Variación de la densidad estomática y concentración clorofílica de Cavendishia bracteata (Ericaceae) y Virola koschnyi (Myristicaceae) según la posición vertical de las hojas, en diferentes localizaciones

Sofía Flores Aguilar¹, Karolay Solís Esquivel¹, Francela Godínez Portuguez¹ & Steven Fallas Fernández¹.

¹Bioestadística General, Escuela de Ciencias Biológicas, Universidad Nacional, Heredia, Costa Rica.

Resumen: La planta presenta alteraciones fisiomorfológicas según la condición del medio en que se encuentre, con la finalidad de satisfacer las necesidades fundamentales para su correcto desarrollo. El estudio consistió en determinar la relación de la densidad estomática, contenido de agua y concentración de clorofila en distintos estratos de la planta (alto, medio y bajo). Se trabajó con las especies Cavendishia bracteata y Virola koschnyi ubicadas en las localidades de la provincia de Heredia, San Rafael y Sarapiquí, respectivamente. Se encontraron diferencias significativas en las variables contenido de agua y concentración de clorofila, mientras que para la variable densidad estomática no se obtuvo significancia. Se determinó una relación de las variables con respecto a la ubicación en la planta, en base a la exposición lumínica que presenta, lo cual consiste en el principal factor de afectación.

Palabras clave: alteraciones fisiomorfológicas, densidad estomática, contenido de agua, concentración de clorofila, Cavendishia bracteata, Virola koschnyi.

INTRODUCCIÓN

De los órganos presentes en una planta, la hoja es el más sensible en responder ante diferentes condiciones ambientales. Debido a esto, la planta tiende a reflejar alteraciones fisiomorfológicas como respuesta según la condición del medio en que se encuentre. Una de estas alteraciones se ve reflejada en la densidad estomática (Trewavas, 2003). Los estomas llevan a cabo un papel de suma importancia en la planta, ya que son vitales en el mantenimiento de la homeostasis; razón por la cual, es importante conocer sobre la condición de estos poros en las hojas. Cuando los estomas están abiertos, las tasas de transpiración aumentan; cuando están cerrados, esta disminuye. La cantidad de estomas en las hojas puede ser un indicador de la eficiencia de la planta para evitar la pérdida de agua .Según Roth et al. (1986), el índice estomático (IE) puede variar tanto dentro de la misma hoja, como según la posición de la hoja en la planta, e incluso según el ambiente ecológico.
La transpiración, la intensidad con la que esta ocurre, y la asimilación clorofílica están directamente relacionadas con el número y apertura de los estomas. Según Rubino et al. (1989) y Thakur (1990) entre menor sea la cantidad de estomas por mm2, mayor será la resistencia estomática y la planta evita un exceso de transpiración, sin embargo, la densidad estomática es un carácter tan variable que está influenciado por múltiples factores, tal como condiciones de sequía, altas concentraciones salinas y el espécimen del que se trate (Salas et al., 2001; Bethke & Drew, 1992; Rubino et al., 1989). Otra característica importante y vital para las plantas es su capacidad fotosintética. La fotosíntesis es un proceso característico del reino vegetal, que además establece en gran parte los rasgos típicos de la estructura y fisiología de la plata. Este proceso tiene lugar en los tejidos fotosintéticos, presentes mayormente en las hojas. En el proceso fotosintético, la energía lumínica emitida por el sol y que es captada por una planta, tiene dos posibilidades, de las cuales una corresponde a la transformación de esta energía luminosa en energía química, mediante el proceso de conversión fotoelectroquímica, y la otra corresponde a la conversión de la energía luminosa en otras formas de energía radiante no acumulable, tal como luz fluorescente o calor (Bieto & Talón, 2008). Una de las condiciones más determinantes para la fotosíntesis, está relacionada con la capacidad de absorción de luz de la clorofila, principalmente la clorofila α y β. La fotosíntesis está limitada por la disponibilidad de luz, dióxido de carbono, agua, y algunas características propias en la morfología de la planta, como la densidad estomática. Al realizar fotosíntesis, las plantas se encuentran entre los organismos primarios encargados de la producción de energía, y por lo tanto, de la entrada de energía en los ecosistemas. Es por esto, que la efectividad fotosintética presente en una planta, afecta de manera directa o indirecta, al resto de eslabones de la cadena trófica, y por lo cual, la efectividad fotosintética representa una gran importancia para la planta y su entorno. El presente trabajo pretende estudiar la posible relación entre la densidad estomática y la concentración de clorofila, según la posición vertical de las hojas en el árbol, con el fin de diferenciar el comportamiento entre hojas del estrato superior e inferior.

OBJETIVOS

Objetivo general

Evaluar la densidad estomática y la concentración clorofílica en Cavendishia bracteata y Virola koschnyi para reconocer su adaptación a la posición vertical donde se encuentran las hojas en la planta.

Objetivos específicos

Cuantificar el número de estomas y la concentración de clorofila presente en las hojas según la posición vertical que estos ocupen en la planta.
Comparar la concentración de clorofila y la densidad de estomas, según la ubicación vertical de las hojas.

MATERIALES Y MÉTODOS

Área de estudio: El estudio se realizó en la Estación Biológica La Selva, Sarapiquí, Heredia (10° 25’19”N, 84°00’54”O) y en San Rafael, Heredia (10°0’47.5”N, 84°6’0.6”O).

Diseño experimental: Se trabajó con una muestra de 45 hojas, de tres ejemplares de C. bracteata en San Rafael y V. koschnyi en la Estación Biológica La Selva, Sarapiquí, 15 hojas por cada ejemplar y 5 por cada estrato. Se extrajo un área conocía de cada hoja, la cual se pesó para obtener el peso fresco (PF), seguidamente se secó en un horno por tres días, se pesó y se obtuvo el peso seco (PS). Se aplicó una capa de esmalte en las hojas de C. bracteata, del cual, al secar, se extrajo la muestra y se colocó en un portaobjetos. Posteriormente se realizó el conteo de estomas presentes en un área conocida determinada mediante un portaobjetos graduado. Finalmente, se maceraron 27 hojas de cada especie con 10 mL de acetona (CH₃CH₃) y una punta de espátula de Carbonato de Calcio (CaCO₃), para obtener un sobrenadante con los pigmentos fotosintéticos, el cual se centrifugó por dos minutos para y con ayuda del espectrofotómetro se obtuvieron las longitudes de absorción de la clorofila (646 - 663 nm).

Análisis de datos: Se calculó el contenido relativo de agua (CRA) mediante la ecuación,

CRA = (PS - PF) / PF (Ec 1).

Posteriormente se obtuvo la densidad estomática con la ecuación,

Densidad estomática = Número de estomas / Área conocida [mm^-2] (Ec 2).

Se cuantificó la concentración de clorofila total (CT) en μg mL^-1 con su respectiva ecuación,

CT = [(17.32 * A₆₄₆) - (7.18 * A₆₆₃)] (Ec 3).

Donde A₆₆₃ y A₆₄₆ corresponde a las longitudes de absorción de la clorofila.

Finalmente, se realizaron ANDEVAs de una vía (factores densidad estomática, concentración de clorofila y CRA, interacción altura según su localización).

RESULTADOS

Cuadro 1. Comparación de parámetros fisiológicos de hojas en distinta altura (alto, medio, bajo) de Cavendishia bracteata y Virola koschnyi mediante ANDEVAs de una vía, en San Rafael y Sarapiquí, respectivamente

Letras iguales indican no diferencia estadísticamente significativa de la prueba post-hoc de TukeyHSD (KW) o LSD de Fisher (F). Media ± desviación estándar; KW: Kruskall-Wallis (p<0.05); F: prueba de Fisher (p>0.05); P: probabilidad; n.s.: no significativo; ** : p<0.01; *** : p<0.001; gl: grados de libertad.

Se observó como la concentración de clorofila (n=27) de C. bracteata fue mayor en la parte más expuesta a la luz solar (Alto) que la menos expuesta (Bajo). Sin embargo, en V. koschnyi sucedió de manera inversa , como lo muestra el Cuadro 1. Además, el contenido de agua (n=90) en ambos casos disminuyó conforme las hojas se encontraban a mayor altura. Y la densidad estomática (n=45) no presentó una diferencia estadísticamente significativa entre los estratos, ya que esta se mantuvo casi constante en las tres alturas para C. bracteata.

DISCUSIÓN

Los resultados obtenidos para la variable contenido relativo de agua, permitieron determinar una relación directa con la intensidad lumínica recibida por la planta en estratos superiores, lo que implica una mayor transpiración por parte de sus hojas, con el fin de satisfacer las necesidades fisiológicas fundamentales (Naizaque et al, 2014). De igual manera, la densidad estomática se encuentra relacionada con los procesos fisiológicos necesarios para el correcto desarrollo de la planta, debido a que los estomas, son estructuras participes en el proceso fotosintético, por el cual la planta adquiere energía (Álvarez-Holguín et al, 2018). Este proceso implica mayor densidad estomática en estratos que presenta alta exposición lumínica para lograr realizar el intercambio gaseoso y la regulación de la temperatura interna (Azcón-Bieto & Talón, 2000; Naizaque et al, 2014); esto implica una pérdida de agua por parte de la planta lo que se complementa con el resultado obtenido en la variable contenido relativo de agua. Así mismo, los resultados presentes en V. koschnyi, respecto a la variable concentración de clorofila, concuerdan con la hipótesis, la cual expresa que las hojas en un estrato bajo poseen mayor clorofila, debido a que se dificulta la captación de energía lumínica, por ende, en estratos superiores no es necesario altas concentraciones, debido a que la concentración presente permite satisfacer las necesidades de la planta (Encalada et al, 2016; Azcón-Bieto & Talón, 2000). Sin embargo en la especie C.bracteata se obtienen resultados inversos, por lo que se infirió que las condiciones climatológicas, así como la altitud y zona de crecimiento son factores importantes en la concentración clorofílica.

CONCLUSIONES

El contenido relativo de agua es mayor en estratos inferiores, lo cual se relaciona con que las hojas de este estrato poseen una menor temperatura y por lo tanto menor transpiración. Con respecto a la densidad estomática, a altas concentraciones de luz, mayor presencia de estomas. La concentración de clorofila aumenta en estratos bajos de la planta, para lograr contrarrestar el problema lumínico, además esta varía según las condiciones ambientales.

REFERENCIAS

Álvarez, A., Morales, C. R., Corrales, R., Avendaño, C. H., Rubio, H. O. & Villarreal, F. (2018). Stomatal characterization, chlorophyll concentration and their relation with biomass production of Bouteloua curtipendula. Agron. Mesoam. 29(2), 251-261.

Azcón-Bieto, J., & Talón, M. (2000). Fundamentos de fisiología vegetal (No. 581.1). McGraw-Hill Interamericana.

Bethke, P. C. & Drew, M. C. (1992). Stomatal and nonstomatal components to inhibition of photosynthesis in leaves of Capsicum annuum during progressive exposure to NaCl salinity. Plant physiology, 99(1), 219-226.

Encalada, M., Soto, F., Morales, D., Álvarez, I. (2016). Influencia de la luz en algunas características fisiológicas del cafeto (Coffea arabica L. cv. CATURRA) en condiciones de vivero. Cultivos Tropicales, 37 (4), 89-97.

Naizaque, J., García, G., Fischer, G. & Melgarejo, L. M. (2014). Relationship between stomatal density, transpiration and environmental conditions in pineapple guava (acca sellowiana [o. berg] burret). Rev. U.D.C.A Act. & Div. Cient. 17(1), 115-121.

Perés-Martínez, J., Arizaleta, M., Sanabria, M. E. & Brito, L. (2004). Características de los estomas, densidad e índice estomático y su variación en función a la injestación en Annona muricata L. y A. montana MADFAC. Bioagro, 16(3), 213-218.

Roth, I., Merida, T. & Lindorf, H. (1986). Morfología y anatomía foliar de plantas de la selva nublada de Rancho Grande. O. Juber (Ed.), 205-252.

Rubino, P., Tarantino, E. & Rega, F. (1989). Relationship between soil water status and stomatal resistance of tomatoes. Irrigazione e Drenaggio, 36, 95-98.

Salas, J. A., Sanabria, M. E. & Pire, R. (2001). Variación en el índice y densidad estomática en plantas de tomate (Lycopersicon esculentum Mill.) sometidas a tratamientos salinos. Bioagro, 13(3), 99-104.

ANEXOS

Para obtener acceso a las bases de datos

Script

library(readxl)
library(outliers)
library(car)

## Loading required package: carData

Datos_del_proyecto <- read_excel("E:/Liquenes/Data/Datos del proyecto.xlsx", col_types = c("text", "text", "text", "text", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric"))
San_Rafael <- read_excel("E:/Liquenes/Data/San Rafael.xlsx", col_types = c("text", "text", "text", "text", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric"))
Clorofila <- read_excel("E:/Liquenes/Data/Clorofila.xlsx", col_types = c("text", "text", "text", "text", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric", "numeric"))

Relaciones estadísticas mediante ANDEVAS de una vía.

Densidad estomática respecto a la posición vertical en que se encontraban las hojas de la C. bracteata

densidad <- aov(San_Rafael$Densidad_estomatica~San_Rafael$Altura)

shapiro.test(densidad$residuals)

## 
##  Shapiro-Wilk normality test
## 
## data:  densidad$residuals
## W = 0.96437, p-value = 0.179

tapply(San_Rafael$Densidad_estomatica, San_Rafael$Altura, length)

##  1_Alta 2_Media  3_Baja 
##      15      15      15

tapply(San_Rafael$Densidad_estomatica, San_Rafael$Altura, mean)

##    1_Alta   2_Media    3_Baja 
## 0.3180623 0.3325466 0.2834775

tapply(San_Rafael$Densidad_estomatica, San_Rafael$Altura, sd)

##     1_Alta    2_Media     3_Baja 
## 0.06073678 0.06464630 0.04394081

bartlett.test(San_Rafael$Densidad_estomatica~San_Rafael$Altura)

## 
##  Bartlett test of homogeneity of variances
## 
## data:  San_Rafael$Densidad_estomatica by San_Rafael$Altura
## Bartlett's K-squared = 2.1384, df = 2, p-value = 0.3433

summary(densidad)

##                   Df  Sum Sq  Mean Sq F value Pr(>F)  
## San_Rafael$Altura  2 0.01907 0.009534   2.919  0.065 .
## Residuals         42 0.13718 0.003266                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

TukeyHSD(densidad)

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = San_Rafael$Densidad_estomatica ~ San_Rafael$Altura)
## 
## $`San_Rafael$Altura`
##                       diff         lwr         upr     p adj
## 2_Media-1_Alta  0.01448425 -0.03621635 0.065184850 0.7682439
## 3_Baja-1_Alta  -0.03458485 -0.08528544 0.016115753 0.2335445
## 3_Baja-2_Media -0.04906910 -0.09976970 0.001631501 0.0596276

Contenido de agua respecto a la posición vertical en que se encontraban las hojas de la planta, de diferentes localizaciones

Datos_del_proyecto$LA <-paste(Datos_del_proyecto$Locacion, Datos_del_proyecto$Altura, sep="*")

cont_agua<- aov(Datos_del_proyecto$Contenido_de_agua_en_la_hoja~Datos_del_proyecto$LA)

shapiro.test(cont_agua$residual)

## 
##  Shapiro-Wilk normality test
## 
## data:  cont_agua$residual
## W = 0.96813, p-value = 0.02617

tapply(Datos_del_proyecto$Contenido_de_agua_en_la_hoja,Datos_del_proyecto$LA, length)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##                 15                 15                 15 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##                 15                 15                 15

tapply(Datos_del_proyecto$Contenido_de_agua_en_la_hoja,Datos_del_proyecto$LA,mean)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##          0.6754133          0.6746593          0.7188604 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##          0.5904427          0.5953834          0.6882348

tapply(Datos_del_proyecto$Contenido_de_agua_en_la_hoja,Datos_del_proyecto$LA, sd)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##         0.03804057         0.06365433         0.04727251 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##         0.04868406         0.05349540         0.04383343

kruskal.test(Datos_del_proyecto$Contenido_de_agua_en_la_hoja~Datos_del_proyecto$LA)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  Datos_del_proyecto$Contenido_de_agua_en_la_hoja by Datos_del_proyecto$LA
## Kruskal-Wallis chi-squared = 42.971, df = 5, p-value = 3.746e-08

pairwise.wilcox.test(Datos_del_proyecto$Contenido_de_agua_en_la_hoja,Datos_del_proyecto$LA, p.adjust.method = "b", exact=F)

## 
##  Pairwise comparisons using Wilcoxon rank sum test 
## 
## data:  Datos_del_proyecto$Contenido_de_agua_en_la_hoja and Datos_del_proyecto$LA 
## 
##                    San Rafael*1_Alta San Rafael*2_Media San Rafael*3_Baja
## San Rafael*2_Media 1.0000            -                  -                
## San Rafael*3_Baja  0.0423            0.8459             -                
## Sarapiqui*1_Alta   0.0046            0.0136             0.0002           
## Sarapiqui*2_Media  0.0054            0.0117             0.0017           
## Sarapiqui*3_Baja   1.0000            1.0000             0.5713           
##                    Sarapiqui*1_Alta Sarapiqui*2_Media
## San Rafael*2_Media -                -                
## San Rafael*3_Baja  -                -                
## Sarapiqui*1_Alta   -                -                
## Sarapiqui*2_Media  1.0000           -                
## Sarapiqui*3_Baja   0.0020           0.0028           
## 
## P value adjustment method: bonferroni

Concentración clorofilaca respecto a la posición vertical en que se encontraban las hojas de la planta, de diferentes localizaciones

Clorofila$LA <-paste(Clorofila$Locacion, Clorofila$Altura, sep="*")

clorofila <- aov(Clorofila$Clorofila_total~Clorofila$LA)

shapiro.test(clorofila$residual)

## 
##  Shapiro-Wilk normality test
## 
## data:  clorofila$residual
## W = 0.9658, p-value = 0.1254

tapply(Clorofila$Clorofila_total, Clorofila$LA, length)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##                  9                  9                  9 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##                  9                  9                  9

tapply(Clorofila$Clorofila_total, Clorofila$LA,mean)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##          17.434287          14.828624          12.071178 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##           6.856982          14.213436          17.490529

tapply(Clorofila$Clorofila_total, Clorofila$LA, sd)

##  San Rafael*1_Alta San Rafael*2_Media  San Rafael*3_Baja 
##           9.523510           4.786784           6.685255 
##   Sarapiqui*1_Alta  Sarapiqui*2_Media   Sarapiqui*3_Baja 
##           4.602742           3.153114           6.113439

bartlett.test(Clorofila$Clorofila_total~Clorofila$LA)

## 
##  Bartlett test of homogeneity of variances
## 
## data:  Clorofila$Clorofila_total by Clorofila$LA
## Bartlett's K-squared = 10.558, df = 5, p-value = 0.06089

summary(clorofila)

##              Df Sum Sq Mean Sq F value  Pr(>F)   
## Clorofila$LA  5  713.2   142.7   3.774 0.00581 **
## Residuals    48 1814.4    37.8                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

TukeyHSD(clorofila)

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = Clorofila$Clorofila_total ~ Clorofila$LA)
## 
## $`Clorofila$LA`
##                                              diff        lwr        upr
## San Rafael*2_Media-San Rafael*1_Alta  -2.60566222 -11.207527  5.9962028
## San Rafael*3_Baja-San Rafael*1_Alta   -5.36310889 -13.964974  3.2387561
## Sarapiqui*1_Alta-San Rafael*1_Alta   -10.57730444 -19.179169 -1.9754394
## Sarapiqui*2_Media-San Rafael*1_Alta   -3.22085111 -11.822716  5.3810139
## Sarapiqui*3_Baja-San Rafael*1_Alta     0.05624222  -8.545623  8.6581072
## San Rafael*3_Baja-San Rafael*2_Media  -2.75744667 -11.359312  5.8444183
## Sarapiqui*1_Alta-San Rafael*2_Media   -7.97164222 -16.573507  0.6302228
## Sarapiqui*2_Media-San Rafael*2_Media  -0.61518889  -9.217054  7.9866761
## Sarapiqui*3_Baja-San Rafael*2_Media    2.66190444  -5.939961 11.2637695
## Sarapiqui*1_Alta-San Rafael*3_Baja    -5.21419556 -13.816061  3.3876695
## Sarapiqui*2_Media-San Rafael*3_Baja    2.14225778  -6.459607 10.7441228
## Sarapiqui*3_Baja-San Rafael*3_Baja     5.41935111  -3.182514 14.0212161
## Sarapiqui*2_Media-Sarapiqui*1_Alta     7.35645333  -1.245412 15.9583183
## Sarapiqui*3_Baja-Sarapiqui*1_Alta     10.63354667   2.031682 19.2354117
## Sarapiqui*3_Baja-Sarapiqui*2_Media     3.27709333  -5.324772 11.8789583
##                                          p adj
## San Rafael*2_Media-San Rafael*1_Alta 0.9448650
## San Rafael*3_Baja-San Rafael*1_Alta  0.4444003
## Sarapiqui*1_Alta-San Rafael*1_Alta   0.0080224
## Sarapiqui*2_Media-San Rafael*1_Alta  0.8743264
## Sarapiqui*3_Baja-San Rafael*1_Alta   1.0000000
## San Rafael*3_Baja-San Rafael*2_Media 0.9307027
## Sarapiqui*1_Alta-San Rafael*2_Media  0.0837650
## Sarapiqui*2_Media-San Rafael*2_Media 0.9999367
## Sarapiqui*3_Baja-San Rafael*2_Media  0.9398601
## Sarapiqui*1_Alta-San Rafael*3_Baja   0.4759997
## Sarapiqui*2_Media-San Rafael*3_Baja  0.9759391
## Sarapiqui*3_Baja-San Rafael*3_Baja   0.4326638
## Sarapiqui*2_Media-Sarapiqui*1_Alta   0.1334441
## Sarapiqui*3_Baja-Sarapiqui*1_Alta    0.0075848
## Sarapiqui*3_Baja-Sarapiqui*2_Media   0.8661446

Liquenes

Sofía Flores

12 de noviembre de 2019