Modelización de flujos y tiempo de permanencia del carbono

Abstract

Conocer la dinámica del carbono en los ecosistemas y sus modificaciones derivadas por la implementación de sistemas de producción son de importancia actual y mundial en la problemática del cambio climático y en la sustentabilidad de la producción ganadera. En este trabajo de tesis se analiza la modelización de flujos y tiempos de permanencia del carbono en los sistemas de producción ganadera monte nativo (MN), y silvopastoril (SP) en el chaco semiárido argentino. A través del uso de Cadenas de Markov, se simularon los flujos de carbono entre compartimentos claves como suelo, biomasa aérea, biomasa subterránea, y atmósfera. Los resultados muestran que el SP presenta un mayor reciclaje de carbono y un tiempo de residencia más prolongado del carbono en el suelo, destacándose una mayor eficiencia en la retención de C en comparación con el MN. El índice de ciclo de Finn indica un 24% más de reciclaje en el sistema SP, mientras que el contenido de carbono en las raíces de pasturas (10,98 ± 0,62 tn ha⁻¹) excede significativamente al de los arbustos en MN (4,51 ± 0,38 tn ha⁻¹). El análisis de la matriz de transición reveló que los tiempos de retención de carbono en los compartimentos de suelo y biomasa del SP son un 15% más altos que en MN, lo cual indica que los sistemas silvopastoriles no solo capturan más carbono, sino que lo retienen por períodos más prolongados. El tiempo de residencia del carbono en el suelo del SP fue de 7.2 años, en comparación con 6.3 años en el MN, lo que refleja una mayor capacidad del sistema silvopastoril para almacenar carbono. El SP mostró un secuestro neto de carbono de 1.5 tn ha⁻¹ año⁻¹, mientras que el MN presentó un secuestro de 0.9 tn ha⁻¹ año⁻¹. El índice de Shannon, también fue mayor en el sistema SP (2.75) en comparación con MN (1.98), lo que sugiere una mayor estabilidad y resiliencia del SP frente a cambios ambientales. En conclusión, la investigación proporciona evidencia de que los sistemas SP son una estrategia efectiva para maximizar la retención de C en sistemas productivos. La integración de modelos matemáticos con datos empíricos del campo proporciona una herramienta más para la comprensión de la dinámica del carbono en sistemas complejos.