007 4 29.6642000 1.47542022 99202-011 4 28.6866500 3.37994832 99207-018 4 29.7845000 1.62099158 99217-015 4 28.9628750 2.13178651 99239-015 4 30.3924750 1.09042974 9970-036 4 27.2307500 2.09002003 9980-005 4 26.8444500 3.10792721 FC185 4 31.6915500 5.17044803 SV1 4 30.9032000 1.48366811 SX61 4 25.4883750 4.78047832 SX64 4 26.0317000 2.68742976



133

Resultados ANOVA. Análisis foliar. Fosforo

The GLM Procedure

Class Level Information Class Levels Values Clone 15 9879 9882-31 9882-34 99113-012 99201-007 99202-011 99207-018 99217-015 99239-015 9970-036 9980-005 94001 SV1 SX61 SX64 Rep 4 1 2 3 4 Number of Observations Read 60 Number of Observations Used 60 Dependent Variable: P Sum of Source DF Squares Mean Square F Value Pr > F Model 14 3.14113238 0.22436660 5.21 <.0001 Error 45 1.93643904 0.04303198 Corrected Total 59 5.07757142 R-Square Coeff Var Root MSE P Mean 0.618629 8.932095 0.207442 2.322428 Source DF Type I SS Mean Square F Value Pr > F Clone 14 3.14113238 0.22436660 5.21 <.0001 Source DF Type III SS Mean Square F Value Pr > F Clone 14 3.14113238 0.22436660 5.21 <.0001 P calculations t Tests (LSD) for P NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate. Alpha 0.05 Error Degrees of Freedom 45 Error Mean Square 0.043032 Critical Value of t 2.01410 Least Significant Difference 0.2954



134

Means with the same letter are not significantly different. t Grouping Mean N Clone A 2.7702 4 99207-018 A B A 2.6884 4 SV1 B A B A C 2.5146 4 FC185 B A C B D A C 2.4914 4 99202-011 B D C B D E C 2.4430 4 SX64 B D E C F B D E C 2.4204 4 9882-34 F D E C F G D E C 2.3651 4 99201-007 F G D E C F G D E C H 2.2937 4 99239-015 F G D E C H F G D E C H 2.2725 4 9879 F G D E H F G D E I H 2.2112 4 9980-005 F G E I H F G E I H 2.1655 4 99217-015 F G I H F G I H 2.1423 4 9882-31 G I H G I H 2.0875 4 9970-036 I H I H 2.0313 4 99113-012 I I 1.9395 4 SX61



135

Resultados ANOVA. Análisis foliar. Potasio

The GLM Procedure

Class Level Information Class Levels Values Clone 15 9879 9882-31 9882-34 99113-012 99201-007 99202-011 99207-018 99217-015 99239-015 9970-036 9980-005 94001 SV1 SX61 SX64 Rep 4 1 2 3 4 Number of Observations Read 60 Number of Observations Used 60 Dependent Variable: K Sum of Source DF Squares Mean Square F Value Pr > F Model 14 575.9698528 41.1407038 7.64 <.0001 Error 45 242.4353517 5.3874523 Corrected Total 59 818.4052044 R-Square Coeff Var Root MSE K Mean 0.703771 14.42878 2.321089 16.08652 Source DF Type I SS Mean Square F Value Pr > F Clone 14 575.9698528 41.1407038 7.64 <.0001 Source DF Type III SS Mean Square F Value Pr > F Clone 14 575.9698528 41.1407038 7.64 <.0001 K calculations t Tests (LSD) for K NOTE: This test controls the Type I comparison wise error rate, not the experiment wise error rate. Alpha 0.05 Error Degrees of Freedom 45 Error Mean Square 5.387452 Critical Value of t 2.01410 Least Significant Difference 3.3057



136

Means with the same letter are not significantly different. t Grouping Mean N Clone A 22.972 4 9970-036 A A 21.766 4 SX64 B 18.132 4 SX61 B B 17.906 4 99113-012 B B 17.376 4 99217-015 B C B 16.723 4 9879 C B C B 16.012 4 9882-31 C B C B D 15.591 4 99207-018 C B D C B D 15.165 4 9980-005 C B D C B D 15.121 4 9882-34 C D C D 13.891 4 99239-015 C D C D 13.503 4 FC185 D D 12.488 4 99201-007 D D 12.355 4 SV1 D D 12.298 4 99202-011

ANEXOS

Anexo 2. Gráficos y tablas. Estudio nº 1.



137

ANEXO 2. GRÁFICOS Y TABLAS ESTUDIO Nº1 Ecuaciones alométricas. Modelo de regresión

y = 2,5764x - 2,0537

R² = 0,9768

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-9879

y = 2,6693x - 2,5629

R² = 0,9787

-1

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-9871-31

y = 2,5271x - 1,7698

R² = 0,9964

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-9882-34



138

y = 2,2896x - 1,0092

R² = 0,9794

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln D

ry W

eig

ht

(g)

Ln Diameter (mm)

biomass-99113-012

y = 2,4789x - 1,7678

R² = 0,9858

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln D

ry W

eig

ht

(g)

Ln Diameter (mm)

biomass-99201-017

y = 2,708x - 2,6683

R² = 0,9913

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln D

ry W

eig

ht

(g)

Ln Diameter (mm)

biomass-99202-011



139

y = 2,4402x - 1,7837

R² = 0,9749

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-99207-018

y = 2,7487x - 2,7743

R² = 0,9885

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-99217-015

y = 2,8217x - 2,895

R² = 0,9925

-1

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-99239-015



140

y = 2,6386x - 2,3444

R² = 0,9895

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-9970-036

y = 2,5113x - 1,8191

R² = 0,9933

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-9980-005

y = 2,488x - 1,559

R² = 0,9903

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-94001



141

y = 2,6702x - 2,1231

R² = 0,965

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Dry

We

igh

t (g

)

Ln Diameter (mm)

biomass-SV1

y = 2,7728x - 2,8779

R² = 0,9964

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln D

ry W

eig

ht

(g)

Ln Diameter (mm)

biomass-SX61

y = 2,5694x - 2,1423

R² = 0,9759

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln D

ry W

eig

ht

(g)

Ln Diameter (mm)

biomass-SX64



142

Productividad de biomasa

0

5

10

15

20

25

30

35

40

Junio Julio Agosto Septiembre

tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-9879

0

5

10

15

20

25

30

35

40

45

50


tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-9871-31

0

5

10

15

20

25

30

35

40


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35

40


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35

40


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35

40


tn (

m.s

)/h

a/

3 a

ño

s

Mes




143

0

5

10

15

20

25

30

35

40

45


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

10

20

30

40

50

60


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35

40

45

50


tn (

m.s

)/h

a/

3 a

ño

s

Mes


0

5

10

15

20

25

30

35

40


tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-94001

0

5

10

15

20

25

30

35

40

45


tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-SV1

0

10

20

30

40

50

60


tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-SX61

0

5

10

15

20

25

30

35


tn (

m.s

)/h

a/

3 a

ño

s

Mes

Productividad de biomasa-SX64



144

Fracción de radiación fotosintéticamente activa IPARf

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


9879

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


9871-31

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


9882-34



145

60

65

70

75

80

85

90

95%

ra

dia

ció

n i

nte

rce

pta

da

Fechas de medición


99113-

012

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


99201-

007

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


99202-

011



146

60

65

70

75

80

85

90

95%

ra

dia

ció

n i

nte

rce

pta

da

Fechas de medición


99207-

018

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


99217-

015

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


99239-

015



147

60

65

70

75

80

85

90

95%

ra

dia

ció

n i

nte

rce

pta

da

Fechas de medición


9970-

036

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


9980-

005

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


94001



148

60

65

70

75

80

85

90

95%

ra

dia

ció

n i

nte

rce

pta

da

Fechas de medición


SV1

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


SX61

60

65

70

75

80

85

90

95

%

rad

iaci

ón

in

terc

ep

tad

a

Fechas de medición


SX64



149

Análisis foliar

0

5

10

15

20

25

30

35

40

45

g/

kg

Clon

Contenido Ca en las hojas

0

1

2

3

4

5

6

7

8

9

g/

kg

Clon

Contenido Mg en las hojas

0

5

10

15

20

25

30

g/

kg

Clon

Contenido S en las hojas

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

g/

kg

Clon

Contenido Mn ppm en las hojas



150

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

g/

kg

Clon

Contenido Fe ppm en las hojas

0

0,005

0,01

0,015

0,02

0,025

0,03

g/

kg

Clon

Contenido Cu ppm en las hojas

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

g/

kg

Clon

Contenido B ppm en las hojas

0

0,05

0,1

0,15

0,2

0,25

g/

kg

Clon

Contenido Al ppm en las hojas



151

0

0,1

0,2

0,3

0,4

0,5

0,6

g/

kg

Clon

Contenido Zn ppm en las hojas

0

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

g/

kg

Clon

Contenido Na ppm en las hojas



152

Clon Rep N P K Ca Mg S Mn ppm Fe ppm Cu ppm B ppm Al ppm Zn ppm Na ppm 9879 1 32,11 2,35 14,50 29,14 1,79 3,67 0,058 0,055 0,005 0,052 0,016 0,029 0,0289879 2 27,29 1,93 17,35 33,79 1,71 4,21 0,067 0,057 0,005 0,062 0,022 0,070 0,0249879 3 30,63 2,32 17,71 26,61 1,78 4,58 0,109 0,163 0,006 0,057 0,017 0,053 0,0129879 4 22,69 2,49 17,34 30,51 1,36 2,77 0,064 0,241 0,005 0,039 0,019 0,098 0,014

9882-31 1 27,54 2,04 12,44 34,82 1,18 3,33 0,095 0,051 0,004 0,066 0,013 0,062 0,0169882-31 2 26,36 2,21 20,50 44,01 1,63 4,88 0,126 0,084 0,007 0,073 0,027 0,139 0,0169882-31 3 27,23 2,25 13,05 33,05 1,09 3,28 0,108 0,208 0,005 0,054 0,012 0,080 0,0129882-31 4 24,93 2,07 18,06 43,58 1,69 4,23 0,153 0,063 0,008 0,075 0,018 0,208 0,0109882-34 1 32,55 2,16 13,54 27,10 1,67 3,92 0,080 0,072 0,006 0,042 0,016 0,030 0,0209882-34 2 33,72 2,93 16,75 34,94 2,56 7,03 0,107 0,091 0,010 0,070 0,024 0,087 0,0329882-34 3 36,43 2,34 14,28 20,63 1,72 4,19 0,062 0,272 0,005 0,048 0,012 0,034 0,0149882-34 4 21,96 2,26 15,91 29,85 1,53 2,86 0,073 0,051 0,004 0,043 0,021 0,061 0,014

99113-012 1 27,49 2,10 20,16 26,65 1,75 3,85 0,050 0,066 0,005 0,078 0,020 0,047 0,02299113-012 2 27,57 2,06 16,46 24,75 2,14 4,01 0,129 0,072 0,005 0,078 0,020 0,065 0,01899113-012 3 27,26 1,94 16,55 22,94 1,89 3,54 0,060 0,254 0,006 0,062 0,020 0,047 0,02899113-012 4 27,73 2,02 18,45 31,01 1,34 4,60 0,120 0,063 0,007 0,072 0,019 0,061 0,01499201-007 1 31,59 2,23 10,58 20,42 1,59 3,85 0,089 0,058 0,005 0,056 0,019 0,042 0,01299201-007 2 29,35 2,06 13,53 21,14 1,32 3,81 0,099 0,064 0,005 0,048 0,023 0,047 0,01699201-007 3 28,01 2,32 13,48 20,14 1,16 3,70 0,086 0,088 0,005 0,048 0,013 0,060 0,01099201-007 4 29,72 2,85 12,36 20,87 1,41 4,31 0,123 0,051 0,007 0,054 0,016 0,112 0,01099202-011 1 29,97 2,47 10,90 23,42 1,69 5,15 0,083 0,072 0,004 0,043 0,027 0,029 0,01499202-011 2 31,23 2,67 14,34 19,00 1,19 4,06 0,060 0,051 0,004 0,036 0,014 0,031 0,01299202-011 3 29,84 2,64 12,56 23,84 1,78 6,34 0,167 0,170 0,006 0,036 0,015 0,050 0,01299202-011 4 23,71 2,19 11,39 30,91 1,56 3,58 0,087 0,053 0,005 0,043 0,022 0,070 0,01699207-018 1 30,49 2,93 13,79 22,99 1,77 4,15 0,084 0,062 0,005 0,058 0,019 0,054 0,01299207-018 2 31,50 2,93 16,49 23,76 1,80 4,79 0,084 0,072 0,006 0,059 0,023 0,074 0,02099207-018 3 27,70 2,42 14,41 24,44 1,14 4,22 0,061 0,108 0,004 0,060 0,014 0,033 0,01099207-018 4 29,45 2,80 17,67 21,78 1,42 4,80 0,225 0,056 0,006 0,060 0,017 0,056 0,01099217-015 1 29,86 2,01 13,97 23,91 1,31 4,50 0,079 0,049 0,004 0,057 0,014 0,024 0,01499217-015 2 29,49 2,25 18,07 29,81 1,58 6,20 0,087 0,083 0,006 0,058 0,025 0,034 0,02099217-015 3 30,65 2,27 19,81 28,19 1,59 7,16 0,113 0,181 0,006 0,068 0,021 0,047 0,03099217-015 4 25,85 2,14 17,67 29,35 1,03 6,24 0,124 0,058 0,004 0,069 0,021 0,032 0,01499239-015 1 31,32 2,17 13,59 19,88 1,43 4,06 0,083 0,070 0,006 0,059 0,014 0,030 0,01699239-015 2 30,70 2,26 15,22 27,02 1,78 4,49 0,116 0,170 0,006 0,066 0,021 0,083 0,02099239-015 3 30,74 2,62 13,95 24,54 1,93 5,07 0,092 0,166 0,006 0,058 0,024 0,049 0,01699239-015 4 28,81 2,13 12,80 21,69 1,73 4,22 0,134 0,062 0,006 0,058 0,019 0,059 0,0169970-036 1 25,65 2,03 19,00 24,42 0,95 4,43 0,075 0,049 0,005 0,047 0,014 0,068 0,0249970-036 2 28,54 2,18 26,63 30,72 0,97 4,15 0,081 0,117 0,005 0,054 0,020 0,073 0,0189970-036 3 29,47 2,19 26,14 27,82 1,82 5,69 0,274 0,157 0,007 0,051 0,019 0,118 0,0189970-036 4 25,26 1,95 20,12 36,52 1,25 5,32 0,238 0,054 0,006 0,072 0,020 0,111 0,0209980-005 1 28,85 2,08 14,07 32,97 1,47 4,18 0,065 0,060 0,003 0,050 0,019 0,019 0,0129980-005 2 26,99 2,20 15,11 36,62 1,52 5,39 0,066 0,376 0,005 0,050 0,024 0,034 0,0249980-005 3 29,13 2,37 16,72 30,79 1,45 4,43 0,074 0,062 0,006 0,048 0,016 0,050 0,0129980-005 4 22,41 2,20 14,76 38,21 1,37 4,05 0,071 0,055 0,006 0,046 0,022 0,077 0,032

FC185 1 37,68 2,59 11,16 23,28 2,27 4,62 0,043 0,066 0,003 0,049 0,012 0,022 0,016FC185 2 32,39 2,82 17,14 27,54 1,80 5,44 0,088 0,104 0,005 0,057 0,026 0,037 0,022FC185 3 31,63 2,30 14,36 20,77 2,40 5,89 0,068 0,242 0,006 0,059 0,020 0,037 0,016FC185 4 25,07 2,34 11,35 28,67 1,90 2,95 0,075 0,060 0,006 0,050 0,019 0,103 0,014SV1 1 30,84 2,55 11,19 22,46 1,88 3,83 0,068 0,057 0,004 0,048 0,017 0,037 0,016SV1 2 29,19 2,88 10,25 31,88 1,75 4,39 0,083 0,054 0,005 0,056 0,018 0,064 0,012SV1 3 32,82 2,58 14,96 26,11 1,82 6,56 0,054 0,224 0,008 0,069 0,031 0,072 0,026SV1 4 30,76 2,74 13,02 22,23 1,96 4,82 0,198 0,484 0,007 0,052 0,021 0,086 0,020SX61 1 30,75 2,03 16,08 28,39 1,34 3,91 0,079 0,059 0,005 0,068 0,017 0,046 0,012SX61 2 26,64 2,07 15,12 33,45 1,44 4,89 0,074 0,153 0,004 0,052 0,023 0,039 0,012SX61 3 19,20 1,85 20,76 37,60 0,63 3,15 0,055 0,140 0,005 0,070 0,021 0,111 0,014SX61 4 25,36 1,81 20,56 44,97 1,40 4,32 0,196 0,069 0,004 0,076 0,035 0,080 0,010SX64 1 28,95 2,65 18,87 29,86 1,26 4,69 0,088 0,072 0,006 0,058 0,036 0,088 0,010SX64 2 27,46 2,50 24,28 34,98 1,13 5,80 0,104 0,199 0,008 0,061 0,041 0,077 0,014SX64 3 24,77 2,17 22,77 35,84 0,84 6,58 0,127 0,507 0,006 0,063 0,107 0,041 0,018SX64 4 22,94 2,45 21,15 32,18 0,99 3,55 0,063 0,068 0,006 0,050 0,034 0,058 0,016

ANEXOS

Anexo 3. Modelos regresión simples.



153

ANEXO 3. MODELOS REGRESIÓN SIMPLES. ESTUDIO Nº2

1. NIVEL ESPECÍFICO

y = 2,60470x - 2,16718

R² = 0,9857

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln P

eso

se

co (

g)

Ln Diámetro (mm)

Nivel específico-9879

y = 2,5782x - 1,9692

R² = 0,9912

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel específico-9882-34

y = 2,5477x - 1,8584

R² = 0,9694

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel Específico-99113-012



154

y = 2,52404x - 2,06765

R² = 0,979

-1

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)


y = 2,4464x - 1,4282

R² = 0,9889

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so s

eco

(g)

Ln Diámetro (mm)

Nivel Específico-94001

y = 2,73648x - 2,55482

R² = 0,9786

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)




155

y = 2,7331x - 2,7513

R² = 0,9915

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)


y = 2,5406x - 2,0584

R² = 0,9814

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)


y = 2,7946x - 2,8473

R² = 0,9922

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Pe

so s

eco

(g)

Ln Diámetro (mm)




156

y = 2,6641x - 2,4144

R² = 0,9893

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)


y = 2,9152x - 3,2934

R² = 0,9784

-2

-1

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)


y = 2,5121x - 1,8878

R² = 0,9874

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)




157

y = 2,5964x - 1,9065

R² = 0,9803

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel Específico-SV1

y = 2,6822x - 2,545

R² = 0,9915

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel Específico-SX61

y = 2,624x - 2,2857

R² = 0,9876

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel Específico-SX64



158

2. NIVEL INTERMEDIO

y = 2,5844x - 2,0721

R² = 0,9727

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)

Nivel intermedio-Grupo 1

y = 2,63456x - 2,30392

R² = 0,9859

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5

Ln

Pe

so S

eco

(g

)

Ln Diámetro (mm)


y = 2,7594x - 2,8037

R² = 0,9832

-2

-1

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so s

eco

(g

)

Ln Diámetro (mm)




159

y = 2,64726x - 2,38770

R² = 0,9816

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5

Ln

Pe

so S

eco

(g

)

Ln Diámetro (mm)


y = 2,51002x - 1,69322

R² = 0,9912

0

1

2

3

4

5

6

7

8

0 1 2 3 4

Ln

Pe

so S

eco

(g

)

Ln Diámetro (mm)




160

3. NIVEL GENERAL

y = 2,6168x - 2,225

R² = 0,9762

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5

Ln P

eso

se

co (

g)

Ln Diámetro (mm)

Nivel General-Todos los clones incluidos

ANEXOS

Anexo 4. Acrónimos



161

ANEXO 4. ACRÓNIMOS

� ADABE: Asociación de Defensa de la Biomasa.

� ANOVA: Analysis of Variance.

� CEDER: Centro de Desarrollo de Energías Renovables.

� CIEMAT: Investigaciones Energéticas, Medio Ambientales y Tecnológicas.

� CIUDEN: Ciudad de la Energía.

� CSIC: Consejo Superior de Investigaciones Científicas.

� ETS: Escuela Técnica Superior.

� ETSI: Escuela Técnica Superior de Ingenieros.

� FAO: Food and Agriculture Organization.

� IEA: International Agency of Energy.

� IDAE: Instituto de la Diversificación y Ahorro de la Energía.

� INIA: Instituto Nacional de Investigaciones Agrarias.

� IPARF: Fraction of incoming Photosynthetically active radiation intercepted (%)

� IPART: Total incoming Photosynthetically active radiation intercepted (MJ/m2)

� IRTA: Investigación Rural de Tecnologías Agroalimentarias.

� LAI: Light Area Index

� LUE: Light Use Efficiency (g/MJ)

� Mtep: Millones de toneladas equivalente de petróleo.

� Mtoe: Millones de tonnes of oil equivalent

� PAR: Photosynthetically Active Radiation (µmol/m2s)



162

� PARA: Photosynthetically Active Radiation Above Canopy (µmol/m2s)

� PARB: Photosynthetically Active Radiation Below Canopy (µmol/m2s)

� PER: Plan de Energías Renovables

� PCS0: Poder Calorífico Superior anhidro

� PROC GLM: Programa General linear Model Procedures

� PROC REG: Regression Procedures

� RSU: Residuos Sólidos Urbanos.

� SAS: Statistical Analysis System.

� SRWC: Short Rotation Woody Crops.

� SRC: Short Rotation Coppice, Short Rotation Crops.

� SRIC: Short Rotation Intensive Culture.

� SUNY-ESF: State University of New York. College of Environmental, Science and

Forestry

Estudios de eficiencia en el uso de la luz y …oa.upm.es/14914/1/FRANCISCO_MARCOS_MARTIN.pdf ·...

Documents

Transcript of Estudios de eficiencia en el uso de la luz y …oa.upm.es/14914/1/FRANCISCO_MARCOS_MARTIN.pdf ·...