ArticlePDF Available

Modelo de producción de piña de Pinus pinea L en la comarca de Villaviciosa de Córdoba (Córdoba)

Authors:

Abstract and Figures

Se aborda el desarrollo de un modelo de producción de piña considerando diferentes parámetros dasonómicos, dasométricos y fisiográficos medidos en campo en los montes públicos de Cabeza Aguda, Las Parrillas y Cañadas del Névalo, en la comarca de Villaviciosa de Córdoba. Resultan ser el diámetro normal y la superficie de proyección de copa, las variables que muestran una mayor correlación con la producción en masas densas, lo que sin duda aporta criterios que facilitarán la futura gestión y manejo de estas masas forestales.
Content may be subject to copyright.
1.er Trimestre 2010 - N.o100
5
Eva Contreras Arribas1, Cristina Prades
López2, Rafael López Luque3y Ricardo
Martín de Almagro4
1Ingeniera de Montes. Dpto. Agronomía.
E.T.S.I.A.M. (Universidad de Córdoba).
o02coare@uco.es
2Dra. Ingeniera de Montes. Dpto. Ingeniería
Forestal. E.T.S.I.A.M. (Universidad de Córdoba)
3Dr. Ingeniero Agrónomo. Dpto. Física Aplicada.
E.T.S.I.A.M. (Universidad de Córdoba)
4Ingeniero de Montes. Delegación Medio
Ambiente. Córdoba
Se aborda el desarrollo de un modelo de producción de piña
considerando diferentes parámetros dasonómicos, dasométricos y
fisiográficos medidos en campo en los montes públicos de Cabeza
Aguda, Las Parrillas y Cañadas del Névalo, en la comarca de Villaviciosa
de Córdoba. Resultan ser el diámetro normal y la superficie de
proyección de copa, las variables que muestran una mayor correlación
con la producción en masas densas, lo que sin duda aporta criterios que
facilitarán la futura gestión y manejo de estas masas forestales.
R E S U M E N
Modelo de producción de piña de
Pinus pinea L. en la comarca de
Villaviciosa de Córdoba (Córdoba)
Modelo de producción de piña de
Pinus pinea L. en la comarca de
Villaviciosa de Córdoba (Córdoba)
Rodal de piñonero en Las Parrillas
1. INTRODUCCIÓN
A partir del año 1945 y durante
las décadas de los 50 y 60 se reali-
zaron numerosas repoblaciones en
Sierra Morena, tanto en terrenos
públicos como consorciados. Las
especies principales fueron Pinus
pinea, Pinus nigra, Pinus halepen-
sis y Eucaliptus sp., y todas ellas te-
nían como objetivo prioritario la
protección de los suelos ante la
erosión, debido a la abrupta oro-
grafía del terreno. De los pinos
mencionados únicamente el piño-
nero aparecía en masas naturales
en dos núcleos localizados en la
Sierra de Córdoba y en Villaviciosa
de Córdoba, según el Mapa Fores-
tal de España de 1996. En la actua-
lidad, estas masas ocupan una su-
perficie en la provincia de Córdoba
cifrada en 56.406 ha (MINISTERIO
DE MEDIO AMBIENTE, 1996) de
las cuales aproximadamente tres
cuartas partes (76,11%) son de pro-
piedad o dominio público (DUAR-
TE, 2001).
Con el objetivo de establecer la
potencialidad de estas masas y
aportar criterios que faciliten su
gestión y manejo, en este trabajo se
propone un modelo de producción
de piña, analizando los parámetros
dasonómicos, dasométricos y fisio-
gráficos que mayor influencia pue-
den tener en la producción.
Los antecedentes bibliográficos
son varios. CASTELLANI (1989) es-
tablece un modelo de producción
en función del diámetro normal, al-
tura del fuste y espesor de la copa,
para masas monoespecíficas de pi-
ñonero que clasifica, en función de
la densidad, en monte ralo y monte
denso, demostrando en su caso la
mayor productividad del monte ra-
lo.
BONAMINI y CHERUBINI (1988)
y MONTOYA (1990) proponen un
modelo para establecer la produc-
ción biológica o producción total
del árbol, en función del diámetro
normal, expresándola respectiva-
mente en número de piñas y kilos
de piña por árbol y año. La aplica-
ción de estos modelos a los montes
públicos de piñonero de la provin-
cia de Córdoba proporcionó resulta-
dos similares, con producciones
biológicas estimadas en 15.500.000
kg de piña según el modelo de
MONTOYA y 15.855.233 kg de pi-
ña según el modelo de BONAMINI
y CHERUBINI. Frente a esto, en el
decenio 1990-99 tuvo lugar una
producción comercial media de
490.583 kg de piña (PRADES et al.,
2005).
MONTERO et al. (2004) elaboran
tablas de producción de piña referi-
das a calidades de estación en la lla-
nura onubense, diferenciando ade-
más entre densidades de masa.
Más recientemente, CALAMA et
al. (2007) elaboran a priori un mo-
delo de producción según paráme-
tros dendrométricos y dasométricos,
para complementarlo con aspectos
climáticos y orográficos de la zona
de estudio. Finalmente engloban las
características mejor correlaciona-
das con la producción de piña en
un modelo de «tipo ecológico» en
el que incluyen la variable denomi-
nada «unidad ecológica» que une
los efectos del clima, suelo y oro-
grafía, al mismo tiempo que define
una estratificación ecológica del te-
rritorio.
Sin embargo la extrapolación de
estos modelos a los montes objeto
de estudio está condicionada por las
diferentes características de las ma-
sas, por lo que en este trabajo se
desarrolla un modelo de producción
específico para los montes públicos
de Cabeza Aguda, Las Parrillas y Ca-
ñadas del valo, en el término
municipal de Villaviciosa de Córdo-
ba.
1.er Trimestre 2010 - N.o100
6
Fig. 1.- Situación de las parcelas del muestreo en los montes en estudio
2. MATERIAL Y MÉTODOS
2.1. Descripción de los montes
Los montes se encuentran situa-
dos entre los 200 m, a orillas del
río Guadiato, y los 812 m del Cas-
tillo del Névalo, en una zona con
clima mediterráneo genuino, cáli-
do, menos seco y de inviernos cáli-
dos, tipo IV46, según el Atlas Fito-
climático de ALLUÉ ANDRADE
(1990). El pinar esta representado
casi en su totalidad por masas coe-
táneas y monoespecíficas de piño-
nero, disponiéndose entre ellas ma-
sas en mosaico de Pinus pinea y Pi-
nus pinaster, y en las zonas de
topografía más suave aparecen las
dehesas de encina y piñonero
(JUNTA DE ANDALUCÍA, 1996). El
monte Las Parrillas tiene una super-
ficie de 515 ha, de las que 228 es-
tán pobladas por piñonero; en Ca-
ñadas del Névalo, con 783 ha, son
329 las hectáreas ocupadas por es-
ta especie. El monte Cabeza Aguda
es el más representativo, con una
superficie de piñonero de 714 ha
sobre un total de 1.391 has, por lo
que es en esta zona donde se reali-
zaron la mayoría de los muestreos
(ver Fig. 1).
Además del aprovechamiento de
la piña, la caza mayor supone un
importante beneficio económico,
siendo otros aprovechamientos me-
nores pero de gran tradición en la
zona, el níscalo, la montanera y los
pastos.
2.2. Descripción del muestreo
El muestreo se ba en las si-
guientes consideraciones:
a) La ubicación de las parcelas vie-
ne impuesta por el propio apro-
vechamiento, situándose en los
rodales que estaban siendo re-
colectados en el momento en
que se efectuaba la salida al
campo.
b) Con el fin de disponer de un am-
plio rango de datos representati-
vo de la multiplicidad de formas
y dimensiones de los pies, se
procuró que las parcelas inclu-
yeran al menos cinco pies y se
midieron algunas parcelas no re-
colectadas.
c) Teniendo en cuenta la densidad
de la masa y la topografía del te-
rreno, el tamaño de la parcela
que se consideró más adecuado
fue de 15 m de radio.
d) El tamaño de la muestra analiza-
da fue de 260 árboles. Si se to-
man como referencia los mode-
los de CASTELLANI (1989) y BO-
NAMINI y CHERUBINI (1988)
en los que el número de pies
medidos para la construcción de
un modelo de producción de pi-
ña es de 150 y 101 pies respecti-
vamente, este tamaño de mues-
tra resulta suficiente para abor-
dar un estudio de este tipo.
2.3. Definición de variables
El conteo del número de piñas de
la cosecha 05-06 (nº piñas) se realizó
en el suelo, pie a pie, a medida que
la máquina vibradora o la cuadrilla
tiraban la piña. En pies no recolecta-
dos, se realizó un conteo visual de
las piñas de la misma cosecha.
Las variables dendrométricas me-
didas fueron: altura total (Ht) y altu-
ra del fuste (Hf), mediante hipsóme-
tro Suunto; diámetro normal (Dn)
utilizando una forcípula de brazo
móvil; y diámetros de copa N-S y E-
O, para el posterior cálculo de la su-
perficie de proyección de copa
(Sproy), utilizando una cinta métrica
flexible.
Se realizó un conteo del número
de pies por parcela estableciéndose
cinco clases de densidad, entre 0 y
25 pies, con intervalos de 5 puntos;
se anotó la exposición, distinguien-
do entre solana y umbría; y se mi-
dió la pendiente, clasificando las
pa rcelas según ci nco grupos de
pendiente, entre 0 y 25% con inter-
valos de 5 puntos.
2.4. Trabajo de campo
El aprovechamiento de la piña se
1.er Trimestre 2010 - N.o100
7
Vista de masas de piñonero en Cabeza Aguda Rama de piñonero con las tres cosechas
1.er Trimestre 2010 - N.o100
8
planificó y realizó de forma mecani-
zada, utilizando dos máquinas vibra-
doras (formadas por un tractor oruga
modelo V80 de 59 kW de potencia
máxima que incorpora un sistema
«vibro» con una apertura de hasta
500 mm y cuyo régimen de trabajo
se sitúa entre 800 y 2.000 rpm.) ex-
cepto en aquellas zonas en las que
debido a la pendiente, elevada den-
sidad o abundancia de matorral, fue
necesario recurrir al aprovechamien-
to tradicional mediante una cuadrilla
de piñeros.
La toma de datos en campo se
realizó durante los meses de febrero
y marzo, con la colaboración de los
Agentes de Medio Ambiente, y se
utilizó un GPS para la posterior loca-
lización de las parcelas.
2.5. Metodología estadística
Los datos obtenidos en campo se
estudiaron utilizando el paquete
estadístico SPSS 8.0. En primer lu-
gar, mediante un test de varianza
Anova y la prueba de Levene, se
analizó la homogeneidad de la
muestra respecto a la producción
de piña con el fin de determinar si
las variables densidad de masa,
pendiente del terreno y exposición
de la parcela introducen diferen-
cias que justifiquen la división de
la muestra en varios clusters, deter-
minados mediante la prueba de
contraste de Scheffe, que serían ob-
jeto de modelos independientes
mejorando la correlación entre
producción de piña y las variables
dendrométricas.
Tras realizar una descripción de
cada variable y analizar la relación
lineal entre ellas mediante diagra-
mas de dispersión, se planteó un
análisis de correlación entre todos
los pares potenciales de variables,
seleccionando aquellos que presen-
taran las correlaciones más fuertes y
examinándolos mediante el coefi-
ciente de correlación lineal de Pear-
son.
Finalmente, se ensayaron varios
tipos de modelos de regresión que
incluían las variables dendrométri-
cas mejor correlacionadas, obte-
niéndose los mejores resultados para
modelos de tipo lineal. Los modelos
con mayor poder explicativo fueron
validados para una serie de árboles
medidos en campo y extraídos de la
muestra previamente a la construc-
ción de los mismos.
3. RESULTADOS
3.1. Análisis de los datos
Se muestrearon un total de 260
pies distribuidos en 20 parcelas cuya
ubicación se indica en la figura 1.
Los resultados de la prueba de Le-
vene y el análisis de varianza Anova,
figuran respectivamente en las tablas
1 y 2.
La influencia de la exposición
sobre la producción de piña presen-
resultados contradictorios. La
prueba de contraste de Levene no
detectó diferencias significativas en-
tre grupos, sin embargo el análisis
Anova indicó una diferencia signifi-
cativa en la producción, para un ni-
vel de confianza del 99% entre um-
bría y solana. Con respecto a la
pendiente y la densidad, ambas
pruebas detectaron diferencias sig-
nificativas en la producción entre
clases, por lo que se aplicó a estas
variables la prueba de contraste de
Scheffe, descartándose la exposi-
ción debido a los resultados de los
test de homogeneidad ya mencio-
nados. La prueba de Scheffe agrupó
las parcelas en tres clases de pen-
diente con el siguiente intervalo: 0-
20%; 20-25%; >25%, pertenecien-
do el 86% de los árboles a la pri-
mer a cla se de pendi ente.
Análogamente, la agrupación de las
parcelas según densidad se realizó
en tres clases: parcelas de densidad
alta, con un número de pies entre
15-25; parcelas de densidad media,
con un número de pies entre 10 y
15; y parcelas de densidad baja,
con un mero de pies entre 5 y
10, correspondiendo a densidades
aproximadas de masa de 210-350
pies/ha, 140-210 pies/ha y 70-140
pies/ha, respectivamente.
El hecho de que dos de las clases
de pendiente incluyeran un número
muy reducido de árboles y que la
densidad fuera la variable que mos-
tró una mayor y más clara correla-
ción, en el análisis de varianza, con
la producción de piña, fueron los
motivos por los que finalmente se
decidió elaborar los modelos de
producción en función de la densi-
dad.
3.1.1. Parcelas de densidad alta
Para valorar la correlación exis-
tente entre variables se calcularon
los coeficientes de Pearson. Así, las
Variable Estadístico de Levene gl gl Sig.
Exposición 1,829 1 258 0,177
Pendiente 16,389 5 254 0,000
Densidad 18,369 3 256 0,000
Tabla 1.- Prueba de contraste de Levene
Variable Fuente Suma de df Cuadrado Fp
cuadrados medio
Entre grupos 1996,166 1 1996,166 7,444 0,007
Exposición
Dentro de grupos
69181,388 258 268,145
Total 71177,554 259
Entre grupos 23412,209 5 4682,442 24,900 0,000
Pendiente
Dentro de grupos
47765,345 254 188,053
Total 71177,554 259
Entre grupos 14409,270 3 4803,090 21,660 0,000
Densidad
Dentro de grupos
56768,284 256 221,751
Total 71177,554 259
Tabla 2.- Análisis de varianza Anova
variables Dn, Sproy y Ht mostraron
un alto grado de correlación con la
producción de piña, con valores del
coeficiente de correlación (R) de
0,773, 0,707 y 0,482 respectivamen-
te, para un nivel de significación del
99%. En cambio, la correlación de
Hf con la producción de piña no re-
sultó ser significativa.
Para analizar la correlación entre
dos variables, controlando el efecto
de las demás, se obtuvo la matriz de
correlación parcial, representada en
la tabla 3. Según dicho análisis, Dn
y Sproy resultan ser las variables más
correlacionadas con la producción
de piña con valores de R elevados
para un nivel de significación del
99%.
3.1.2. Parcelas de densidad media
Los resultados para las parcelas
de densidad media difirieron de los
obtenidos en el caso anterior. En es-
te caso las variables menos correla-
cionadas fueron Dn y Sproy y, en
cambio, Ht y Hf mostraron un alto
grado de correlación, con valores
del coeficiente de correlación (R) de
0,585 y 0,565 respectivamente, a un
99% de nivel de significación.
Para descartar posibles falsas re-
laciones se calculó la matriz de co-
rrelación parcial (tabla 4) que con-
firmó los resultados anteriores. Para
masas de densidad media, Ht y Hf
fueron las variables más correlacio-
nadas con el número de piñas del
árbol, a un nivel de significación del
95%.
3.1.3. Parcelas de densidad baja
Analizando la correlación total en
parcelas de baja densidad se conclu-
yó que Hf y Dn resultaron ser en es-
te caso las variables que mejor expli-
carían la producción, con valores
del coeficiente de correlación (R)
menores que en los análisis anterio-
res, de 0,467 y 0,389 respectiva-
mente, con un nivel de significación
del 95%.
Al eliminar el efecto que pudiera
ejercer cada variable sobre el resto
mediante la matriz de correlación
parcial (tabla 5), resultaron ser Hf y
Ht las variables más correlaciona-
das; sin embargo, para Ht la correla-
ción fue negativa.
3.2. Modelos de producción
Mediante el procedimiento de re-
gresión lineal, se elaboraron una se-
rie de funciones de las variables
dendrométricas que permitieran ex-
plicar o predecir el valor de la pro-
ducción de piña. Las variables deno-
minadas como «predictoras» para ta-
les modelos han sido las que en
cada caso hayan mostrado una me-
jor correlación con la producción de
piña. Para cada clase de densidad se
desarrollaron dos tipos de modelos:
1.er Trimestre 2010 - N.o100
9
Ramas de piñonero cargadas de piñas
Nº piñas Ht Hf Dn Sproy
Nº piñas 1,000
Ht -0,283** 1,000
Hf -0,068 0,210 1,000
Dn 0,573** 0,595** -0,003 1,000
Sproy 0,346** 0,193 0,109 0,224 1,000
** La correlación es significativa al 0,01 de nivel de confianza
Tabla 3.- Matriz de correlación parcial entre variables dendrométricas y
producción, en parcelas de densidad alta
Nº piñas Ht Hf Dn Sproy
Nº piñas 1,000
Ht 0,238* 1,000
Hf 0,230* 0,723** 1,000
Dn -0,197 0,207* -0,010 1,000
Sproy -0,224* 0,167 -0,329** 0,478** 1,000
* La correlación es significativa al 0,05 de nivel de confianza
** La correlación es significativa al 0,01 de nivel de confianza
Tabla 4.- Matriz de correlación parcial entre variables dendrométricas y
producción, en parcelas de densidad media
– Modelo tipo I:
y = cte + a.variable1.variable2
– Modelo tipo II:
y = cte + a.variable1 + b.variable2
Una vez obtenidos los distintos
modelos para cada clase de densi-
dad (tabla 6), se propusieron aque-
llos más fiables según el análisis, te-
niendo en cuenta el poder explicati-
vo de cada uno de ellos:
a) Para parcelas de densidad alta, el
modelo con mayor poder expli-
cativo introduce las variables
Dn, Sproy y Ht, con un R2de
0,667
b) En parcelas de densidad media,
el modelo que mostró mejores
resultados introduce las varia-
bles Ht y Hf, con un R2de
0,407
c) En el caso de parcelas de densi-
dad baja, el modelo con mayor
poder explicativo introduce las
variables Ht y Hf, pero siendo el
R2de 0,21%, se descarta su
bondad.
En resumen, los modelos obteni-
dos tienen un poder explicativo del
66%, 41% y 21% para densidades
altas, medias y bajas, respectivamen-
te.
3.3. Validación del modelo
La calidad general del modelo se
evaluó mediante el Error Medio Cua-
drático (RMS), que se calcula como
la raíz cuadrada de las desviaciones
entre los valores observados y los es-
1.er Trimestre 2010 - N.o100
10
Densidad Tipo Variable Variables R2
Modelo dependiente predictoras (%) Modelo
INº piñas Dn, Sproy 59 Nº piñas = -1,246 + 9,358·Dn·Sproy
Nº piñas Dn, Sproy, Ht 56
Alta
II Nº piñas Dn, Sproy 63 Nº piñas = -23,750 + 1,036·Dn + 0,143·Sproy
Nº piñas Dn, Sproy, Ht 66 Nº piñas = -18,004 + 1,388·Dn + 0,162·Sproy -2,064·Ht
INº piñas Ht, Hf 40 Nº piñas = -0,311 + 0,461 Ht·Hf
Media Nº piñas Ht, Hf, Sproy 27
II Nº piñas Ht, Hf 36 Nº piñas = -20,624 + 2,746·Ht + 3,235·Hf
Nº piñas Ht, Hf, Sproy 38
I Nº piñas Ht, Hf 19 Nº piñas = 11,478 + 0,431·Ht·Hf
Baja II Nº piñas Ht, Hf 21 Nº piñas = -7,421 + 0,561·Ht + 7,600·Hf
Tabla 6.- Modelos tipo I y tipo II, para cada clase de densidad
Método mecanizado de recogida de piña en el monte Cabeza Aguda durante la cosecha 2005/06
Nº piñas Ht Hf Dn Sproy
Nº piñas 1,000
Ht -0,442* 1,000
Hf 0,622** 0,862** 1,000
Dn 0,222 0,129 -0,188 1,000
Sproy 0,238 0,428* -0,367 0,718** 1,000
* La correlación es significativa al 0,05 de nivel de confianza
** La correlación es significativa al 0,01 de nivel de confianza
Tabla 5.- Matriz de correlación parcial entre variables dendrométricas y
producción, en parcelas de densidad baja
timados por el modelo, aplicado a
25 pies extraídos de la muestra pre-
viamente a la realización del análisis
estadístico. La tabla 7 refleja la bon-
dad del modelo para las parcelas de
densidad alta, con un RMS de 1,44,
siendo mayor el error para masas de
densidad media y baja.
La producción de piña de cada pie
obtenida mediante el modelo elabo-
rado, frente a la producción real me-
dida en campo, se presenta en la fi-
gura 2, para la clase de densidad alta,
para la que se han obtenido mejores
resultados a la hora de modelar la
producción. Se observa el buen ajus-
te del modelo a los valores medidos
en campo, para esta clase de densi-
dad, ya que en la regresión «observa-
dos = a + b.predichos», el parámetro
a se aproxima a 0 y el b a 1.
De la misma forma, se representa
en la figura 3 el mero de piñas
obtenido mediante el modelo para
árboles de un determinado diáme-
tro normal, y el número de piñas
real medido en campo en dichos
pies.
4. DISCUSIÓN
Los resultados del análisis esta-
dístico realizado muestran la densi-
dad como la variable que mayor in-
fluencia ejerce en la producción de
piña, resultado que coincide con la
propuesta de MONTERO (2004),
que elabora su modelo de produc-
ción de piña en función de la densi-
dad.
En lo que se refiere a las caracte-
rísticas dendrométricas del árbol, en
masas densas, el diámetro normal y
la superficie de proyección de copa
son las variables mejor correlacio-
nadas con la producción, de acuer-
do con los resultados obtenidos por
MONTOYA (1990) y BONAMINI y
CHERUBINI (1988). En el estudio
realizado por CUEVAS (2005) en los
mismos montes, aunque no se en-
contraron correlaciones significati-
vas, el diámetro normal fue la varia-
ble que explicaba mejor la produc-
ción.
1.er Trimestre 2010 - N.o100
11
Máquina vibradora incorporada a un tractor de
ruedas realizando una demostración de apeo de
piña en Cabeza Aguda, diciembre 2005
Modelo elaborado RMS
densidad alta 1,4418
densidad media 4,4949
densidad baja 17,9009
Tabla 7.- Error medio cuadrático para
cada uno de los tres modelos
aplicados a los 25 árboles extraídos
de la muestra para la validación
Fig. 2.- Ajuste entre producción real y estimada, para la clase de densidad alta
Producción modelo (piñas/árbol)
Fig. 3.- Comparación de los valores de producción reales y los obtenidos mediante el modelo elabora-
do, para la clase de densidad alta
Producción modelo (piñas/árbol)
En masas de densidad media,
la altura total y la altura del fuste
son las variables que muestran
una mayor correlación con la
producción; sin embargo, este re-
sultado se ha de tomar con reser-
vas, dados los bajos coeficientes
de correlación obtenidos y el es-
caso poder explicativo del mode-
lo obtenido para estas densida-
des. Si se aceptara la dependen-
cia de la producción respecto a la
densidad, el pequeño grado de
explicación para densidades me-
dias podría deberse a la menor
competencia entre árboles y, en
consecuencia, a una menor va-
rianza de las variables dendromé-
tricas, por lo que las diferencias
en la producción vendrían deter-
minadas por otras variables y, pa-
ra profundizar en la dinámica del
piñonero, sería necesario incor-
porar a los modelos de produc-
ción de piña otras variables oro-
gráficas, climáticas y de tipo eco-
lógico (CALAMA et al, 2007) y
aumentar el tamaño de la mues-
tra debido a la enorme variabili-
dad en la producción de piña.
Los modelos obtenidos para
densid ades altas son los que
muestran un menor error medio
cuadrático, y podrían ser de apli-
1.er Trimestre 2010 - N.o100
12
ALLUÉ ANDRADE, J. L.; 1990. Atlas Fitoclimático de España. Taxonomías. Ministerio de Agricultura, Pesca y Alimentación. INIA.
Madrid.
BONAMINI, G.; CHERUBINI, P.; 1988. La raccolta meccanica degli strobili di pino domestico (Pinus pinea L.): correlazioni con al-
cune caratteristiche dendrometriche degli alberi. Quaderni dell’Istituto di Assestamento e Tecnologia Forestale. Firenze. Vol 3, 18-35.
CALAMA, R.; GORDO, F. J.; MUTKE, S.; MONTERO, G.; 2007. An empirical ecological-type model for predicting stone pine (Pinus pi-
nea L.) cone production in the Northern Plateau (Spain). Forest Ecology Management. 14 pp.
CASTELLANI, C.; 1989. La produzione legnosa e del fruto e la durata del turno economico delle pinete coetanee di pino domestico
(Pinus pinea L.) in un complexo assestato a prevalente funzione produttiva in Italia. Annali dell’ Istituto Sperimentale per l’Asses-
tamento Forestale e per l’Alpicoltura. Trento. Vol. 12, 161-221.
CUEVAS, L.; PRADES, C.; MARTÍN DE ALMAGRO, R.; RABASCO, J.; 2005. Influencia de la Poda sobre la Producción de piña de Pi-
nus pinea L. en la Comarca de Villaviciosa de Córdoba. IV Congreso Forestal Español, Zaragoza, 26-30 septiembre. CD y libro de
resúmenes, 152.
DUARTE, R.; 2001. El aprovechamiento de la piña de Pinus pinea L. en las masas forestales de la provincia de Córdoba durante el
decenio 1990-1999. Proyecto fin de Carrera. Escuela Técnica Superior de Ingenieros de Agrónomos y Montes de Córdoba.
JUNTA DE ANDALUCÍA, 1996. Proyecto de Ordenación de los sistemas forestales del Grupo de Montes de Villaviciosa de Córdoba,
Córdoba, España.
MINISTERIO DE MEDIO AMBIENTE, 1996. Segundo Inventario Forestal Nacional, 1986-1995: Andalucía. Dirección General de
Conservación de la Naturaleza, Madrid, España.
MONTERO, G.; CANDELA, J. A.; RODRIGUEZ, A.; 2004. El pino piñonero (Pinus pinea L.) en Andalucía: Ecología, distribución y
selvicultura. Junta de Andalucía. Sevilla, España. 261 pp.
MONTOYA, J. M.; 1990. El pino piñonero. Agroguías Mundi-Prensa. Madrid, España.
PRADES, C.; CUEVAS, L.; RABASCO, J.; MARTÍN DE ALMAGRO, R.; DUARTE, R.; 2005. Producción biológica y comercial de la piña de
Pinus pinea L. en la provincia de Córdoba y estudio de la vecería. Montes, 82. 41-50.
B I B L I O G R A F Í A
Cuadrilla de piñeros recogiendo la piña ya apeada, febrero 2006
cación a las masas que se en-
cuentren en los dos últimos
periodos del turno, en las eda-
des naturales previas a la cor-
tas de diseminación. Este será
un factor más a considerar en
la elección de los métodos de
ordenación flexibles para las
masas de Sierra Morena, de-
biendo tener en cuenta la po-
sible conversión del actual
todo de ordenación por
cantones vigente a la ordena-
ción por tramo móvil.
Se hace necesario estable-
cer un modelo de producción
para cada zona o comarca, ya
que modelos desarrollados
para una zona determinada
son difícilmente extrapolables
a otros lugares, debido a la
gran variabilidad en la pro-
ducción de piña y a la multi-
tud de factore s genéti cos ,
dendrométricos, dasotri-
cos, fisiográficos y climáticos
que influyen en ella.
`
`
Piñas apiladas tras su recogida
ResearchGate has not been able to resolve any citations for this publication.
Conference Paper
Full-text available
En la provincia de Córdoba la superficie ocupada por Pinus pinea L, según el II Inventario Forestal Nacional, es de 56.406 Ha. En la actualidad, el aprovechamiento principal es la producción de fruto y se está poniendo de manifiesto la importancia de la piña en la economía forestal de la provincia, y en concreto, en el municipio de Villaviciosa de Córdoba, pero debido a la reciente entrada en producción de las masas, la selvicultura no está aún claramente definida. El objetivo de este trabajo es estudiar la influencia de la poda en la producción de fruto y analizar su relación con los principales parámetros dendrométricos del árbol, diámetro normal y superficie de proyección de copa. El estudio se ha desarrollado en tres montes ordenados de titularidad pública en Villaviciosa de Córdoba, donde se aplicaron podas de formación y/o de fructificación con diferentes criterios e intensidades. Los resultados establecen correlaciones significativas entre producción de piña-diámetro normal y producción de piña-superficie de proyección de copa, en determinadas zonas y montes, pero no de manera general. En dos de los tres montes estudiados se aprecia claramente que la producción es mayor en las zonas podadas, debido en parte al modelo de poda aplicado pero también a las propias características edafológicas y estado forestal de cada monte. P.C.: pino piñonero, tratamientos selvícolas, variables dendométricas, análisis estadístico, correlaciones, muestreo.
Article
Full-text available
En el presente trabajo se ha abordado el estudio de las masas de pino piñonero en la provincia de Córdoba desde el punto de vista de su capacidad productiva. Para ello se han manejado y diferenciado los conceptos de producción biológica y comercial de la piña de pino piñonero y se ha analizado la posibilidad científica de una pauta vecera que explique la variabilidad temporal de la productividad de esta especie.
Article
Data from a 10 year series of cone production taken from 755 trees were used to model individual cone production in stone pine (Pinus pinea L.) stands in the Northern Inland Plateau of Spain following three different approaches. The first step was the construction of a silvicultural model, including typical forest growth covariates as tree size, stand density, site index and distance independent competition indices. Remaining betweenplot variability was related with ecological attributes, as winter rainfall and altitude, resulting in a hybrid model. The third approach attempted to develop an ecological-type based model by considering a previous stratification of stone pine forests based on altitude, soil, geology and climate characteristics. The best model in terms of likelihood, bias and accuracy on predictions was the ecological-type one, producing unbiased marginal estimates for the main part of the territory with an efficiency reaching up to 39%. Due to the hierarchical structure of data set, proposed model was formulated as a multilevel mixed model. Stochastic formulation allows simulating cone production under different changing scenarios and describing real distribution of cone production within a given stand. Developed model constitutes the cone yield module for PINEA2, an integrated single tree model for the management of stone pine stands within the northern Plateau of Spain.
Atlas Fitoclimático de España. Taxonomías. Ministerio de Agricultura, Pesca y Alimentación
  • J L Allué Andrade
ALLUÉ ANDRADE, J. L.; 1990. Atlas Fitoclimático de España. Taxonomías. Ministerio de Agricultura, Pesca y Alimentación. INIA. Madrid.
La raccolta meccanica degli strobili di pino domestico (Pinus pinea L.): correlazioni con alcune caratteristiche dendrometriche degli alberi. Quaderni dell'Istituto di Assestamento e
  • G Bonamini
  • P Cherubini
BONAMINI, G.; CHERUBINI, P.; 1988. La raccolta meccanica degli strobili di pino domestico (Pinus pinea L.): correlazioni con alcune caratteristiche dendrometriche degli alberi. Quaderni dell'Istituto di Assestamento e Tecnologia Forestale. Firenze. Vol 3, 18-35.
El aprovechamiento de la piña de Pinus pinea L. en las masas forestales de la provincia de Córdoba durante el decenio 1990-1999. Proyecto fin de Carrera
  • R Duarte
DUARTE, R.; 2001. El aprovechamiento de la piña de Pinus pinea L. en las masas forestales de la provincia de Córdoba durante el decenio 1990-1999. Proyecto fin de Carrera. Escuela Técnica Superior de Ingenieros de Agrónomos y Montes de Córdoba.
Proyecto de Ordenación de los sistemas forestales del Grupo de Montes de Villaviciosa de Córdoba
  • Junta De Andalucía
JUNTA DE ANDALUCÍA, 1996. Proyecto de Ordenación de los sistemas forestales del Grupo de Montes de Villaviciosa de Córdoba, Córdoba, España.
Segundo Inventario Forestal Nacional, 1986-1995: Andalucía. Dirección General de Conservación de la Naturaleza
  • Ministerio De
  • Ambiente
MINISTERIO DE MEDIO AMBIENTE, 1996. Segundo Inventario Forestal Nacional, 1986-1995: Andalucía. Dirección General de Conservación de la Naturaleza, Madrid, España.