Efecto del clareo y sus residuos sobre la emisión de gases de efecto invernadero en suelos de pinar y robledal del Parque Nacional de Sierra Nevada

Efecto del clareo y sus residuos sobre la emisión de gases de efecto invernadero en suelos de pinar y robledal del Parque Nacional de Sierra Nevada Máster en Geofísica y Meteorología Trabajo fin de máster (2021/2022) Universidad de Granada Ángela Lucía Valverde Amor Tutora: Penélope Serrano Ortiz (Universidad de Granada) Mentor: Sergio Aranda Barranco (Universidad de Granada) 2 Agradecimientos Quiero agradecer la ayuda a mi tutora Penélope Serrano y a Sergio Aranda que siempre que lo he necesitado han estado ahí para guiarme y enseñarme. A Daniel Agea por acompañarnos en las campañas de medida y ayudar en todo lo posible. A mis amigos, en especial a Inés, Juanmi y Tony por este año de máster y mucho más. Y a mis padres por apoyarme en todo lo que hago. This work was supported by the projects “LifeWatch-2019-10-UGR-01 (SMARTECOMOUNTAINS)” co-funded by the Ministry of Science and Innovation through the FEDER funds from the Spanish Pluriregional Operational Program 2014-2020 (POPE), LifeWatch-ERIC action line and “RNM-60-UGR20 (OLEAGEIs)” funded by FEDER/Junta de Andalucía-Consejería de Transformación Económica, Industria, Conocimiento y Universidades. 3 ÍNDICE Lista de acrónimos ………………………………………………………………….. 4 Resumen …………………………………………………………………………….. 5 1. Introducción ……………………………………………………………………. 6 2. Objetivos ...……………………………………………………………………....8 3. Metodología …………………………………………………………….……….8 3.1 Área de estudio …..…………………………………………………………..8 3.2 Instrumentación y software ………………………………………………...10 3.3 Corrección por dilución del vapor de agua ...………………………………16 3.4 Cálculo del flujo ……………….…………………………………………...17 3.5 Análisis estadístico………………………………………………………….18 4. Resultados …………………………………………………………………….. 20 4.1 Efecto del tratamiento aplicado sobre los flujos de carbono, temperatura y humedad de suelo ………………………………………………………………20 4.2 Variabilidad estacional de flujos de suelo de CO2 y CH4 ………………… 23 4.3 Relación entre los flujos de carbono y otras variables ……………………. 26 5. Discusión ……………………………………………………………………… 28 6. Conclusiones ………………………………………………………………….. 31 7. Referencias ……………………………………………………………………. 31 4 Lista de acrónimos y símbolos ANOVA: Analysis of Variance CH4: metano CO2: dióxido de carbono PVC: policloruro de vinilo 𝑅2: coeficiente de correlación 5 Resumen La respiración del suelo de los ecosistemas forestales es un factor muy importante al estar relacionada con la emisión de gases de efecto invernadero a la atmósfera, proceso clave en el cambio climático que sufrimos actualmente en todo el planeta. Los trabajos de clareo que a menudo se llevan a cabo para mejorar la calidad de los bosques, suelen tener gran impacto en los flujos de carbono. En el presente trabajo estudiamos como esta actividad influye en los flujos de CO2 y CH4 a escala de suelo en dos ecosistemas forestales mediterráneos: un pinar y un robledal situados dentro del Parque Nacional de Sierra Nevada. La toma de medidas tuvo lugar entre marzo y junio de 2022 mediante métodos de cámara, con los que también se registraron medidas de humedad y temperatura de suelo. De esta forma, se ha podido comprobar que, dejar sobre el suelo de pinar restos procedente de la tala o retirarlos, no tiene efecto significativo sobre los flujos de carbono. En cambio, en el robledal sí aparecen diferencias significativas entre un suelo cubierto por hojarasca y un suelo desnudo donde se retiraron ejemplares que crecían de forma asexual. Para el procesado de datos se ha hecho uso del software SoilFluxPro, además del software R para el análisis estadístico de los mismos. Abstract Soil respiration in forest ecosystems is a very important factor as it is related to the emission of greenhouse gases into the atmosphere, a key process in the climate change that we are currently experiencing throughout the planet. Thinning, which are often carried out to improve the quality of forests, often have a large impact on carbon fluxes. In the present work we study how this activity influences the fluxes of CO2 and CH4 at soil scale in two Mediterranean forest ecosystems: a pine forest and an oak forest located within the Sierra Nevada National Park. Data set were taken between March and June 2022 by camera methods, with which soil humidity and temperature data were also recorded.Thus, it has been possible to verify that leaving remains from logging on the floor of the pine forest or removing them does not have a significant effect on carbon fluxes, on the other hand, in the oak grove, significant differences do appear between a soil covered by leaf litter and a bare soil where specimens that grew asexually were removed. For data processing, “SoilFluxPro” software has been used, in addition to the “R” software for statistical analysis. 6 1. Introducción En la actualidad contamos con un escenario de calentamiento global sin precedentes, debido al aumento de gases de efecto invernadero, como el dióxido de carbono (CO2) y el metano (CH4) que se emite a la atmósfera (Core Writing Team et al., 2014). Estos gases, absorben y reemiten gran parte de la radiación infrarroja que emite la superficie terrestre de nuestro planeta, produciendo un incremento de la temperatura global. Aunque el aumento de estas emisiones en gran parte tiene su origen en la actividad antropogénica, los procesos de respiración del suelo contribuyen a este aumento de gases de efecto invernadero. La respiración del suelo engloba la respiración autótrofa de las raíces de las plantas y la respiración heterótrofa de los microbios y organismos (Bond-Lamberty et al., 2004). A través de ella, se expulsa a la atmósfera CO2 (CH4 bajo condiciones de anoxia). La respiración del suelo constituye una componente esencial del ciclo del carbono a escala de ecosistema, por ello se considera una variable clave que permite estudiar los bosques tanto desde el punto de vista de su crecimiento, como de sus respuestas al cambio climático (Gower, 2003). La temperatura y la humedad del suelo parecen ser las principales variables ambientales responsables de la variación temporal de la respiración del suelo. Normalmente, las temperaturas más altas se asocian a mayores tasas de respiración. Sin embargo, las interacciones entre la temperatura y la humedad del suelo son bastante complejas y aún poco conocidas (Azizi-Rad et al., 2022). En menor medida, influyen los cambios locales de presión debido al viento o el desplazamiento volumétrico de la lluvia, ya que desplazan los gases desde los lugares de producción a la atmósfera, aunque principalmente estos se mueven por los poros y grietas llenas de aire del suelo (Using the Smart Chamber. Soil Gas Flux Survey Chamber, 2021). Por otro lado, también afecta el tipo de vegetación, ya que determina la calidad y la cantidad de hojarasca depositada en el suelo y la actividad de las raíces (Morote et al., 2022). De la misma manera que el CH4 es emitido hacia la atmósfera, por procesos de respiración en condiciones de anoxia fundamentalmente, algunos tipos de suelo se caracterizan por la capacidad de absorber este gas. Estudios han demostrado que hay suelos semiáridos actuando como sumideros de CH4 durante todo el año, incluso en épocas con un alto contenido de agua en terreno, y que la captación de este gas tiene una fuerte dependencia con la temperatura del suelo (Chen et al., 2010). Los estudios centrados en flujos de gases de suelo son, hoy en día, muy necesarios ya que el calentamiento global altera el régimen de precipitaciones y temperaturas, lo que podría modificar la composición actual de las especies forestales y, por tanto, la respiración del suelo (Morote et al., 2022). Asimismo, actividades de origen antropogénico, como la tala y el manejo de los residuos forestales, pueden tener también un impacto significativo en estos flujos de gases que se emiten a la atmósfera, y por tanto alterar las reservas de carbono de los ecosistemas forestales que tanto influyen en el cambio climático. 7 Esta situación la podemos encontrar dentro del Parque Nacional de Sierra Nevada, que forma parte de la cordillera Penibética, extendiéndose desde el sudeste de Granada hasta el extremo occidental de Almería (Junta de Andalucía. Consejería de agricultura, n.d.). Con más de 2000 especies vegetales, la diversidad biológica es el principal valor ecológico de Sierra Nevada (Sierra Nevada. Diversidad Biológica, n.d.). En zonas de media montaña aparecen formaciones boscosas como robledales (Quercus pyrenaica) o pinares (Pinus sylvestris o pino albar nevadense) en los que frecuentemente se llevan a cabo procesos de tala o de retirada de alguno de sus ejemplares. El pino silvestre o albar es una especie de montaña que podemos encontrar hasta a 2000 metros de altitud en la Península Ibérica, alcanza hasta 40 metros de altura, forma bosques en laderas poco húmedas y presenta gran capacidad para entrar en el terreno de otras especies u ocupar espacios vacíos tras una tala (de Cara García, 2004). Por otro lado, el robledal (Quercus pyrenaica) tiene una alta capacidad de rebrote (especialmente de raíz), alcanza una altura de hasta 18 metros y es caducifolio, aunque no desprende sus hojas secas hasta que no aparece el brote de las nuevas (Valbuena-Carabaña & Gil, 2014). Las transformaciones históricas que han sufrido los bosques españoles han afectado a las especies que estamos comentando. En Sierra Nevada, después de un intenso aprovechamiento de robledales de Quercus pyrenaica, la actividad humana sobre estos bosques ha disminuido en las últimas décadas provocando una degradación que se refleja en un estancamiento del crecimiento o en una escasez de la fructificación (ValbuenaCarabaña & Gil, 2014). Precisamente la regeneración asexual continuada está detrás de esta última consecuencia y es por ello por lo que a veces se procede a retirar el robledal que crece de forma asexual (por rebrote de la raíz) (ValbuenaCarabaña & Gil, 2014). El efecto de este manejo sobre la respiración del suelo es aún desconocido. Por otro lado, destacar la existencia de numerosas plantaciones forestales. Todas ellas se caracterizan por una alta densidad y a la vez pobre diversidad de árboles (Gómez-Aparicio et al., 2009). Esta situación la podemos encontrar en bosques de pino silvestre de Sierra Nevada. Estas plantaciones nacieron con la idea de recuperar la superficie forestal perdida a lo largo de miles de años por la explotación maderera y por la conversión a tierras agrícolas de esas zonas. Sin embargo, muchas de las iniciativas de reforestación no contaron con una buena supervisión posterior y no se logró con éxito el objetivo inicial. Figura 1. Robledal en el Parque Nacional de Sierra Nevada. Aparece una zona libre de robles junto a otra cubierta al fondo de la imagen. 8 Es por ello, por lo que se han llevado a cabo procesos de clareo, ya que aumentan la riqueza de las especies al bajar la competencia y al aumentar la disponibilidad de recursos (luz, agua y nutrientes), lo que permite a su vez, que persistan un mayor número de especies de sotobosque y conduce a crear plantaciones con densidades más naturales (Thomas et al., 1999). Nuevamente, el efecto de este manejo en la respiración de suelo está poco estudiado (Marañón-Jiménez et al., 2011) En nuestro caso, vamos a centrarnos en estudiar las relaciones que existen entre estos procesos de regeneración de ecosistemas forestales con valores de flujos de suelo de dióxido de carbono y metano, así como su relación con factores abióticos (como temperatura o humedad). 2. Objetivos La idea principal de este trabajo es analizar los flujos de CO2 y CH4 a escala de suelo en dos ecosistemas forestales distintos (pinar y robledal) en los que se han llevado a cabo procesos de regeneración. Para determinar los flujos utilizaremos métodos de cámaras. Estudiaremos la evolución de los flujos a nivel estacional, su dependencia con la temperatura y la humedad del suelo y analizaremos si existen o no diferencias entre distintos tratamientos aplicados. De esta forma, lograremos caracterizar ambos emplazamientos en cuanto su comportamiento como fuente o sumidero de gases de efecto invernadero. 3. Metodología 3.1 Área de estudio Para la toma de medidas de flujos de CO2 y CH4 nos hemos desplazado a dos ecosistemas forestales situados dentro del Parque Nacional de Sierra Nevada: una zona de pinar (36º57'16.9''N 3º18'04.5''W) en Pórtugos y un robledal (36º57′08.8′′N 3º25′51.3′′W) situado en Cáñar, municipios pertenecientes a La Alpujarra granadina. El clima en ambas zonas de estudio es de tipo mediterráneo con veranos cálidos y secos y precipitaciones concentradas en primavera y otoño (Junta de Andalucía. Consejería de agricultura, n.d.). Figura 2. Pinar en el Parque Nacional de Sierra Nevada. Se aprecia el clareo realizado en la parte inferior de la imagen. 9 Figura 3. Zona de estudio. Parque Nacional de Sierra Nevada (imagen superior). Áreas aproximadas de trabajo en el robledal (imagen inferior izquierda) y en el pinar (imagen inferior derecha). En primer lugar, se procedió a la instalación de tubos de PVC (de 20 cm de diámetro y 11 cm de alto) en ambos emplazamientos, a principios del mes de febrero de 2022. El área de suelo que estos engloben será la que analicemos. En el pinar disponemos de un total de 24 collares repartidos en seis parcelas, nueve de ellos con restos de tala (bajo rama), otros nueve al descubierto (suelo desnudo) y seis colocados justo debajo de los pinos (bajo pino). En el robledal contamos con 18 collares repartidos, de nuevo en seis grupos, nueve de ellos colocados cerca de los robles y cubiertos de hojarasca (suelo cubierto) y los restantes en zonas donde se había retirado el robledal previamente (suelo desnudo). Las campañas de medidas se han realizado cada dos semanas a partir del día 9 de marzo de 2022 hasta el 13 de junio de 2022, contando con ocho días de registros para ambos emplazamientos con los que vamos a realizar nuestro estudio. 16 ajuste lineal y exponencial, durante 110 segundos para un tubo de PVC instalado en suelo de pinar. Figura 12. Visualización del software Soil Flux Pro. Representación de la concentración de 𝐶𝑂2 frente al tiempo para un collar en suelo. Ajustes lineal y exponencial. Parámetros del ajuste. 3.3 Corrección por dilución del vapor de agua En la determinación de flujos de suelo de gases traza es importante considerar el efecto de dilución que provoca el vapor de agua ya que normalmente se miden en condiciones de aire húmedo (Harazono et al., 2015). Al medir con la cámara aparece una dilución del CO2 y CH4 causada por el vapor de agua que hay en el interior de la cámara, lo cual introduce incertidumbre en la precisión de las medidas del flujo de estos gases (Harazono et al., 2015). En nuestro caso, el analizador LI-7810 nos proporciona las concentraciones de los gases en aire seco, es decir, ya corregidas. No obstante, a continuación, vamos a ver la importancia de esta cuestión. El vapor de agua varía espacial y temporalmente, especialmente dentro de la capa límite y más sobre el suelo que sobre la capa superior de la vegetación. Por tanto, la concentración real del gas traza que estemos analizando se verá afectada por el cambio temporal o espacial de la concentración de H2O. En el interior de la cámara el vapor de agua aumenta debido a la evapotranspiración, aunque el plazo de medición sea corto, se registra una variación considerable. Como el nivel diluido del gas bajo estudio variará durante el tiempo de medida, esto inducirá error en el cálculo del flujo (Harazono et al., 2015). Definimos la concentración de un gas como la fracción molar del gas medido en aire húmedo y la proporción de mezcla si se mide en aire seco. Los flujos de gases se 17 determinan usando concentraciones medidas como proporción de mezcla, mientras que los gases trazas como el CO2 y CH4 son medidos en aire húmedo en la mayoría de los casos (𝐶𝑐 y 𝐶𝑚 respectivamente) por lo que se diluyeron de acuerdo con la concentración de vapor de agua 𝐶𝑣. Luego, para pasar a proporción de mezcla (𝐶′𝑐, 𝐶′𝑚) las concentraciones de los gases medidas en aire húmedo se aplican las siguientes ecuaciones a los dos gases traza (Harazono et al., 2015). 𝐶′𝑐=𝐶𝑐 1−𝐶𝑣 (1) 𝐶′𝑚=𝐶𝑚 1−𝐶𝑣 (2) Estos valores son los que directamente podemos observar en el software SoilFluxPro y por ello no es necesario aplicar desde ahí la corrección para eliminar el efecto de dilución que provoca el vapor de agua. 3.4 Cálculo del flujo Como hemos mencionado, la cámara inteligente, es la encargada de determinar los flujos de CO2 y CH4. Para ello, utiliza la siguiente expresión: 𝐹=10·𝑉·𝑃0·(1− 𝑊0 1000) 𝑅·𝑆·(𝑇0+273.15)·𝜕𝐶′ 𝜕𝑡 (3) Donde 𝐹 es la tasa de flujo del suelo del gas (μmol m−2s−1), 𝑉 es el volumen (cm3), 𝑃0 es la presión inicial (kPa), 𝑊0 es fracción molar inicial de vapor de agua (mmol mol−1), 𝑆 el área de suelo (cm2), 𝑅 es la constante universal de los gases, 𝑇0 la temperatura inicial del aire (°C) y 𝜕𝐶′ 𝜕𝑡 la tasa inicial de cambio de la fracción molar del gas habiéndosele aplicado previamente la corrección por la dilución del vapor de agua (μmol mol−1s−1) (‘Using the Smart Chamber. Soil Gas Flux Survey Chamber’, 2021). Dependiendo del comportamiento y la forma de los datos de la serie temporal, la tasa de cambio de la concentración de gas traza (dC'/dt) dentro de la cámara puede estimarse con una regresión lineal o un ajuste de curva exponencial (‘Using the Smart Chamber. Soil Gas Flux Survey Chamber’, 2021). En nuestro caso hemos trabajado con los valores de flujo estimados a partir del siguiente ajuste exponencial: 𝐶′(𝑡)=𝐶′∞+(𝐶′0−𝐶′∞)·𝑒−𝛼(𝑡−𝑡0) (4) Siendo 𝐶′(𝑡) la fracción molar instantánea corregida del gas, 𝐶′0 el valor inicial de 𝐶′(𝑡) justo cuando la cámara se cierra, 𝐶′∞ es la fracción molar corregida del gas si pasara un tiempo infinito, todo en 𝜇𝑚𝑜𝑙 del gas por 𝑚𝑜𝑙 de aire seco (𝜇𝑚𝑜𝑙 𝑚𝑜𝑙−1); 𝛼 es un parámetro que define la curvatura del ajuste y 𝑡0 representa el instante de tiempo en el que 𝐶′(𝑡0)=𝐶′0 (‘Using the Smart Chamber. Soil Gas Flux Survey Chamber’, 2021).La tasa de variación de la fracción molar del gas corregida por la dilución del vapor de agua y que es necesaria para determinar el valor del flujo, resulta: 18 𝜕𝐶′ 𝜕𝑡|𝑡=𝑡0=𝛼(𝐶′∞−𝐶′0) (5) Aún así, en nuestro caso, no tenemos que realizar este cálculo porque la propia cámara se encarga de ofrecernos los valores finales de flujo con los que trabajaremos. Los flujos de CH4 obtenidos a partir de ajustes exponenciales con un 𝑅2<0.82 en el pinar se han eliminado (30% del número total de flujos de CH4 registrados), por ello los días 22 de marzo, 7 de abril y 5 de mayo aparecen sin resultados ya que más de la mitad de las medidas de ese día se habían rechazado y los promedios no eran representativos. 3.5 Análisis estadístico Para estudiar el flujo de CO2 y CH4 hemos analizado las medidas registradas con un ANOVA (ANalysis Of VAriance) de una vía o de un factor (one-way or one-factor ANOVA). Se trata de una técnica estadística que permite comparar el efecto de uno o más factores sobre la media o la varianza de una variable dependiente de salida. Nos permite conocer si existen diferencias significativas entre los distintos tratamientos que se le puedan aplicar a nuestra variable dependiente. En nuestro caso, no aplicamos al suelo un tratamiento como tal pero sí hay diferencia en el lugar donde se instalan los collares. Por tanto, vamos a considerar que tenemos un “tratamiento” que será la “zona de colocación del collar” y dentro de él distinguiremos entre tres grupos o niveles (bajo rama (BR), suelo desnudo (SD), bajo pino (BP)) si nos encontramos en el pinar situado en Pórtugos o entre dos grupos (suelo cubierto (SC) y suelo desnudo (SD)) si estudiamos los flujos en el robledal de Cáñar. De esta forma, la idea es ver si existen diferencias significativas en los valores de flujo de suelo y otras variables ambientales de entre los diferentes grupos, en cada una de las zonas de estudio (Page et al., 2003). Para el análisis de varianza ANOVA, se han de cumplir tres suposiciones (Ojeda, 2007; Quinn & Keough, 2002): • Los distintos grupos de datos han de ser independientes. • Los residuos de cada grupo deben de tener una distribución normal. • Los grupos han de presentar varianzas iguales (homocedasticidad). Antes de aplicar el ANOVA de un factor debemos asegurarnos del cumplimiento de estas tres asunciones. Para comprobar la normalidad de los residuos aplicaremos el test de Shapiro-Wilk y para la homocedasticidad el test de Levene o el test de Bartlett. Se asume la independencia de los datos ya que se tuvo en cuenta a la hora de realizar las medidas en las distintas salidas a campo. Para asumir que nuestros datos son homocedásticos y normales, al realizarle las dos pruebas debemos de obtener un valor p de significancia mayor a 0,05 para cada una, si no, significaría que alguna de ella no se cumple (Quinn & Keough, 2002). Si no se cumplieran algunos de estos requisitos tendríamos que transformar la variable dependiente y realizar con ella las dos pruebas anteriores. Teniendo en cuenta que estamos trabajando con datos ecológicos, lo habitual es llevar a cabo una transformación logarítmica (Quinn & Keough, 2002): 19 𝑥′=log(𝑥) (6) Una vez hayamos comprobado que se cumplan las tres asunciones con la nueva variable, aplicamos el test de ANOVA a nuestros datos. Si obtenemos 𝑝< 0.05 se rechaza la hipótesis nula, es decir se rechaza la hipótesis de no efecto del tratamiento sobre los valores de flujo obtenidos y por tanto se considera que este sí influye. Si aparece 𝑝> 0.05, ocurre al contrario, se rechaza la hipótesis alternativa de sí efecto del tratamiento sobre el flujo (Quinn & Keough, 2002). Si queremos comparar tres o más grupos después de que el análisis de varianza nos haya indicado que el tratamiento aplicado afecta a nuestros datos medidos, tendremos que aplicar una prueba post-hoc o de comparación múltiple ya que el test ANOVA únicamente nos asegura si existe o no influencia del tratamiento sobre la variable dependiente que se estudia, pero no distingue entre que niveles se da esa significancia estadística que lleve al test de ANOVA a proporcionarnos dicho resultado (Page et al., 2003). En el caso de que alguna de las asunciones no se cumpla aun habiendo transformado la variable dependiente, no se podrá realizar el test de ANOVA y por tanto tendremos que acudir a una alternativa no paramétrica. La prueba de Kruskal-Wallis es no paramétrica en el sentido de que no asume que la distribución de los datos sea normal pero sí considera que las varianzas de los distintos grupos deben ser similares. No trabaja con los datos directamente, sino con rangos de estos (Hollander et al., 1999; Quinn & Keough, 2002). De manera análoga al ANOVA, a través del p valor podremos concluir si el tratamiento influye significativamente sobre la variable que estudiemos. Para complementar la información que nos proporcionan las pruebas estadísticas, haremos uso también de diagramas de caja para cada variable estudiada en las dos áreas de estudio. El análisis estadístico completo se ha realizado con el software R a partir de Rstudio. 20 4. Resultados 4.1 Efecto del tratamiento aplicado sobre los flujos de carbono, temperatura y humedad de suelo. La Figura 13 recoge los diagramas de caja de todas las variables analizadas en el pinar. En ella podemos observar que el rango de valores que abarcan las medidas en el pinar es prácticamente idéntico para los tres grupos ya que los cuartiles y los valores mínimos y máximos registrados para los flujos, la temperatura y la humedad de suelo, son prácticamente similares. Es decir, el tratamiento aplicado no produciría diferencias significativas entre los grupos de cada variable medida. Si es cierto que para la temperatura de suelo (Figura 13 c), los resultados no dejan duda de que el tratamiento no influye, pero en otros casos como en las medidas de flujo de CO2 (Figura 13 a), el resultado que nos proporciona el diagrama de cajas no es concluyente. a) b) c) d) Figura 13. Diagramas de caja para las variables medidas en el pinar (Pórtugos). Respuesta del a) flujo de 𝐶𝑂2 (𝐹𝐶𝑂2)emitido por el terreno al tratamiento, b) flujo de 𝐶𝐻4 (𝐹𝐶𝐻4)emitido por el suelo, c) temperatura y d) humedad del suelo. El tratamiento está formado por tres grupos que hacen referencia a la zona de medida: bajo pino (BP) en rojo, bajo rama (BR) en verde y suelo desnudo (SD) en azul. Los cuartiles inferior y superior de cada una de las cajas corresponden a los percentiles 25 y 75 respectivamente. Los bigotes inferior y superior se extienden desde los cuartiles hasta los valores mínimos y máximos registrados no atípicos, respectivamente. Los puntos de color negro representan las medidas atípicas que se han registrado. 21 a) b) c) d) Figura 14. Diagramas de caja para las variables medidas en el robledal (Cáñar). Respuesta del flujo de 𝐶𝑂2 (𝐹𝐶𝑂2) emitido por el terreno al tratamiento (superior izquierda), del flujo de 𝐶𝐻4 (𝐹𝐶𝐻4)emitido por el suelo (superior derecha), de la temperatura (inferior izquierda) y de la humedad del suelo (inferior derecha). El tratamiento está formado por dos grupos que hacen referencia a la zona de medida: suelo cubierto (SC) en rojo y suelo desnudo (SD) en azul. Los cuartiles inferior y superior de cada una de las cajas corresponden a los percentiles 25 y 75 respectivamente. Los bigotes inferior y superior se extienden desde los cuartiles hasta los valores mínimos y máximos registrados no atípicos, respectivamente. Los puntos de color negro representan las medidas atípicas que se han registrado. Fijándonos en el flujo de CO2 emitido en el robledal, a partir de los diagramas de caja de la Figura 14, podemos observar que la mayoría de los valores obtenidos en suelo desnudo son menores que los que se miden en suelo cubierto. Concretamente, el 50% de las medidas registradas en suelo desnudo se encuentran por debajo de 0.5 μmolCO2m−2s−1, mientras que en suelo cubierto todas son superiores a esa cifra (Figura 14 a). Es decir, los rangos de valores de flujo de CO2 en suelo cubierto y en suelo desnudo no se solapan, lo cual indica que, muy probablemente, existe una diferencia estadísticamente significativa entre los grupos. De forma parecida ocurre para el flujo de CH4 absorbido (Figura 14 b), pero en este caso al haber mayor dispersión en los valores registrados, existe un solapamiento entre las cajas. Hay mayor número de valores de flujo similares entre los dos grupos que no aclara el hecho de que ambos grupos sean diferentes de manera significativa. 22 En cambio, la temperatura y la humedad de suelo registran valores prácticamente idénticos en suelo cubierto y suelo desnudo, como nos indica la coincidencia casi total de las cajas (Figura 14 c y d). Atendiendo ahora, al análisis estadístico que hemos realizado a las variables medidas en ambos emplazamientos, obtenemos los siguientes resultados. Tabla 1. Parámetros obtenidos al realizar las pruebas de pertinentes para el análisis estadístico de los datos de flujo de dióxido de carbono (𝐹𝐶𝑂2), flujo de metano (𝐹𝐶𝐻4), temperatura y humedad del suelo en el pinar y en el robledal. Análisis estadístico Lugar Variable Parámetro Prueba W Df F-valor Su m Sq Mean Sq 𝝌𝟐 p-valor Pinar 𝐹CO2 KruskalWallis - 2 - - - 2.22 0.33 𝐹CH4 ShapiroWilk 0.99 - - - - - 0.94 Levene - 2 0.87 - - - 0.42 ANOVA - 2 2.04 1.33 0.66 - 0.14 Temperatura de suelo KruskalWallis - 2 - - - 0.06 0.97 Humedad de suelo KruskalWallis - 2 - - - 3.68 0.16 Robledal 𝐹CO2 ShapiroWilk 0.99 - - - - - 0.14 Levene - 1 0.47 - - - 0.49 ANOVA - 1 165.51 28 28 - 2·10−16 𝐹CH4 KruskalWallis - 1 - - - 22.72 1.9·10−6 Temperatura de suelo KruskalWallis - 1 - - - 0.004 0.95 Humedad de suelo KruskalWallis - 1 - - - 0.006 0.94 W: coeficiente de concordancia, Df: grados de libertad, F-valor: estadístico F, Sum Sq: suma de los cuadrados, Mean Sq: media aritmética de la suma de los cuadrados, 𝜒2: distribución de Pearson o distribución 𝜒2, p-valor: valor de significancia estadística. Analizamos primero la situación en el pinar, fijándonos en el flujo de CO2 (Tabla 1). En este caso, al no cumplirse las asunciones de normalidad de los residuos y homocedasticidad, se realizó la prueba de Kruskal-Wallis que nos devuelve un p-valor = 0.33>0.05. Este resultado nos confirma lo que ya se intuía con el diagrama de caja de la Figura 13. Dejar restos de tala en el suelo o no dejarlos no afecta al flujo de CO2 emitido por el terreno. Y de la misma manera no existe una diferencia significativa entre los flujos medidos bajo los pinos y los obtenidos en sitios más alejados de estos y sus raíces. Para el flujo de CH4, hemos realizado satisfactoriamente una prueba ANOVA, después de haber transformado logarítmicamente la variable flujo. Fijándonos en el p-valor, se obtiene un valor mayor a 0.05, es decir, la hipótesis nula de no efecto del tratamiento no puede ser rechazada y por tanto se concluye que el flujo de CH4 emitido a escala de suelo en el pinar tampoco se ve influido por el tratamiento aplicado. 23 A los valores de temperatura y de humedad de suelo que se miden con el sensor de la cámara inteligente en el pinar, se les atribuye un p-valor de 0.97 y 0.16 respectivamente tras realizar la prueba de Kruskal-Wallis. De nuevo, esto significa que los valores registrados de estas variables ambientales son similares independientemente de si quedan depositados o no, sobre el suelo, restos de ramas procedente del clareo o de si medimos bajo pino o a escasos metros de estos. La situación en el robledal es diferente. El flujo de CO2 a escala de suelo emitido sí es significativamente diferente entre suelo cubierto por hojarasca y suelo desnudo, como ya observábamos en la Figura 14 y como nos confirma la prueba ANOVA devolviéndonos un p-valor muy pequeño (Tabla 1). De igual forma ocurre con el flujo de CH4, obtenemos un p-valor =1.9·10−6 de haber aplicado la prueba de Kruskal-Wallis, que nos asegura la diferencia significativa entre las medidas de los dos grupos que ya intuíamos con los diagramas de caja (Figura 14). Para la temperatura y la humedad de suelo medidas en el robledal, obtenemos el mismo resultado que en el pinar, el tratamiento no afecta a estas variables ambientales, como así veíamos en la Figura 14 y como nos señala el p-valor >0.05 obtenido en ambos casos (Tabla 1). 4.2 Variabilidad estacional de flujos de suelo de 𝐂𝐎𝟐 y 𝐂𝐇𝟒 En esta sección vamos a ver la variabilidad de los flujos de suelo de CO2 y CH4 con el tiempo, teniendo en cuenta que se comenzaron a tomar medidas a finales de invierno (marzo 2022) y concluyeron a finales de primavera (junio 2022). a) b) Figura 15. Variabilidad temporal de los promedios de flujo dióxido de carbono (𝐹𝐶𝑂2) a escala de suelo en: a) una zona de pinar (Pórtugos) y b) en un robledal (Cáñar), dentro del Parque Nacional de Sierra Nevada. Cada barra representa el flujo promedio de 𝐶𝑂2 para 9 collares en cada grupo salvo en bajo pino (6 collares). El error estándar se representa sobre cada barra. 24 La Figura 15 muestra la evolución de los promedios de flujo de CO2 en suelo de pinar (a) y en el robledal (b) a lo largo de los ocho días en los que se realizaron las campañas de medida. Ambos ecosistemas son fuentes de dióxido de carbono. En el pinar se aprecia un leve incremento de los flujos a medida que nos acercamos al verano, siendo más evidente este aumento justo debajo de los pinos que en zonas más alejadas. En el robledal el crecimiento de la emisión de CO2 con el paso de los meses es más notorio. Los valores más altos de flujo se registran en suelo cubierto por hojarasca y los más bajos, sobre suelo desnudo, mientras que en el pinar se observan valores intermedios a los anteriores. Además, para cada campaña de medida, podemos apreciar cualitativamente una cierta diferencia entre suelo cubierto por hojarasca y suelo desnudo en cuanto a la emisión de CO2, lo cual coincide con los resultados obtenidos en la sección 4.1 teniendo en cuenta todo el periodo de medida. Por ejemplo, el 17 de mayo el promedio de flujo de dióxido de carbono emitido en suelo cubierto alcanza 1.5μmolCO2m−2s−1 mientras que en suelo desnudo se registra 0.7μmolCO2m−2s−1. a) b) Figura 16. Variabilidad temporal de los promedios de flujo de metano (𝐹𝐶𝐻4) asimilado por el suelo en: a) una zona de pinar (Pórtugos) y b) en un robledal (Cáñar), dentro del Parque Nacional de Sierra Nevada. Cada barra representa el flujo promedio de 𝐶𝐻4 para 9 collares en cada grupo salvo en bajo pino (6 collares). El error estándar se representa sobre cada barra. Los días 22 de marzo, 7 de abril y 5 de mayo, más del 50% de las medidas de flujos de metano que se registraron en el pinar presentaban un 𝑅2<0.82 y optamos por desecharlas. En la Figura 16 observamos la evolución de los promedios de flujo de CH4 a escala de suelo en la zona de pinar (a) y en el robledal (b). Como se puede apreciar, ambos emplazamientos son sumideros de metano, presentando el robledal mayor asimilación de este gas que el pinar. Estadísticamente comprobamos que, en el pinar, dejar los restos del clareo sobre el terreno o retirarlos no afecta significativamente a la cantidad de metano absorbido por el suelo y 25 esto también se puede ver en la Figura 16 ya que los valores promedios son muy similares para los tres grupos. En ninguno de los ocho días de medida el flujo promedio de CH4 supera los −0.1nmolm−2s−1, el valor más elevado se obtiene el 13 de junio cuando se alcanzan los −0.086nmolm−2s−1 sobre suelo desnudo, sin resto de tala. Tampoco se aprecia distinción entre los valores de flujo de CH4 que se registran justo debajo del pino silvestre y los que se miden en localizaciones más apartadas (bajo rama y suelo desnudo). De nuevo, en el robledal, sí se aprecia una diferencia más importante entre el CH4 asimilado en suelo cubierto y en suelo desnudo, como también quedó demostrado en la sección anterior. La asimilación de metano es siempre mayor en suelo cubierto que en suelo desnudo, incrementándose ambas a medida que se aproxima el verano. 32 Aun, K., Kukumägi, M., Varik, M., Becker, H., Aosaar, J., Uri, M., Morozov, G., Buht, M., & Uri, V. (2021). Short-term effect of thinning on the carbon budget of young and middle-aged Scots pine (Pinus sylvestris L.) stands. Forest Ecology and Management, 492. https://doi.org/10.1016/j.foreco.2021.119241 Azizi-Rad, M., Guggenberger, G., Ma, Y., & Sierra, C. A. (2022). Sensitivity of soil respiration rate with respect to temperature, moisture and oxygen under freezing and thawing. Soil Biology and Biochemistry, 165, 108488. https://doi.org/https://doi.org/10.1016/j.soilbio.2021.108488 Bond-Lamberty, B., Wang, C., & Gower, S. T. (2004). A global relationship between the heterotrophic and autotrophic components of soil respiration? Global Change Biology, 10(10), 1756–1766. https://doi.org/https://doi.org/10.1111/j.1365-2486.2004.00816.x Chen, W., Wolf, B., Yao, Z., Brggemann, N., Butterbach-Bahl, K., Liu, C., Han, S., Han, X., & Zheng, X. (2010). Annual methane uptake by typical semiarid steppe in Inner Mongolia. Journal of Geophysical Research Atmospheres, 115(15). https://doi.org/10.1029/2009JD013783 Core Writing Team, Pachauri, R. K., & Meyer, L. (2014). IPCC, 2014: Climate Change 2014: Synthesis Report. de Cara García, J. A. (2004). Características ecológicas y climáticas de los pinares ibéricos de Pinus Sylvestris L. Field, C. B., Ball, J. T., & Berry, J. A. (2000). Photosynthesis: principles and field techniques. Giorgi, F., & Lionello, P. (2008). Climate change projections for the Mediterranean region. Global and Planetary Change, 63(2–3), 90–104. https://doi.org/10.1016/j.gloplacha.2007.09.005 Gómez-Aparicio, L., Zavala, M. A., Bonet, F. J., & Zamora, R. (2009). Are pine plantations valid tools for restoring Mediterranean forests? An assessment along abiotic and biotic gradients. Ecological Applications, 19(8), 2124– 2141. https://doi.org/https://doi.org/10.1890/08-1656.1 Gower, S. T. (2003). Patterns and Mechanisms of the Forest Carbon Cycle. Annual Review of Environment and Resources, 28(1), 169–204. https://doi.org/10.1146/annurev.energy.28.050302.105515 Harazono, Y., Iwata Hiroki, Sakabe, A., Ueyama, M., Takahashi, K., Nagano, H., Nakai, T., & Kosugi, Y. (2015). Effects of water vapor dilution on trace gas flux, and practical correction methods. Journal of Agricultural Meteorology, 71(2), 65–76. https://doi.org/10.2480/agrmet.D-14-00003 Hollander, M., Wolfe, D. A., & Chicken, E. (1999). Nonparametric Statistical Methods (Tercera). Wiley. 33 Junta de Andalucía. Consejería de agricultura, ganadería, pesca y desarrollo sostenible. (n.d.). Carpeta informativa del Parque Nacional Parque Natural de Sierra Nevada. LI-7810 Trace Gas Analyzer. Instruction Manual. (2021). In LI-COR. López-Serrano, F. R., Rubio, E., Dadi, T., Moya, D., Andrés-Abellán, M., GarcíaMorote, F. A., Miettinen, H., & Martínez-García, E. (2016). Influences of recovery from wildfire and thinning on soil respiration of a Mediterranean mixed forest. Science of the Total Environment, 573, 1217–1231. https://doi.org/10.1016/j.scitotenv.2016.03.242 Marañón-Jiménez, S., Castro, J., Kowalski, A. S., Serrano-Ortiz, P., Reverter, B. R., Sánchez-Cañete, E. P., & Zamora, R. (2011). Post-fire soil respiration in relation to burnt wood management in a Mediterranean mountain ecosystem. Forest Ecology and Management, 261(8), 1436–1447. https://doi.org/10.1016/j.foreco.2011.01.030 Mazza, G., Agnelli, A. E., Cantiani, P., Chiavetta, U., Doukalianou, F., Kitikidou, K., Milios, E., Orfanoudakis, M., Radoglou, K., & Lagomarsino, A. (2019). Short-term effects of thinning on soil CO2, N2O and CH4 fluxes in Mediterranean forest ecosystems. Science of The Total Environment, 651, 713–724. https://doi.org/https://doi.org/10.1016/j.scitotenv.2018.09.241 Morote, F. A. G., Abellán, M. A., Rubio, E., García, E. M., Saucedo, F. G., Córdoba, M. I. P., & Serrano, F. R. L. (2022). Productivity and Seasonality Drive Total Soil Respiration in Semi-Arid Juniper Woodlands (Juniperus thurifera L., Southern Spain). Forests, 13(4). https://doi.org/10.3390/f13040538 Ojeda, L. R. (2007). Probabilidad y estadística básica para ingenieros con el soporte de MATLAB para cálculos y gráficos estadísticos. Page, M. C., Braver, S. L., & MacKinnon, D. P. (2003). Levine’s Guide to SPSS for Analysis of Variance (2nd ed.). Qi, Y., & Xu, M. (2001). Separating the effects of moisture and temperature on soil CO 2 efflux in a coniferous forest in the Sierra Nevada mountains. In Plant and Soil (Vol. 237). Quinn, G. P., & Keough, M. J. (2002). Experimental design and data analysis for biologists. . Cambridge University Press. Quinto Mosquera, H., Ramos Palacios, Y. A., & Abadía Bonilla, D. (2007). Cuantificación de la caída de hojarasca como medida de la productividad primaria neta en un bosque pluvial tropical en Salero, Chocó, Colombia. Revista Institucional Universidad Tecnológica Del Chocó D.L.C., 28–41. Savi, F., di Bene, C., Canfora, L., Mondini, C., & Fares, S. (2016). Environmental and biological controls on CH4 exchange over an evergreen Mediterranean forest. Agricultural and Forest Meteorology, 226–227, 67–79. https://doi.org/10.1016/j.agrformet.2016.05.014 34 Sierra Nevada. Diversidad biológica. (n.d.). Ministerio Para La Transición Ecológica y El Reto Demográfico. SoilFluxPro Software. Instruction Manual. (n.d.). In LI-COR. Thomas, S. C., Halpern, C. B., Falk, D. A., Liguori, D. A., & Austin, K. A. (1999). Plant diversity in managed forests: understory responses to thinning and fertilization. Ecological Society of America. Using the Smart Chamber. Soil Gas Flux Survey Chamber. (2021). In LI-COR. Valbuena-Carabaña, M., & Gil, L. (2014). Efectos de la gestión selvícola pasada y presente sobre la diversidad genética actual y futura de Quercus pyrenaica Willd. en Sierra Nevada. Ecosistemas.