Análisis de ensayos de descomposición de hojarasca. Un enfoque mediante modelos no-lineales mixtos

Abstract

El reciclado de nutrientes es un proceso ecosistémico asociado a la fertilidad de los suelos que depende de la descomposición de la materia orgánica. La descomposición es un proceso biológico en el que los residuos orgánicos regresan al suelo en forma de nutrientes. La metodología más utilizada en los estudios sobre reciclado de nutrientes se basa en las estimaciones de la tasa de descomposición (k) de la materia orgánica en el tiempo, típicamente bajo distintas condiciones experimentales (tratamientos). La variable que se analiza es la diferencia, expresada en porcentaje, entre la cantidad de hojarasca inicial colocada en bolsas, versus la cantidad de hojarasca remanente después de un tiempo dado (días). La estrategia clásica de modelación estadística para estimar k consiste en ajustar un modelo exponencial para cada tratamiento y repetición. La unidad experimental en estos experimentos es un conjunto de bolsas de descomposición. Dado que la técnica es destructiva, la cantidad de bolsas por repetición se programa para permitir la evaluación en intervalos de tiempo preestablecidos, en los que una de las bolsas es procesada. Las estimaciones de k son luego analizadas como la variable de respuesta en un análisis de varianza (ANAVA) para evaluar diferencias entre tratamientos. Los datos que motivaron esta tesis provienen de un estudio en Costa Rica que evalúa el efecto de 4 sitios sobre la tasa de descomposición de hojas de 6 especies arbóreas. Los sitios se encuentran distribuidos a lo largo de un gradiente altitudinal. En cada sitio se ubicaron 6 conjuntos de 10 bolsas (repeticiones). Las bolsas fueron procesadas, una a la vez, en 10 momentos de muestreo. Nuestra propuesta consistió en dos estrategias de análisis (A y B), en ambas ajustamos un modelo no lineal mixto para cada especie, incluyendo el efecto aleatorio de la repetición, así como el efecto fijo de sitio, sobre el parámetro k. En la estrategia A estimamos las k de cada repetición mediante este método, y luego seguimos el mismo camino de análisis de la varianza del enfoque clásico. La estrategia B consistió en seleccionar el mejor modelo no lineal mixto dentro de todos los modelos posibles. Esta estrategia es viable dado que el número de tratamientos usualmente no es grande. La comparación entre las tres estrategias (clásica, A y B) se realizó mediante simulación, contrastando los errores estándar de las k medias estimadas por sitio y especie y las tasas de error de tipo I y II por experimento y comparación. El uso de modelos no lineales mixtos condujo a estimaciones con menor error estándar y tasas de error tipo I y tipo II semejantes o más bajas respecto a la estrategia clásica. La estrategia de mejor desempeño fue la de selección a partir de todos los modelos posibles (estrategia B).