Biomassa agroflorestal residual: quantificação e caracterização para fins energéticos

(1)

UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO

BIOMASSA AGROFLORESTAL RESIDUAL:

QUANTIFICAÇÃO E CARACTERIZAÇÃO PARA FINS

ENERGÉTICOS

Tese de Doutoramento em Ciências Agronómicas e Florestais

Teresa Raquel Duque Enes

Orientadores:

Investigador Doutor José Luís Penetra Lousada Professor Doutor José Tadeu Marques Aranha Professora Doutora Teresa de Jesus Fidalgo Fonseca

(2)

(3)

UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO

BIOMASSA AGROFLORESTAL RESIDUAL:

QUANTIFICAÇÃO E CARACTERIZAÇÃO PARA FINS

ENERGÉTICOS

Tese de Doutoramento em Ciências Agronómicas e Florestais

Teresa Raquel Duque Enes

Orientadores:

Investigador Doutor José Luís Penetra Lousada Professor Doutor José Tadeu Marques Aranha Professora Doutora Teresa de Jesus Fidalgo Fonseca

Composição do Júri:

Doutora Ana Maria de Beja Neves Nazaré Pereira Doutor José Carlos de Carvalho Rodrigues

Doutora Ana Cristina Andrade Gonçalves Doutor Domingos Manuel Mendes Lopes Doutor José Luís Penetra Cerveira Lousada

(4)

(5)

Este trabalho foi realizado no âmbito da bolsa BI/UTAD/INTERACT/BEST/226/2016 financiada pelo projeto INTERACT - Integrative Research in Environment, Agro-Chain and Technology, n.º da operação NORTE-01-0145-FEDER-000017, na sua linha de investigação intitulada BEST, co-financiado pelo Fundo Europeu de Desenvolvimento Regional (FEDER) através do NORTE 2020 (Programa Operacional Regional do Norte 2014/2020).

(6)

(7)

Este trabalho foi expressamente elaborado com vista à obtenção do grau de Doutor em Ciências Agronómicas e Florestais de acordo com o disposto no Decreto-Lei 216/92, de 13 de

(8)

(9)

As doutrinas apresentadas nesta Tese de Doutoramento são da inteira responsabilidade do autor. Esta Tese de Doutoramento atende às normas técnicas e científicas exigidas pelos regulamentos em vigor da Universidade de Trás-os-Montes e Alto Douro

(10)

(11)

Agradecimentos

Não podia deixar de fazer referência àqueles que de uma forma direta ou indireta contribuíram para a presente tese deixando aqui o meu mais sincero agradecimento.

À Universidade de Trás-os-Montes e Alto Douro, na pessoa do Magnífico Reitor Professor António Augusto Fontaínhas Fernandes, agradeço a disponibilização dos meios para a realização desta tese.

À Escola de Ciências Agrárias e Veterinárias, na pessoa da Professora Ana Maria Araújo de Beja Neves Nazaré Pereira, agradeço a disponibilização dos meios físicos para a elaboração deste trabalho.

Ao INTERACT na pessoa do seu Coordenador o Professor Rui Manuel Vítor Cortes pelo financiamento da bolsa de investigação, na qual esta tese se enquadra.

Ao meu orientador Investigador José Luís Lousada agradeço o apoio incondicional, a confiança, paciência (muita paciência), disponibilidade e otimismo no êxito deste trabalho.

Ao meu orientador Professor José Aranha pela sua sapiência, flexibilidade, amizade e apoio incondicional.

À Professora Teresa Fonseca, minha orientadora, pela confiança nas minhas capacidades, motivação, disponibilidade, amizade e apoio incondicional.

Aos coautores dos artigos que integram esta tese agradeço toda a colaboração e disponibilidade, pois sem eles não seria possível toda esta a divulgação científica. Um agradecimento especial às Professoras Adelaide Cerveira, Cristina Alegria e Ana Barros.

À Professora Emília Silva pelos conselhos, incentivo e paciência para as minhas dúvidas e desabafos.

Ao Professor Carlos Pacheco Marques por ser uma pessoa inspiradora e pelo qual nutro uma grande admiração.

Ao Professor Domingos Lopes por todo o apoio prestado na orientação da Bolsa de investigação.

(12)

ii

Aos Técnicos Armindo Teixeira e Carlos Matos pela ajuda fundamental na componente prática deste trabalho.

Aos meus colegas bolseiros que sempre tinham uma palavra de ânimo e me acompanharam nesta jornada.

À minha irmã, aos meus cunhados, sobrinhos e tios que estão sempre a desejar-me o melhor.

Às minhas amigas, colegas e companheiras de almoço pelo incentivo e por aturarem os desabafos nos dias menos bons.

Aos meus amigos, que felizmente são muitos, o meu mais sincero obrigada pelo enorme apoio e amizade, sem vocês teria sido muito mais difícil. Um agradecimento especial à minha amiga do coração, Marisa, por TUDO.

Aos meus sogros por todo o apoio prestado, principalmente por ficarem com o meu filho nos momentos em que estive ausente para a realização deste trabalho.

Aos meus pais por acreditarem sempre em mim e me darem os melhores princípios de vida. Ao Rui, uma das pessoas que mais me incentivou para entrar nesta aventura, agradeço a paciência, adiamento dos momentos em família, incentivo, dedicação, carinho e suporte constante, e ao meu filho Francisco, a quem dedico este trabalho, agradeço a força e inspiração que é para mim. Peço desculpa pela minha ausência e, por vezes, falta de paciência (que foram muitas).

E a todos os que de algum modo contribuíram para o sucesso deste trabalho, e que devido a possíveis lapsos não estão aqui referidos, sendo igualmente merecedores do meu reconhecimento.

(13)

Resumo

A biomassa vegetal residual (ex. restos de podas agrícolas, pontas e ramos sobrantes de exploração florestal) representa, atualmente, um problema em Portugal. Por um lado, não existe destino a dar a estes resíduos, por outro a sua acumulação em terrenos rurais constitui um risco permanente de incêndio rural.

Devido à dependência de Portugal em combustíveis fósseis e à grande disponibilidade de biomassa vegetal no país, é essencial promover a utilização destes resíduos. A biomassa vegetal é considerada um resíduo quando não tem qualquer aproveitamento. No entanto, se for transformada em matéria-prima para uma outra atividade, passa a ser um subproduto da atividade agroflorestal. A caracterização, quantificação e georreferenciação dos locais de maior acumulação de biomassa será uma mais-valia, tanto a nível ecológico, como a nível económico, uma vez que esta biomassa pode ser utilizada para fins energéticos.

Acresce, ainda, que a crescente procura de biomassa vegetal para produção de energia, esperada para os próximos anos em Portugal, faz com que se intensifique o interesse e as preocupações relativamente à sua disponibilidade e caraterização.

Os objetivos gerais propostos no presente trabalho vão ao encontro das carências mencionadas e respeitam à quantificação e caracterização termoquímica de biomassa tanto de espécies arbustivas em áreas ardidas, como de resíduos agrícolas e florestais.

Tendo ainda em consideração a existência de uma lacuna no conhecimento de gestão da regeneração natural de pinheiro-bravo é também aqui apresentada uma nova abordagem de apoio à gestão, assente na trajetória de densidade máxima atingível nos estágios iniciais de desenvolvimento da espécie de pinheiro-bravo. O modelo proposto fornece suporte com base ecológica para definir diretrizes de silvicultura para a gestão do pinheiro-bravo, podendo ser uma ferramenta da gestão do crescimento desta espécie em áreas ardidas e, intrinsecamente de quantidades de biomassa produzida.

Para a concretização dos objetivos foram selecionadas parcelas de estudo instaladas, maioritariamente, no Norte de Portugal, contando ainda com dados recolhidos na zona Centro. A quantificação da biomassa dos matos foi feita através do recurso a equações alométricas, apresentando-se ainda novos modelos de quantificação. Os estudos desenvolvidos permitem concluir que nas áreas de estudo, a quantidade de biomassa estimada disponível poderá suprir as necessidades da população.

(14)

iv

holocelulose e, por último, na análise/ avaliação dos elementos químicos existentes em cada tipo de biomassa. De um modo geral, a biomassa das espécies arbustivas, foi aquela que apresentou melhores características para fins energéticos, principalmente através de processos de combustão.

Palavras-chave: energia; resíduos agrícolas; resíduos florestais; análises termoquímicas; incêndios; regeneração; produtividade, equações alométricas, pinheiro-bravo

(15)

Abstract

Residual vegetal biomass (eg. material from pruning, tips and branches left from thinning) is currently a problem in Portugal. On the one hand, there is no destination for this waste, on the other hand their accumulation on rural land constitutes a permanent risk of wildfire.

Due to Portugal's dependence on fossil fuels and the large availability of vegetal biomass in the country, it is essential to promote the use of these wastes. Plant biomass is considered a waste when it has no use. However, if it becomes raw material for another activity, it becomes a by-product of agroforestry activity. The characterization, quantification and georeferencing of sites with the highest biomass accumulation will be an asset both at ecological and economic level, as this biomass can be used for energy purposes.

In addition, the growing demand for plant biomass for energy production expected in the coming years in Portugal raises concerns about its availability and characterization.

The general objectives proposed in this paper meet the deficiencies mentioned and concern the quantification and thermochemical characterization of biomass of shrub species in burnt areas, as well as agricultural and forest residues.

Also taking into consideration the existence of a gap in the management knowledge of the natural regeneration of maritime pine, a new management support approach is also presented here, based on the maximum density trajectory attainable in the early stages of development of maritime pine. The proposed model provides ecologically based support for defining forestry guidelines for species management and can be a tool for managing the growth of this species in burnt areas and intrinsically the amount of biomass produced.

To achieve the objectives, study plots were selected, mainly located in the North of Portugal, with some data collected in the Centre. The biomass quantification of the shrubs was made through the use of allometric equations, presenting new quantification models. The studies carried out allow us to conclude that in the study areas, the estimated amount of available biomass may meet the needs of the population.

The thermochemical analyses consisted essentially in the evaluation of the Superior Calorific Power, the quantification of Macromolecules, namely extractives, lignin and holocellulose and, finally, in the analysis / evaluation of the chemical elements in each type of biomass.

(16)

vi

Keywords: energy; agricultural wastes; forest wastes; thermochemical analysis; wildfires; regeneration; productivity, allometric equations, maritime-pine.

(17)

Lista de símbolos e abreviaturas

AFN - Autoridade Florestal Nacional DGT - Direção Geral do Território

DNFF - Direção Nacional da Fileiras Florestais EC – Comissão Europeia

EU – União Europeia

FAO – Food and Agriculture Organization (Organização das Nações Unidas para a Alimentação e a Agricultura)

GGE – Greenhouse Gas Efect (Gás de efeito de estufa) CLC – Corine Land Cover

COS – Carta de Ocupação do Solo

ICNF – Instituto da Conservação da Natureza e Florestas IFN – Inventário Florestal Nacional

IPCC – Intergovernmental Panel on Climate Change (Painel Intergovernamental para as Alterações Climáticas)

GWE – Global Warning Effects (Efeitos do Aquecimento Global) RE – Renewable Energy (Energia Renovável)

ANOVA – Análise de variância

– Biomassa da copa dos matos em g m-2

– Biomassa dos matos

– Biomassa genérica dos matos

– Biomassa da copa dos matos em t ha–1 CD – Canopy Density (%) (Densidade de Copa) ℎ – Altura da copa da árvore

– Diâmetro médio quadrático ℎ – Altura total da árvore

ℎ – Altura dos matos

(18)

viii Min – Minimum (Mínimo)

N – Número de árvores por hectare PCS – Poder Calorífico Superior r – Coeficiente de Correlação R2_{– Coeficiente de Determinação}

RMSE – Root Mean Square Error (Desvio Padrão dos Resíduos) – Tempo decorrido após o incêndio

GJ - Gigajoule Gt - Gigatonelada MJ - Megajoule Mg – Megagrama

MVA – Mega-Volte Ampere t - tonelada

(19)

Lista de Publicações que integram esta tese

Enes, T.; Aranha, J.; Fonseca, T.; Lopes, D.; Alves, A.; Lousada, J. Thermal Properties of Residual Agroforestry Biomass of Northern Portugal. Energies 2019, 12, 1418.

https://doi.org/10.3390/en12081418- 12 Apr 2019

Enes, T.; Lousada, J.; Aranha, J.; Cerveira, A.; Alegria, C.; Fonseca, T. Size–Density Trajectory in Regenerated Maritime Pine Stands after Fire. Forests 2019, 10, 1057.

https://doi.org/10.3390/f10121057 -21 Nov 2019

Enes, T.; Aranha, J.; Fonseca, T.; Matos, C.; Barros, A.; Lousada, J. Residual Agroforestry Biomass–Thermochemical Properties. Forests 2019, 10, 1072.

https://doi.org/10.3390/f10121072 - 25 Nov 2019

Enes, T.; Lousada, J.; Fonseca, T.; Viana, H.; Calvão, A.; Aranha, J. Large Scale Shrub Biomass Estimates for Multiple Purposes. Life 2020, 10, 33.

(20)

(21)

Índice Geral

Agradecimentos ... i

Resumo ... iii

Abstract ... v

Lista de símbolos e abreviaturas ... vii

Lista de Publicações que integram esta tese... ix

Índice Geral ... xi

Índice de Figuras ... xv

Índice de Tabelas ... xvii

Capítulo 1: Introdução Geral ... 1

Preâmbulo ... 3

1.1 Biomassa Vegetal ... 3

1.2 Área de Estudo ... 6

1.3 Objetivos ... 11

1.4 Estrutura da Tese ... 12

Capítulo 2: Regeneração natural de pinheiro-bravo após incêndio ... 15

2.1 Abstract ... 17

2.2 Introduction ... 17

2.3 Materials and Methods ... 20

2.3.1 Study Area Characteristics ... 20

2.3.2 Supporting Material ... 20

2.3.3 Selection of Maximum Values of Size-Density ... 21

2.3.4 Size-Density Relation Modeling and Statistical Analysis ... 22

2.4 Results ... 23 2.4.1 Representativeness of the Data Set and Pattern of the Density–Size Trajectory

(22)

xii

2.4.3 Representation of the Size–Density Pattern for the Border Points and Fitted Lines ... 25

2.4.4 Maximum Size–Density Trajectory over All the Stages of Development ... 26 2.5 Discussion ... 27 2.5.1 Representativeness of the Database ... 27 2.5.2 Size–Density Trajectory and Self-Thinning Line ... 28 2.6 Conclusions ... 31 Capítulo 3: Biomassa arbustiva ... 33 3.1 Abstract ... 35 3.2 Introduction ... 35 3.3 Materials and Methods ... 38 3.3.1 Study Area Characteristics ... 38 3.3.2 Data Sources ... 39 3.3.3 Sampling Plots ... 41 3.4 Results ... 42 3.4.1 Shrubland Characterization ... 42 3.4.2 Allometric Model for Shrub Biomass Estimation ... 42 3.5 Discussion ... 44 3.5.1 Shrubland Characterization ... 44 3.5.2 Alometric Model for Shrub Biomass Estimation ... 44 3.6 Conclusions ... 47 Capítulo 4: Propriedades térmicas da biomassa agroflorestal residual ... 49 4.1 Abstract ... 51 4.2 Introduction ... 51 4.3 Materials and Methods ... 54 4.3.1 Study Area Characteristics ... 54 4.3.2 Plant Material ... 55

(23)

4.3.3 Higher Heating Value and Macromolecules ... 55 4.3.4 Statistical Analysis ... 56 4.4 Results ... 56 4.4.1 General Higher Heating Value (HHV) and Chemical Composition ... 56 4.5 Discussion ... 59 4.5.1 Higher Heating Value (HHV) ... 59 4.5.2 Chemical Composition ... 61 4.5.3 HHV and Chemical Composition Correlation ... 64 4.6 Conclusions ... 64 Capítulo 5: Caracterização termoquímica da biomassa agroflorestal residual ... 67 5.1 Abstract ... 69 5.2 Introduction ... 69 5.3 Materials and Methods ... 71 5.3.1 Plant Material ... 71 5.3.2 Higher Heating Value (HHV) ... 72 5.3.3 Elemental Analysis (C/H/O/N/S) and Ashes ... 72 5.3.4 Other Elements ... 73 5.3.5 Statistical Analysis ... 74 5.4 Results ... 75 5.4.1 Higher Heating Value, Elemental Analysis and Ashes ... 75 5.4.2 Elements–Chemical Analysis ... 80 5.4.3 Multiple Regression Analysis ... 82 5.5 Conclusions ... 90 5.6 Appendices ... 91 Capítulo 6: Considerações finais e Perspetivas de desenvolvimento ... 97

(24)

xiv

(25)

Índice de Figuras

Figura 1.1 - Processos de conversão da biomassa vegetal (Fonte: EPE, 2007) ... 7 Figure 2.1 - Graphical representation of potential frontier points in the objective space (dg, N). ... 22 Figure 2.2 - Diagram of dispersion and relationship between the logarithm of N (trees.ha−1_{) and} the logarithm of quadratic mean diameter (dg (cm)), for the observations of the four data subsets. ... 24 Figure 2.3 - Diagram of dispersion and relationship between the logarithm of N (trees.ha−1_{) and} the logarithm of dg (cm) for the dataset of 30 border points. ... 25 Figure 2.4 - Plots of the residuals for the fitted linear model (Equation 1) and the quadratic model (Equation 2). ... 26 Figure 2.5 - Size–density trajectories for maritime pine as defined in previous research. ... 27 Figure 3.1 – Distribution of sampling plots in the study (North Portugal) and Postugal´s world geographical location. ... 39 Figure 3.2 - Graphic summary of the methodological steps followed in the study. ... 41 Figure 3.3 - Accumulated biomass evolution over 15 years after fire and adjustment of the accumulated average amounts to Equation (16). ... 43 Figure 3.4 - Graphic representation of biomass accumulated after wildfire during 17 years according to Viana et al. (2009) and Aranha et al. (2011). ... 45 Figure 3.5 - Spatial distribution of the amount of biomass accumulated in burned areas in the north of Portugal, during 27 years (1990–2017), expressed in Mg ha−1_{. ... 46} Figure 4.1 - Portugal world geographical location. Sampling areas. ... 54

(26)

(27)

Índice de Tabelas

Table 2.1 - Summary characteristics of the number of trees per hectare (N) and quadratic mean diameter (dg) for the sampled plots of maritime pine. ... 21 Table 2.2 - Summary characteristics of the data used in the self-thinning line estimation. ... 24 Table 2.3 - Coefficients (standard errors) and fit statistics of the estimated models to support the definition of the maximum size–density trajectory for maritime pine (n = 30 observations). RMSE: root mean square error. ... 25 Table 3.1 - Allometric equations for shrubs biomass estimation ... 37 Table 3.2 -Average biomass accumulation (Mg ha-1_{). ... 42} Table 4.1 - Mean ± SD of Higher Heating Values and Macromolecules contents, of the samples. ... 57 Table 4.2 - Mean, SD in brackets, test comparison of means of HHV and chemical composition by biomass group. ... 58 Table 4.3 - Correlation coefficient matrix of HHV (MJ·kg–1_{), and chemical composition} analysis (%). ... 59 Table 5.1 - Productivity of each agroforestry biomass group present in the two sampled areas (ton ha−1_year−1_{). ... 72} Table 5.2 - Statistics of HHV, elemental analysis and ashes by type of biomass (n = 36 samples). ... 76 Table 5.3 - Statistics of HHV, elemental analysis and ashes by biomass group. ... 77 Table 5.4 - Statistics of Mineral nutrients (Na, K, Ca, Mg, and P); Trace Elements (Mn, Fe Zn, Ni, Cu, Cr, and Cd) and Halogen elements (F and Cl) by type of biomass (mg kg-1_{) (n = 36} samples). ... 84 Table 5.5 - Statistics of Mineral nutrients (Na, K, Ca, Mg, and P); Trace Elements (Mn, Fe Zn, Ni, Cu, Cr, and Cd) and Halogen elements (F and Cl) by biomass group (mg kg−1_{)... 85} Table 5.6 - Pearson’s correlation matrix between high heating value (HHV) and chemical elements (CHONS and ashes, mineral, trace, and halogen elements) ... 86 Table 5.7 - Multiple regression analysis between the dependent variable HHV and the independent variables, chemical analysis (CHONS and ashes, Na, K, Ca, P, Fe, Mn, Cd, Cu, F, and Cl). ... 89

(28)

(29)

(30)

(31)

Capítulo 1 – Introdução Geral

Preâmbulo

O trabalho que agora se apresenta foi elaborado no âmbito de uma Bolsa de Investigação do Projeto Interact (Integrative Research in Environment, Agro-Chain and Technology) cujo objetivo geral era aumentar a produção e a qualidade dos produtos decorrentes das principais culturas da região Norte, desenvolvendo tecnologia específica. Em simultâneo, este projeto também tinha como linha prioritária o aproveitamento de desperdícios e de produtos residuais resultantes das cadeias de produção (ex. lenha de poda agrícola, pontas e ramos da exploração florestal, árvores jovens resultantes de manchas de regeneração natural de pinheiro bravo), explorando potenciais utilizações (ex. combustível para centrais termoeléctricas), diminuindo o seu impacto no meio ambiente. A área de estudo deste projeto centrou-se, de um modo geral, no Norte de Portugal, sendo dada prioridade às áreas das Bacias hidrográficas dos Rios Ave e Sabor, por orientação do referido projeto.

A tese que agora se apresenta e se defende é a de que a biomassa residual resultante do processo de produção agroflorestal reúne um potencial energético suficientemente elevado que lhe permite constituir uma fonte de combustível alternativo para centrais termoelétricas. Se este potencial for devidamente aproveitado, os atuais resíduos de exploração agroflorestal deixam de estar no final da cadeia de produção, passando a ser um subproduto que constitui um fator de produção para centrais termoelétricas. Paralelamente, no decorrer dos trabalhos de campo, verificou-se que as manchas de regeneração natural de pinheiro bravo precisam urgentemente de ser geridas em termos de densidade de modo a poderem originar potencias povoamentos com valor comercial para a fileira do pinho. Assim, além de se ter analisado o potencial energético das jovens árvores a serem retiradas nas operações de desbaste, também se estudou a linha de densidade a considerar.

Os resultados obtidos durante esta linha de investigação, foram publicados 3 artigos científicos, estando um quarto artigo em fase de avaliação. Assim, a tese que agora se apresenta, é uma compilação dos quatro artigos científicos, antecedida de uma introdução geral ao tema da tese e finalizada com um capítulo dedicado às conclusões obtidas.

1.1 Biomassa Vegetal

A biomassa vegetal, como recurso energético, é largamente utilizada em países em desenvolvimento, fornecendo cerca de um terço do consumo de energia primária e sendo objeto

(32)

4

vezes um resíduo e um fator de preocupação ambiental. Os padrões atuais de conforto e consumo, nos chamados países desenvolvidos, estão a elevar a produção e o consumo de energia para níveis preocupantes e que originam graves problemas ambientais. Como resultado, também a grande a procura de fontes alternativas de energia, como seja termoelétrica. O aumento da produção de energia elétrica está em consonância com os efeitos do aquecimento global (GWE – Global Warming Effect) e com a emissão de gases de efeito estufa (GGE – Greenhouse Gas Effect), levando ao estudo de fontes alternativas sustentáveis de energia (Gustavsson et al., 2007; Berndes et al., 2003). A biomassa agroflorestal é uma importante fonte de energia a considerar, de entre as opções sustentáveis (Ćosić et al., 2011; Fernandes & Costa, 2010; Viana et al., 2010; Voivontas et al., 2001). As florestas têm, assim, uma importância central, uma vez que retêm cerca de 60% do carbono (650 Gt) armazenado pela vegetação terrestre (FAO, 2010), grande parte sob a forma de biomassa aérea (286 Gt) (Viana et al., 2013). Para um país como Portugal, onde um terço do território continental está ocupado por floresta e matos, o incentivo à produção interna de energias renováveis é de uma importância extrema, não só porque estas representam menores impactos ambientais, mas também porque os recursos energéticos locais reduzirão a saída de divisas, estimulando o desenvolvimento da economia nacional, nomeadamente em regiões do interior extremamente carenciadas, e diversificando as diferentes fontes de energia. Em simultâneo, este tipo de energias ajudam a reduzir as emissões de CO2, cumprindo assim os compromissos de Quioto, de Lisboa e, mais recentemente, de Paris. Neste sentido, a consciência da adoção de energias renováveis aumentou, sendo a biomassa vegetal uma alternativa ao uso de combustíveis fósseis, com um balanço de CO2 neutro (Arvanitoyannis et al, 2006; Flores et al., 1999). As florestas constituem,

assim, uma fonte localmente disponível e ambientalmente renovável de combustível (IEA, 2011).

No seguimento do Protocolo de Quioto assinado em 1998 (NU, 1998) e, posteriormente, das linhas do IPCC (IPCC, 2006 e 2014), e do Acordo de Paris em 2015 (UNFCCC, 2015), ficou patente a grande importância da biomassa e do carbono florestal e a necessidade de monitorizar, conservar e aumentar o seu armazenamento, na medida em que este influencia a concentração de CO2 atmosférico.

Os países com reduzida capacidade morfológica para a instalação de barragens hidroelétricas recorrem a outras fontes para a produção de energia elétrica, como por exemplo a instalação de centrais nucleares. O terramoto no Japão em 2011 levou a comunidade científica a repensar o uso de centrais nucleares, pelos riscos ambientais muito duradouros que acarretam.

(33)

Por exemplo, a Alemanha cancelou o seu programa nuclear e a Itália recusou a instalação de estações nucleares, através de um referendo. O uso de biomassa florestal como fonte de energia para centrais termoelétricas desempenha um papel especial na União Europeia (UE), uma vez que esta biomassa pode controlar a dependência dos estados membros da UE em combustíveis fósseis e contribuir para a redução de emissões de gases de efeito estufa (GEE). Ao mesmo tempo, como a vegetação é um forte agente sequestrador de carbono, favorecer o crescimento da biomassa florestal contribui para uma maior fixação de carbono tanto no solo como nas próprias plantas. Do ponto de vista ambiental, a gestão adequada deste recurso natural poderá também desempenhar um papel crucial na redução da dimensão e da severidade dos incêndios rurais. Segundo Proto et al. (2014) a utilização de biomassa florestal para produção de energia envolve uma variedade de vantagens, destacando-se a redução das emissões de CO2 e a melhoria das funções da floresta, como a hidrogeologia e a conservação da biodiversidade.

Além disso, o consumo de biomassa florestal poderá contribuir para o desenvolvimento socioeconómico das áreas rurais, através da restauração das atividades agroflorestais e de avanços tecnológicos no campo da bioenergia. A conversão da biomassa florestal em bioenergia pode igualmente gerar fluxos de receitas adicionais para o setor de produtos florestais e melhorar a viabilidade económica da prática de desbaste e de outras operações de gestão florestal sustentada. Para que isso seja viável, as técnicas e os aspetos económicos de toda a cadeia de abastecimento são importantes e devem ser consideradas ao planear novos projetos de utilização de biomassa florestal (Cambero & Sowlati, 2014).

Porém, face à variabilidade natural intrínseca a este recurso natural resultante não só da variabilidade interespecífica, mas também do efeito da multiplicidade de fatores que intervêm no processo de crescimento das espécies (fatores edafoclimáticos), a sua quantificação e caracterização assumem-se de vital importância para a sua correta utilização, nomeadamente para a adequação das características dos recursos às tecnologias de transformação energética.

Importa, assim, proceder à caracterização, quantificação e georreferenciação dos locais de maior acumulação de biomassa. De um modo geral, a biomassa vegetal pode ser quantificada através de dois métodos:

- O método destrutivo (direto), que implica a quantificação de matos, lenhos, a avaliação de biomassa e / ou volume de árvores individuais, a partir do corte de material lenhoso; e

(34)

6

Na maior parte das situações, o primeiro método é reservado à obtenção de dados que permitam o desenvolvimento dos modelos alométricos a aplicar no segundo método. Do primeiro método provêm resultados mais fidedignos em relação ao segundo, mas como requer o corte do material lenhoso, a sua quantificação e avaliação tanto localmente como em laboratório, o que o torna muito dispendioso quer em horas/Homem quer em recursos financeiros. Já o segundo método é mais económico e rápido, mas apresenta uma grande desvantagem que é imputada ao uso de equações alométricas. Este facto resulta de estas dependerem das condições locais dos povoamentos, idade, espécie, sendo necessária muita prudência aquando da seleção destas equações para aplicação generalizada.

1.2 Área de Estudo

Portugal apresenta uma extensa área de floresta (cerca de 3,3 milhões de hectares, 38% do país) (ICNF, 2013) com importância económica, social e ecológica indubitável. Na verdade, verificou-se que em Portugal existe uma elevada quantidade de biomassa residual (entre 3,5 a 5,0 Mt / ano) (DNFF, 2010; Campilho, 2006; Páscoa et al., 2006) que não está a ser explorada e que poderia satisfazer uma parte importante das necessidades de energia do país. A título de exemplo, e no âmbito do Projeto INTERACT, Enes et al. (2017) quantificaram a quantidade de resíduos, tanto florestais como agrícolas em duas áreas distintas: a Bacia Hidrográfica do rio Ave e a Bacia Hidrográfica do rio Sabor, verificando-se que, na primeira, a acumulação anual é de 9791 t de resíduos agrícolas e de 170400 t de resíduos florestais e que, na segunda, os resíduos agrícolas acumulados totalizam 95231 t de biomassa e os resíduos florestais 251121 t.

Considerando que para a produção de 1 megawatt (MW/h ano) de energia elétrica são necessárias, aproximadamente, 10000 t/ano de biomassa vegetal (30% de humidade), conclui-se que a biomassa produzida anualmente na bacia do rio Ave conclui-seria suficiente para alimentar uma central com uma potência nominal de 18 MVA e na bacia do rio Sabor, uma central de 35 MVA. Dado que as centrais termoelétricas instaladas em Portugal têm normalmente uma capacidade de 3 a 12 MVA, cada uma destas áreas suportaria a instalação de uma central sem afetar o equilíbrio ecológico local.

De um modo geral, estimou-se nas duas bacias hidrográficas uma produção anual de aproximadamente 526500 t de biomassa agroflorestal residual, com um valor energético de 10 356719 GJ, ou seja, a energia equivalente 178 758 t de petróleo.

(35)

O espectro do tipo de biocombustíveis obtidos da biomassa agroflorestal é muito vasto, estendendo-se desde biocombustíveis sólidos para a combustão direta, tais como lenhas, estilha, briquetes e pelletes; combustíveis líquidos como óleo vegetal, bioetanol e metanol, até aos combustíveis gasosos, como o biogás ou gás de síntese.

Além da diversidade do tipo de biocombustível, também são vários os tipos de aproveitamento da biomassa vegetal, sendo uma delas a produção de calor, através da combustão. Este calor pode ser utilizado diretamente para aquecimento, como para arrefecimento com chillers de absorção; para produção de energia elétrica através de motores térmicos ou turbinas e geradores que convertem a energia química em energia térmica, esta em energia mecânica e, finalmente, em energia elétrica. Um outro aproveitamento da biomassa vegetal é a sua utilização para a produção de biocombustíveis (líquidos ou gasosos) utilizados nos transportes, como refere Demirbas (2011) e apresentado esquematicamente na Figura 1.1.

Desta forma, é de fácil constatação que a biomassa lenho celulósica pode não só ser convertida num amplo leque de tipos de combustíveis, bem como ser utilizada em diversos processos de transformação, comparativamente a outras fontes de biomassa vegetal que apenas

(36)

8

Hoje em dia, em Portugal, está divulgada a opinião que este tipo de biomassa só tem aproveitamento para a produção de energia elétrica e tem-se menosprezado outros tipos de utilização, como por exemplo a produção de calor (aquecimento) que necessita de uma logística muito mais simples, de um investimento inicial reduzido e apresenta uma eficiência energética muito superior, comparativamente à produção de energia elétrica. Assim, em alternativa à construção de centrais para produção de eletricidade, sugere-se que a estratégia mais correta para uma utilização racional deste recurso natural poderá passar, por exemplo, pelo incentivo da utilização da biomassa para produção de energia térmica utilizada em aquecimento doméstico ou de média dimensão (ex. pavilhão desportivo), baseada num ciclo de produção/consumo de proximidade, que contemple o menor número de intervenções ao longo da cadeia de valor, com custos de investimento inicial, funcionamento e manutenção diminutos.

Deste modo, julga-se extremamente importante dos pontos de vista socioeconómico e ambiental, e de fácil execução a nível municipal/regional, a implementação de um sistema que promova a recolha dos resíduos agroflorestais produzidos na região, a respetiva transformação em estilha e a sua utilização em unidades de para aquecimento de infraestruturas locais (ex. escolas e infantários, piscinas municipais, lares de 3ª idade, edifícios públicos, etc.), muitas das quais são atualmente aquecidas recorrendo a combustíveis fósseis ou a eletricidade, com custos de funcionamento incomparavelmente mais elevados, comparativamente aos sistemas de aquecimento análogos a biomassa florestal residual.

Da leitura de trabalhos realizados neste domínio, por outros autores, são notórios os benefícios económicos da utilização da biomassa agroflorestal como alternativa aos combustíveis fósseis. Por exemplo, Mourinho (2011) refere, num trabalho realizado para duas piscinas em S. Bartolomeu de Messines, uma poupança anual entre 70000 € a 100000 €, com um período de retorno de investimento de 2,6 a 3,6 anos, substituindo o sistema de aquecimento a gasóleo por uma combinação entre uma caldeira a biomassa florestal e um conjunto de painéis térmicos. Um outro exemplo é apresentado por Araújo (2014) que realizou um estudo sobre a viabilidade técnica e económica da substituição do aquecimento das piscinas municipais de Paredes de Coura (Minho) de gás natural por biomassa florestal residual, tendo concluído que com esta substituição o custo anual da energia para aquecimento das piscinas passaria de 41000 € para 2400 €, sendo o retorno do investimento na substituição das caldeiras obtido após 3,7 anos.

Posteriormente, Aranha (2015) realizou um estudo para o Município de Amarante sobre o consumo energético de uma caldeira com potência de 50 kW a instalar num Centro Escolar do

(37)

concelho. Neste trabalho, o autor verificou que a fatura energética varia muito em função do tipo de combustível utilizado: eletricidade, gás natural, pelletes e estilha lenhosa e conclui que os custos anuais com a eletricidade são mais do dobro comparativamente com o uso de pelletes e 16 vezes superiores do que a alternativa ao uso de biomassa florestal sob a forma de estilha.

No entanto, como já referiam Börjesson (1996) e Carinhas (2004) a sustentabilidade deste tipo de exploração depende, em grande parte, da eficiência e do correto planeamento das operações bem como do delineamento de percursos no que diz respeito à logística de exploração e extração da biomassa, uma vez que os custos associados ao transporte podem ser altamente limitativos à retirada da biomassa da floresta.

Assim, a utilização sustentável das fontes de biomassa vegetal exige repensar a atual cadeia de processamento desta potencial fonte alternativa de combustível de uma forma mais eficiente, incluindo não só a produção de energia, mas também toda a cadeia de transformação em outros produtos de valor acrescentado. Para implementar o uso deste tipo de combustível é, todavia, necessário quantificar e caracterizar em termos termoquímicos e físicos cada tipo de resíduo agroflorestal, informação crucial não só para a análise económica do investimento e a otimização da logística de transporte e processamento da biomassa, como para a adequação de cada tipo de biomassa ao processo de transformação.

A importância deste trabalho justifica-se, desde logo, pelo facto de ainda ser muito limitado o conjunto de informações relacionadas com a quantificação e caracterização de cada tipo de biomassa agroflorestal em Portugal.

De acordo com Aranha et al. (2008) em grande parte dos inventários florestais tradicionais, a avaliação da biomassa resultante de regeneração natural de pinheiro-bravo e de outras espécies, é um parâmetro preterido a favor de outros até agora considerados mais importantes. Este resultado decorre do facto de a biomassa ser considerada, até agora, um resíduo e não um recurso. A não determinação da biomassa de regeneração poderá levar à subestima da quantidade de biomassa total disponível no terreno, e influenciar desfavoravelmente a tomada de decisão ao nível da gestão florestal.

Almeida et al. (2009) reforçaram que a importância dos povoamentos de pinheiro-bravo no território nacional apoia a necessidade de um maior conhecimento da sua ecologia e ordenamento. Segundo Fonseca (2004) a considerável área de ocupação de pinheiro-bravo em Portugal continental aliada à importância socioeconómica desta espécie a nível nacional e

(38)

10

desenvolvimento de trabalhos no âmbito da avaliação do potencial produtivo e gestão dos povoamentos, visando aperfeiçoar a condução do pinhal.

Nos últimos 15 anos a área de floresta de pinheiro bravo tem vindo a diminuir constantemente devido ao abandono dos terrenos resultante do despovoamento do interior do país, a pragas e doenças e, essencialmente à ocorrência de incêndios florestais (ICNF, 2013). Contudo, esta espécie ainda tem grande expressão no Norte e Centro do País, ocupando a maior parte da sua área florestal (AFN, 2010).

De acordo com Fernandes & Rigolot (2007) o pinheiro-bravo é parcialmente termodeiscente, e as sementes armazenadas nas pinhas são a principal fonte de regeneração pós-incêndio, uma vez que o banco de sementes no solo é escasso e pouco duradouro. Neste sentido, Almeida et al. (2009) com base num estudo de avaliação de regeneração natural de pinheiro-bravo no Vale do Tâmega decorrido um período de 5 anos após fogo, referem que a capacidade de regeneração natural pós-fogo do pinhal apresenta-se como garantia da perpetuação dos povoamentos e simultaneamente uma oportunidade a ter em conta num contexto de crescente valorização da biomassa florestal.

Como já foi mencionado, nos últimos anos tem sido referido com frequência o aproveitamento de biomassa florestal como fonte para a produção de bioenergia. Segundo Silva et al. (2012) o surgimento recente das indústrias emergentes de bioenergia na fileira do pinho, levaram a um aumento da pressão exercida pela procura do sobre o recurso pinheiro bravo, obrigando toda a fileira a readaptar-se a esta nova realidade inevitável e irreversível. Os mesmos autores salientam, ainda, a necessidade de conhecimento em domínios específicos de algumas áreas, tais como os padrões de crescimento nos primeiros anos e a capacidade germinativa de árvores jovens, para o desenvolvimento de novos modelos de silvicultura, na gestão do pinhal bravo perante esta nova realidade. De facto, existe uma lacuna quanto à dinâmica de desenvolvimento e aos ritmos de crescimento da espécie para idades juvenis até aos 15 anos. Esta informação é essencial quando se pensa em utilizar ou produzir material de pequenas dimensões, nomeadamente biomassa para energia. Nestas circunstâncias, ter-se-á interesse em promover revoluções bastante mais curtas do que as tradicionalmente seguidas (com antecipação para os 12-17 anos em vez dos usuais 35-45 anos).

Os diagramas de gestão de densidade, baseados em modelos alométricos, são procedimentos simples e eficazes para exibir as complexas relações dimensionais de desenvolvimento dos povoamentos. Estes diagramas poderão ser um suporte fundamental para as diretrizes de condução dos povoamentos de regeneração, por exemplo de pinheiro-bravo, por

(39)

forma a gerir o pinhal para aproveitamento da biomassa nas idades precoces e lenho de qualidade nas idades avançadas A investigação realizada por Luis e Fonseca (2004), acerca da linha de máxima-densidade para o pinheiro-bravo, em Portugal, permite a identificação de orientações silvícolas de gestão da densidade, de acordo com diferentes objetivos, para povoamentos com um diâmetro mínimo de 10 cm. Esse trabalho carece de continuidade, de modo a abranger a etapa fundamental do início do desenvolvimento dos povoamentos, atrás enunciada. Perante a alteração de objetivos de gestão, visando rotações mais curtas, é de extremo interesse ampliar o domínio de conhecimento da linha de máxima densidade, para o estádio juvenil, de modo a permitir gerir os povoamentos em rotações muito mais curtas do que o padrão tradicional.

A crescente procura por biomassa florestal, para produção de energia, esperada para os próximos anos em Portugal, faz com que se intensifiquem as preocupações relativamente à sua disponibilidade. Da reflexão acerca de esta problemática, surge o desenvolvimento deste trabalho que procura novas formas de aproveitamento do pinheiro-bravo.

1.3 Objetivos

Tendo em consideração as preocupações de procura de diferentes fontes de energia, a necessidade de métodos de estimativas de biomassa e as lacunas no conhecimento de gestão da regeneração natural pós incêndio, os objetivos específicos desta tese fundem-se em 3 temáticas que se integram perfeitamente:

- Silvicultura e Gestão Florestal;

- Metodologias de Estimativas de biomassa residual e

- Caracterização Termoquímica dos diferentes tipos de biomassa agroflorestal.

Na primeira temática (Silvicultura e Gestão Florestal) pretende-se o desenvolvimento e aperfeiçoamento de um suporte à tomada de decisão que contemple a possibilidade do aproveitamento do enorme potencial da regeneração natural de pinheiro-bravo, complementarmente aos modelos tradicionais de exploração vocacionados para revoluções longas, dirigidos à produção de madeira de qualidade. Esse objetivo é exposto no estudo da relação alométrica entre o número de árvores e a respetiva dimensão média, em situação de densidade extrema, para identificação da trajetória da densidade máxima atingível pelo pinheiro

(40)

12

bravo, na sua área de distribuição das regiões Norte e Centro de Portugal, desde o estádio inicial de desenvolvimento dos pinhais até à maturidade.

Relativamente à segunda temática, é também objetivo deste trabalho o ajustamento de modelos de regressão, utilizando dados de Inventário Florestal, que permitam quantificar a biomassa de espécies arbustivas em áreas após incêndio. A quantificação desta biomassa poderá auxiliar na tomada de decisão da gestão dos recursos naturais uma vez que esta poderá desempenhar um papel importante no ciclo do carbono, assim como no uso para fins energéticos Quanto à última temática, o principal objetivo é quantificar e caracterizar diferentes tipos de biomassa vegetal residual com o propósito de avaliar em que medida podem constituir matéria-prima a utilizar na produção de energia termoelétrica. O estudo da possibilidade de explorar diferentes resíduos de biomassa agroflorestal residual para fins energéticos é de extrema importância, pois as características termoquímicas irão fornecer a adequação de cada tipo de biomassa para esses fins. Assim, pretende-se ainda, no âmbito da terceira temática, proceder à caracterização termoquímica dos diferentes tipos de biomassa agroflorestal através da análise química elementar, cinzas e macro e micro elementos; análise macromolecular (lenhina, holocelulose e extrativos) e avaliação do Poder Calorífico Superior em diferentes tipos de biomassa residual.

1.4 Estrutura da Tese

A presente tese é constituída por 6 Capítulos.

O Capítulo 1, ao longo do qual se faz uma apresentação do tema e se evidencia a importância da biomassa florestal como combustível a utilizar na produção de energia termoelétrica. Em paralelo, apresenta-se a tese desenvolvida, os objetivos do presente trabalho, assim como a sua estrutura.

No Capítulo 2 apresenta-se a trajetória da relação entre a densidade dos povoamentos e as dimensões biofísicas para o pinhal bravo, desde o estádio juvenil até à maturidade. O estudo permitiu identificar a linha de máxima densidade para a espécie.

No Capítulo 3 é apresentada uma metodologia a seguir na estimativa de biomassa de espécies arbustivas em áreas ardidas no Norte de Portugal. Neste capítulo apresenta-se ainda

(41)

um ajustamento de modelos de regressão para estimação da biomassa aplicando dados de Inventário Florestal.

No Capítulo 4 procede-se à caracterização térmica de diferentes tipos de biomassa residual (agrícola, florestal e matos), assim como à quantificação de Macromoléculas (lenhina e holocelulose) e extrativos existentes na mesma.

O Capítulo 5 é um complemento do Capitulo anterior, onde se procede à caraterização termoquímica da biomassa agroflorestal residual, mais concretamente à análise química elementar, teor de cinzas e micro e macro elementos.

Por fim, no Capítulo 6 apresentam-se as considerações finais mediante todos os resultados obtidos, assim como algumas perspetivas de desenvolvimento complementares ao presente trabalho.

(42)

(43)

Capítulo 2:

_{Regeneração natural de pinheiro-bravo após}

incêndio

_________________________________________________________ O conteúdo apresentado neste Capítulo foi publicado em:

Enes, T.; Lousada, J.; Aranha, J.; Cerveira, A.; Alegria, C.; Fonseca, T. Size–Density Trajectory in

(44)

(45)

-Capítulo 2 – Regeneração natural de pinheiro-bravo após incêndio

2.1 Abstract

Research Highlights: This study bridges a gap of knowledge about the maximum size– density trajectory for juvenile stands of maritime pine. The continuity of the trajectory along the development stages to maturity is assured with a straightforward approach providing support to determine optimum density along all the revolution periods for the species.

Background and Objectives: Forest fire is a significant threat to forests in the Mediterranean regions, but also a natural disturbance that plays a vital role in the perpetuation of forest stands. In recent decades, there has been an increase of burnt area in maritime forests in Portugal, followed by an increased interest in managing the natural and usually abundant regeneration occurring after the fires. The gap in the knowledge of growth dynamics for juvenile stages, for these forest systems, currently constrains their correct management, for forest planning, particularly in determining the optimal densities. The study aims to identify the maximum attainable density trajectory at the early stages of development of the species that could support a non-empirical definition of silvicultural prescriptions and thinning decisions, along the revolution. Materials and Methods: A representative data set collected in stands regenerated after fire supports the analysis of the maximum size–density trajectory for the species. Results: The maximum size–density trajectory for the juvenile stands deviates from the expected trajectory defined in the self-thinning line published for the species. Significant deviation occurs at the lower end of the line, indicating the need for a reevaluation of the existing self-thinning line. We propose a new self-self-thinning model for the species that explicitly considers the behavior of size–density for juvenile stands. The new model assures a logical continuity for the trajectory from the young stages of development to maturity.

Conclusions: The proposed model based on the maximum attainable size–density trajectory provides ecological-based support to define silvicultural guidelines for management of the species.

2.2 Introduction

Wildfires are a natural occurrence in many forest ecosystems around the world (Doerr & Santin, 2016), and a major abiotic threat to forests. In recent decades, the general trend in the number of fires and surface burnt areas has increased dramatically in southern Europe, and particularly in inland Portugal. Between 1995 and 2010, the Portuguese area of pine forests has

(46)

Capítulo 2 – Regeneração natural de pinheiro-bravo após incêndio

18

to the occurrence of forest fires. Further, the risk of wildfires is expected to increase with climate change (Verkerk et al., 2018). The monitored trends and the future scenarios point out the need for explicitly taking into account the risk of fire and its impact on the management of those forest systems as a procedure of adaptive management.

Maritime pine (Pinus pinaster Ait.) is an important conifer from the western Mediterranean Basin. In Portugal, maritime pine has historically been the predominant species, occupying the largest share of forested land. According to the Fifth National Forest Inventory data (AFN, 2010), in Portugal’s northern region, maritime pine occupies about 45% of forest stands. A large proportion of these maritime pine forested areas have their origin in self-seeding after fires or clear cuts and develop at overstock density, which promotes a high fire risk (vertical and horizontal continuity of fuel), mostly due to the absence of technical management DR (2006) . Maritime pine is partly serotinous, and seeds inside the pine cones that remain in the crown after the tree's death by fire are the major source for the post-fire self-regeneration, as the seed bank in the soil is scarce and transient (Fernandes & Rigolot, 2007).

In Portugal, mainly for the maritime pine species, the typical post-fire management consists of cutting the burned trees and promoting regeneration by passive restoration (by natural regeneration from seeds).

Important issues arising from regenerated maritime pine stands after fire refer to the management of these forest systems, namely for forest areas growing at high-density or overstocked levels. Firstly, the information currently available about the average density of plants at a given age, after a fire, is insufficient for planning purposes. Reported mean values of density after the fire, for maritime pine, are scarce and the ones being circulated, quite variable (due, in part, to a plot-size dependency as noticed by Freitas (2013) bringing additional inaccuracy to the expected density values at a given age. For example, three years after the occurrence of fires, Rodrigues (2008) and Alegria et al. (2019) respectively, report densities of 42.5 seedlings of maritime pine per 25 m2 _{and 960 plants per 500 m}2_{(17,000–19,190 plants per}

ha, respectively), while Calvo et al. (2008) refer to average values of 6.53–11.53 seedlings per m2_{(65,300–115,300 plants per hectare). Secondly, there is a gap of knowledge about the}

attainable maximum densities at a given size for young stands. Lastly, there are no scientific-based guidelines supporting the definition of silvicultural prescriptions and thinning decisions of these self-regenerated forests. The management of the self-regenerated pine stands in post-fire conditions is, therefore, a silvicultural challenge.

(47)

For the purposes of both post-fire management and biodiversity conservation, it is important to increase the knowledge of the factors determining the dynamics of growth and the amount of natural regeneration of these forest systems. Most Mediterranean pines originate from post-fire regeneration, as maritime pine is exclusively dependent on germination (Maia et al., 2014; Moya et al., 2008; Tapias et al., 2004; Martínez-Sánchez et al., 1995). After the initial stage of germination, it is expected that the evolution of the young plants in the stands goes toward crown closure. After reaching that point, natural mortality driven by intraspecific competition plays a major role in the dynamics of the species and rules the natural evolution of density. As stated by Zeide (1987) population mortality depends on the density and is caused by an increase in tree size. This dynamic can be described by allometric models between plant density and average plant size (Yoda et al., 1963; Reineke, 1933). These models support the establishment of the expected theoretical limit of the number of trees for a given dimension, also called the natural mortality line or the self-thinning line. This line defines the maximum density that a population of trees can reach for a given medium size, and, therefore, represents the maximum use possible for the area in question and consequently the maximum competition attainable (Yoda et al., 1963). Reineke (1933) expressed the self-thinning line as a linear relationship of the logarithm of density (, number of plants per unit of area) and the logarithm of mean tree diameter (̅), ln = ln − ln ̅, where and r are the model parameters, with a common slope ( = 1.605 ) for a wide variety of species in fully-stocked stands. Since Reineke’s original publication, numerous references to the use of self-thinning models describing the size–density relationship are reported in the literature. Research shows that shade tolerant species tend to show a lower slope (Zeide, 1987) and a higher intercept (Harper, 1977), due to the variation in self-tolerance. Some of the references (Aguirre et al, 2018; Andrews et al., 2018; Brunet-Navarro et al., 2016; Panayotov et al., 2016) indicate that the change of the trajectory and/or the maximum value of density depends on the location of the stands, as well as on the climate characteristics. Deviance from the straight line is also recurrently mentioned (Fonseca et al, 2017; Charru et al., 2012; Monserud et al., 2005; Cao et al., 2000; Zeide, 1995). This deviance might occur at both ends of the line—in young stands, before the onset of competition begins, and later on, in older stands, due to the decrease in self-tolerance (Zeide, 1987), leading to a curve with a concave shape. For the species in this study, Luis & Fonseca (2004) identified the self-thinning line as a straight line defined by ln = 13.634 −

(48)

20

quadratic mean diameter () of 19.7 ± 9.6 cm, and stand age of 38 ± 17 years. The model is incorporated in the stand density management diagram developed for the species, for stands with a minimum average diameter of 10 cm (Luis & Fonseca, 2004). It is also a basis for the simulation of management scenarios for maritime pine stands 12 years old and older in the ModisPinaster model (Fonseca et al., 2012). Research about the self-thinning line for the species was later presented to pinewoods in France (Charru et al., 2012) and Spain (Aguirre et al., 2018; Riofrío et al., 2017).

In this paper, we analyze the size–density relationship of young post-fire self-regenerated stands of maritime pine in order to identify the maximum attainable size–density trajectory of the species from the early stages of development. The term “trajectory” is here interpreted as the succession of the observed values of the number of trees and their mean quadratic diameter, for a given stand, over a particular time period. The hypotheses considered in the study are: (H0) the allometric model developed by Luis & Fonseca (2004) for the species adequately

describes the size–density trajectory for maritime pine at early development stages (mean diameters <10 cm ) versus hypothesis (Ha) a deviance from the straight line occurs at the lower

end of the curve. In case of prevailing Ha, the existing self-thinning line needs reevaluation, to

account for that deviance.

2.3 Materials and Methods 2.3.1 Study Area Characteristics

The study area is located in northern and central Portugal, where climate can be classified as meso Mediterranean (Rivas-Martinez et al., 2002) at elevations that range from sea level to 2000 m in mountainous areas. This region is favorable for the species development below 800 m in height. The mean annual temperature ranges between 13.1 °C at the lower altitudinal level (100–400 m) to 9.8 °C above 400 m. Mean annual precipitation ranges between 660 and 1400 mm at mountain bases, and between 1000 and 2900 mm in sub-montane areas (SNIR; Marques, 1991).

2.3.2 Supporting Material

This study was supported by information collected in sampling plots installed in former burnt areas of maritime pine, in the north and center of Portugal, with additional data from the National Forest Inventory plots (NFI). Four different sets (S) were used as a database:

(49)

S1—information from the DataPinaster database (Fonseca, 2004), referring to plots installed in maritime pine stands in Vale do Tâmega in the north region;

S2—information collected in sampling plots specifically installed in juvenile maritime pine stands in the north region;

S3—information collected in the sampling plots specifically installed in juvenile maritime pine stands in the center region;

S4—a subset of data from NFI plots (NFI4, carried out in 1995–1996), embracing stands of diverse stages of development, collected along the distribution area of the species in Portugal, whose description is in Luis & Fonseca (2004).

With the exception of the data of S2, the plots were circular in shape with a unit area of 500 m2_{. The plots of S2 were of square shape and have 4 m}2_{of unit area. For sets 1, 2, and 3,} the maximum age of the observed stands does not exceed 20 years.

The variables selected to study the size–density trajectory, in a total of 241 observations, were the quadratic mean diameter, measured at the height level of 1.30 m (dg) and the number of trees per unit of area (N), as shown in Table 2.1. Although crown width is the best predictor of tree number in closed stands, it cannot be reliably measured due to irregular crown form and overlap. Hence, a preferable option as recommended by Zeide (1987) is tree diameter since this variable adequately expresses tree size, it is closely related to the number of trees and crown width, and it is also easily accessible for measuring.

Table 2.1 - Summary characteristics of the number of trees per hectare (N) and quadratic mean diameter (dg) for the sampled plots of maritime pine.

Source n N (trees.ha

−1₎ _{dg (cm)}

Min Mean Max sd Min Mean Max sd

S1 4 1560 3985 7500 2708 7.5 9.8 11.2 1.6

S2 59 1500 9536 32500 8549 0.2 4.0 9.9 2.6

S3 153 50 3091 90000 8460 0.1 8.0 27.5 8.0

S4 25 110 1724 7680 1705 6.8 27.2 53.3 12.0

Legend: n - number of plots/observations; N—number of trees per hectare (trees.ha−1_{); dg - quadratic}

mean diameter measured at the height level of 1.30 m; Min - data minimum; Mean - data average; Max - data maximum; and sd - data standard deviation.

2.3.3 Selection of Maximum Values of Size-Density

After the compilation of the data sets, the plots corresponding to the extreme cases in terms of the number of trees (N) and quadratic mean diameter (dg) were selected to allow the identification of maximum size–density values. The extreme cases considered correspond to

(50)

22

the non-dominated front (Pareto front), according to the following definition (Keeney et al., 1979).

The point _{= !}

", … , !%& in the objective space dominates the point = !", … , !%& if

the following conditions hold (considering the maximization of all objectives): !_'≥ !_', for all ) ∈ +1, … , ,-

!_' > !_', for at least an ) ∈ +1, … , ,-.

In this work, two functions are considered, dg and N, that is, n = 2. Thus, a point / = _", _"& dominates point 0 = ₁, ₁& if it holds:

(" ≥ 1 and " > 1) or (" > 1 and " ≥ 1)

where " and " denote, respectively, the value of dg and N in point P, and 1 and 1

are the correspondent values in point Q. Figure 2.1 presents a point Q and three points P, R, and S, which dominate Q. Furthermore, the white area corresponds to the set of points which dominate point Q.

Figure 2.1 - Graphical representation of potential frontier points in the objective space (dg, N). 2.3.4 Size-Density Relation Modeling and Statistical Analysis

The estimation of the relationship of the number of trees over increasing tree size values was performed for the subset of observations retained as border points through linear regression models. Two models were tested - the straight linear model (Equation 1), and a quadratic model

(51)

(Equation 2) - to account for a curvature in the size–density trajectory (Fonseca et al., 2017). In Equation 2, the term ln 2222222 represents the mean value of the transformed variable ln dg.

ln = ln + ln (1)

ln = ln + ln + 4 ln − ln 2222222&1 ₍₂₎

where , , and 4 are the model parameters and ln refers to the natural logarithm.

Both models were fitted using least-squares regression procedures. Assumptions were assessed by visual inspection of residual plots. Additionally, the statistical test of Spearman was applied for the evaluation of the homoscedastic structure of the error variance (Neter et al., 1996). The variance inflation factor (VIF), Myers (1990) was used to assess the impact of linear dependencies among regressors in Equation 2. Goodness-of-fit was based on the statistical criteria coefficient of determination adjusted (R2_adj_{) and root mean square error (RMSE). The}

statistical analyses were conducted with JMP® (v. 10.0) software (Cary, NC, USA) of SAS® Institute Inc.

2.4 Results

2.4.1 Representativeness of the Data Set and Pattern of the Density–Size Trajectory

A scattered plot for the pairs of (, ), transformed to logarithm values, as shown in Figure 2.2, reveals three different situations: a log-linear relationship for large trees (S1 and S4), a curvature of concave shape for S2, and an apparent lack of trend for the pairs of S3. Regarding the dispersion of the pairs of values, as a whole, it is noticed that they are evenly distributed along the graph region, as shown in Figure 2.2. The self-thinning line for maritime pine can also see, as proposed by Luis & Fonseca (2004) and hereafter termed as “L&F”, and the respective domain region in terms of average diameter range (10–50 cm), which fits closely to the S1 and S4 sampled values.

In this Figure, a hand-drawn line (dashed) was placed close to the extreme pairs of size– density values registered for the young stands (S1, S2, and S3) that represents a hypothesized trajectory in the early stages of development. The size–density trajectory for maritime pine begins as a straight line parallel to the x-axis and curves toward the line L&F.

(52)

Capítulo 2 – Regeneração natural de pinheiro-bravo após incêndio

24

Figure 2.2 - Diagram of dispersion and relationship between the logarithm of N (trees.ha−1_{) and the logarithm of}

quadratic mean diameter (dg (cm)), for the observations of the four data subsets.

Note: Two lines are imposed: the estimated maximum size–density values according to the allometric model by Luis and Fonseca (L&F), and a hypothesized line (hand-drawn, dashed) placed close to the extreme pairs of (dg, N) values registered for the young stands. The shaded area represents the domain region of the L&F model, for the diameter variable.

2.4.2 Maximum Size–Density Sample Data

The final sample of data, obtained from the filtering procedure presented in Section 2.3 applied to the original sets of data, consists of 30 observations of border points, as shown in Table 2.2 - Summary characteristics of the data used in the self-thinning line estimation. The border points set include 2 observations of each of the sets S1, S2, and S3, and 24 observations from the S4 database.

Table 2.2 - Summary characteristics of the data used in the self-thinning line estimation.

Source n N (trees.ha

−1₎ _{dg (cm)}

Min Mean Max sd Min Mean Max sd

Border points 30 110 7121 90000 17366 0.5 23.3 53.3 14.1 Note: n—number of plots/observations; N—number of trees per hectare (trees.ha−1_{); dg—quadratic}

mean diameter measured at the height level of 1.30 m; Min—data minimum; Mean—data average; Max—data maximum; and sd—data standard deviation.

(53)

Capítulo 2 – Regeneração natural de pinheiro-bravo após incêndio

2.4.3 Representation of the Size–Density Pattern for the Border Points and Fitted Lines

The dispersion of the pairs (ln , ln ) retained in the final set of 30 border points is shown in Figure 2.3,along with the estimated models (Equation 1 and Equation 2), details of which are in Table 2.3.

Figure 2.3 - Diagram of dispersion and relationship between the logarithm of N (trees.ha−1_{) and the logarithm of}

dg (cm) for the dataset of 30 border points.

Note: The straight line corresponds to the fitted linear model (Equation 1) and the curve to the quadratic model (Equation 2).

Table 2.3 - Coefficients (standard errors) and fit statistics of the estimated models to support the definition of the maximum size–density trajectory for maritime pine (n = 30 observations). RMSE: root mean square error.

Model (Equation) _InterceptEstimates (standard error) Fit statistics

r s 56782222222 R2

adj RMSE

Equation 1 11.115 (0.270) −1.290 (0.090) - - 0.876 0.541 Equation 2 12.969 (0.328) −1.832 (0.100) −0.280 (0.042) 2.796 0.954 0.341

The estimated parameters (and standard errors) of the regression models (Equation 1 and Equation 2) estimated by the least-squares regression method are significantly different from zero (p-value < 0.0001), as shown in Table 2.3.

The analysis of the residual for the fitted models was not clear with regard to the assumption of nonconstant error variance, as shown in Figure 2.4. The homoscedasticity condition was confirmed by the Spearman test for both models (

ρ

= −0.155, 9-value = 0.415,