Many hydrological studies of forested ecosystems focus on the study of the forest canopy and have partitioned gross precipitation into throughfall and stemflow. However, the presence of forest litter can alter the quantities of water available for soil infiltration and runoff. Little information exists regarding the value of storage and drainage parameters for litter layers. Vegetation parameters of this kind are required in physically-based and lumped conceptual models to quatify the availabilty and distribution of water. Using a rainfall simulator and laboratory conditions two main objectives were investigated using layers of recently seneced poplar leaves, fresh grass or woodchips: 1) Effect of rain intensity on storage. With this respect we found that: maximum storage (C_max), defined as the detention of water immediately before rainfall cessation, increased with rainfall intensity. The magnitude of the increment was up to 0.5 mm kg⁻¹ m⁻² between the lowest (9.8 mm h⁻¹) and highest (70.9 mm h⁻¹) rainfall intensities for poplar leaves. Minimum storage (C_min), defined as the detention of water after drainage ceased, was not influenced by rainfall intensity. Repeated wetting-draining cycles or layer thickness have no effect on C_max or C_min. 2) The evaluation of drainage coefficient for the Rutter model. This model was found accurate to predict storage and drainage in the case of poplar leaves, was less accurate for fresh grass and resulted in overestimations for woodchips. Additionally, the effect of an underlaying soil matrix on lateral movement of water and storage of poplar leaves was studied. Results indicated that the soil matrix have no effect on C_max or C_min of the litter layer. Lateral movement of water in the poplar layer was observed at intermediate rainfall intensities (30.2 and 40.4 mm h⁻¹), but not a the lowest or highest rates.

Interception losses are a major influence in the water yield of vegetated areas. For most storms, rain interception results in less water reaching the ground. However, fog interception can increase the overall water storage capacity of the vegetation and once the storage is exceeded, fog drip is a common hydrological input. Fog interception is disregarded in water budgets of semiarid regions, but for some plant communities, it could be a mechanism offsetting evaporation losses. Tillandsia recurvata is a cosmopolitan epiphyte adapted to arid habitats where fog may be an important water source. Therefore, the interception storage capacity by T. recurvata was measured in controlled conditions and applying simulated rain or fog. Juvenile, vegetative specimens were used to determine the potential upperbound storage capacities. The storage capacity was proportional to dry weight mass. Interception storage capacity (C_min) was 0.19 and 0.56 mm for rainfall and fog respectively. The coefficients obtained in the laboratory were used together with biomass measurements for T. recurvata in a xeric scrub to calculate the depth of water intercepted by rain. T. recurvata contributed 20 % to the rain interception capacity of their shrub hosts: Acacia farnesiana and Prosopis laevigata and; also potentially intercepted 4.8 % of the annual rainfall. Nocturnal stomatic opening in T. recurvata is not only relevant for CO₂ but for water vapor, as suggested by the higher weight change of specimens wetted with fog for 1 h at dark in comparison to those wetted during daylight (543 ± 77 vs. 325 ± 56 mg, p = 0.048). The storage capacity of T. recurvata leaf surfaces could increase the amount of water available for evaporation, but as this species colonise montane forests, the effect could be negative on water recharge, because potential storage capacity is very high, in the laboratory experiments it took up to 12 h at a rate of 0.26 l h⁻¹ to reach saturation conditions when fog was applied.

Se evaluó el efecto de factores ambientales y de manejo del pastoreo sobre la producción de forraje y leche en praderas de alfalfa en el centro de México durante el 2009 al 2011. Se analizaron registros de la composición de sólidos de leche (grasa+proteína+lactosa) y producción de leche; en la pradera, la composición química, la materia seca de forraje (MS) ofrecida (MFO), tasa de acumulación de forraje (TAF), carga animal (CA) y otras variables. La información ambiental para el sitio se obtuvo de bases de datos por percepción remota. Del 2009 al 2011 el área de pastoreo fue creciente y el nivel de suplementación decreciente, resultando en una producción de: 17.3, 14.7 y 13.5 t MS ha-1año-1, utilización de la pradera de 75, 71 y 73%, CA de 3.7, 3.1 y 2.7 vacas ha-1, producción de leche de 19290, 13419 y 12563 kg ha-1 año-1 y sólidos de leche de 2409, 1638 y 1554 kg ha-1 año-1. Por regresión múltiple, los días de descanso y la temperatura nocturna explicaron la TAF. La temperatura diurna y la CA explicaron la MFO; la producción de leche dependió de la TAF, temperatura diurna y energía del alimento; los sólidos totales de la MFD y la energía del alimento. La estrategia de suplementación debe apoyar de octubre a abril, donde la TAF está por debajo del promedio, además la masa de forraje residual debe ser de 400 a 500 kg de MS ha-1 para maximizar la TAF en el siguiente ciclo de pastoreo.

Medir la masa de forraje (MF) en la pradera, antes del pastoreo, es fundamental para determinar la asignación diaria de forraje en sistemas pastoriles de producción animal. La MF se estima por corte de forraje en áreas conocidas, utilizando ecuaciones alométricas, o con el uso de sensores de percepción remota (PR); sin embargo, la exactitud y practicidad de los distintos métodos para estimar la MF, es variable. El objetivo fue obtener modelos predictivos usando variables ambientales y del manejo de la pradera para predecir la MF. Se ajustaron modelos de regresión para estimar la MF con base en variables del manejo de la pradera (MP) o mediciones obtenidas por PR, como reflectancia, temperatura del aire y lluvia. Por tres años se estudió una pradera mixta pastoreada con bovinos productores de carne. Con 80 % de datos se modeló por mínimos cuadrados ordinarios (OLS) o por algoritmos de aprendizaje automatizado (ML). El 20 % restante de los datos se utilizó para validar los modelos usando el coeficiente de determinación y el sesgo promedio entre valores estimados y observados. El modelo base de estudio fue la relación entre la altura de la pradera antes del pastoreo y la MF de este modelo se ajustó usando OLS; la r2 fue 0.43. Cuando se ajustaron modelos que incluyeron variables del MP, la r2 fue 0.45 para OLS y 0.63 para ML. Al ajustar modelos con variables de MP y PR, la r2 fue 0.71 para OLS y 0.96 para ML. Los ensambles de modelos ajustados con ML redujeron el sesgo de estimados de MF de la pradera examinada. En general, los modelos de ML representaron mejor la relación entre altura de la pradera antes del pastoreo y MF que los de modelos de OLS, al ajustarlos con variables de manejo de la pradera y con información de PR. Los modelos de ML pueden usarse como herramienta para la toma de decisiones diaria en sistemas productivos pastoriles.