Modelling aboveground net primary production (ANPP) of an Atlantic mountain grassland based on time series approach

Because primary productivity is related both with the energy that sustains food webs and with species diversity, it is usually considered a key ecosystem property and a reliable indicator of available forage. In this work the aboveground net primary production (ANPP) of an Atlantic mountain grassland system was modelled in order to attempt producing short-term forecasts. Since grazing influences productivity, two treatment levels (grazing and exclusion) were experimentally applied in each of three field sites. Monthly ANPP data were then collected over three consecutive vegetative periods (2006-2008), thereby obtaining six time series (one per plot). Since no significant differences among sites (within treatments) were found, these six series were later reduced through averaging to only two series (one per treatment level). Two kinds of statistical models were then used to attempt monthly ANPP forecasting: exponential smoothing methods and ARIMA models. Both methodologies turned out to produce inadequate forecasts due to the presence of marked local features (innovative outliers) in our relatively short time-series data. Nonetheless, useful information for a more innovative shepherding management was revealed (e.g. the presence of within-year variation in ANPP, and differences between the grazing and exclusion treatments). Longer data series, which would require a more demanding effort in sampling investment, are likely necessary in order to obtain adequate forecasts using these time series methodologies.Debido a que la producción primaria está relacionada tanto con la energía que sustenta las redes tróficas como con la diversidad de especies, generalmente se considera una propiedad clave del ecosistema y un indicador fiable del forraje disponible. En este trabajo se modeló la producción primaria neta aérea (ANPP) de un sistema de pastizales atlánticos de montaña con el fin de intentar pronosticarla a corto plazo. Como el pastoreo influye en la productividad, se aplicaron experimentalmente dos niveles de tratamiento (pastoreo y exclusión) en cada uno de los tres sitios de estudio. Los datos mensuales de ANPP se recolectaron a lo largo de tres períodos vegetativos consecutivos (2006-2008), obteniendo así seis series temporales (una por parcela). Dado que no se encontraron diferencias significativas entre los sitios (dentro de los tratamientos), estas seis series fueron promediadas y reducidas a dos (una por nivel de tratamiento). Posteriormente, se utilizaron dos tipos de modelos estadísticos para pronosticar la ANPP mensual: métodos de suavizado exponencial y modelos ARIMA. Ambas metodologías arrojaron pronósticos inadecuados debido a la presencia de características locales marcadas (valores atípicos innovadores) en nuestros datos de series temporales relativamente cortas. No obstante, se reveló información útil para un diseño de manejo del pastoreo más adecuado (por ejemplo, la presencia de variación dentro de un año en la ANPP y diferencias entre los tratamientos de pastoreo y exclusión). Es probable que se necesiten series de datos más largas, lo que requeriría un esfuerzo más exigente en la inversión de muestreo, para obtener predicciones adecuadas utilizando estas metodologías de series temporales